跳到正文

@berryxia

@berryxia · X · 历史来源 · 当前未持续收录

当前显示全部 AI 相关新闻
切换来源
全部X新闻X:Rohan Paul1204 条X:Kim1119 条X:阿易 AI Notes842 条X:阿里云 / Alibaba Cloud415 条X:Testing Catalog332 条X:Elvis Saravia315 条X:Elon Musk294 条X:OpenRouter287 条X:cb_doge285 条X:Artificial Analysis259 条X:Ethan Mollick253 条X:PixVerse235 条X:Replit213 条X:OpenAI Developers200 条X:SemiAnalysis198 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)193 条X:ZHO193 条X:小北166 条X:swyx161 条X:Gemini156 条X:MiniMax154 条X:Dex Horthy(HumanLayer)130 条X:Tibo122 条X:OpenAI119 条X:Emad Mostaque108 条X:Google AI for Developers103 条X:X.PIN101 条X:蚂蚁百灵98 条X:Thomas Wolf(Hugging Face 联创/CSO)94 条X:Epoch AI91 条X:AI Safety Memes89 条X:Luma AI88 条X:Claude Devs84 条X:Runway81 条X:Aravind Srinivas(Perplexity CEO)80 条X:Jason Liu80 条X:马东锡 NLP79 条X:面壁智能 OpenBMB77 条X:Sam Altman77 条X:Frank Wang 玉伯76 条X:洪明71 条X:fofr71 条X:Gabriel71 条X:Francois Chollet65 条X:阑夕64 条X:Nathan Lambert62 条X:opencode60 条X:Yuchen Jin60 条X:Eric Zakariasson58 条X:Perplexity58 条X:Greg Brockman57 条X:赵纯想56 条X:Tencent WorkBuddy55 条X:Microsoft Research54 条X:Cohere53 条X:腾讯混元50 条X:Peter Steinberger50 条X:Suno49 条X:Claude45 条X:Anthropic44 条X:Clément Delangue(Hugging Face CEO)44 条X:Krea AI41 条X:OpenClaw41 条X:通义千问 / Qwen39 条X:Charlie Holtz39 条X:Google AI37 条X:Google DeepMind37 条X:Thariq35 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:AK30 条X:百度 Baidu28 条X:AI at Meta28 条X:Boris Cherny28 条X:Deedy Das27 条X:可灵 Kling AI26 条X:Aidan Gomez(Cohere CEO)26 条X:Viggle AI26 条X:Mustafa Suleyman(Microsoft AI CEO)25 条X:Logan Kilpatrick24 条X:karminski22 条X:Josh Woodward21 条X:Noam Brown20 条X:李继刚19 条X:Andrew Milich18 条X:Odyssey18 条X:硅基流动 SiliconFlow17 条X:SpaceXAI17 条X:Tianyi Cui17 条X:DeepSeek16 条X:华为云14 条X:Sundar Pichai14 条X:智谱 Z.ai12 条X:Mark Zuckerberg12 条X:Demis Hassabis11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Eric Mitchell10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Mistral AI10 条X:Noah Zweben10 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 条X:Barret 李靖8 条X:Hao AI Lab8 条X:Jeff Dean8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@sensetime_ai · 历史来源34 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条PixVerse (@PixVerse) · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fal · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@arena · 历史来源1 条@argofowl · 历史来源1 条@arthurmensch · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cognition · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
430 条AI 相关新闻 · 最新在前
6月9日周二
  1. @berryxia62

    Google NotebookLM 迎来大更新,在聊天中加入 agentic 能力、更强的推理逻辑和一整套新输出格式,面向 Google AI Ultra 订阅者逐步推出。作者称升级后可自动拆解并完成原本需多轮手动推进的复杂多步研究,还能从网上补充新资料,但生成答案和报告时只使用用户选定并批准的来源。

    引用NotebookLM (@NotebookLM)@NotebookLM

    Introducing a more powerful NotebookLM 🚀 Massive upgrades deliver agentic capabilities in chat, more advanced reasoning, and a suite of new output formats. Tackling complex, multi-step research problems has never been easier. Rolling out now to Google AI Ultra subscribers. Video

  2. @berryxia70

    Kimi Work 在 macOS 和 Windows 上线,可在本地桌面并行运行最多 300 个 AI 智能体。它搭配 WebBridge 扩展在浏览器中完成搜索、滚动、点击和打字,并为财经场景原生调用 Yahoo Finance 与世界银行数据,无需复杂 API 配置。产品自带记忆系统记录用户偏好与历史决定,任务完成后直接输出 PPTX、Word、PDF、Excel 文件。

