#视觉模型
共 64 篇相关文章
阶跃星辰STEP3.7 Flash登顶AA榜，多模态推理速度起飞
·7 分钟
阶跃星辰STEP3.7 Flash登顶AA榜，多模态推理速度起飞
阶跃星辰STEP3.7 Flash登顶Artificial Analysis榜单，在速度、性价比和多模态三项第一。同日AI安全三巨头联名呼吁立法、具身智能30万套住宅训练场发布、华为云Agentic Infra新范式亮相，全面解读AI行业最新动态。
阅读全文 →
Claude Opus 4.8自称DeepSeek翻车事件：语料污染还是蒸馏…
·7 分钟
Claude Opus 4.8自称DeepSeek翻车事件：语料污染还是蒸馏？技术真相解析
Anthropic新模型Claude Opus 4.8上线不到两小时翻车，用中文提问竟自称DeepSeek和通义千问。本文深度分析语料污染与蒸馏假说，揭示中文对齐缺失的技术根因及AI行业蒸馏技术的正确理解。
阅读全文 →
Meta SAM 3D获CVPR最佳论文荣誉提名：从2D到3D的分割突破
·5 分钟
Meta SAM 3D获CVPR最佳论文荣誉提名：从2D到3D的分割突破
Meta AI团队的SAM 3D在CVPR 2026获最佳论文荣誉提名，将通用分割能力从2D图像拓展至三维空间。本文回顾SAM系列演进路径，解析3D分割技术突破及其对机器人、自动驾驶、AR/VR等领域的深远影响。
阅读全文 →
教程攻略·6 分钟
Claude Code实战：AI接口自动化测试工程化落地指南
深入解析Claude Code在接口自动化测试中的工程化实践，涵盖环境搭建、Skill开发、工具封装及驾驭工程方法论，帮助测试人员从AI使用者进阶为AI工程师。
阅读全文 →
科技前沿·8 分钟
Hermes Agent 0.14.0更新：原生Windows支持与180倍性能提升
Hermes Agent 0.14.0基础更新详解：本地代理统一认证、浏览器自动化180倍提速、原生Windows支持、AI视频生成、DeepSeek V4免费接入及Handoff无损上下文切换等重大改进。
阅读全文 →
产品体验·11 分钟
OpenHuman深度解析：上下文优先的开源私人AI Agent
深度解析OpenHuman开源私人AI Agent，详解其上下文优先架构、Rust+React混合方案、内存树记忆系统、Token Juice压缩引擎及多模型动态路由，全面评估其安全设计与竞品优势。
阅读全文 →
产品体验·7 分钟
Picaboo：开源AI桌面自动化工具，直接操控你的电脑
Picaboo是一款开源AI桌面自动化工具，通过截图识别和智能操作，让AI像真人一样操控鼠标键盘完成任务。本文详解其工作原理、应用场景、安装部署及安全注意事项。
阅读全文 →
产品体验·5 分钟
当AI拥有虚拟身体：Lumen具身AI交互实验深度解析
深度解析B站Lumen（流明）项目如何赋予AI虚拟身体，实现环境感知、协作解谜与情感交互。从对话式AI到具身AI的维度跃迁，探索AI虚拟伙伴的技术挑战与未来方向。
阅读全文 →
教程攻略·7 分钟
35行提示词让Codex自动优化工作流，OpenAI总裁亲自转发
OpenAI员工仅用35行提示词，让Codex自动分析30天工作记录、识别重复劳动并生成可复用的自动化技能。结合屏幕读取和长期记忆功能，Codex正在成为主动优化工作流的AI代理。
阅读全文 →
产品体验·8 分钟
Codex Computer Use实测：开启方法、操作原理与安全风险详解
实测OpenAI Codex Computer Use电脑操控功能，详解开启设置步骤、微信发消息等操作演示、截图识别核心原理，以及隐私泄露等三大安全风险与当前局限性分析。
