「开源图像生成」共找到 5118 篇相关文章
在AK大神爆火的任务里,摸清国产AI真实水平
4月20日深夜Kimi K2.6发布并开源,作者借Andrej Karpathy的AI Wiki思路设计高承压任务,测试其Agent底层能力,考察它在单Agent、Agent网站和Agent Swarm三种模式下表现,探究国产AI真实水平。
手撕、翻滚、暴力砸地!最「扛造」的灵巧手来了
4月17日智元合作伙伴大会上,临界点AGILINK发布三款新品,包括旗舰级工业绳驱灵巧手OmniHand 3 Ultra - T、普惠型耐造小手OmniHand 3 Lite和全面焕新的具身夹爪OmniPicker 3,各有优势且兼顾量产与开源。
10 分钟 CLI 化任何网站,AI全网一键调用!
AI Agent上网难,传统爬虫易遇反爬问题。开源项目`bb-browser`通过模拟真实浏览器登录态操作,支持36个平台、103个命令,能绕过反爬,还可在浏览器内运行JS等,在GitHub获4.5k+ star。
AI学会左脚踩右脚自进化?Meta华人新研究改写Agent法则
Meta华人学者Jenny Zhang联合多机构研究者提出新智能体框架HyperAgents(DGM - H)。它打破任务能力与自我改进能力需对齐的局限,能跨任务自我改进,还自动生成基础设施,或改写Agent竞争规则。
陶哲轩:AI 正在让“想法”变得廉价,而真正的瓶颈从未改变
数学家陶哲轩与Dwarkesh Patel访谈,探讨AI在科学发现中的作用。他指出AI让‘想法生成’成本降为零,验证想法成新瓶颈;AI擅长广度,人类擅长深度;AI负责找证明,人类提炼‘理解’与‘智慧’。
字节版龙虾架构火爆GitHub!开源获35k+ Star,内置Skill全家桶,原生适配飞书
字节开源Deer - Flow2超级智能体管理框架,登上GitHub Trending榜首,获35.3k Star。它采用模块化多智能体架构,主打开箱即用,扩展性强,适配多种IM渠道,还介绍了核心能力、部署方式等。
手机版openclawd来了,无需Root,让 AI 像人类一样使用你的手机
Andclaw是个人开发者开源的Android自动化工具,核心理念是让AI像人类一样使用手机。它无需Root、电脑,通过无障碍服务读取屏幕内容,让AI分析操作。具备无需Root、独立运行等功能,还支持多模态输入。
AI下半场的战场,从Agent记忆体正式打响
OpenClaw开源项目爆火,标志AI进入下半场走向真实应用。关键在于解决AI在现实中持续干活的问题,核心是Agent Memory。论文梳理该赛道,指出其是系统级记忆体结构框架,未来关键在memory策略可学习。
Google Gemini Embedding2:一个模型处理所有媒体类型
Google发布Gemini Embedding 2,首个原生多模态嵌入模型。能处理文本、图像等多种媒体类型,支持交错输入,覆盖超100种语言。与多模型串联方案比,延迟降70%、召回率升20%。已可在Gemini API等使用。
星标超 29 万,OpenClaw 两天两次大更!适配GPT 5.4,告别“抽卡式 Prompt”
GitHub星标超28万的AI Agent开源项目OpenClaw,在周六与周日迎来两轮重量级更新,集中在模型能力、Agent架构、工程部署及安全机制四个方向。2026奇点智能技术大会将邀专家探讨其产业实践价值。