NewMax 开源对话式工作流:将 YouTube 视频内容转为小红书图文
NewMax 推出并开源了一套通过对话将 YouTube 视频内容自动转化为小红书图文的工作流。用户只需一段对话,AI 即可分析 YouTube 视频并生成适合小红书发布的图文内容,项目已在 GitHub 开源。
NewMax 推出并开源了一套通过对话将 YouTube 视频内容自动转化为小红书图文的工作流。用户只需一段对话,AI 即可分析 YouTube 视频并生成适合小红书发布的图文内容,项目已在 GitHub 开源。
NVIDIA 宣布 RTX Spark 笔记本电脑正式开售,由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出,起售价 2,599 美元。
同一新闻,精选展示《NVIDIA RTX Spark 笔记本今日开售,最高 128GB 统一内存与 1 petaflop AI 算力》
SeeCode 是一款为 Claude Code、Cursor 等 AI 编程助手设计的绘图插件,可将自然语言描述转化为可交互、可动态演示的网页格式图表。它支持 45 种图表,包括架构图、时序图和甘特图,生成的网页文件支持链路高亮、步骤演进、时序播放及 3D 物件拆解。插件还支持导出 PNG、SVG、GIF、MP4 等多种格式。
Krea 3 图像编辑模型已在 OpenRouter 上线,接受 1–4 张参考图加提示词,返回原生 2K 分辨率的编辑结果,多数编辑端到端耗时不足 8 秒。
OpenRouter 公布图像生成定价:1K 每张 $0.03,2K 每张 $0.06;参考图 1K 每张 $0.02,2K 每张 $0.07。thinking_mode 默认 fast,当编辑需要对提示词进行更多推理时可设为 high,额外加 $0.02。
Krea 3 图像编辑只改动用户指定的部分,未要求触碰的区域保持不变。围绕产品构建新场景时标签依然清晰,提供角色参考后可在整套图中保持同一批角色。
OpenRouter 上线 Krea 3 图像编辑模型,它运行在与其他所有 OpenRouter 图像模型相同的 Images API 上,迁移到 Krea 3 只需更改模型 ID。
百度智能云在西安超级智能体大会上宣布百度一见 6.0 开放内测,主打用自然语言和 Golden-Set 样本让人人都能造视觉 AI,并同场推出 AI 原生具身智能相机。百度搭子用户规模增长 9 倍,交付物需求增长 4.3 倍,专家套件使用量增长 7.3 倍。2026 年前三季度百度智能云大模型中标金额位列云厂商第一。
Luma AI 展示了用 AI 动作捕捉打造成龙风格特技的流程:动作指导兼表演负责人 Themo 来到 DreamLabLA,先进行策划会议,随后捕捉其动作,再通过视频到视频转换生成全新风格和世界。内容由 Luma 制作。
PixVerse 发布高端品牌动态视觉方案,可将 logo 以高级动态呈现,无需制作成本。该方案由其 Growth Studio 推出,用户可在 Professional Creation 中试用,官方还以汽车 logo 动态化为例征集下一个案例。
ZSeven-W 在 GitHub 开源 OpenPencil,定位为 AI 原生矢量设计工具,支持用自然语言描述 UI 后在无限画布上流式生成,并可通过选中元素对话修改设计。
zereight/gitlab-mcp 是一个面向 AI 智能体工作流优化的 GitLab MCP 服务器,提供 276 个工具(274 个工具集加 execute_graphql 和 discover_tools),支持 stdio、SSE 和 Streamable HTTP 三种传输方式。
BMad Method 在 GitHub 上发布两条版本线,稳定版 v6.12 通过 npm 安装并仅做 bug 修复,v7 预览 alpha 版以 skills 形式提供,官方给出的 v7 发布 ETA 为 2026 年 10 月 16 日。
vLLM 宣布从 Day 0 支持 Reflection 的 Beam 模型,这是一个 501B 参数、每 token 激活 23B 的 MoE,并在 NVIDIA Blackwell 上完成优化,推理、工具调用和结构化输出开箱可用。
推荐理由:vLLM 从 Day 0 支持 Beam 并给出内核融合与自适应验证的实测数据,可看推理栈如何承接新架构。
范式智能联合睿思智联宣布一站式生产级 AI 部署平台模域(ModelSphere)正式上线,面向企业用户免费开源,并已在 GitHub 开源。平台将算力管理、模型部署和运行优化整合到统一平台,内置自动弹性扩缩容、PD 分离部署、三级 KV 缓存等能力,并融合 EngineX 推理引擎统一调度华为昇腾、天数智芯、摩尔线程、海光 DCU 等国产算力。
NVIDIA 宣布 RTX Spark 笔记本今日全球开售,由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出,起售价 2,599 美元。
推荐理由:RTX Spark 把 128GB 统一内存和 1 petaflop FP4 算力放进轻薄 Windows 笔记本,可据此判断本地跑大模型与智能体的硬件门槛变化。
Tessl 工程团队用 Tessl Code Review 审查其单体仓库每周超 1200 个智能体编写的 PR,约 75% 的 PR 无需人工修正即可合并。该工具基于团队自有编码规范审查,发现的问题中 91% 为真实缺陷,高于此前 AI 审查工具的 68%,每个 PR 修复的真实 bug 数量翻倍(1.56 对 0.75),单 PR 审查成本降低 35%。
Cursor 新增 Meta Superintelligence Labs 的 Muse Wonder 模型选项,官方评测显示其在默认 effort 下 CursorBench 得分为 46.1%,是目前所有 Muse 模型中该基准的最高分。该模型定价为 $4/$20,适合需要高性价比编码辅助的用户考虑。
