AI 文章标签

按专业维护的标签浏览文章。每个标签都对应一个具有独立介绍、并只收录严格相关已发布文章的内容集合。

Qwen-Image 看清 Qwen-Image 这条模型线如何分化方向，从文字排版的强项到 2512 的写实升级与 Layered 的图层分解能力各自应用在哪。 AI.com 讲清 ai.com 这套自治代理的开通方式与权限边界，看用户名预约、跨应用执行与隔离加密环境之间存在哪些取舍。 Z-Image 认识 Z-Image 这条开源图像模型线，看非蒸馏骨干、单流扩散架构与免费推理额度分别对应什么样的创作与开发需求。 Code Supernova 拆解 Code Supernova 的代理式编码能力，看长上下文、图像输入与多步骤执行分别怎样影响跨文件改写的实际效果。 LTX Video 梳理 LTX Video 的模型与平台分工，看开源视频模型、分镜生成与时间线剪辑各自解决创作链路里的哪一步。 豆包手机助手 围绕字节跳动的豆包手机助手，看系统级权限下它如何跨应用点按、滑动与输入，也看清 nubia M153 预览机的适用范围与实际边界。 Gemini Robotics 讲清 Google DeepMind 的 Gemini Robotics 如何充当机器人高层大脑，ER 2 在执行中判进度、纠错，以及与 Atlas 的合作进展。 Google Disco 拆解 Google Labs 的实验浏览项目 Disco 与首个功能 GenTabs，看它如何把已打开的标签页重混成可用的小应用，以及候补名单与隐私提示要注意什么。 GLM-5 追踪 Z.ai 开源的 GLM-5 代旗舰模型线，从 744B 基础权重、8 小时长程自主执行到 320B 低价 Flash，看这代模型如何在能力与成本之间找平衡。 360 梳理 360 从智脑、AI 浏览器到智图、鸿图与纳米漫剧的 AI 产品矩阵，看清每条线分别接手哪类任务，也交代 Mem360 记忆层所处的位置。 LongCat-Video-Avatar 解读 LongCat-Video-Avatar 这条音频驱动虚拟人视频模型线，看它在长视频与多人物场景下如何处理画面稳定性与身份一致性。 Tongyi Fun 说明 Tongyi Fun 这套企业级音频基础模型的组成，看 Fun-ASR 的识别与 Fun-CosyVoice 的合成如何覆盖会议记录与客服质检。 HunyuanWorld 拆解 HunyuanWorld 从单张图片到可漫游三维世界的生成路径，看原生 3D 输出、世界缓存与自定义相机轨迹解决了哪些重建麻烦。 Hunyuan-MT 梳理 Hunyuan-MT 从 7B 云端到 1.8B 端侧的翻译模型线，看术语干预、长上下文与格式保持能力各自服务哪类本地化场景。 MiniMax Music 讲清 MiniMax Music 从歌词与风格描述生成成品歌曲的能力，看拟真人声、情绪控制与开源 Music Skills 分别解决创作与代理工作流里的哪一步。 LongCat-Image 聚焦 LongCat-Image 用 6B 的 DiT 架构对标更大规模模型的思路，看双语文字渲染与可控编辑在实际设计与创作中的表现。 GLM-TTS 围绕 GLM-TTS 的三秒音色克隆与情绪控制展开，说明两阶段生成与强化学习怎样把错误率压到开源领先水平，面向配音、有声内容与客服等场景。 Firecrawl 讲清 Firecrawl 的抓取、爬取、搜索与链接映射怎么配合，看交互动作、回调与多格式输出如何把网页变成智能体可用的干净数据。 PaddleOCR 拆解 PaddleOCR 的检测识别、版面解析与 0.9B 多模态文档模型，看多语种、复杂版式到 Markdown 与 JSON 的完整链路怎么搭。 LangChain 梳理 LangChain 从组件到链路编排的搭建方式，看提示模板、检索增强与追踪能力如何支撑 RAG、助手与自动化流程的工程化落地。 MiMo-V2 聚焦小米 MiMo 的 V2 模型线，逐项对照 Flash、Pro、Omni、TTS 与 V2.5 在参数规模、上下文长度与多模态能力上的差别。 Google Gemma 梳理 Google 开放权重模型家族的两条线：Gemma 4 主打推理与本地部署，VaultGemma 走差分隐私路线，各自对应不同的许可与合规取舍。 HunyuanOCR 拆解 1B 参数 OCR 模型如何用单次前向完成检测、识别与版面解析，并说明它在票据、字幕与多语种图片翻译上的部署方式。 Notion AI 讲清 Notion AI 如何在页面、Wiki 与数据库里完成写作、总结、翻译与问答检索，并给个人创作者与团队一份可直接套用的知识整理路径。