视频代理框架Director处理复杂的视频任务，Day 3 OpenAI 布了 Sora
Director是一个视频代理框架，用于处理复杂的视频任务；Clevrr Computer是通过PyAutoGUI实现高效系统操作；实时个性化推荐系统课程涵盖H&M时尚商品的推荐系统的构建与部署；RAGLite支持PostgreSQL和SQLite数据库的数据检索增强生成；sora提供分辨率高达1080p、功能丰富的视频转换工具，包括文本转视频、图像转视频等。
每日AI新工具
23k star 的智能求职助手，Obsidian 的插件AI撰写内容并引用笔记库中的信息，直接在浏览器中去除图像背景
Auto_Jobs_Applier_AI_Agent是基于人工智能的求职助手，提升求职效率。Smart Composer 是一款Obsidian插件，帮助用户高效撰写内容。Image Background Remover in the Browser是一款去除图像背景的应用程序。ControlFlow是一个Python框架，用于构建智能工作流。O1-CODER结合强化学习和蒙特卡洛树搜索生成代码模型，旨在提升系统化推理能力。
DeepMind 发布中期天气预报模型GenCast，OpenAI十二天的第一天，微软发布3D生成模型TRELLIS
GenCast是一个基于扩散模型的中期天气预报工具，提供多个预训练模型及示例代码。TRELLIS是大型3D生成模型，支持多种格式的3D资产生成和灵活编辑。Report mAIstro是一款报告生成工具，利用LLM快速创建定制化报告。Qodo Cover 是一个测试用例自动生成工具，帮助提高代码覆盖率。OpenAI发布完整版O1模型及ChatGPT Pro订阅服务，包括多模态输入支持、处理速度快等特性。
亚马逊推出的新一代基础模型Nova，AIMedia帮助用户自动抓取热点新闻、生成新闻内容，并自动发布到各大平台
亚马逊Nova推出新一代基础模型提升AI应用智能性和成本效益；AgentLab为网页代理研究提供开放框架；ComfyUI为HunyuanVideo提供包装节点简化使用；TinyFusion优化扩散变换器结构提高训练效率和性能；AIMedia是一款全自动AI媒体软件，实现热点新闻抓取及自动发布。
李飞飞AI巨制：一张图生成3D世界，玩家可自由探索，沉浸式人机对话Dippy，专为长视频描述而设计的系统StoryTeller
文章介绍了五项创新技术与工具，包括World Labs的3D场景生成、Dippy Empathetic Speech Subnet用于沉浸式对话、StoryTeller针对长视频描述的技术、ComfyUI-KLingAI-API让用户直接使用KLing AI API以及Flow作为轻量级任务引擎简化AI代理构建。
ChatRex是一个多模态大语言模型，FreysaAI 智能体黑客比赛尝试说服AI释放奖金， 快速构建MCP服务器
本期介绍多模态大语言模型ChatRex、3D物体物理材质生成方法Material Anything、简洁高效Python库FastMCP、开源AI语音处理工具包ClearerVoice-Studio以及对抗性人工智能代理游戏Freysa。
月之暗面Kimi与清华大学发布Mooncake开源项目，阿里发布QwQ-32B-Preview模型，推理能力强劲
Mooncake是专为大规模语言模型服务的分散架构平台；QwQ致力于推进人工智能推理能力，并在各种基准测试中表现优异；Next.js AI Chatbot x Supabase提供高效的聊天功能与数据存储解决方案；Insight-V是一个早期探索长链视觉推理的多模态大语言模型；《AGI之路》深入探讨了大模型构建与应用的关键技术。
是宣传还是事故OpenAI Sora泄露API，完全开放语言模型OLMo 2，anthropic开放MCP旨在连接万物
本期内容涵盖了SoraVids、OLMo 2、StableAnimator、OneDiffusion和Model Context Protocol等五个AI项目。其中，SoraVids由desuAnon发布在Hugging Face平台，提供OpenAI视频生成模型Sora的视频及提示；OLMo 2是Ai2开发的完全开源语言模型；StableAnimator致力于高质量的人像动画生成，保持身份一致性并无需后处理；OneDiffusion是一个多功能的大规模扩散模型，支持双向图像合成和理解。Model Context Protocol则提供了一个新的标准连接AI助手与数据源，优化响应质量。
微软准备开源LazyGraphRAG大大提升信息检索与生成的效果，管理 Cursor 编辑器的 AI 聊天记录，支持搜索和导出
LazyGraphRAG是一种高效图神经网络架构，结合图结构化信息和生成模型提升信息检索和生成效率。OminiControl是简约强大的通用控制框架，支持扩散变换器模型的多种生成任务。Freeze-Omni是智能低延迟语音对话模型，基于冻结的文本大语言模型。OpenReasoningEngine是一个模块化的开源推理引擎，通过开放协作提升模型能力。Cursor Chat Browser是一款Web应用程序，用于管理AI聊天记录，提供搜索和导出功能。
专门为解数独拼图而训练的 RWKV 模型，吴恩达开源统一接口的库，DINO-X高效实现开放世界中的物体检测与理解
Sudoku-RWKV是专门为解数独而训练的RWKV模型；ComfyUI_AdvancedRefluxControl调整Redux模型中的图像条件控制；DINO-X在物体检测和理解方面表现优异；aisuite简化多个生成式AI服务访问；oneShotCodeGen通过单一提示快速生成全栈Web应用。