    引用Kimi.ai (@Kimi_Moonshot)@Kimi_Moonshot

    Meet Kimi Work - a local AI agent on your desktop that does the work for you. 🔹Native agent swarm: Up to 300 AI agents running in parallel on your local machine. 🔹Browser use: Paired with WebBridge extension, your agent will navigate websites in your browser: search, scroll, click, type and complete tasks. 🔹Built for Finance: Native global market data tool call from Yahoo Finance and World Bank - no complex API setup required. 🔹Memory system: Kimi Desktop keeps a running diary of your preferences, past decisions, and context to know you better. Available for macOS (Apple Silicon) and Windows. 🔗Try it now: kimi.com/products/kimi-work Video

    推荐理由:官方披露了本地代理规模、浏览器操作与财经数据原生调用等能力,读者可据此判断桌面端智能体的落地形态。

6月8日周一
  1. @berryxia8

    Berryxia.AI 回顾自己从去年4月中旬开始运营 X 平台,至今已一年多,表示做这件事完全源于长久以来的热爱,从未觉得疲惫。他称没有刻意设定目标或强求结果,顺其自然,时间会给出答案,并感谢 Panda 及各位伙伴的认可与支持。

    引用Mr Panda (@PandaTalk8)@PandaTalk8

    在X 上你对一个人印象和期待都是可预期的。 我认为这就是人设的力量, 这个人设并不是人为立出来的, 而是你对某一样的事物长期兴趣在哪里, 然后在会体现在的你的每一条推文。 比如 @dotey Prompt 工程的分享, @dongxi 马东锡的印象的AI论文算法解读与分享, @Jiaxi_Cui AI 产品构建的分享者 @berryxia AI出图的分享者 ...

  2. @berryxia41

    波士顿机器人直接要替代搬运工了吗? 以后抗楼战神的活儿要被抢走了😄

    引用Space and Technology (@spaceandtech_)@spaceandtech_

    Boston Dynamics has demonstrated its new Atlas humanoid robot lifting and carrying a 50-pound fridge. The robot uses its whole body to balance and move the heavy object in a natural, human-like way. Before doing it in the real world, Atlas practiced the task for millions of hours in a virtual simulation. Video

  3. @berryxia37

    CJ Zafir 团队推出 Mac-1,一个 6.6B 参数模型,可在任意 Mac 本地运行,仅需 7GB 内存(12GB 更理想),输出速度约 65 tok/s。它接入 487 个 macOS 原生工具,支持多工具链式调用与推理,能自动完成发邮件、订会议等任务,并围绕模型构建了 macOS 原生 UI/UX 应用层。

    引用CJ Zafir (@cjzafir)@cjzafir

    Here's a teaser of our Mac-1 model. > 6.6B model > runs locally (on any Mac) > requires 7GB RAM (12GB ideal) > can use 487 MacOS native tools > perform multi-tool chained tasks > reasoning: ON > output: ~65 tok/s We built a robust application layer around the model to make UI/UX MacOS native. The "model-focused" SaaS era is here. Stay tuned for more. Video

  4. @berryxia38

    OpenAI 发布 Codex 应用场景页面,列出各团队正交给编码代理的任务:工程开发、产品开发、质量测试、安全检查、数据分析、内部工具,甚至生命科学工作流。具体例子包括审查 GitHub PR、把截图转成响应式 UI、模拟真实用户流程做 QA、重构老旧代码与修复漏洞,以及撰写 PRD、分析数据集等。

    引用Mark Kretschmann (@mark_k)@mark_k

    OpenAI just published a new Codex use-case page, and it’s basically a catalog of what teams are already handing over to coding agents: engineering work, product work, QA, security, data analysis, internal tools, and even life-sciences workflows. Some of the coolest examples: ⬩ Reviewing GitHub PRs and understanding large codebases ⬩ Turning screenshots or visual references into responsive UI ⬩ QA-testing apps by clicking through real user flows ⬩ Refactoring legacy code, running migrations, and fixing vulnerability backlogs ⬩ Drafting PRDs, analyzing datasets, building internal apps, and assisting life-sciences research This is what coding agents look like when they stop being a demo and start becoming part of daily work.

