#模型
微信更新方言转文字功能，方言小游戏攻克语音识别难题
对于微信来说，最难的问题是什么？可能有人觉得是在 AI 时代，微信的 AI 化。比如大家寄予厚望的微信 AI 小微，到现在还在内测。
这个用户体量最大、功能最复杂的应用要进行 AI 化，几乎所有微信业务都需要融入 AI 助手小微，历史包袱…
腾讯混元 Hy4 正式发布，首次引入视觉能力，WorkBuddy 限免 12 天实测
腾讯混元 Hy4 正式发布，WorkBuddy 第一时间接入并限免 12 天（11 月 4 日至 15 日）。Hy4 首次引入视觉能力，支持电脑操作，大幅提升指令遵循、长文理解和长程任务能力。实测图片生成、PPT 制作、数据分析和游戏开发四…
Magpie：跨平台模型网关，把其他 AI 的额度接到主力 Agent 里用
不知道大家是不是和我一样，电脑里装了很多智能体？
一个智能体的额度用完了，就换另一个，来回切换挺麻烦的。其他工具里明明还有额度，尤其是免费额度，能不能接到自己的主力智能体里用？
最近，朋友给我推荐了一个挺实用的工具 Magpie，解决的就…
OXR 1.3B 开源文档解析模型：三榜第一、可插拔布局分析、RSI 自改进，自带免费 API
做文档解析的模型，主流要 8B、14B 起步。
OXR 只用了 1.3B。
10 月 5 号开源，SoMark 团队做的，现在 1155 Star。
三大基准全拿第一，olmOCR-Bench、OmniDocBench、DocParsing…
DeepSeek 10 个顶级开源项目盘点：从 DeepSeek-Math 到 Harness 的全链路解析
DeepSeek 最近两周动作频频。先是 V4.1-Flash-1017 基于旧版完成训练后发布，接着又把线上推理框架 DeepInfer 开源。实测下来，这个版本的回答明显更加谨慎和可靠。
从底座模型、底层内核到存储系统、Agent 套件…
Gemini 4 Carbon超过Opus 5.5，登顶AA智能指数
谷歌刚刚发布的新模型 Gemini 4 Carbon，在 Artificial Analysis 智能指数 v5.0 中拿下 59 分，超过 Claude Opus 5.5 Max 的 58 分，登顶榜首。这是谷歌首次把自家旗舰模型送上综合…
百度开源 Unlimited OCR 2：3600 页长文档一次性解析，重新定义 OCR 3.0
百度一口气开源了文心 Unlimited OCR 2。官方实测直接放了个狠活：模型一次性解析了《哈利·波特》全系列 7 部作品，累计超过 3600 页，全程没有任何分页处理，纯模型推理一口气出结果。
你没看错，3600 页。…
Google Genie 4 发布：一句话生成可交互游戏世界，原生音频与实时控制来了
AI 世界模型又进化了，游戏原型设计和 Agent 训练可能迎来新玩法。
今天 Google DeepMind 又整了个挺酷的东西。Genie 4 正式发布了。我第一时间去看了官方演示。
怎么说呢。现在 AI 生成视频已经不算稀奇了。但这次…
OXR 1.3B 开源 OCR 模型实测：1 秒解析一页文档，本地部署 Agent 数据管道
OXR · 1.3B · DOCUMENT PARSING：把文档读对再交给 Agent。多栏、小票、表格、化学式——数据管道的入口，先把解析做好。
在三大主流基准评测（OmniDocBe…
腾讯 Hy-Nomas ：交互式 AI 世界生成器，用文字和键盘创作视频
近日，腾讯上线了产品叫做 Hy-Nomas。
这是一个交互式视频世界生成模型。或者叫做 AI 世界生成器，由混元的视觉生成团队推出。
你用文字描述一个场景，它会按照要求生成这个场景。后续你可用提示词或者键盘操控镜头，它会按照你的要求边创…