Dodaios 发布:支持语音调度的开源桌面智能体工作区
Dodaios 是一款开源的桌面智能体操作系统,支持在 Windows、macOS 和 Linux 上本地运行编码代理、浏览器应用,并通过语音或聊天进行控制。其核心 Agentic IDE 允许多个编码工具在独立终端面板中并行工作,用户可通过语音指令分配任务,且所有涉及系统变更的操作均需用户审批。
推荐理由:提供了一个本地优先的智能体运行环境,允许通过语音调度多个编码代理并行工作,并包含详细的安全审批机制。
内容形态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
329 条精选近 30 天 131 条共收录 3,284 条
Dodaios 是一款开源的桌面智能体操作系统,支持在 Windows、macOS 和 Linux 上本地运行编码代理、浏览器应用,并通过语音或聊天进行控制。其核心 Agentic IDE 允许多个编码工具在独立终端面板中并行工作,用户可通过语音指令分配任务,且所有涉及系统变更的操作均需用户审批。
推荐理由:提供了一个本地优先的智能体运行环境,允许通过语音调度多个编码代理并行工作,并包含详细的安全审批机制。
SoMark 团队发布开源文档解析模型 OXR(1.3B 参数),在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三大基准上均取得第一名,其中 OmniDocBench 得分 97.18。
推荐理由:1.3B 模型凭借 RSI 训练范式在三大基准登顶,展示了低成本实现高精度文档解析的路径。
10月30日,成立半年多的破壳机器人(PokeBot)发布首个模型产品 RoboAPI,同步首发世界模型 Poke-Aurora。RoboAPI 面向真实物理世界,开发者在适配的机械臂上接入后,仅需一句 prompt 指令即可让机械臂在陌生环境中执行任务,验证其零样本泛化能力。当前该服务非商业化,开发者可通过快速开始文档免费接入。
推荐理由:文章拆解了 RoboAPI 降低开发门槛的逻辑,揭示了具身智能走向 API 化的行业新趋势。
智元在A.I.DAY发布会上发布面向物理AI落地的多项成果,包括GO-3 Preview、AGILE、WITA-OMNI、AHA3与灵渠OS 1.0,并宣布与开放原子开源基金会共建中国人形机器人开源社区、2026年底开源灵渠OS 1.0约2亿行代码。
推荐理由:把智元在模型、硬件、操作系统和生产力度量上一次性拉通的信息压缩成一篇完整链路,方便观察具身AI从炫技转向真实部署的关键路径。
苹果推出首款触屏 MacBook Pro,搭载 M5 Pro/Max、双层 OLED 屏幕与 128GB 统一内存,支持离线跑千亿参数大模型。其首字响应速度较 M1 机型提升 12 倍,机身减重至 1.82 千克。国行 14 英寸售价 22,999 元起,顶配总价达 11.26 万元。
推荐理由:触屏、灵动岛与高性能本地算力结合,为重度创作者和端侧模型用户提供一台可离线处理任务的终端。
OpenAI 宣布 ChatGPT Pro 和 Business Premium 用户使用额度翻倍并立即生效。Pro 200 档用户用量恢复至较高水平,每周可使用 GPT-6 Pro 聊天 200 条且无 5 小时用量限制,Ultrafast 功能仍保留给 Pro 500 用户,Plus 级会员额度不变。
推荐理由:Pro 级套餐额度统一翻倍并取消部分限制,读者可直接了解当前 ChatGPT Pro 的用量规则。
Sheetgraph 把 xlsx、xlsm、xls、xlsb、ods、csv 和 Google Sheets 提取为更短的 REPORT.md、公式依赖图和逐格 cell 数据。
推荐理由:作者展示了把电子表格压缩为 agent 可读取报告的能力,并给出安装和 skill 入口,可以判断它能否接入现有工作流。
法国公司Mistral表示,其经过进一步优化的开源权重模型Le Chonk现在是“全球最佳”的自动化编码与网络安全模型,参数量达万亿。Mistral称通过输入高难度安全与编码任务,Le Chonk已达到或超越DeepSeek、Z.ai等中国头部实验室模型的水平,且该模型现已免费开放。
推荐理由:原文指出Mistral称新版Le Chonk在编码与安全场景超越中国头部实验室模型,并免费开放权重,可用于理解开源模型的地缘竞争逻辑。
OpenAI的200美元Pro订阅从明天起,Codex和ChatGPT Work的额度从Plus的20倍降至10倍,GPT-6 Pro每周消息数也从200条降至100条,月费保持不变;作为补偿,OpenAI向受影响用户发放62500个Codex积分,约合2500美元,有效期至2026年12月31日。
推荐理由:Pro 200美元套餐从明天起Codex与ChatGPT Work额度减半,GPT-6 Pro每周消息数也同步缩水,直接触及重度开发者最核心的算力成本账。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,支持在 Apple 平台运行开源语音识别与决策模型。