6月7日周日
  1. @berryxia55

    mlx-audio v0.4.4 发布,新增 15 个 TTS、ASR 与 VAD 模型,改进长文本转录速度与 OpenAI 兼容音频服务器,全部在 Apple Silicon 上本地运行。

    引用Prince Canuma (@Prince_Canuma)@Prince_Canuma

    🚀 mlx-audio v0.4.4 is out — our biggest model drop yet. 15+ new TTS, ASR & VAD models, faster long-form transcription, and an expanded OpenAI-compatible audio server. All running local on Apple Silicon. 🎤 New TTS • VoxCPM2 — 2B, 48kHz, 30 languages • MOSS-TTS / TTSD / 1.5 • Higgs Audio v3 • Miso, Dramabox, Irodori-TTS v3 VoiceDesign 📝 New STT/ASR • Mega-ASR (Qwen3-ASR-1.7B + LoRA routing) • Nemotron 3.5 ASR (streaming) • granite-speech-4.1-2b-nar, Fun-ASR-Nano • Cohere ASR — 1.7× faster long-form 🔊 VAD & codecs: Silero VAD, FSMN-VAD, Step-Audio 2 ⚙️ Server: OpenAI-compatible response_format, /v1/audio/voices, word timestamps, realtime server-side VAD turns h/t @lllucas Huge thanks to all the contributors 🙏 > uv pip install -U mlx-audio github.com/Blaizzy/mlx-audio

6月6日周六
6月5日周五
  1. @berryxia58

    腾讯混元联合中国人民大学高瓴人工智能学院开源 PlanningBench,一个用于评测和训练 LLM 规划能力的可验证框架,包含 30 多个真实世界规划任务,覆盖调度、生产、旅行、资源分配、应急响应等六大类。每个任务都有明确成功标准和全自动验证机制,并同时支持评测与训练微调。论文、代码和数据集已发布在 arXiv、GitHub 和 Hugging Face。

    引用Tencent Hy (@TencentHunyuan)@TencentHunyuan

    Planning is where LLMs move from “saying” to “doing.” Tencent Hy, in collaboration with the Gaoling School of Artificial Intelligence at Renmin University of China, is excited to open-source PlanningBench - a scalable, verifiable framework for evaluating and training LLM planning capabilities. With PlanningBench, you get: ✅ 30+ real-world planning tasks ✅ Automated verification ✅ Evaluation and training support See how top-tier LLMs perform on PlanningBench 👇 Resources: arXiv: arxiv.org/abs/2605.20873 GitHub: github.com/Tencent-Hunyuan/P… HuggingFace: huggingface.co/datasets/tenc… #PlanningBench #TencentHunyuan #OpenSource 📷

  2. @berryxia36

    卧槽!这个可以啊! 必须得给个大拇哥了,我今天早上没有注意只是把他复制到公众号哈哈。 这下可省了很多事儿啊! Video

    引用Nicolechan (@stark_nico99)@stark_nico99

    全网独家,YouMind全球首发X文章导入功能! 解决了X文章的一个超级大痛点 不知道大家写X文章的时候,会不会遇到这样的问题 从别的地方写好复制粘贴 结果图片不能粘贴,字符块也不能保留 都得自己手动一个个重新粘贴 YouMind 黑科技彻底解决了这个卡点 每次至少为你节省10-30分钟的排版时间! 至此,YouMind在X文章从创作到发布已经形成闭环 欢迎体验,欢迎留言 Video

  3. @berryxia26

    作者用一个人加一支「AI 团队」,30 分钟完成一篇公众号爆款文章,全程只负责定方向和做决策。流程拆成 7 步:搜热点找空白、6 维度分析爆款数据、找反共识角度、数据驱动生成 10 个标题并选最高分、写正文、配暖色调嵌金句图、一句话生成 HTML 排版。作者还表示做了个视频复刻 Agent,可按需放出。

    引用Berryxia.AI (@berryxia)@berryxia

    x.com/i/article/206272439058…

  4. @berryxia51

    LM Studio 将 Locally 收为自家手机端应用,并把 LM Link 带到 iPhone,用户可通过端到端加密连接在手机上调用自己最大的模型,目前已在 iPhone 和 iPad 上可用。作者认为这一路线速度很快、能在手机端更好跑本地大模型,但该场景尚未真正挖掘出来,对用户需求的支持还不够好。

    引用Locally AI - Local AI Chat (@LocallyAIApp)@LocallyAIApp

    Locally is now @lmstudio's mobile app, and we are bringing LM Link to your iPhone. Use your largest models from your phone, over a secure, end-to-end encrypted connection. Available on iPhone and iPad.

