AI Repos

1、tools
Strands Agents Tools提供了一个强大的模型驱动方法，通过少量代码即可构建AI Agent。它提供了一系列即用型工具，弥合了大型语言模型与实际应用之间的鸿沟，涵盖文件操作、Shell集成、内存管理（支持Mem0和Amazon Bedrock知识库）、HTTP客户端、Slack客户端、Python执行、数学工具、AWS集成、图像/视频处理、音频输出、环境管理、日志记录、任务调度、高级推理以及群体智能（Swarm Intelligence）等。这些功能旨在为AI Agent提供全面的能力支持，简化开发流程，并支持并行调用多个工具，极大提升了Agent的实用性和效率。

2、watercrawl
WaterCrawl是一款功能强大的开源Web应用，它整合了Python、Django、Scrapy和Celery，用于高效的网页抓取和数据提取。该平台提供高度可定制的爬取选项、强大的多语言搜索功能、实时异步处理以及全面的REST API。WaterCrawl支持Dify、N8N等AI/自动化平台集成，并提供多种客户端SDK。它可进行本地Docker部署，并强调在生产环境部署前需更新MinIO配置和环境变量，确保数据安全和功能正常。

3、RAG-Anything
RAG-Anything是基于LightRAG构建的一体化多模态文档处理RAG系统，旨在解决传统RAG系统无法有效处理现代文档中多模态内容（如图像、表格、公式、图表和多媒体）的挑战。该系统提供端到端的多模态管道，从文档摄取、解析到智能多模态查询应答，并支持PDF、Office文档、图像等多种文件格式。RAG-Anything通过MinerU进行高保真文档结构提取，并通过专业内容分析器、多模态知识图谱和混合智能检索，实现对文本、视觉、结构化数据和数学表达式的无缝处理和查询，特别适用于需要统一处理混合内容文档的学术研究和企业知识管理等场景。

4、CreatiDesign
CreatiDesign是复旦大学与字节跳动智能创作团队推出的一款统一多条件扩散Transformer模型，旨在解决自动化平面设计中对图像、次要视觉元素和文本等异构元素的精确控制难题。其核心在于通过最小的架构修改实现多设计元素的灵活和谐集成。模型具备多条件图像生成、借助多模态注意力掩码机制实现精准元素控制、以及支持零样本编辑等关键特性。研究团队还构建了包含40万平面设计样本的多条件标注数据集，并进行了全面的基准评估。

5、magenta-realtime
Magenta RealTime（Magenta RT）是谷歌推出的一款Python开源库，专为在本地设备上流式生成音乐音频而设计。作为MusicFX DJ Mode和Lyria RealTime API的本地伴侣，它允许用户通过简洁的代码指令生成短音频片段，并支持利用MusicCoCa模型融合文本与音频风格，以及使用SpectroStream进行音频分词。该项目旨在降低音乐创作门槛，提供GPU/TPU支持，并计划发布技术报告及更多功能，目前已开放Colab演示和本地安装，鼓励开发者参与贡献。

6、agents
Agents framework是一个开源平台，专为构建能够实时看、听、说的AI语音Agent而设计。该框架提供灵活的集成能力，支持多种STT、LLM、TTS和实时API的组合，并内置作业调度和分发功能。它与LiveKit的WebRTC客户端和电话系统无缝协作，支持数据交换和语义轮次检测。Agents框架具备MCP原生支持，允许在自有服务器上运行整个堆栈，包括LiveKit媒体服务器，为开发者提供高度可定制和开放的AI Agent构建环境，适用于开发交互式语音应用。

AI News

1、文心快码发布Comate AI IDE：首个多模态、多智能体协同AI开发环境
百度智能代码助手文心快码近日在百度AI开放日发布了其独立AI原生开发环境工具——Comate AI IDE。这款行业首个多模态、多智能体协同的AI IDE，通过首创的设计稿一键转代码功能，为开发者提供了高效、智能且安全的编程体验。Comate AI IDE在智能、拓展、协同、灵感四方面全面提升，具备AI辅助编码、多智能体协同以及多模态能力增强（如设计稿、图片、自然语言转代码）等核心功能，大幅提高了前端开发效率。此外，它还内置了多项开发工具，并支持MCP对接外部工具与数据，覆盖开发全流程。同时，“Comate Next计划”也已启动，旨在推动人机协同研发范式落地，并向全球开发者与企业开放共建通道。

2、网易有道开源“子曰3”数学模型：低成本高性能赋能教育公平
网易有道于6月23日正式开源其最新数学教育推理模型“子曰3”（Confucius3-Math），旨在通过低成本、高性能的AI工具助力教育公平。该模型能在消费级GPU上高效运行，训练成本仅为2.6万美元，推理性能达到DeepSeek R1的15倍，在高考数学题评测中取得98.5高分。其极低的服务成本（每百万token仅0.15美元）显著降低了AI在教育场景的应用门槛，有望缓解中小学教育资源不均和个性化辅导不足等问题。网易有道希望通过“子曰3”的开源，吸引更多开发者共同探索AI在教育领域的应用潜力，强调AI是推动教育公平的重要杠杆而非替代教师。