推荐理由:Hugging Face 官方提供 Swift 包实现 Apple 平台语音识别与决策模型,支持本地运行多家开源模型及音频流式处理。
OpenAI 宣布 Dot 功能新增文本、照片及语音笔记支持,用户可像发送短信一样直接向助手下达任务。该功能通过 iMessage 或 RCS 提供隐私保护,助手会主动发送更新,现已面向美国 Pro 用户开放预览。
推荐理由:该功能支持通过iMessage或语音备忘指令AI助手,展示了日常交互与执行任务的能力扩展。
Google 在 Android Dev Summit 上开放 Android Studio 开发环境,通过 Agent Client Protocol (ACP) 支持运行 40 多种编码智能体,包括 Anthropic Claude、OpenAI Codex 和 Google Antigravity。
推荐理由:原文给出了Android Studio支持BYOA和多智能体接入的具体机制,读者可以判断第三方AI工具将如何嵌入现有开发流。
蚂蚁灵光2.0将产品定位从AI助手转为“能管事的个人助理”,可长期跟踪租房、记账、比价等任务。灵光2.0接入支付宝、钉钉、飞书、QQ邮箱、百度网盘、米家等服务,并通过独立云主机保障任务持续运行;用户可授权支付宝进行收支盘点,并可随时查看、调整或撤销授权。
推荐理由:蚂蚁灵光2.0接入支付宝、钉钉等本地生态,将Personal Agent从持续执行推进到服务连接,给出本土落地的可参考路径。
NVIDIA 今天推出开源权重语音模型 Nemotron 3.5 Transcribe,单个模型即可处理转录、说话人识别和翻译,支持 40 种语言。该模型在 Hugging Face 开放 ASR 榜单排名 No.1,采用约 43 亿活跃参数,比当前排名第一的开源权重模型参数少约 80%。
推荐理由:NVIDIA开源语音模型Nemotron 3.5 Transcribe一次完成转录、说话人分离和翻译,用本地设备即可完成多语种音频信息提取。
Meta 发布 Muse Realtime Avatar,将任意参考图像转化为能实时说话的 AI 角色。该技术与 Muse Realtime Voice 共享语音 token 流,使表情、手势与语音同步,并支持无限实时视频生成。
推荐理由:该发布把 Muse Realtime Voice 接入 Diffusion Transformer,实现 25 FPS 的 448x768 实时视频生成,并将推理优化降至 870 毫秒延迟。
Nuvrail 是一个开源的邮件代理网关,旨在防止 AI 智能体未经确认执行破坏性操作。该工具拦截 IMAP/SMTP 写入指令(如删除、移动、发送),暂存至本地并推送通知供人工审批,读取操作则直接透传。其核心机制彻底屏蔽 EXPUNGE 命令以防止永久删除,支持 Gmail 和 Outlook 等主流邮箱服务,并提供详细的 Docker 部署与自托管指南。
推荐理由:Nuvrail 通过网关拦截 AI 邮件操作并强制人工审批,为解决智能体误删或误发邮件风险提供了可自托管的解决方案。
AgenticBench 发布,针对 25 个 AI 编码智能体运行 9 项安全测试。每个测试在独立容器中运行,通过捕获系统调用、模型请求和网络流量来评估结果。测试包括防止未经请求的秘密访问、防止仓库内容覆盖用户边界、工具输出覆盖等。部分厂商如 Aider、DeepSeek、xAI 和 Cursor 已公开披露测试中发现的安全漏洞。
推荐理由:原文构建了 9 项测试矩阵,覆盖了 25 个主流 AI 编码工具,直接展示了当前主流工具在提示词注入防御上的实际表现差异。
QuickReview 发布自托管 AI 代码审查工具,在 GPT-6.1 Sol 模型下发现 97% 的高严重度缺陷,优于 Claude Code 和 Codex。每个 PR 审查成本约 2 美元,耗时 17.5 分钟,支持本地部署和数据安全隔离。
推荐理由:原文给出了高召回率缺陷捕获机制的成本与精度权衡,可评估其能否替代现有 AI 代码审查工具。
Carmen 是一个测试和验证 LLM 生成的 Metal GPU 内核的工具。实测显示,Claude 生成的融合内核在 Qwen 0.5B 上比 MLX 快 1.82 倍,但受限于内存带宽,在 3B 模型上加速效果微乎其微;实际提升主要依赖推测解码。
推荐理由:揭示了单核优化在内存受限场景下的收益极限,并给出了在本地 Mac 上验证模型加速的可执行 CLI 方法。
腾讯企业微信与 WorkBuddy 正式打通,AI 智能体直接入驻企微侧边栏与通讯录。用户在授权范围内,AI 可读取企微消息、文件、日程及邮件,梳理工作上下文并直接生成或分发文件至企微会话与微盘。功能覆盖线索管理、客户打标及 CRM 录入等企业业务流程,无需额外下载客户端或跳转外部工具,支持企业利用现有组织架构与权限体系管理 AI 使用。
推荐理由:原文指出该功能将AI直接嵌入办公流并打通数据,企业无需部署新系统即可利用存量信息。