  5. @berryxia64

    Firecrawl公布两年内抓取超80亿网页,开发者超125万、企业用户超15万,GitHub星标超12.5万,npm和PyPI周下载量超250万次。作者据此认为,智能体的上限取决于能否稳定、持续、低成本获取真实世界的最新网页数据,AI竞争的焦点已从模型能力转向web上下文层。

    引用Firecrawl (@firecrawl)@firecrawl

    We've now fetched 8,000,000,000+ pages at Firecrawl 🔥 A few other milestones in 2 short years: - 1.25M+ developers - 150K+ companies using us - 125K+ GitHub stars (top 100 repo) - 2.5M+ weekly downloads on npm + PyPI. Thanks for building with us & we're just getting started! Video

  6. @berryxia57

    OpenAI Developers 上线 Build iOS Apps 插件,让 Codex 可在 in-app browser 中查看和测试 iOS 应用、打开 SwiftUI 预览,并在不离开 Codex 的情况下热重载编辑。

    引用OpenAI Developers (@OpenAIDevs)@OpenAIDevs

    More of the iOS app loop, now inside Codex. The Build iOS Apps plugin lets Codex view and test your iOS app in the in-app browser, open SwiftUI previews, and hot reload edits without leaving Codex. Video

6月4日周四
  1. @berryxia52

    html-video 正式开源,可通过编写 HTML 制作产品宣传和知识解说视频,并支持 mp4 导出,代码仓库为 GitHub 上的 nexu-io/open-design。

    引用Tom Huang (@tuturetom)@tuturetom

    正式开源 html-video 🚀 html版剪映来了! 你的 Agent 现在可以通过写 html轻松做出世界级水准的产品宣传、知识解说视频,成本极低!🔥 历时 3 天,3 万行代码!支持20多套顶尖视频风格模板,分页编辑,mp4 导出,支持包括Claude Code、Codex、hermes、cursor等主流 Agent接入即用💥地址见评论区 Video

  2. @berryxia51

    李飞飞与 World Labs 团队提出,空间智能是 AI 的下一个前沿,世界模型是通往这一目标的关键路径。她基于 POMDP 智能体-环境循环,把世界模型分为渲染器、模拟器和规划器三类,认为模拟器最关键却最不被炒作,文中还提到 World Labs 的 Marble 项目能从多模态提示生成可探索的 3D 环境,同时输出高斯溅射和碰撞网格。

    引用Fei-Fei Li (@drfeifei)@drfeifei

    x.com/i/article/206224428394…

  3. @berryxia46

    OpenAI 将 GPT-Rosalind 升级,把 GPT-5.5 的 Agentic Coding 与工具调用能力融入生命科学领域智能,面向企业级药物发现、分子分析、实验设计与湿实验流程。该模型系列为生命科学专项定制,可自主生成假设、调用工具做模拟、设计实验方案并追踪工作流可重复性,而非在通用模型上加提示词。

    引用OpenAI (@OpenAI)@OpenAI

    We’re bringing new capabilities to GPT-Rosalind, a model series purpose-built for life sciences research at enterprise scale. It brings GPT-5.5’s agentic coding and tool use together with stronger intelligence for drug discovery, analysis, design, and experimental workflows. openai.com/index/introducing…

  4. @berryxia47

    Apple MLX 框架已能与模型厂商第一时间对接,实现新模型 Day0 同步发布。Gemma 4 12b 已通过 Ollama 上线,提供 mlx、mlx-bf16、mxfp8、nvfp4 等多个 MLX 量化版本,需 Ollama 0.30.4-rc0。Mac 用户使用 MLX 框架模型速度一般至少提升 10-20%。

    引用Dmitry Lyalin (@LyalinDotCom)@LyalinDotCom

    If you're waiting Gemma 4 12b through @ollama, its here: gemma4:12b gemma4:12b-it-q4_K_M gemma4:12b-it-q8_0 gemma4:12b-it-bf16 gemma4:12b-mlxMLX gemma4:12b-mlx-bf16MLX gemma4:12b-mxfp8MLX gemma4:12b-nvfp4MLX ollama.com/library/gemma4/ta… You'll need Ollama version 0.30.4-rc0

  5. @berryxia64

    Google 将 Gemma 4 12B 与 Google AI Edge 打通,可在笔记本上运行 100% on-device 的智能体工作流。Mac 端新上线 AI Edge Gallery 用于生成代码、AI Edge Eloquent 支持语音输入并实时编辑文本,底层用 LiteRT-LM 在本地 Serve Gemma 4 12B,全程零网络、零延迟。

    引用Google for Developers (@googledevs)@googledevs

    Unlock local, agentic workflows with Gemma 4 12B and Google AI Edge, directly on your laptop. Experience 100% on-device AI: • Generate code in AI Edge Gallery (new to Mac) • Dictate and edit text via AI Edge Eloquent (new to Mac) • Serve Gemma 4 12B locally with LiteRT-LM Dive in: goo.gle/4uQlVfq Video

