讯飞开源端侧百万上下文模型：X2.5 断网读完整本手册
你有没有遇到过这种情况：想让 AI 帮你读完一份几十页的产品手册再回答问题，结果它读到后面忘了前面。 想让它分析一整年的销售明细，它却只能一小段一小段地喂进去，最后给出的结论前后打架。 这不是模型笨，是上下文不够用。 9 月 1 日，科大讯飞全资子公司词元星火开源了星火 X2.5-4B 和星火 X2.5-1.7B 两款端侧模型。 把这个问题往前推了一大步——它们是端侧模型中首个原生支持最长 100…
龙主编
龙主编，AI智习室官方媒体主编。
专注 AI 行业观察与实操分享，擅长将复杂技术转化为通俗易懂的实战指南。
坚信 AI 不是取代人类，而是赋能每个人。
内容风格： 真实案例 + 详细干货 + 可操作性
使命： 让普通人也能抓住 AI 时代的红利。
共 1,034 篇
清华 Zeva：不更新权重也能越用越聪明，成功率 26%→73%
机器人一直有个老大难问题：换个环境就「失灵」。在实验室里学会的操作，换个场地、换个工具，往往要重新采集数据、重新训练，9 月 1 日，清华 AIR（智能产业研究院）联手域变换发布了一个名为 Zeva 的模型，给出了一条完全不同的路：模型权重不用更新。 机器人也能从自己的交互经验里持续学习，越用越聪明。 Zeva 是什么：首个实现 ICCL 的具身世界模型 Zeva 的定位是首个实现 In-Cont…
用开源 Agent 跑内容流水线？Easel 副业实操全链路
做内容副业的人，几乎都卡在同一个问题上：时间。找选题两小时、写内容三小时、排版发布一小时——一天就没了，产出却只有一篇。 浙大实验室开源的社媒 AI Agent Easel（GitHub 99 星），把「发现趋势 → 创作内容 → 发布」整条链路打包成一个 Agent。开源项目才99星，成熟度够用吗？ 正好切中这个痛点。 这篇不聊工具参数，聊实操：副业党怎么用它搭一条内容流水线。 先理解：副业的瓶…
ChatGPT Ads 不到 200 天年化破 10 亿美元：40+ 国家开放
8 月 31 日，OpenAI 官方公布了一个对广告圈、跨境电商和内容创作者都算得上重磅的数字：ChatGPT Ads 上线不到 200 天。 年化收入运行率已经突破 10 亿美元。 这不仅是 OpenAI 商业化的重要里程碑，更是「AI 对话场景广告」这个新赛道跑通的信号——对想做副业、做投手、做代理的人来说，值得认真拆一拆。 先看硬数据：10 亿美元年化是怎么来的 上线不到 200 天就做到 …
DeepSeek Vision 拆解：视觉编码器+Aligner 塞进 305B MoE
8 月 31 日 DeepSeek 开源了 V4 家族首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，新闻已经刷屏。 但大部分报道只讲了「305B 参数、逼近 Opus 4.8」这些结论，很少有人拆开讲：这双「眼睛」在架构上到底怎么装进语言模型的？ 为什么它不给人类看图、专给 Agent 用？想本地跑起来，到底要什么配置？这篇从技术角度完整拆一遍。 架构：视觉编码器 + …
从选题到发布全自动：Easel 开源社媒 Agent 新基建
做自媒体的人都知道，内容生产的完整链路是：找选题 → 写内容 → 发布。过去这三步每一步都要人工参与，尤其「找选题」最烧时间。 8 月 28 日，浙江大学实验室（ZJU-REAL）在 GitHub 上开源了一个叫 Easel 的项目，瞄准的正是这条链路——发现趋势、创作内容、发布，一个 AI Agent 一条龙跑完。 Easel 是什么：给社媒运营配的「全自动内容 Agent」 Easel 的官方…
useagent 开源 AI 同事：每个 Agent 自带云电脑，团队可自建
过去一年，AI Agent 从「聊天机器人」进化成了「能干活的工作流」：写代码、查资料、填表格。 但你有没有想过，Agent 能不能不只是「工具」，而是变成团队里的一名「同事」——有自己的电脑、能并行跑任务、能和别的 Agent 协作？ 8 月 29 日刚创建的开源项目 useagent，做的就是这件事，短短几天已收获 262 星。 useagent 是什么：给每个 Agent 配一台云电脑 给每…
GitHub 7 天破千星的 sepia：93.2% 识别 AI 味，改词没用
用 AI 写稿早已不是新鲜事，但几乎所有用 AI 写过东西的人，都遇到过同一个尴尬：写出来的文字「一眼假」。改改同义词、调调句式，好像也没什么用。 这个困扰，本周被一个 GitHub 项目给出了科学答案——sepia，一个 8 月 28 日创建、7 天涨到 1295 星的开源「去 AI 味」写作技能。 它不是玄学，是建立在 6 万篇故事研究上的 基于 61608 篇故事的研究给出 93.2% 的检…