3、字节跳动内测美食AI产品“探饭”：豆包大模型赋能生活服务
字节跳动用户增长团队近期推出一款名为“探饭”的AI产品，该应用搭载豆包大模型，旨在为用户提供智能美食向导服务。据透露，“探饭”已支持购买团购套餐、点外卖及AI点菜等功能，目前通过抖音小程序进行小范围测试。此举显示出字节跳动正积极将AI技术融入本地生活服务领域，以期提升用户的美食体验。去年9月，“探饭”商标的申请也进一步印证了字节跳动对该产品的战略部署和未来发展规划。

4、阿里云发布PAI-TurboX：自动驾驶模型训练提速50%
近日，阿里云正式推出PAI-TurboX，这是一个面向自动驾驶领域模型的训练与推理加速框架，旨在提升感知、规划控制及世界模型的训推效率。该框架通过优化系统和数据处理，可将训练时间缩短高达50%，并在多模态数据预处理、大规模模型训练和实时智驾推理等多个环节提供全面解决方案。目前，PAI-TurboX已成功应用于多家车企，显著提升了自动驾驶技术的研发效率，例如在BEVFusion模型训练中提速58.5%，在MapTR中提速53%。此举将进一步推动自动驾驶领域的技术创新和应用落地。

5、MiniMax推出Voice Design音色设计功能：自由组合语言、口音、音色
MiniMax近日推出创新功能Voice Design音色设计，标志着语音合成技术的重大突破。此功能与Speech-02语音模型紧密结合，用户通过自然语言描述即可实现对语音的多维度精准控制，生成前所未有的音色。它支持“任意语言 × 任意口音 × 任意音色”的无限自定义组合，解决了现有音色库难以满足细分需求及复刻音色需大量素材和版权风险等挑战。用户只需简单描述，即可像“抽卡”般轻松获得并存储专属音色，极大地降低了AI语音技术的使用门槛。

6、月之暗面发布首款自主智能体Kimi-Researcher：HLE测试超越谷歌和OpenAI
月之暗面（Moonshot AI）近日推出了其首款自主智能体产品——Kimi-Researcher，正式进入AI智能体竞争领域。这款擅长多轮搜索与推理的智能体，在“人类终极考验”（HLE）测试中表现卓越，以26.9%的Pass@1得分率登顶，超越谷歌和OpenAI的同类产品。Kimi-Researcher基于Kimi k-系列模型内部版本构建，并通过**端到端强化学习（RL）**训练，展现了强大的信息处理和分析能力，平均执行23个推理步骤并浏览200多个网址。月之暗面已开放内测申请，并计划未来几个月内开源其基础预训练模型及强化学习训练后的模型。

7、月之暗面开源Kimi-2506：多模态智能体视觉理解能力重大升级
近日，月之暗面正式发布并开源了其多模态模型Kimi-VL-A3B-Thinking的最新版本——Kimi-2506，标志着智能体和视觉理解技术的重大进步。该版本在多模态推理基准测试中表现出色，尤其在MathVision和MathVista上分数显著提升，同时平均思考长度减少20%，大幅提升了推理效率。Kimi-2506的视觉理解能力也显著增强，支持高达320万像素的图像处理，并在图像理解、图表推理、数学计算、长PDF理解和视频分析等多个应用领域展现了出色性能。

8、蚂蚁开源轻量级MoE推理模型Ring-lite：实现SOTA效果并全面透明化
蚂蚁技术团队近日正式开源其轻量级MoE推理模型Ring-lite，该模型总参数16.8B，激活参数仅2.75B，却在AIME24/25、LiveCodeBench等多项推理榜单上取得了SOTA（State-of-the-Art）效果，比肩3倍激活参数大小的Dense模型。Ring-lite凭借独创的C3PO强化学习训练方法、优化长CoT SFT与RL的训练比重，并成功解决多领域数据联合训练难题，在数学、代码、科学领域实现协同增益。值得一提的是，其高考数学全国一卷测试成绩可达130分左右。此次开源不仅包含模型权重和代码，还将逐步公开所有训练数据集、超参配置及实验记录，实现了全链路透明化。

9、MiniMax重磅发布视频Agent工具：一句话生成高清视频，人脸ID完美一致！
MiniMax近日推出创新视频Agent工具，实现了通过简单文本指令生成高清视频（720p，25帧/秒，最长6秒），极大地提升了视频创作效率。该工具还支持上传人脸图片，并能确保生成视频中人物的人脸ID高度一致，为虚拟主播、品牌代言等个性化定制场景提供了可能。这款工具依托MiniMax强大的多模态AI技术，并提供API接口供开发者集成。尽管面临Sora等强大竞争对手，MiniMax凭借其易用性和人脸一致性功能，在细分市场找到突破口，预示着AI视频生成技术进入新纪元。