AI Repos
1、fastapi_mcp
一款零配置解决方案，可将FastAPI端点自动暴露为模型上下文协议（MCP）工具。其特点包括直接集成MCP服务器到FastAPI应用，无需配置即可使用，自动发现并转换所有端点为MCP工具，同时保留请求与响应模型的架构及Swagger文档。用户还可扩展功能，添加自定义MCP工具。该工具简化了开发流程，提升FastAPI应用的兼容性与实用性，适用于追求高效开发的开发者。
2、agenticSeek
AgenticSeek是一款完全本地运行的AI助手，替代云端Manus AI，基于DeepSeek R1推理模型构建。它支持语音交互、文件系统操作、代码编写与调试（支持Python、C、Golang等语言），并具备自主纠错、多代理协作及任务分解能力。无需云端传输数据，确保隐私安全，配备搜索、API调用等工具，具备记忆功能和自主网页浏览能力。目前项目开发中，寻求贡献者加入，旨在为用户提供强大且私密的AI体验。
3、star-vector
StarVector是一种创新的基础模型，将SVG生成转化为代码生成任务，采用视觉-语言建模架构处理图像和文本输入，生成高精度SVG代码。该模型突破传统曲线矢量化的局限，通过理解图像语义直接生成包含多种SVG原件的紧凑输出。StarVector在CVPR 2025获认可，基于2M样本的SVG-Stack数据集训练，支持图像到SVG、文本到SVG及图表生成三大任务。引入SVG-Bench基准测试，其在10个数据集上展现最优性能，生成的SVG更紧凑且语义丰富，现已开放于HuggingFace。
AI News
1、谷歌Gemini Live新功能上线：屏幕共享与实时视频交互引领AI助手新体验
谷歌在MWC展会上推出Gemini Live新功能，整合Project Astra，实现屏幕共享与实时视频交互。用户可通过“Share screen with Live”按钮共享手机屏幕，Gemini能实时解答屏幕相关问题。此外，打开摄像头后，Gemini可解析画面并即时回答，如建议上釉陶器颜料。Project Astra支持低延迟对话、多语言及跨设备使用，展现谷歌AI实力。相比之下，苹果Siri升级滞后，凸显谷歌在AI助手领域的领先优势。新功能的推广将提升用户体验，并推动行业竞争与创新。
2、Golfoy借助AI打破高尔夫“富人专属”标签，普及运动新体验
Golfoy创始人Tushar Narang挑战高尔夫昂贵且专属的刻板印象，指出其费用与保龄球相当，强调认知而非成本是主要障碍。Golfoy利用AI开发智能装备选择指南，用户回答简单问题即可获95%适配度推荐，80%用户表示满意。目前占印度高尔夫市场15%-17%份额，平台填补全球设备购买空白。AI通过数据分析提升玩家精准度，但生成式AI应用受限。Narang计划开发开源高尔夫AI模型，推动运动普及，公司自创立以来保持盈利，未依赖融资。
3、Apple Watch拟推AI与摄像头功能，用户体验升级面临挑战
苹果计划为Apple Watch集成摄像头，标准系列置于显示屏内，Ultra系列设于表侧，提升环境感知并结合AI提供信息。同时，AirPods也可能新增摄像头增强AI功能。然而，苹果AI发展受阻，Siri升级推迟至2026年，团队调整由迈克・罗克威尔接任负责人。Apple Intelligence因不准确及落后于对手而遭批评，面临虚假宣传诉讼，73%用户认为AI价值有限。尽管如此，苹果正通过更新解决问题，试图提升用户体验。
4、LiblibAI携手阿里通义大模型，推出10秒AI视频生成新功能
LiblibAI接入阿里通义大模型，推出文生视频和图生视频功能，用户可通过文本或图片生成10秒短视频，大幅降低创作门槛。基于万相2.1模型，该功能获市场高度认可，下载量超200万。平台还利用Qwen-turbo优化提示词窗口，效率提升50%以上。作为国内首家备案AI平台，LiblibAI拥有2000万创作者和10万原创模型，与天猫、瑞幸等合作。过去一年完成四轮融资，此次升级将推动其在AI创作领域持续领跑。
5、豆包网页版免费一键提取抖音视频文案，效率高又精准
自媒体创作者常需提取视频文案，传统工具多为付费且价格不菲。豆包网页版推出免费功能，只需输入抖音视频链接，几秒内即可生成完整文案，准确率高，无错别字且英文拼写正确。测试显示，无论是短视频还是长视频如直播切片，豆包都能高效整理，甚至超越剪映的歌词识别效果。这一免费工具让付费提取文案成为过去，大幅降低成本，提升创作效率。
6、伯克利TULIP模型突破视觉语言AI，性能超现有技术数倍
加州大学伯克利团队发布TULIP模型，通过生成式数据增强、增强的对比学习和重构正则化三大创新技术，大幅提升视觉语言预训练性能。TULIP克服传统模型如CLIP的局限，在零样本分类、细粒度物体识别及多模态推理等任务中刷新纪录。实验显示，其在MMVP基准测试中性能提升3倍，微调视觉任务提升2倍，展现强大鲁棒性和泛化能力。这一突破为视觉语言对齐设立新标杆，推动AI技术迈向更高水平。
7、“瀚海智语”发布：中国首个海洋专业AI模型开启智慧海洋新篇章
