标签： Gemini

OpenAI的GPT-Image-2现在可以生成无背景图像

OpenAI 在 GPT-Image-2 的 API 中开放了透明背景生成能力，允许模型直接输出无背景 PNG 图像。此举绕过了传统抠图流程，对电商、设计和办公场景有直接价值。

阿里正式开源 Qwen-UI-Agent，一个面向真实手机、桌面和网页环境的 GUI 智能体基座模型。它把测试场景从模拟器搬到真机，并在多个国际基准上超过了行业头部闭源模型，值得开发者重点关注。

OpenAI 将 Codex 智能体的核心运行框架 Codex Harness 全面开源，开发者可基于其 Agent 执行环境构建自有 AI 编程工具。这意味着 AI 编程的竞争正从模型能力延伸到工具链与工程化层面。

Vercel 将 AI 应用构建智能体 v0 以 API 形式开放，开发者可以在自己的产品、脚本或 CI 流水线中调用它生成、迭代并部署应用。这意味着 AI 生成应用的能力从“网页里的玩具”变成了可编程的基础设施。

商汤科技开源了 8B 参数的多模态大模型 SenseNova U1.5Lite，主打原生 4K 高分辨率输出和更可靠的图像编辑能力，在复杂版式与文字渲染场景中试图对标更大规模的商用模型。

SAP与电竞俱乐部Team Liquid合作推出AI语音应用，把比赛和训练中的队内语音自动转成带时间戳的结构化数据，帮助战队复盘战术、评估选手状态。这是AI语音技术从通用转写走向垂直行业数据分析的一个具体案例。

Mistral AI 正式推出 Agentic Search，通过多步检索与工具调用替代传统单次向量检索，在复杂财务文档问答任务中把准确率提升至 86%。这项技术意味着大模型不再只是“凭记忆回答”，而是能主动翻阅、定位和交叉核对文档内容。

Liquid AI 与 Hugging Face 联合发布 LFM2.5 系列三个核心模型的 DSpark 草稿模型，通过投机解码将 GPU 推理吞吐量最高提升 3.18 倍，且不改变模型输出质量，为边缘设备运行 agent 应用扫清了性能障碍。

一位开发者用多张“电子垃圾级”GPU 搭建家用 AI 推理服务器，并公开了如何通过调整 llama.cpp 等现成工具的参数，让这套异构多卡系统跑出可用性能。它说明在高端算力短缺的当下，消费级硬件组合仍有优化空间，但瓶颈并不在算力而在显存带宽。

一条标注为“AI成人短剧”的《借来的夏天》连载内容在 X（推特）上获得超 29 万次浏览，但评论区已有用户指出其本质是诱导跳转网盘的外部链接，并非真正意义上的 AI 生成作品。