Qiaomu Clipper 新版本即将上架应用商店,新增微信视频号 AI 解读学习与视频下载功能。该预告由作者发布,内容简洁,未披露具体版本号与上线时间。
腾讯混元于 10 月 16 日宣布智能体记忆框架 Hy Memory 升级至 2.0,并开源专用模型 Hy-Memory-30A3B、记忆框架和本地应用 MemHub。三者可独立使用,也可组合成完整的 Memory 方案。
腾讯混元发布 Hy Memory 2.0,开源模型、框架和 MemHub,定位私人记忆管家。框架处理聊天、工作与代码三类记忆,在 4 项基准上开源第一,Hy-Memory-30B-A3B 在主要框架上超过 Opus 5。MemHub 提供 CLI 和 Mac 版,可在 10+ AI 工具间同步,SDK 与模型见 GitHub 和 Hugging Face。
SkyProduction 天工工作台推出「剧本拉片」功能,上传原创或已授权视频后,AI 自动拆解分场景、台词、人物和情节结构,输出标准剧本与带时间戳剧本两种结果。该功能提供 SkyScript Pro 和 SkyScript 两档视频理解模型,前者适合人物多、场景复杂、对白密集的深度拆解,后者轻量高效、成本更低,适合批量素材快速整理。
WorkBuddy 用同一提示生成四张风格迥异的 Buddy Cat 收藏图,包括明信片、梦幻云景和旅行肖像。四张图像全部由 WorkBuddy 生成,官方在 X 上发帖询问用户会先做哪一张。
Muse 展示了一键生成 60 秒 2D 动画文字纪录片的能力,内容讲述汉代人物霍去病。该演示以视频形式呈现,展示从文本到成片的完整生成流程。
Dash 称在 Cindy 下解决不同 Coding Agent 之间的上下文共享很简单:每个 Session 或单条消息都有可复制链接,直接粘贴给其他 Agent 即可。Session 还能换 Harness 接续,GPT 订阅用完可换 Claude 继续;所有 AI 聊天记录在 Cindy 里跨 Session、跨电脑向量索引,直接说"我们之前说过的"就能被搜到。
腾讯混元 10 月 16 日宣布推出并开源智能体记忆框架 Hy Memory 2.0,同时开源专用模型 Hy-Memory-30A3B(约 3B 激活参数)、记忆框架和 MemHub 应用三层能力。
GTM Co-Founder 是一套面向独立技术创始人和首位 GTM 员工的 go-to-market 技能包,可在 Claude Code、Cursor、Codex、Windsurf、Antigravity 等支持 Agent Skills 规范的智能体中使用。
Hash Studios 开源了用 Flutter 和 Dart 构建的 Android/iOS 壁纸应用 Prism,可浏览 Wallhaven、Pexels 及社区壁纸,并支持从文本提示词生成 AI 壁纸、创建变体。
AgentScope Java 2.0 发布,定位为构建分布式、企业级智能体的生产可用框架,提供事件系统、权限系统、中间件、工作区与沙箱、多智能体编排和分布式部署等能力。
开源项目 Interactive LLM Powered NPCs 让玩家用麦克风与任意游戏 NPC 实时对话,无需修改游戏源码或制作 mod,而是直接替换游戏生成的面部像素来嵌入动画。
Meshy 宣布 Meshy Edit 上线,把 Inpainting 能力带入 3D 模型编辑,小改动无需重新生成整个模型。操作分三步:选中要编辑的部位、描述改动、点生成,只有该部分会变化。该功能目前对所有注册用户开放,可用于无纹理的草稿模型。
可灵 Kling 4.0 与 Kling 4.0 Flash 即将登陆 Runware,单次请求即可实现 30 秒输出、10 个关键帧、15 个参考,并支持 4K 加立体声音频。
Anthropic 上线 dynamic workflows,由 Claude 自己写计划并决定谁执行、谁打分、谁挑刺,开发者只需给出任务和预算。据 Vercel Ship 2026 上 Anthropic 平台工程负责人 Katelyn Lesse 的分享,同样预算下纯执行只有 21% 的任务拿满分,加一个更强的模型当顾问为 44%,让 Agent 复盘历史会话并把经验写进记忆则达到 71%。
宇树(Unitree)推出 UniUni 智能集群控制系统,可实现集群机器人动作与队形的快速、智能编排,并支持实时设备状态监控与安全制动等功能。官方同时向用户征询希望看到多少台机器人同台表演。
Google DeepMind 的 Philipp Schmid 表示 Gemini 4 Argon 现已向 Pro 订阅者开放。他同时征集早期使用反馈,询问用户认为应从哪些方面改进,并表示会认真对待这些意见。
OmniHuman 升级至 2.0 版本,可通过音频和人物形象生成说话视频,并能理解音频的情绪与语气。单次连续生成时长从 60 秒提升至 5 分钟,单秒成本从 $0.12 降至 $0.07。
GLM 5.3 Flash 现已在 OpenCode 中免费开放。
可灵 Kling 4.0 生成了一段一镜到底的飞行游戏概念画面,镜头跟随角色穿越狭窄空间并飞向开阔天空。该内容由 Kling AI 在 X 发布,并带 #Kling4 #KlingAI 标签,Higgsfield AI 转发称"该有人把这个游戏做出来"。
AltimateAI 开源数据工程工具层 altimate-code,提供 100+ 确定性工具,覆盖 SQL 分析、列级血缘、dbt、FinOps 与仓库连接,可独立在终端运行,也可挂在 Claude Code 或 Codex 之下。
cockpit-tools 是一款通用 AI IDE 账号管理工具,支持 Antigravity IDE、Codex、GitHub Copilot、Windsurf、Kiro、Cursor、Grok CLI、CodeBuddy、Qoder、Trae、Zed、ZCode 等 16 个平台,提供一键切号、配额监控、自动唤醒与应用多开并行运行。