谷歌重磅开源MedASR：医疗语音识别专用大模型，5000小时临床数据训练，识别率再突破
💡 站外导读：在医疗数字化进程中，医生口述与临床对话的语音转录一直是效率瓶颈。传统语音识别模型难以准确处理复杂的医学术语和专业上下文，导致转录错误率高、文档生成效率低下。…
清华TurboDiffusion：单卡RTX 5090实现视频生成提速200倍，184秒变1.9秒
💡 站外导读：当前AI视频生成面临严重的速度瓶颈，主流模型动辄需要数分钟才能输出一段视频，高昂的算力成本和漫长的等待时间严重制约了创意落地效率。这一痛点在广告、影视、短视…
Seed Prover 1.5：字节跳动AI数学推理新突破，IMO金牌水平背后的核心技术解析
💡 站外导读：在人工智能挑战复杂逻辑推理的前沿阵地，数学领域长期被视为AI能力的试金石。传统模型在面对国际数学奥林匹克（IMO）或研究生级抽象问题时，常因推理链条脆弱、验…
开源神器opcode：为Claude Code量身打造的AI开发图形界面工具，可视化管理项目、智能Agent与API成本
💡 站外导读：随着大模型应用开发的复杂化，开发者在使用Claude Code时面临命令行操作繁琐、项目管理混乱、API成本难以追踪等痛点。在AI编程助手成为标配的今天，一…
李飞飞团队重磅发布QuantiPhy基准：首个量化评估视觉语言模型物理推理能力的权威测试平台
💡 站外导读：当前，视觉语言模型（VLM）在图像和视频理解方面取得了长足进步，但在需要精确量化推理的物理世界任务上，其表现仍难以衡量。行业缺乏标准化的定量评估工具，导致模…
阿里AntV开源Infographic框架：AI驱动、197种模板，一键生成高质量信息图
💡 站外导读：在数据驱动的时代，企业与开发者常面临信息图制作效率低、生成结果不稳定、样式单一等痛点。传统工具或AI生成方案往往难以兼顾质量、可控性与自动化。
FrontierScience基准测试：OpenAI如何用竞赛级题目精准评估大模型科学推理能力
💡 站外导读：随着AI大模型能力飞速发展，其在专业科学领域的真实推理水平成为业界核心关切。传统测试偏重知识检索，难以衡量复杂科学问题中的深度推理与假设验证能力。
击败谷歌Meta登顶MLE-bench！ML-Master 2.0：国产DeepSeek驱动的自主机器学习智能体，开启AI科研新范式
💡 站外导读：当AI从“辅助工具”迈向“自主科学家”，我们已站在科研范式变革的临界点。然而，让AI独立承担长达数十小时的复杂机器学习任务，仍面临目标漂移、经验遗忘、资源爆…
Zen Browser：开源AI浏览器评测：垂直标签页+深度定制，重塑你的多任务工作流
💡 站外导读：在信息过载与多任务并行的时代，传统浏览器横向标签页的设计已成为宽屏显示器用户的效率瓶颈。如何突破界面限制，实现工作流的无缝切换与深度个性化？Zen Brow…
阿里开源QwenLong-L1.5：百万级Token长文本推理，性能叫板GPT-5，技术原理与应用场景全解析
💡 站外导读：在当前大模型竞赛中，处理超长上下文并进行精准推理是行业公认的‘硬骨头’。传统模型受限于固定的上下文窗口，在分析财报、法律文书或学术论文等长文档时，常面临信息…
小红书×复旦重磅开源：InstanceAssemble框架实现像素级布局控制，3%参数精准生成复杂场景
💡 站外导读：在AI图像生成领域，用户常面临一个核心痛点：生成的图像布局混乱，物体位置和语义难以精准控制，尤其在多物体复杂场景中更为明显。这限制了AI工具在设计、广告、游…
阿里通义MAI-UI开源：全尺寸GUI智能体基座模型，2B-235B参数，登顶权威评测引领人机交互变革
💡 站外导读：随着AI技术深入日常，GUI（图形用户界面）智能体成为连接人与数字世界的关键。然而，现有模型常面临指令模糊处理不足、复杂任务执行易受环境干扰、以及隐私与性能…
阶跃星辰Step-DeepResearch：32B参数深度研究模型，单次推理生成专业报告，成本仅0.5元
💡 站外导读：在AI技术狂飙突进的当下，企业和研究者面临一个核心痛点：如何用极低的成本，让AI Agent像人类专家一样，独立完成复杂、深度的跨领域研究，并输出高质量的报…
谷歌重磅开源！Computer Use Preview：用自然语言指挥AI操控浏览器，零代码实现网页自动化
💡 站外导读：在数字化办公和Web测试领域，重复性的浏览器操作——如数据填写、跨站信息搬运、界面功能验证——耗费大量人力，且传统脚本编写门槛高、维护难。随着大模型视觉理解…
PersonaLive开源：澳门大学重磅发布，12G显卡跑无限时长AI直播换脸
💡 站外导读：当数字人直播因高硬件门槛、显存爆炸和音画不同步等问题仍停留在概念演示阶段时，澳门大学与GVC实验室联合开源的PersonaLive打破了僵局。
上海AI Lab重磅开源：Yume1.5交互式世界模型，单卡实时生成可探索虚拟世界
💡 站外导读：当前AI生成内容（AIGC）正从静态图像向动态、交互式虚拟世界快速演进，但现有模型普遍存在生成延迟高、可控性差、长序列质量下降等瓶颈。如何实现低成本、高保真…
