AI 资讯

EvaOmni 是上海交大、复旦、腾讯优图等开源的全模态大模型评测基准，含 392 段真实视频、1,027 道人工标注问答，覆盖 15 种能力、3 个推理层级。EvaOmni需同时给出答案及音频、视频证据时间区间，按答案准确率、证据覆盖、双模态定位三项指标评分。

OmniEdu是北京大学DCAI团队联合国科大、中关村学院开源的教育多模态模型系列，提供27B、9B、4B三种规模。OmniEdu强调教学能力，能解答学科题目、判断知识点的课程位置、诊断学生错因，并选择合适的教学动作。

OXR 是守扣科技 SoMark 开源的 1.3B 文档解析模型，面向 PDF/文档图片，输出 Agent 友好的 Markdown/JSON，可识别文字、表格、公式、化学方程式/结构式、代码等 13 类元素，并给出版面坐标与阅读顺序。

baoyu-design 是宝玉开源的项目，把 claude.ai 的设计引擎打包成可移植的 Agent Skill，让 Cursor、Claude Code、Codex 等 70 多个本地 Agent 直接生成高保真 UI 稿、原型、幻灯片、设计系统和数据仪表盘。

WeVisCut 是腾讯微信视觉开源的长视频自动剪辑 Agent，输入旁白脚本，一个 9B 小模型策略借助共享生产状态的运行时，自动完成分镜、配音、素材检索、合成与质检修复，直接输出数分钟成片。

GPT Images 2.6是OpenAI推出的新一代图像生成与编辑模型，已在ChatGPT、Codex和API全量上线。GPT Images 2.6生成速度提升50%，最快6秒出图；API端拆分为Flare和Sunburst两个型号，以complexity与quality参数分别控制场景规划和画质细节，兼顾速度与一致性。

WeVisOne-VL 是腾讯微信视觉团队开源的视觉-语言基础模型，基于 Qwen3-VL，提供 2B 和 4B 两个版本。WeVisOne-VL 用统一的结构化 token 预测方式，让一个模型同时完成检测、指代定位、计数、指点、OCR、指代分割和可提示抠图七类任务，通过一个仅 960 万参数的像素解码器直接输出掩码或发丝级抠图，无需外挂 SAM。

Piccolo是阿里AgentScope团队开源的决策模型系列，含27B、9B、4B三个尺寸。Piccolo能直接输出结构化决策结果与概率，可嵌入智能体工作流的工具选择、权限判断、失败恢复等环节，能用于数据处理与游戏实时决策。

Kimi Hosted Agents 是月之暗面推出的企业级托管智能体服务，定位为 Harness as a Service，把 Agent 运行所需的执行环境、会话管理、工具调用、权限控制等框架做成云端服务，企业无需自建可获得 7×24 小时运行环境，支持长程任务与多智能体协作。

android-ad-cleaner（安卓去广告） 是开源的国产安卓手机一键去广告工具。android-ad-cleaner通过ADB连接手机，自动关闭系统与厂商App里藏得很深的广告、热搜、营销推送开关，不root、可还原。

书童 Pagekin 是开源免费的 AI 长篇小说写作桌面软件，支持 Windows 和 macOS。书童 Pagekin 把写小说拆成设定、架构、蓝图、写稿、审稿、修稿、定稿的流水线，AI 负责起草和辅助，每一步都由作者确认，通过章节级上下文管理避免长篇写作中的记忆衰减。

LongCat-2.5是美团LongCat推出的原生多模态模型，总参数1.6万亿、每token激活约480亿。LongCat-2.5面向长程智能体任务，将视觉信号离散化为多层级token与文本统一处理，强化Visual Coding能力。