Pika 把字节的 Seedance 2.5 接进来了,还能出原生 4K,草稿确认后一键出成片。用 Pika 自研模型的可以顺手试试 Seedance 的画质差异,做广告和短剧的团队尤其值得看。
Latest
百度官方预告明天开大会,具体发什么还没说,但从往年惯例看基本是文心模型和产品更新的大日子。关注百度技术路线、或想看国内大厂年度发布节奏的人,可以留意明天的直播。
做 Agent 的开发者可以收藏这张清单,把搜索、账号授权、浏览器和电脑操控四层基础设施一次看全。同类工具都摆在一起,方便直接对比选型。
做数据处理的朋友可以看看,OpenRouter 这个 API 用一句话描述字段就能从 PDF、图片里抽结构化数据,不用自己写 prompt 和解析逻辑,还能随时换底层模型,适合处理发票、邮件这类批量任务。
面向金融圈的 Hebbia 披露客户已经搭了 5 万多个应用,把 AI 从查询工具变成了协作平台。做投行、尽调这类文档密集工作的人可以看看别人怎么把它嵌进团队流程,跟 Notion AI、内部 RAG 项目思路不一样。
Databricks 新发的 Genie 在企业任务上跑出 91% 准确率,token 用量不到对手一半,靠的是从自家数据学习业务逻辑的 Ontology 层。做企业数据或智能体落地的同学值得对比一下这条路线。
Fable 5.2 生成的 3D 游戏现在能打包成单个 HTML 文件直接跑在浏览器里,不用装引擎也不用碰发布平台审核。和传统游戏开发流程比,这个发布门槛低太多。想快速做原型小游戏、或者给网页小游戏平台铺内容的开发者,可以先拿它试试。
装个应用,它扫描你本地 Codex、Claude Code 的会话记录,你去掉隐私信息后上传,通过审核就有钱拿,对话越长报酬越高。天天用 AI 写代码的人可以把闲置对话变成收入,数据公司也多了一条拿真实训练数据的路子。
n8n 大家应该都用过做自动化流程,这次他们开源了一个个人智能体,官方测下来用 GPT-6.1 Sol 跑任务能完成 98%。做自动化的朋友可以直接看代码自己部署,比自己从零搭 Agent 快多了。
OpenBot 把 AI 同事搬到你自己的服务器上,底层是 CopilotKit 和 AG-UI 这些已被 Google、AWS 们用过的开源件。不想被订阅制和厂商锁定绑住的团队可以看看,适合想自己接 agent 的开发者。
如果你同时订阅了好几家模型服务,账单确实很难看。这个工作区把文本、图像、视频、音频模型都收到一处统一计费,还能接进 Cursor 和 Claude 里用。省钱幅度官方说法是 92%,实际多少取决于你的用量。
Google Labs 又出了个实验品:把链接文件丢进共享空间,@Tabletop 就能生成地图、投票板、座位表这些页面。跟 NotebookLM 一个思路,都是用 AI 帮你把零散信息变成能用的东西。经常组局、办活动的朋友可以先排队候补看看。
做设计的朋友可以看看:fal 把自家的 Agent 塞进了 Photoshop,在面板里就能切换各家图像和视频模型直接生成素材,不用再切出去导出导入了。经常在 PS 里做合成的同学会省不少事。
有人给安克录音豆写了开源第三方客户端,代码就放在评论区。买了录音豆的朋友可以试试,能自己动手把硬件改成 AI 麦克风玩,不用受官方 App 限制,动手党应该会感兴趣。
Tw93 开源了个 Mac 终端 Kaku,专门管同时跑好几个 AI agent:哪个等你了标签就亮,Cmd+J 直接跳过去,手机上也能看状态。平时同时开 Claude Code、Codex 跑任务的人用这个省不少来回切窗口的麻烦,而且代码全开源能自己改。
Cell-specific variant interpretation is a bottleneck in translating genome sequencing into clinical insight, and AlphaGenome 2 targets exactly that gap. Genomics labs, computational biologists, and biotech teams evaluating disease-causing mutations can use it to prioritise variants by affected tissue. Compared with AlphaFold, which resolved protein structure, this model moves DeepMind's tooling upstream into gene regulation, a space where competitors like Enformer and Evotec partnerships have been active.