中国自然资源部发布国内首个海洋领域专业AI模型“瀚海智语”，由国家海洋环境预报中心等联合研发，基于360智脑13B和Deepseek-R1-70B模型打造。相较通用模型，其在海洋专业知识和应用能力上更优，可高效处理内容生成、知识问答等任务。目前已获海洋机构和高校好评。未来，团队计划扩展其在自然资源领域的应用，推出更多专业模型，以中文特色推动智慧海洋发展，提升中国在全球海洋治理中的影响力。
8、微软GeoMap-Bench发布，推动地质图智能解读新进展
微软亚洲研究院推出GeoMap-Bench基准集，旨在评估多模态大语言模型在地质图理解中的能力，与中国地质科学院等合作，聚焦信息提取、定位等五大关键能力。基于7000幅地质图生成3000多问题，揭示模型在高分辨率处理及专业知识方面的局限。同时，微软研发GeoMap-Agent智能体，通过层级信息提取等模块提升地质图解析效率。此举为地质学AI应用奠定基础，将助力灾害预警、资源勘探等领域，推动地质信息智能化发展。
9、Reve Image全新AI图像模型亮相，开启视觉创作新风尚
Reve Image作为新一代AI图像生成模型正式推出，以卓越的美学表现、精准提示遵循及出色排版设计引发关注。由Reve团队从零打造，其生成图像简洁大气，具备海报风格视觉冲击力，对提示词理解细腻，能优化简单描述生成惊艳效果，媲美市场领先技术。平台界面友好、操作流畅，已免费开放，吸引众多创作者体验。Reve Image的出现加剧行业竞争，或推动AI图像生成在美学与功能上的创新，成为视觉创作新宠。
10、百度“秒哒”全量上线，首创对话式无代码开发平台
百度推出国内首个对话式应用开发平台“秒哒”，今日全量上线。用户通过自然语言描述需求，即可生成完整应用代码，无需编程经验。平台整合多智能体协作与多工具调用功能，依托文心大模型实现智能调度与工具接入，如网页检索、地图API等。去年亮相时提出的“多智能体协同”理念现已落地，李彦宏称其颠覆传统编程模式，零门槛让创意变现。秒哒开启个人创新新时代，为用户提供便捷高效的开发体验。
11、蚂蚁集团发布两款MoE大模型，创新技术降低训练成本
蚂蚁集团Ling团队发布百灵轻量版（168亿参数）和增强版（2900亿参数）两款MoE大模型，性能达行业领先。针对传统MoE模型需依赖昂贵GPU的问题，团队创新采用动态参数分配、混合精度调度等技术，在国产低性能GPU上高效训练3000亿参数模型，成本降至508万元/万亿token，较高端硬件节省约20%，性能媲美Qwen2.5和DeepSeek-V2.5。此成果降低了对英伟达芯片依赖，为国产大模型发展提供经济高效新路径。
12、美团自研大模型LongCat亮相，数十亿GPU投资助推AI战略
美团2024年营收达3376亿元，同比增长22%。CEO王兴在财报会上透露，公司投入数十亿元GPU资源，开发大模型“LongCat”，并计划2025年加大AI基础设施投资。LongCat已提升客服效率20%、减少44%销售工作量，AI生成27%新增代码。美团AI战略聚焦员工效率、产品升级及自研模型建设。同时，自动配送车和无人机累计完成超536万单，并在迪拜和中国香港实现商业化运营，展现AI驱动的全球布局新进展。
13、vivo成立机器人LAB，手机巨头瞄准家庭机器人新赛道
vivo正式成立机器人LAB，专注于家庭机器人研发，备受业界瞩目。vivo回应称这是正常业务调整，更多细节将在博鳌亚洲论坛公布。2023年，执行副总裁胡柏山曾透露人形机器人是未来方向，依托蓝心大模型和MR技术，vivo已具备解决80%技术难题的能力，剩余机械部件问题也有望攻克。他强调此举兼具技术探索与社会责任意义，机器人或缓解医疗、养老等领域人力短缺。vivo能否在机器人赛道崭露头角，值得期待。
14、Capco联手OpenAI，推动金融服务行业AI革新
全球咨询公司Capco与OpenAI合作，加速AI在金融行业的应用，结合OpenAI的ChatGPT技术与Capco的金融专长，提供变革性解决方案。合作推广ChatGPT企业版，提升员工效率，加快客户交付，帮助金融机构应对市场变化。Capco CEO安妮-玛丽·罗兰强调，此举利用生成式AI增强服务与产品开发能力，同时确保监管环境下的安全与治理。此合作将为金融行业带来技术新机遇，助力适应快速变化的市场需求。
15、PiT框架：碎片化图像生成完整杰作的AI魔法
PiT框架是一种创新的图像生成技术，能将随机图像碎片转化为完整、连贯且风格一致的新图像。与依赖文字提示的模型不同，PiT以图片“零件”为输入，通过训练模型分析碎片关系，自动生成符合语义的作品。其基于IP-Prior架构，支持语义保留、风格控制及草图生成，实验效果出色。PiT适用于设计师灵感激发及个人创意表达，被誉为“图像魔法师”，为用户提供独特而高效的创作体验。
16、苹果AI高管重组：Siri升级推迟至2026年
苹果公司因AI研发滞后对其高管团队进行重大重组，焦点为Siri项目。原计划年内推出的多项升级现延至2026年，因CEO蒂姆·库克对前AI负责人约翰·詹南德雷亚的表现不满。新任负责人迈克·洛克威尔由Vision Pro团队转岗，接管Siri开发，直接向软件工程主管汇报。同时，Vision产品集团也迎来新负责人保罗·米德。业界认为，此举是苹果应对AI竞争压力和技术瓶颈的积极调整。