EASYHUB JOURNAL / 2024-12
2024年12月 AI 资讯
16 篇选读，按原文日期从新到旧。点击标题查看摘要、配图及原文链接。
- Hugging Face
smolagents 用代码表达工具操作，简化智能体开发
Hugging Face 推出 smolagents，以较小的代码框架连接语言模型和工具，支持用 Python 动作串联检索与计算，也保留常规工具调用方式。开发者可接入本地模型或云端接口，并选择隔离执行环境；固定流程已经足够时，不必强行引入自主循环。
- IT之家
ModernBERT 更新轻量编码器，面向分类和向量检索
ModernBERT 将长上下文及新训练方法引入编码器模型，提供两个小尺寸版本。它主要服务表征、分类与检索，不应因为同属语言模型就当作聊天生成模型使用。
- IT之家
CogAgent-9B 开放，让智能体从屏幕图像理解操作
智谱开放 GLM-PC 的基座模型，强化界面感知、动作预测与中英文屏幕交互。模型输出操作意图并不等于操作必然正确，实际电脑任务仍应有授权、验证与退出机制。
- IT之家
ReDrafter 接入 TensorRT-LLM，探索推测解码加速
苹果与英伟达将 ReDrafter 的草稿生成和验证机制接入推理框架，减少生成延迟。报道中的加速比来自指定硬件及模型测试，不代表所有部署都会获得相同提升。
- IT之家
Apollo 研究系列聚焦视频理解与较小模型
Meta 与斯坦福的 Apollo 研究探索视频语言模型的设计与训练，包括较小尺寸版本。重点是理解视频内容而非生成视频，报道中的模型比较应放在对应测试条件下理解。
- IT之家
Ruyi-Mini-7B 开放图生视频与 ComfyUI 工作流
Ruyi 提供图生视频模型和消费级显卡部署说明，可用关键帧生成片段或过渡。报道同时列出手部、多人脸部和转场缺陷，适合作为需要人工筛选与修整的创作工具。
- IT之家
MarkItDown 将多种文档转为适合检索与分析的 Markdown
微软开放 Python 工具 MarkItDown，将 Office、PDF 等文件转成 Markdown，便于后续索引、检索和文本分析，也可选配大模型补充图片描述。它服务于内容提取和知识处理，不是新聊天模型，也不以还原原文打印版式为目标。
- IT之家
无问芯穹开放 Megrez-3B-Omni 与纯语言版本
Megrez 系列面向端侧部署，开放全模态理解与纯语言模型版本。其多模态方向包含图像、音频和文本输入，重点是小尺寸下的理解能力，不是所有模态都能生成。
- IT之家
DeepSeek-VL2 开放动态分辨率视觉理解模型
DeepSeek-VL2 引入混合专家语言骨干与切图策略，扩展图表、视觉定位和图像内容理解。报道指向官方公众号和开源资料，具体准确度仍需针对自己的图片和文档评估。
- IT之家
Phi-4 发布 14B 模型，聚焦高质量数据与推理
微软介绍通过合成及筛选数据提升推理的 Phi-4，报道时提供 Azure 使用入口。模型发布与之后权重下载开放是不同事件，不能将后来的状态倒写为当天已完成。
- IT之家
DeepSeek 网页端加入联网搜索与文件处理改进
报道介绍 DeepSeek-V2.5-1210 更新及网页端联网搜索，用户可在对话中启用搜索。发布时 API 并不支持相同的搜索功能，不能把网页能力视为模型接口的默认能力。
- The Verge
Jules 以有限测试方式探索多文件代码修复
Google 宣布实验性编码智能体，规划修改步骤并准备 GitHub 代码变更。报道时仅面向受邀测试者，不能把未来扩大开放计划写成所有开发者已经可用。
- IT之家
腾讯混元开放文生视频模型与推理代码
腾讯开放 13B 参数的 HunyuanVideo 文生视频模型，支持中英文描述，采用 DiT 架构并强化多主体指令理解。公开内容包括模型权重与推理代码，开发者可据此部署或扩展视频工具；普通用户当时可在元宝的 AI 视频入口申请体验。
- 少数派
MCP 实践：让助手连接数据库与外部工具
这篇实践文章以 SQLite 为例，解释 MCP 如何统一助手与数据源的连接，并演示权限确认和自然语言查询。统一接口不等于自动安全，连接器的权限仍需按任务限制。