  6. @berryxia73

    Google 昨晚发布 Gemma 4 12B 多模态模型,采用 Apache 2.0 许可,至少需要 16G 内存即可运行。该模型为统一的无编码器多模态模型,主打把高性能智能直接带到笔记本上,衔接端侧效率与高级推理。作者认为应与 Qwen 的模型对比其效果。

    引用Google Gemma (@googlegemma)@googlegemma

    Meet Gemma 4 12B! A unified, encoder-free multimodal model designed to bring high-performance intelligence directly to your laptop, and released under an Apache 2.0 license. Bridging the gap between edge efficiency and advanced reasoning. Here is what’s new with Gemma 4 12B: 👇

    推荐理由:Gemma 4 12B 采用 Apache 2.0 许可并主打端侧多模态,可据此判断 16G 内存本地运行的可行性。

6月3日周三
  1. @berryxia65

    Google DeepMind 发布基于 Gemini 的多 Agent 系统 Co-Scientist,可生成、辩论并演化复杂科学问题的新假设。该系统覆盖从 idea 到验证的循环,能生成上千个假设、举办 idea 锦标赛,并让多个 Agent 互相批判精炼,再用文献、数据和搜索工具验证主张。

    引用Google DeepMind (@GoogleDeepMind)@GoogleDeepMind

    We believe AI can be a dedicated research partner to help discover the next breakthrough. Enter Co-Scientist: our latest Gemini-based multi-agent system that can generate, debate and evolve novel hypotheses for complex scientific problems 🧵 Video

    推荐理由:原文说明了 Co-Scientist 的多 Agent 假设生成与验证流程,并指出该能力已向个人研究者开放。

  2. @berryxia14

    笑死,这也算是应援上了。 AI圈可不兴这个啊~~😄 今晚就正式比赛,到时候给大家汇报同步我的Agent的亏损情况😄 感谢朋友们的支持啊~

    引用Berryxia.AI (@berryxia)@berryxia

    卧槽!你们别一天天光知道给Agent花钱消耗Token了。 赶紧派你的Agent给你去赚钱啊~~ Bloome 官方搞了一个Agent 模拟炒股大赛,如果拿奖的数千美金可以拿😄。 我把我的小Berry已经训练的“听书读写,样样精通”。 不去给自己赚点Token费,都不合适啊! 所以,今天必须给我的Berryxia小跟班打Call,我也希望友友们给我打打Call。 因为他们有这个观众投票的机制,因此我希望你可以给我投一票啊! 如果我的Agent比赛获奖,我将给大家在𝕏 抽奖送给支持我的朋友们。 再次江湖最高礼仪了,抱拳了兄弟们! 投票地址在评论区👇🏻~~

  3. @berryxia51

    微软 AI 发布 MAI-Image-2.5,在 Image Edit Arena 单图编辑榜以 1401 分排名第二,落后位居第一的 GPT-Image-2。

    引用Arena.ai (@arena)@arena

    MAI-Image-2.5 has officially released from @MicrosoftAI landing at #2 in the Image Edit Arena (Single-Image-Edit) with a score of 1401 and advances the Pareto frontier! This puts the model +10 pts over Nano Banana 2, Grok Imagine Image Quality and ChatGPT-Image-Latest-High Fidelity. Congrats to the @MicrosoftAI team on this big accomplishment!

  4. @berryxia71

    微软 AI 在 Build 上发布七个全新 MAI 模型,官方称并非简单迭代,而是从零开始、干净数据血统、零蒸馏训练的一整个家族,涵盖推理、编码、图像、转录与语音并各有 Flash 版本。

    引用Microsoft AI (@MicrosoftAI)@MicrosoftAI

    Seven new models launching at Build: let’s go! Reasoning. Code. Image. Transcribe. Voice. Built from scratch on a clean data lineage, designed for efficiency, working seamlessly as a family of models Thread 🧵 #MSBuild

    推荐理由:文中梳理了七个 MAI 模型的任务分工与基准数字,可据此了解微软从零训练、任务专精的模型家族路线。

  5. @berryxia70

    OpenAI 发布 Codex Python SDK,通过 pip install openai-codex 安装后,开发者可在 Python 代码中启动线程、运行 turn、实时流式输出进度、恢复会话、传图片并精细控制 sandbox 访问权限。

    引用Vaibhav (VB) Srivastav (@reach_vb)@reach_vb

    We just released the Codex Python SDK 🔥 You can now embed Codex directly into your Python apps and workflows! > Start threads > Run turns > Stream progress > Resume sessions > Pass images > Control sandbox access All whilst reusing your existing Codex auth. pip install openai-codex Go build with it!!

    推荐理由:SDK 把 Codex 从浏览器里的 IDE 变成可嵌进脚本的可编程基础设施,并复用现有认证。