开发一个最简单的iOS App

这次我真正感受到的变化，是天工已经从单点 AI 工具，走到了云端项目执行系统的感觉。我给它的目标其实很完整：先读取公众号后台导出的 Excel，做数据分析报告；再把报告整理成 PPT；接着继续生成口播稿、讲解音频，并用视频 Skills 合成讲解视频；最后又测试了图像生成、提示词预设和 Skills 自动创建。整个过程里都是云端执行，它会自己读取文件、调用 Jupyter / bash、拆解步骤、生成发布物，中间还能对文档、PPT、图片、视频做二次编辑。

字节跳动 Seed 团队打造，可能是目前最强的 AI 视频生成模型——多模态输入、多镜头叙事、原生音画同步、2K 电影画质几个视频看下 Seedance 2.0 的实力Seedance 2.0 刚刚开放了 API 接口，我发现了最美龙虾客户端 nexu（客户端下载地址：https://github.com/nexu-io/nexu）已经第一时间接入了，一句话生成电影级视频（文中有详细步骤），3 分钟就能用 Seedance 2.0 生成视频，不用再去排队了。

Qwen3.5、MiniMax2.2、字节跳动 Seed、DeepSeek-V4 都要来了吗？最近，LMSYS Chatbot Arena（目前的“大模型盲测”权威榜单）上又热闹起来了。除了大家熟知的名字，榜单上突然窜出了几个神秘的匿名模型，它们虽然披着代号的“马甲”，但在对话中却诚实地“自报家门”。

2026 年，AI Agent 正在从"聊天工具"变成"真正的生产力工具"。以前 AI 只能"回答问题"，现在 AI 开始"帮你干活"。Skywork 桌面版就是这个趋势的典型产品——它不是让你学一堆 Prompt 技巧去"驯服"AI，而是让 AI 直接进入你的工作场景，成为你的同事。谁先学会用 AI 干活，谁就先下班。评论区聊聊：你最想让 AI 帮你处理什么烦人的工作？觉得有用别忘了转发，让更多 Windows 打工人看到这个消息。我是老章，一个爱折腾 AI 工具的人。关注我，一起用 AI 提效。

大家好，我是 Ai 学习的老章之前 DeepSeek-OCR、HunyuanOCR、PaddleOCR 扎堆开源的时候，我已经把环境搞的很好了没想到遇到 DeepSeek-OCR 2 还是栽了跟头 😓。

大家好，我是 Ai 学习的老章我是 vLLM 的粉丝，更新过 N 多相关文章，内网部署大模型全都是使用 vLLM前文之后继续介绍 vLLM 的最新的几个动态。

Wan2.2是阿里通义万相团队推出的第二代视频生成大模型。从官方定位来看，它对标的是 Runway、Pika、可灵等闭源商业产品，目标是成为开源领域最强的视频生成模型。从技术路线上看，Wan2.2 基于架构，并在此基础上做了大量创新。引入 MoE（混合专家）架构：这是 Wan2.2 最大的技术亮点训练数据大幅扩增：图片增加了 65.6%，视频增加了 83.2%电影级美学优化：专门针对光影、构图、色调进行了精细标注推出高效的 5B 轻量模型：支持消费级显卡部署。

OpenCode是一个100% 开源的 AI 编程智能体，可以在终端、桌面应用或 IDE 里使用。和 Claude Code 有什么区别？完全开源：代码全在 GitHub 上，想怎么改就怎么改不绑定模型：Claude、GPT、Gemini、DeepSeek 甚至本地模型都能用，75+ 个 LLM provider 随便切内置 LSP 支持：能自动识别你项目用的语言，加载对应的 LSPTUI 极致体验：这帮人是 Neovim 用户，也是的创造者，对终端的执念可想而知客户端/服务端架构。

HY-MT1.5：18 亿参数的轻量级版本：70 亿参数的完整版这两款模型主打一个“又快又准”：支持33 种语言的互译，还额外覆盖了5 种民族语言和方言。最牛的是，1.8B 的小模型翻译质量居然能逼近 7B 大模型，"小钢炮"属性拉满。[外链图片转存中…(img-WTJUiCxq-1767539031275)]