Adapting to a new experimental context from a few dozen cells changes the cost calculus for labs that previously needed large datasets or custom training to study cell-specific DNA effects. Experimental biologists working on immunology, inflammatory disease or blood development are the direct audience, since those are the use cases DeepMind named. Developers of computational biology pipelines should compare this against bespoke variant-effect models built per experiment.
The interesting signal is that RAG value here comes from multi-tenant access control and compute scaling on GKE, not raw vector search speed — criteria enterprise buyers often overlook. QA leads and platform teams evaluating retrieval infrastructure for internal LLM tools can study DeNA's published architecture write-up. Japan enterprise adoption also offers a reference point for teams in ASEAN and China weighing Milvus against managed alternatives like Zilliz Cloud or pgvector.
TinyShip 是 Viking 的第三个独立开发项目,这次加了 API Key 管理,你在后台自己建 Key、吊销 Key,把对话、生图、视频能力直接接进自己的脚本和 Agent。和多数定价 100 到 200 美元的出海模板比,它只要 299 元还支持微信支付,想给国内用户做 AI 功能集成的开发者可以看看。
n8n Labs 开源了个人智能体 Nod,Apache 2.0 许可,跑在自己电脑或服务器上,还能自己选模型。自带浏览器能跨应用干活,比云端 Agent 更可控,自己动手折腾的开发者可以装一个试试。
Mistral AI demonstrated Voxtral Transcribe 3 running real-time transcription at the AI Engineer Paris conference, capturing every main-stage talk live. The demo shows the model operating in an actual event setting rather than on pre-recorded audio. Accuracy was improved through context biasing: the team fed the model speaker names and technical terms taken from the conference agenda, so domain vocabulary and proper nouns were transcribed correctly as talks unfolded. The showcase positions Voxtral Transcribe 3 as a production option for live captioning, meeting notes and event workflows. Context biasing is a practical technique for any deployment where names, jargon or product terms dominate, and the demo signals Mistral is pushing its audio stack into real-time enterprise use cases. The takeaway is that promptable vocabulary injection, not just model size, is what makes live transcription usable in niche domains. Developers building captioning or meeting tools can apply the same context-biasing pattern with their own term lists. Teams in ASEAN running multilingual conferences and webinars may find a European alternative to US speech APIs worth benchmarking for cost and latency.
一个开源的 Hermes Desktop 插件,丢进 Excel、CSV 或 JSON 就能拿到几个分析角度和图表建议,你勾选后才生成。不用自己想可视化思路,做报表的人可以试试。