Runway 发布首个界面世界模型：不用写代码，界面边用边生成
现在的网页和 App，基本都遵循同一套逻辑：设计师画出界面，工程师把它翻译成代码，用户再按照开发者预先设计好的按钮、菜单和流程操作。 8 月 31 日，Runway 公布了一个大胆的方向：如果界面不再由固定代码提前写死，而是由 AI 根据你的动作实时生成，会发生什么，这个名为 Solaris 的系统，被 Runway 称为 Interface World Model，也就是「界面世界模型」。 它不…
DeepSeek 开源首个多模态模型：305B 免费商用，读屏能力逼近 Opus 4.8
过去我们聊多模态模型，第一反应都是「AI 看图说话」——你发一张照片，它给你描述一段话，但 8 月 31 日 DeepSeek 在 Hugging Face 开源的 V4 家族首款多模态模型 DeepSeek-V4-Flash-Vision-Exp。 方向完全不一样：这双「眼睛」不是给人看图，而是专供 AI Agent 看屏幕干活。 305B 参数的「眼睛」，MIT 许可直接免费商用 先说硬指标。…
测试工程师的 AI 进阶指南开源了：AI 辅助测试、自动化测试、Agent 测试开发全路线，GitHub 免费学
AI 编程正在重塑每一个技术岗位，而「测试」可能是其中最容易被波及、也最有机会借势转型的一个。 这份路线图适合什么人？按它的编排，走完大概需要 2 到 3 年，但可以只取其中一段用——已经在岗的取评测方法，想转行的从 Agent 测试切入。 最近 GitHub 上一个中文开源项目火了——「AI 测试开发学习路线大全」，把测试工程师在 AI 时代的进阶路径整理成了一份持续更新的路线图，涵盖 AI 辅…
Grok Bot 更新：接 Stripe Link 全网自动下单，每笔付款生成一次性虚拟卡、真实卡号对 AI 隐形，美区桌面端已全量上线
AI 会替你买东西了。 8 月 29 日这次更新，分水岭在哪？不是比价，是结账。过去 AI 购物助手一般止步于给你链接，收尾这一步还得你自己付款。 8 月 29 日，Grok Bot 官方更新：接入 Stripe Link 钱包后，它可以在全网自动比价、加购并完成结账，你只需要在最后审批一下账单。 这次变化的另一层含义是什么？比价、比库存、下单、支付，这条链路第一次被完整接上了。 同日，它还上线了…
英伟达拟 129 亿美元收购 Hugging Face：全球最大开源模型平台（托管 270 万+ 模型）要被「卖铲子的」收编？
多家媒体 8 月 30 日报道，英伟达已同意以约 129 亿美元收购全球最大的开源 AI 模型平台 Hugging Face。 目前这一消息仍属「据公开报道」层面，未经英伟达或 Hugging Face 官方证实，但如果成真，这将是 AI 产业格局里一枚分量极重的棋子：一家「卖铲子」的芯片公司，要买下全球开发者分发模型的那座「仓库」。 129 亿美元到底买的是什么？按 8 月 30 日多家媒体的报…
MiniMax H3 Max 上线：5 秒视频不到 3 秒生成，AI 视频「比播放还快」，24 小时 AI 电视台已开播
8 月 31 日，MiniMax 宣布 H3 Max 768P、H3 Max 480P 正式接入 MiniMax 开放平台和 MiniMax Design，这款由 fal 基于 MiniMax H3 开源权重做后训练和推理优化的模型。 把一段 5 秒、768p 的完整音视频生成时间压到了不到 3 秒——生成速度第一次跨过了播放速度，与此同时，海外开发者已经用它搭出了 Twitch 实时直播和 24…
零基础语音工作流入门：用 Gemini 3.5 Transcribe 把会议、采访、周报变成文字，10 分钟就能上手
如果你从没用过语音转文字，这篇是给你写的——不需要懂 API，不需要装软件，读完你就能把「说话」接进自己的日常工作流，而我们不妨从一件最烦的事说起：会议纪要。 一、先搞清楚它能替你做什么 只把声音变文字，这工具值得单独用吗？ 语音转文字工具的定位很明确：它只负责把声音变成文字，不负责替你思考内容，所以正确的用法不是「录完扔进去就完事」，而是把它当成整个流程里的第一道工序来对待。 以 Google …
大模型不靠蛮力：拆解混元 Hy4 的 MoE 稀疏激活 + 1M 上下文，看懂参数背后的成本与算力账
先抛一个反直觉的事实：腾讯混元 8 月 28 日发布的 Hy4 preview，总参数 770B，每次推理只激活 49B，上下文 1M。七百七十亿参数只激活一小半，这账怎么省的？ API 输入定价 6 元每百万 token。 大，通常意味着贵。但这次是又大又便宜。中间的矛盾，靠一个叫 MoE 的架构给抹平了。 这篇不讲公式，只把三件事讲明白：MoE 稀疏激活到底省了什么、1M 上下文意味着什么、以…