Z-Image Turbo 在阿里云上的价格为每千张图像 5 美元，是目前最便宜的图像模型之一，比 FLUX.2（每千张图像 12 美元）、HiDream-I1-Dev（每千张图像 26 美元）和 Qwen-Image（每千张图像 20 美元）都要便宜。Z-Image Turbo 是阿里云通义-MAI 团队（与阿里云万和 Qwen 团队无关）发布的首款模型，超越了 FLUX.2、HunyuanImage 3.0 (Fal) 和 Qwen-Image。Z-Image 是一个强大的、高效的图像生成模型，具有。

Presenton本地跑。你可以用 OpenAI、Gemini、Claude 这些云端模型，也可以用 Ollama 跑本地开源模型，数据完全不出你的机器。你可以直接上传已有的 PPTX 文件，让它学习你的设计风格（颜色、字体、间距、布局逻辑），然后批量生成同风格的 PPT。官方管这叫"品牌 DNA"——你的模板一旦创建，后续生成的每一张幻灯片都能保持一致的设计语言。这对企业用户来说简直是福音。✅自定义模板与主题：用 HTML + Tailwind CSS 随便造，无限量创建✅AI 模板生成。

Quotio是一个原生 macOS 菜单栏应用，用 SwiftUI 写的，界面非常精致。统一管理你所有的 AI 账号，实时追踪配额，自动故障转移。说白了，就是在你 Mac 的菜单栏里放一个"AI 账号控制中心"，点一下就能看到所有账号的配额使用情况，不用再一个个网站登录去查了。这货在 GitHub 上已经有1.2k Stars，说明确实解决了很多人的痛点。🔌多Provider支持。

大家好，我是 Ai 学习的老章我看官方部署文档，虽然模型文件只有 230GB，但是如果想要支撑更高上下文达到理想效果，所需显存还是蛮高的：模型权重 220GB+ 每百万 Tokons 上下文需要 240GB 显存。推荐几个主流且稳定的量化版吧，本地跑起来成本低很多。

大家好，我是 Ai 学习的老章最近高频使用 Gemini-CLI，发现很多同学对其了解还是太少了专门在写一篇介绍几个高级用法。

可以实现同样的提示词 + 图片/PDF，利用 Python 多线程并行调用 DeepSeek、Paddle 和 混元这三个模型的 API 进行解析，并将结果并排展示。最近的 OCR 大模型我都做了本地部署和测试，还写了一个 API 统一对接这三个模型。使用也很简单，图片/PDF 上传之后，输入提示词，没有特殊要求，使用默认就行。前端其实纯 HTML+CSS+js 实现，为了内网部署，不依赖任何 CND。感兴趣的同学可以试试，OCR 模型 API 部分替换成官方/第三方的 API。

大家好，我是 Ai 学习的老章DeepSeek-OCR 开源有段时间了，我曾详细测试过DeepSeek-OCR 官方项目 README:中有关于 vllm 0.8.5+cu118+transformers>=4.51.1 下进行的详细步骤，但是教程中在线推理部分 vLLM 还是 nightly 版本。我看网上大家根据官方文档进行部署，问题多多。正好，。

大家好，我是 Ai 学习的老章

大家好，我是章北海

【摘要】AlphaXiv是一款AI驱动的论文阅读神器，提供多项高效科研工具：支持与PDF文档对话、高亮引用、多语言查询、自动生成研究博客和BibTex引用。其浏览器插件可一键跳转arXiv等平台，集成Gemini3Pro等大模型免费使用。新增功能包括SOTA模型基准查询、论文地理分布可视化，以及DeepSeek-COR的API调用服务。该工具显著提升论文阅读效率，实现3分钟完成总结翻译，支持中英互转和跨文献概念关联。（149字）

大家好，我是 Ai 学习的老章