AI产品狙击手

GPT Image 2.5 全量开放，免费账号也能直接用！今天拿祖传图片测评用例实测，左侧图片菜单旁出现新标识，点开 template 模板看到对应 logo 就代表是最新版本。 第一道压轴题上传多人图片，要求互换左右两个人物位置，画面看似完成交换，但出现明显 bug——人物交换后还残存了多余的手部图像。 第二道测试中文能力，生成水彩风格珍珠海 5 天行程插画，整体画面尚可，但图内出现错字，更换提示词生成桂林手绘三日行程图，模型能自主推理规划行程，可文字错误字更多，能看出中文文字渲染依赖旧短短板明显。 第三题生成 3D Q 版两层咖啡杯造型星巴克建筑，画面效果惊艳，提示词遵循到位。 第四题上蚂蚁巢穴城市天气卡，构图观感很好，耗尽只能终止测评。这套实测能看出它图像生成有亮点，但中文文字渲染、图像物体编辑仍存缺陷，你觉得 GPT Image 2.5 表现如何，有优质测评用例欢迎分享，后续我加到祖传测评集里…… 访问入口

企业搭建 AI 语音客服、数字人实时语音有新方案！ 开源框架 LiveKit Agents，可将文本大模型转为支持通话的语音助手，GitHub 14k+star，几十行代码即可搭建，支持电话客服、自动外呼、数字人语音，结合 WeKnora 企业知识库实现智能问答与客服自动化。 自带端点检测避免抢话，支持多 Agent 业务接入，MCP 快速接入工具，支持私有化部署，Apache-2.0 协议可商用。 做语音机器人、数字人的企业可以跑示例体验一下…… 访问入口

Agnes 3.0 Flash 免费可用的大模型实测来了！ 使用 pi 接入并开启思考模式，指令生成测试仅有半数句子通顺，24 点任务上下文中断，密码锁推理答案错误。全部编程测试项目接连报错、运行中断，服务稳定性很差。 整套测评下来，也就 API 免费勉强算得上优，其余能力一言难尽。你觉得这个模型还有哪些可用场景呢…… 访问入口

Deepseek V4.1 预览版多态实测来了！上一轮我们测试推理与编程能力，今天直接拿祖传多态测试用例检验图像能力，该模型暂不支持视频，所以只做图片测试。 首先传入《老无所依》电影截图片名询问影片名称，任务跑了二十多分钟，Deepseek Harness 浏览器几乎卡死，只能终止任务。过程中模型可以识别画面内容，但始终识别不出电影名字。换一张同影片简单截图，耗时五分钟多才成功识别出来。 接下来判断图片里对话亭相对黄色货车的方位，模型准确答出右侧，答案无误。 找不同题中，精确定位第一行第四列倾斜十二度，多观察能力可圈可点。再提升难度，统计画面里雄鸳鸯数量，雄性 5 只识别正确，雌性统计出错——把画面左侧的野鸭错误计入雌性鸳鸯数量。 原本准备两道视频测试题，受限于模型不支持视频输入无法开展。整体图片测试有亮点也有明显短板，大家觉得这个模型多模态水平到底如何…… 访问入口

千万别再从零手写 Agent 框架重复造轮子了！Qoder Agent Harness SDK 完美解决开发痛点，不用自己硬搓复杂的 Agent 循环和工具调用逻辑，传统大模型调用繁琐的底层代码全部内置封装，开箱即用，大幅缩减开发工作量。 同时支持 TypeScript（@qoder-ai/qoder-agent-sdk）与 Python（qoder-agent-sdk）双端 SDK 接入 支持自定义 MCP 服务接入各类业务功能，配置简单、上手门槛极低 内置流式响应输出、工具权限管控、代码理解与编辑能力，一行代码即可拉起智能体 通过 Personal Access Token（PAT）鉴权，可在 qoder.com/account/integrations 一键生成 轻松将成熟的 Qoder Agent 能力集成到自有业务中，性价比和实用性直接拉满 访问入口

Deepseek 全新内测 v4.1‑flash 中间版实测来了！模型标识为 deepseek‑v4.1‑flash‑expires‑on‑0910，直接搬出祖传全套测试用例，在 pi 环境把思考模式拉满开启测评。 第一题强约束指令生成测试，句子结尾全部满足 1‑10 格式，仅有第七句语句不通顺其余表现尚可。 第二题新版 24 点需要输出三组解法，三个答案全部正确。 第三题七位数密码锁推理也成功算出标准答案。 来到编程能力测试，第四题精美浏览器操作系统出现桌面空白，推测背景图加载失败，弹窗与 Dock 栏功能正常，但太空射击游戏直接报错无法运行。 第五题 3D 赛车游戏完成度很高各项功能运行正常。 第六题零第三方库 Trello 看板界面中规中矩，列表、卡片的增删改拖拽全部可以正常使用。 整套测评下来浏览器操作系统项目拖了后腿，否则可以拿到更高分数，不过作为 flash 版本整体响应速度十分出众，大家对这个模型有什么想法欢迎评论区留言。 访问入口

什么开源 TTS 语音几乎和真人无异？OpenBMB VoxCPM 仅 2B 参数，GitHub 36.8K 星，端到端直接生成连续语音，跳过传统 token 拼接流程，情绪语气更自然，pip 一键安装，支持三十种语言，粤语、四川话、吴语直接合成，支持音色克隆，输出 48K 高保真音质，8G 显存即可部署，显卡、Mac、CPU 都能跑，Apache-2.0 协议支持商用，做播客、有声书、产品语音可以拿去实测，体验后欢迎评论区交流。 访问入口

上一集我们装好了开源的 WeKnora ，但你却不知道怎么配置使用？这一集教大家怎么用！部署完成访问localhost注册登录，需要配置对话大模型与词嵌入模型，支持千问、DeepSeek、本地 Ollama 多种选项，填好参数后新建知识库，上传 PDF 文档，系统完成向量化处理，之后就可以基于上传文档提问，回答附带来源溯源，点击引用直接查看文档对应片段，还支持 Wiki 浏览模式与知识图谱查看，实操教程到此结束，建议收藏慢慢研究。 访问入口

很多人私信问 WeKnora 企业知识库该怎么部署，实操来了！直接把部署交给千问办公，复制 GitHub 地址提交，AI 自动检测环境，自动启动或者安装 Docker，拉取项目镜像完成部署。可以打开 Docker Desktop 确认五个容器正常运行，不懂技术不用管底层细节，浏览器访问localhost即可打开 WeKnora。整套部署操作门槛很低，后续如果需求量大，我再更新一期配置入门教程，下集见…… 访问入口

企业想落地 AI 知识库、AI客服是不是踩了一堆坑？老板天天催 AI 落地，实际做起来既要折腾向量库又要反复调提示词，折腾半个月，AI 回答还不带来源，业务部门根本不敢用，做客服还容易一本正经胡说八道，答错比不回复更麻烦…… 访问入口