Claude 能自己操作浏览器了：不会写代码也能接「网页自动化」私单，批量填表、抓数据、抢券全包
「我不会写代码，能不能接自动化的活？」 过去这个问题的答案很尴尬：能，但你得先学 n8n、学影刀、学一堆节点配置，学习曲线比想象中陡，很多人卡在配置界面就放弃了。 8 月 26 日 Claude in Chrome 全面上线之后，答案变了一点——你把活儿说清楚，让 AI 自己在浏览器里点，中间那层「配置技能」被砍掉了。 这篇不聊技术原理，只聊一件事：这个能力能变成什么服务，怎么接第一单，以及有哪些…
打工人效率神器实测：Gemini 3.5 Transcribe 自动去「嗯啊」、自动格式化，会议纪要字幕采访稿一键出
一场两小时的会议开完，最痛苦的不是开会本身，是整理纪要，录音听一遍要两小时，边听边打字要四小时，中间还得反复倒回去听清某句话。 采访、播客、课程、客户沟通——凡是涉及「把说的话变成文字」的场景，都在吃这份苦，8 月 26 日，Google DeepMind 发布了 Gemini 3.5 Transcribe，官方称它是目前最精准的语音转文本模型。 我们来看看它到底强在哪，以及普通人能怎么用。 一、…
Gemini Omni 1.1 Flash 发布：AI 视频能续写到 40 秒，360p 草稿便宜 2/3，过稿再上 4K
做 AI 视频的人，大概都经历过同一种无力感：抽了二十次，终于出来一条满意的镜头，但你没法让它「接着往下演」。 想让镜头再往后走两秒？只能重新生成，而新生成的画面里，人物的脸、衣服的颜色、光线的方向全都变了，AI 视频过去最大的问题不是画质，是不可控——你只能抽，不能改；只能重来，不能接续。 8 月 27 日，Google 发布的 Gemini Omni 1.1 Flash，就是冲着「可控」这两个…
Midjourney 首个编辑模型 V8.2 全员开测：一句话改图、4 张图合成、局部重绘扩画，不用再重画
用 AI 生图最崩溃的时刻，不是生成得丑，而是「就差一点点」。 背景对了、人物对了，就是衣服颜色不对；构图很好，就是画面太窄撑不满海报；想要的效果只差换个道具，结果只能重抽十几次，抽到一张更差的，8 月 27 日，Midjourney 把这个问题正式摆上台面——首个 V8.2 图像编辑模型开始向所有用户开放测试。 AI 绘画从「只能生成」进入「能改了」的阶段。 一、这次开放的是什么 Midjour…
腾讯混元发布并开源 Hy4 preview：770B 总参 / 49B 激活 / 1M 上下文，输入只要 6 元，WorkBuddy 免费 2 周
先问一个问题：你觉得现在用一次「旗舰级」大模型，要花多少钱？ 很多人的印象还停留在「能力越强越贵」，但 8 月 28 日腾讯混元发布的 Hy4 preview，把这个印象按在地上摩擦了一遍——770B 总参数、1M 上下文的旗舰模型，开源免费拿走，API 输入只要 6 元每百万 token，还有产品端限时 2 周免费。旗舰模型白菜价，你会现在就换过去吗？ 这不是一个小版本更新，而是国产大模型第一次…
大模型降价，副业党受益：API 成本降 33% 意味着什么
标题里说”API 成本降 33%”，这个数字是准的——它特指这一轮最猛的一刀：OpenAI 把旗舰 GPT-5.6 Sol 的输出 token 从 30 美元砍到 20 美元，降幅正好 33%（输入降 20%），多家媒体 8 月 22 日已坐实。 全行业不是都降 33%，而是 20%–33% 不等，对靠 API 吃饭的副业党来说，结论不变：用 AI 的成本，正在肉眼可见地变…
用 AI 精读大型开源仓库：四阶段方法论 + 28 条踩坑清单
你有没有过这种经历：老板甩来一句”研究下这个开源项目，下周汇报”，你兴冲冲 git clone 下来，打开目录，几百个文件、十几个包，瞬间懵了。 从头读 main 函数？读了三天还在 import 里打转。这是绝大多数人精读大型仓库的死法——不是不努力，是方法错了，本文给你一套用 AI 四阶段精读大型开源仓库的方法论，再附上我们整理的「28 条踩坑清单」。 为什么传统读法必…
刚刚！小米玄戒 O100 发布，手机本地跑大模型再提速
手机本地跑大模型这事儿，过去总卡在一个字上：慢。参数一大，云端来回传、显存带宽不够，体验就垮了。 8 月 24 日，小米一口气发了三颗自研玄戒芯片，其中专门盯住”端侧大模型加速”的那颗——玄戒 O100——就是冲着这个瓶颈去的（来源：新华网客户端 xinhuanet.com，2026-08-25；21世纪经济报道，2026-08-25）。 玄戒 O100 到底是什么 玄戒 …
每周一封 AI 技巧，只发能立刻用上的
精选工具、实操步骤与副业思路，免费送到邮箱。不推销、不打扰，随时退订。
每周一封，随时退订。