一句话就能生成「我的世界」，腾讯发布混元3D世界模型，继续开源｜WAIC2025
腾讯发布混元3D世界模型1.0，能基于一句话生成完整、可交互的360度沉浸式3D世界，并支持物理仿真与编辑，将推动游戏开发和虚拟现实领域的发展。
自然语言描述
生图效果媲美GPT-4o，一键搞定各类视觉生成任务丨港科广&字节全新框架
港科大（广州）和字节联合出品的开源框架ComfyMind，能够根据一句描述生成高质量图像或视频。它结合树状规划与局部反馈执行机制，性能超越现有开源方法并接近闭源GPT-4o-Image。
2.3K 标星！开源AI多智能体构建器，轻松打造复杂工作流，MCP集成！
多智能体系统正在成为复杂任务自动化的关键工具。Rowboat 是一款基于 OpenAI 的 Agents SDK 的 AI 驱动的多Agent构建器，支持自然语言描述需求生成工作流，并提供丰富的 API 和 SDK 支持。
让电脑自己会干活，AI驱动的本地自动化工具autoMate
autoMate是一款革命性的AI+RPA自动化工具，能够自动操作电脑界面、智能理解屏幕内容并自主决策。它简化安装流程、支持本地化部署，并通过自然语言描述任务实现复杂自动化流程，旨在帮助用户解放创造力，提高工作效率。
AI能看懂细节了！IDEA研究院多模态目标检测模型DINO-XSeek，自然语言精准定位目标
基于多模态大语言模型的DINO-XSeek目标检测模型实现了精准感知和理解复杂场景中的目标，能够通过自然语言描述识别出具体细节，如人物的穿着、位置等信息。该模型结合了视觉与语言理解能力，在实际应用中可应用于工业制造、安防、农业等多个领域。