AI进家庭

**关注我，记得标星不迷路哦～ 1: gpt-oss 开放权重推理与智能体模型 OpenAI的gpt-oss项目发布了gpt-oss-120b和gpt-oss-20b两款开放权重模型，它们主要面向强大的推理、代理任务以及多用途开发者应用场景。这些模型采用Apache 2.0许可证，支持根据需求配置推理工作量，并提供完整的思维链以增强调试和输出可信度。项...

阿里开源Qwen-Image，已经成为huggingface排名第一。 亲测12G的3060可用！ Qwen-Image 是一个拥有 20B 参数的 MMDiT（多模态扩散变换器）模型，基于 Apache 2.0 许可证开源。 Qwen-Image 是阿里巴巴通义千问团队发布的首个图像生成基础模型，这是一个拥有 20B 参数的 MMDiT（多模态扩散变换器...

一手实测速度惊人，网友吐槽开源不彻底。 作者 | 陈骏达 编辑 | 李水青 时隔6年，OpenAI再次开源语言模型！ 智东西8月6日报道，今天，OpenAI终于放出其传闻已久的开源模型：gpt-oss-120b和gpt-oss-20b。这两款模型均采用MoE架构，与DeepSeek的多款模型类似。 本次OpenAI开源的模型最大亮点之一是其部署的高...

明敏 发自 凹非寺 量子位 | 公众号 QbitAI 还是Claude痛快，Claude Opus 4.1前脚曝光，今天这就正式发了。 编程性能再次突破天花板，超越Claude Opus 4，拿下SOTA。 此外在Agent任务和推理方面进一步升级。 但加量不加价，定价和Claude Opus 4一样。 官方说计划在未来几周对模型进行更大规模升级与改进，看...

同一天，硅谷模型三巨头连续发布了新的模型（到底也不知道谁截胡谁了）。 OpenAI 终于发布了新的开源模型，gpt-oss-120b 和 gpt-oss-20b，上次开源 GPT-2 已经是 6 年前的事情了。从目前的评测成绩来看，两款模型能力接近 o4-mini，虽然编程能力略弱，但这个 SOTA 级别的能力表现，很期待接下来的开源生态的发展。 Deep...

3D世界支持实时操控、边玩边改，Sora负责人也参与了。 编译 | 程茜 编辑 | 李水青 智东西8月6日消息，昨夜，谷歌DeepMind宣布推出通用世界模型Genie 3，首个可实时交互世界模型来了。 基于文本提示，Genie 3可以允许用户以每秒24帧的速度，以720p的分辨率生成长达数分钟的交互式3D环境，Genie 2仅能生成10到20秒。...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 只需一句话，就能生成可实时交互的3D世界。 刚刚，谷歌DeepMind发布了新一代通用世界模型Genie 3。 性能上，Genie 3相比上一代大幅升级，支持720P画质，每秒24帧实时导航，以及分钟级的一致性保持。 前DeepMind科学家、AI 3D生成创业者Tejas Kulkarni受邀体验...

新智元报道 编辑：桃子 好困 【新智元导读】老黄曾预言，每个像素都将由AI生成！刚刚，谷歌DeepMind放出的「通用世界模型」Genie 3，一句话即生720p实时模拟世界，1分钟视觉记忆一致性超高。 全球最强「世界AI模拟器」今夜诞生！ 刚刚，谷歌DeepMind祭出新一代通用世界模型——Genie 3，能模拟出史无前例的丰富交互环境。 一句...

硅谷最重要的三家模型大厂，同一天发布了各自非常具有节点意义的模型。这种混战日有阵子没见到了。 8月5日注定会成为AI技术和商业竞争格局演变里重要的一个时刻。 同一天，Google先扔出了Genie 3模型——一个你可以和模型生成的3D世界实时交互的世界模型。 接着Anthropic直接更新了它最主力的Claude Opus系列，发布Claude 4.1 O...

在构建文档问答、知识库或RAG（检索增强生成）系统时，处理PDF、PPT、Word等复杂文档的格式转换、OCR和结构化提取是一大痛点。 格式转换繁琐、OCR识别不准、结构化处理耗时，这些问题不仅拖慢开发进度，还可能影响AI应用的准确性。 由Lumina AI开发并开源的一款开源文档处理API，利用视觉语言模型（VLM）即可将复杂文档转为RAG/LLM就绪的结...