模型发布 - AI 资讯
20万页 智能选型深度横向博弈，紧密跟踪前沿大模型发布与 AI 落地实战应用解析。
Genspark 发布自定义超级代理：一句话即可构建专属 AI 智能体
Genspark 正式推出 Custom Super Agent，通过 One-Prompt Agent Building 技术，让用户仅需输入一句话即可在几分钟内构建出具备专业级能力的 AI 智能体。该功能无需代码，自动配置架构与模型，并开放了 Custom Super Agent Store 供用户分享与复用，彻底降低了 AI 代理的构建门槛。
小红书发布 UniNote：统一多模态嵌入，重构搜索与推荐架构
小红书推出 UniNote 模型，旨在打破文本、图像、音频和视频的模态壁垒，将各类内容映射至单一共享向量空间。通过两阶段训练策略（InfoNCE 损失与 Hard Negative Mining）及检索 - 排名统一框架，UniNote 在跨模态检索任务中实现了高达 26 个百分点的 NDCG@10 提升。该方案致力于简化系统架构，减少因模型分裂导致的语义漂移，为构建高效的多模态搜索与推荐系统提供了新范式。
Qwen3.8-Max 与 Kimi K3 深度对决：参数规模、架构差异与开发者选型指南
ZenMux 发布深度对比报告，解析 Qwen3.8-Max 与 Kimi K3 在参数规模、架构设计及长程代理任务中的表现。Kimi K3 以 2.8 万亿参数（1040 亿激活）略胜 Qwen3.8-Max（2.4 万亿/950 亿），但两者均支持百万级上下文。文章指出，由于评估基准与 Agent 框架差异，暂无绝对胜负，建议开发者根据成本结构（Qwen 输入更优，Kimi 缓存命中可能更优）及具体业务场景（如长程软件工程 vs 多模态知识工作）进行决策。
AssemblyAI 发布 Universal 2.0：英语、德语、西班牙语语音转写精度与速度双重突破
AssemblyAI 于 2025 年 2 月 20 日推出 Universal 2.0 模型，重点优化英语、德语和西班牙语的语音转写能力。相比 2024 年 10 月版本，新模型在推理速度提升 27.4% 的同时，大幅降低了单词错误率（WER）。针对企业级应用痛点，新模型在专有名词识别（PNER）、数字格式（如邮箱、电话）及重音口音处理上实现了显著改进，解决了传统 ASR 评估中忽视的“最后一公里”问题。
Pika 发布 PikaStream 1.0：实时视频聊天引擎，实现 Agent 面对面交互
Pika 正式推出 PikaStream 1.0，旨在解决现有视频生成模型无法支持实时交互的痛点。该引擎在单张 H100 GPU 上实现了 24 FPS、480p 的实时视频生成，端到端语音转视频延迟低至 1.5 秒。通过 FlashVAE、9B DiT 及多奖励 RLHF 技术，Pika 让 AI Agent 具备面部表情、自然手势和持久记忆，真正实现了类人化的实时视频对话体验。
Suno Studio 2.0 重磅发布：引入 MIDI 编辑、智能插件设计与自动化曲线，重塑音乐创作流程
Suno 正式推出 Studio 2.0，针对专业音乐人需求进行深度重构。核心更新包括原生 MIDI 导入与编辑、基于对话的智能插件设计、先进的人声/乐器分离以及全新的自动化曲线功能。此次更新旨在打破 AI 与 DAW 的界限，让创作者能以传统乐器交互方式，实现从灵感火花到成品的高保真输出。
Photoroom 2026 电商背景移除新标准：45 图实测中准确率领跑，硬边缘处理突破
Photoroom 发布 2026 年电商背景移除工具深度评测，在 45 张电商图片的严格测试中，以 42 张完美抠图成绩领跑，远超 Remove.bg 和 Clipdrop。文章重点揭示了该工具在处理复杂边缘（如发丝、透明包装、细链条）方面的技术突破，为开发者与电商运营者提供了选择 AI 工具的核心依据。
Higgsfield 2026 发布全新食品广告 AI 工作流：从单图到电影级视频的全流程解决方案
Higgsfield 于 2026 年 8 月正式发布全新食品广告 AI 工作流，旨在解决传统视频制作中“单镜头拍摄”的局限。该平台通过 Marketing Studio 提供六大预设模板与自由提示词路径，支持从产品照片上传、分镜脚本规划、多镜头生成到最终剪辑的完整闭环。核心突破在于实现了不同生成路径（预设/提示词）生成的素材在光影与风格上的无缝兼容，并针对食品质感（如蒸汽、酱汁流动）提供了精细化的提示词优化指南，助力品牌快速产出电影级食品广告。
Black Forest Labs 发布 FLUX 3 多模态模型：统一图像、视频与机器人动作的下一代 AI 架构
Black Forest Labs 正式推出 FLUX 3 多模态 AI 模型，旨在取代分散的图像、视频及机器人工具。该模型家族涵盖视频生成（含同步音频）、图像编辑、机器人动作预测及开源本地部署版本。核心突破在于将单一架构应用于跨媒体任务，显著降低开发复杂度，并支持从创意生成到物理世界控制的端到端工作流。
二狗 PPT 发布：AI 驱动中式职场演示，重构 PPT 制作与记忆逻辑
二狗 PPT 正式推出 AI 演示工具，内置中式职场专属模板，支持内容识别排版与标准 PPTX 导出。针对 PPT 制作痛点，官方发布关于快捷键记忆与高效操作指南，强调高频快捷键（Ctrl+C/V/S/Z）的肌肉记忆训练，并提示用户注意版本兼容性与输入法冲突问题，旨在通过工具与技巧结合提升职场演示效率。
Typecast 推出 AI 配音功能：让脚本‘开口说话’，重塑内容本地化体验
Typecast 正式推出 AI Dubbing（AI 配音）功能，利用先进的语音合成与情感模拟技术，将静态脚本转化为生动、自然的语音内容。该功能支持多语言本地化，能够精准还原演讲者的语气、停顿与情感起伏，大幅降低视频制作成本，为开发者与内容创作者提供从文本到高质量音频的一站式解决方案。
Mubert 发布开发者音频引擎：基于认知科学的动态音乐生成技术
Mubert 正式推出专为开发者设计的音频生成引擎，基于认知心理学研究，提供 150+ 种情绪与场景的动态音乐生成。该工具通过消除传统播放列表的“轨道切换中断”，利用 AI 实时生成无歌词、无结构的连续声景，帮助开发者在重复性任务中提升效率，在复杂调试时保持专注。API 支持毫秒级流式传输，旨在成为开发者工作流的智能背景层。
