VibeVoice：AI 开口说话，会带来怎样的体验？
1. VibeVoice 是什么？
VibeVoice 是微软研究团队推出的开源文本转语音（TTS）框架，核心目标是从文本直接生成富有表现力的、长篇幅、多说话人的对话式音...
Poixe Blog
Claude for Chrome：AI 助手正式走进浏览器
1. Claude for Chrome 是什么？
Claude for Chrome 是 Anthropic 推出的浏览器扩展（研究预览），让 Claude 能在你浏览网页时“看见你所见”、在侧边栏与页...
SpatialLM 1.5：让 AI 听懂三维空间的语言
1. SpatialLM 1.5 是什么？
SpatialLM 1.5 可理解为一类“空间语言模型”：它尝试把 自然语言 与 三维世界 建立起对齐关系，从而理解“物体在何处...
Jetson Thor：NVIDIA 新一代机器人“大脑”
1. Jetson Thor 是什么？
Jetson Thor 是 NVIDIA 面向新一代机器人（含人形机器人）的边缘计算平台，目标是在单一模块上承载从多传感器感知、语义理解、...
Qoder：阿里 Agentic 编程工具亮点与实践路径
1. Qoder 是什么？
Qoder 是一类面向软件工程场景的 Agentic 编程 工具，目标是将“需求理解 → 方案拆解 → 代码生成/改写 → 测试与验证 → 提交与迭代”串联...
马斯克宣布 Grok 2.5 开源：xAI 模型开放详解
1. Grok 2.5 开源背景
近日，马斯克宣布 xAI 将其语言模型 Grok 2.5 开源，并提供下载与使用入口。开源意味着开发者不仅可以研究模型的参数结...
ToonComposer：AI 助力，打通中间帧与上色流程的新一代动画工具
1. ToonComposer 是什么？
ToonComposer 是一套面向卡通/动漫制作的生成式 AI 方法，将传统流程中的 中间帧绘制（inbetweening） 与 上色（colorizat...
最新开源 DeepSeek V3.1 ：更快、更强、更懂你的大模型
1. 版本定位与适用场景
DeepSeek V3.1 是面向通用场景的开源大语言模型版本，相比此前版本在推理稳定性、指令遵循、长文本处理与编码/数学等方向做了增强...
Qwen-Image-Edit：融合语义与外观，开启 AI 图像编辑新时代
Qwen-Image-Edit 是在 Qwen-Image 基础上进一步训练的全能图像编辑模型。它把输入图像同时送入视觉语言模型与视觉外观编码器，实现 “语义一致” 与 “外观保真...
显存门槛降低 35%，混元 3D 世界模型 Lite 版本启用新一代 3D 创作
混元 3D 世界模型 Lite 版本面向更广泛的创作与开发人群，聚焦于显存占用、部署成本与上手路径的优化。在保持核心生成质量与时空一致性的前提下，Lite 版降...
Gemini App 正式支持“记忆”与“临时聊天”，隐私与个性化并重
谷歌在 Gemini App 中新增了 记忆（Memories） 与 临时聊天（Temporary Chats） 两项能力：前者用于长期保留与你相关的偏好与事实，提升个性化回答质量；后...
Claude 能“挂断”聊天了？Anthropic 推出对 AI 的“安全退出”
2025年8月17日，Anthropic 宣布为其大模型产品 Claude 的 Claude Opus 4 与 Claude Opus 4.1模型 推出新功能：在极少数情况下，模型可主动结束对话。引入全...
逗逗AI 1.0 打造“懂你”的游戏伴侣，用科技温暖陪伴
1. 什么是逗逗AI 1.0
逗逗AI 1.0 是一款围绕“陪伴式交互”的智能辅助工具，重点面向游戏与日常娱乐学习场景。它结合语音对话、画面理解与长期记忆，为用户...
从零到玩：使用 Hunyuan-GameCraft 来实现游戏可视化创作
一、Hunyuan-GameCraft 介绍
Hunyuan-GameCraft（下文简称 GameCraft）致力于将大模型能力与传统游戏制作流程结合，降低素材搜集、关卡搭建与脚本编排的...
ChatGPT 更新速递：Auto / Fast / Thinking 模式上线，4o 模型回归
2025年8 月 13 日，OpenAI CEO 萨姆・奥尔特曼（Sam Altman）宣布对 ChatGPT 进行重大更新。此次更新为 GPT-5 引入了用户可以选择的不同模式，包括“自动”（...
从二维到三维，Matrix-3D 开启开源三维生成新篇章
一、Matrix-3D 是什么
Matrix-3D 是一个面向开源社区的三维生成大模型，目标是从二维输入（单图、多图或文本）生成可用于下游引擎与建模流程的 3D 表示（...
开源医疗 AI 新突破——Baichuan-M2 全面解析
一、Baichuan-M2 是什么
Baichuan-M2 是一个面向医学与医疗健康领域的开源增强型大语言模型（Medical-Enhanced LLM）。在通用语言模型的基础上，通过医学...
从语音识别到生成，MiniMax Speech 2.5 带来哪些升级？
一、MiniMax Speech 2.5 是什么
MiniMax Speech 2.5 是面向实时语音交互与内容制作的多功能语音模型家族与服务套件，覆盖语音识别（ASR）、文本转语音（T...
星火代码画布：让AI协作编程进入可视化时代
一、星火代码画布是什么
星火代码画布是一个以可视化画布为中心的人机协作编程空间。开发者可以在同一画布中用卡片、分区、连接线描述需求、模块与交互流...
GPT-5 正式发布：专家级智能触手可及
一、GPT-5 是什么
GPT-5 是 OpenAI 的最新一代通用大型模型家族。与以往按场景区分多个模型不同，GPT-5 采用统一的集成式架构，并由路由系统在后台自动选...