一个前电影配乐师下班后花一周,用 Fable 5.2 拼出自己的音乐工作站,还能对它说“用利底亚调演奏鸟鸣”就真的生成出来。比起 OpenAI 那些通用模型,这个玩法更偏向音乐人自己动手改造工作流,适合想给演奏加点 AI 协作的人参考。
一个团队朋友发的内测招募帖,产品叫 Enconvo,主打 Agent 方向。帖子里没给具体功能清单,想尝鲜的可以去 X 上关注 @enconvo_ai 排队提需求。
MiniMax 的 H3 Image 一次能吃 16 张参考图,游戏素材、3D 环境、油画风、工业设计稿都能出,线稿还原特别强。做插画、游戏资产的人可以拿它跟 Nano Banana、Midjourney 比一下多图参考的稳定性。
有人拿 Fable 5.2 一句话就生成了计算机图形学史的动画讲解,效果直接可看。它和 Cursor 这类代码工具不同,主打的是从提示词到可运行视觉内容的完整产出。做科普、教学视频或想用生成模型替代手工作画的人可以看看这条演示。
宾大教授 Ethan Mollick 用 Fable 5.2 生成了一款反向史酷比游戏,你扮演幽灵吓跑熊孩子,代码、音乐、音效全由模型产出,已上线可玩。想直观感受生成式模型做游戏原型的水平,直接去试玩一圈最清楚。
腾讯混元的 Hy4 在 Atlas Cloud 上线 API 了,官方演示让它看《星夜》再自查渲染结果,几轮迭代后输出一个单文件 HTML 的 3D 世界。做 3D 生成或多模态应用的开发者可以看看这个新入口。
一个不会写代码的人,靠 Fable 5.2、Opus 5.5、Tripo 这些AI工具,4天烧了1400美元做出能玩的开放世界RPG,地图还是《天际》的2倍大。想自己做游戏的人可以看看完整流程。
5 个开发者用同一个 Fable 5.2 做游戏,有人只写代码、有人接引擎、有人全包,Loktar 的小队战斗游戏连动画和特效都是模型生成的。想试试 AI 做游戏的人可以看看这几种路线怎么选。
Fable 5.2 这次放出的 5 个视频案例值得逐帧看:鹈鹕骑车、火车变形机器人、蜂蜜滴落这些镜头对动作和光影的还原都不错。做视频生成或选型的人可以拿来跟 Sora、Veo 的同类演示对比一下。
这条推文整理了 Fable 5.2 的 5 个实际产出案例,从 10 分钟做完 36 秒宣传片到 4 小时长跑,能直观看出它的生成上限。如果你在纠结买哪款视频生成工具,看这些真实成品比看官方宣传有用。
有人用 Fable 5.2 把《哈利·波特》和《堡垒之夜》混搭成新内容,还有人拿它改人声合成项目。5 个真实案例摆出来,做短视频或同人创作的可以照着试一遍,看看适不适合自己的工作流。
开发者 midudev 用 Fable 5.2 十分钟就做出一支完整预告片,成片直接贴在推文里。比传统剪辑出一版粗剪还快,经常做短视频或宣传片的人可以看看这条工作流能省掉多少工序。
The notable detail is that critic subagents inspect their own rendered output, turning visual verification into an automated loop rather than a human checkpoint. Developers building agent workflows can study how Blender and Three.js integration enables self-correction in creative coding tasks. Teams evaluating multi-agent coding tools will find the swarm architecture a concrete contrast to single-agent assistants like Cursor or GitHub Copilot.
这条是个短视频,展示了带“个性”的 AI 面试官实际演示。如果你在招聘或者准备面试,可以点开视频看看这类工具的真实交互水平,和常规一问一答的面试机器人差别不小。
Anthropic工程师用Fable 5.2从零生成了一段接近AAA级画面的作品,全程没有用现成素材。如果你在关注视频生成模型到底能干活到什么程度,这段演示比看参数表直观多了,做游戏或影视内容的人可以看看差距在哪。
Peter Yang 拿 Claude Fable 迭代了一上午,做出能在浏览器里直接玩的 3D 卡丁车,带海滩、丛林、火山三条赛道,还能 6 个朋友在线联机。跟常见的一次性生成 demo 不一样,这游戏是真打磨过可玩性的,想试 AI 编程做游戏的人可以直接开玩感受下。
Google 把自家最强的 Gemini 4 Carbon 直接接进了 Genspark,聊天和写代码都能用。官方说它专攻多步推理和长任务,比同门的 Argon 更能啃硬骨头,做复杂项目的朋友可以去试试。
Embedding persistence and recovery inside the service avoids the operational burden of standing up a dedicated orchestrator like Temporal or Cadence, which changes the calculus for small teams. Backend engineers building Java or Kotlin services with multi-step, failure-prone flows can adopt it via MySQL with modest setup. The exactly-once caveat deserves close attention before using it for payment-adjacent logic.
Only the latest 2000 items are listed; for older ones see the daily archive