阅读全文 →
前沿研究·7 分钟
AI玩游戏实力大比拼：O3 Pro展现惊人规划能力
研究者用俄罗斯方块、超级马里奥、推箱子等经典游戏测试各大AI模型，O3 Pro展现出前所未有的规划能力，成为唯一通关全部关卡的模型。游戏测试揭示AI正从模式匹配向真正的战略思维演进。
阅读全文 →
行业洞察·3 分钟
百度开源LoneForge多模态训练框架，训练提速最高4.8倍
百度智能云开源多模态训练框架LoneForge，采用Apache 2.0协议，支持20+主流模型开箱即用，训练提速15%-45%，前沿架构最高加速4.8倍，一套代码跨GPU和昆仑芯平台运行，大幅降低多模态模型训练的工程门槛。
阅读全文 →
教程攻略·9 分钟
Claude Code安装与Agent实战教程：文科生也能轻松上手
详细讲解Claude Code安装配置全流程，结合火山引擎GLM5.1国产大模型，演示B站数据采集、ComfyUI安装等Agent实战案例。零编程基础也能跟着做，Windows和Mac双平台覆盖。
阅读全文 →
行业洞察·6 分钟
AI智能体深度解析：从聊天工具到自主执行系统的范式跃迁
深度解析AI智能体（Agent）与大模型的本质区别，梳理从工具型AI到决策代理人的三个进化阶段，拆解智能体四大核心架构、三条渗透路径及多智能体协同机制，探讨对职场与社会的深层影响。
阅读全文 →
产品体验·6 分钟
Page Agent：阿里开源AI浏览器插件实现表单自动化
Page Agent是阿里巴巴开源的AI浏览器插件，通过自然语言指令自动完成表单填写、数据录入等重复操作。支持Chrome安装、多模型接入及后台系统集成，大幅提升办公效率。
阅读全文 →
科技前沿·6 分钟
AI周报：Kimi K2.6登顶开源榜，Qwen 3.6与谷歌TTS齐发
本周AI重磅发布汇总：Kimi K2.6登顶开源模型排行榜，Anthropic推出Opus 4.7与Claude Design，阿里Qwen 3.6系列全面铺开，谷歌发布情感可控TTS模型。深度解读开源与闭源模型竞争新格局。
阅读全文 →
教程攻略·8 分钟
前端工程师进阶AI Agent：LangGraph.js架构设计与实战指南
前端工程师如何进阶AI Agent开发？本文从面试高频问题切入，深入解析LangGraph.js核心架构（状态、节点、边），对比LangChain选型策略，并以AI自动剪辑视频为例，讲解工作流型智能体的分层架构设计与实践路线。
阅读全文 →
教程攻略·6 分钟
用AI做网站太丑？一个设计参考神器帮你解决
用AI建站总是界面不好看？styles.referraldesign 将热门网站的设计规范整理成可下载的Markdown文件，直接喂给Cursor等AI编程工具，即可生成专业级页面。告别配色混乱、排版粗糙，让不懂设计的人也能做出好看的网站。
阅读全文 →
产品体验
Ara开源Computer Use工具：多代理自动化的OpenClaw替代方案
·7 分钟
Ara开源Computer Use工具：多代理自动化的OpenClaw替代方案
Ara是一款开源计算机使用工具，作为OpenClaw的替代方案，通过多AI代理协作架构实现任务自动化。本文详解Ara的核心功能、多代理架构设计、适用场景及Computer Use赛道竞争格局。
阅读全文 →
产品体验
DamnLines实测：传感器如何实时追踪纽约餐厅排队时长
·5 分钟
DamnLines实测：传感器如何实时追踪纽约餐厅排队时长
DamnLines.com通过硬件传感器和摄像头实时监测纽约热门餐厅排队状况，帮助食客出门前判断等待时间。本文解析其技术架构、使用场景及商业化前景。
阅读全文 →