阶跃星辰GELab-Zero开源：消费级硬件也能跑GUI智能体
2025年11月29日，阶跃星辰推出的全新开源GUI智能体GELab-Zero，给本地化智能应用带来了新契机。
GELab-Zero由即插即用的推理工程基础设施和可本地运行的4B GUI Agent模型构成。它最大的亮点是轻量级本地推理能力，能在消费级硬件上运行4B规模模型，响应速度快，还能保护用户隐私。而且有一键任务启动功能，自动处理环境依赖和设备管理，省去繁琐设置。
多设备任务分发功能也十分实用，用户能把任务分到多台手机，实时记录交互轨迹，方便后续观察和复现。它还支持多种工作模式，像ReAct模式、Multi-Agent模式以及定时任务等，灵活性和适应性强。
在实际应用中，GELab-Zero表现出色。官方多项开源基准测试显示，在GUI理解、定位和交互等多个维度，尤其是真实移动场景下，表现优异，应用能力强大。
对于开发者来说，GELab-Zero开源意味着有更多创新可能。他们能基于这个平台开发各种本地化智能应用，满足不同场景需求。比如智能家居、移动办公等领域，都能借助它实现更智能、便捷的操作。相信随着更多开发者参与，GELab-Zero会催生出更多精彩应用，推动本地化智能应用迈向新高度。
项目地址： https://github.com/stepfun-ai/gelab-zero/
Kimi幻灯片生成器上线：48小时免费，文档转PPT更省心
AI助手Kimi推出的基于Google Nano Banana Pro模型的幻灯片生成器，给演示文稿创建带来了新变化，还提供48小时限时免费试用。
这次试用重点是“Agentic Slides”功能，由智能体驱动，能快速把PDF、图片和各类文档转成完整演示文稿。用户可在浏览器内直接编辑，最后导出为PowerPoint文件。它还集成K2搜索工具，方便用户获取和补充信息。
新生成器利用Nano Banana Pro模型能力，实现图表信息一键转换，提取图表文本，移除原始图像文字，换成可编辑文本。
不过，初步测试发现，它在文本转换稳定性和准确性上有不足。部分文本能正常编辑，有些却保持原样，复杂演示文稿问题更明显，像第6、7张幻灯片。而且不支持用户或公司设计模板，影响专业实用性。
尽管有局限，但这款集成多项智能体功能的新型幻灯片生成器，仍值得关注。对于经常做演示文稿的人来说，48小时免费试用是个好机会，能亲身体验其功能。说不定在试用过程中，能发现它独特优势，找到适合自己的使用方式。未来，希望它能不断改进，提升文本转换稳定性，支持更多设计模板，成为演示文稿创建的得力助手。
工具地址：Kimi AI网页版官网
豆包手机助手预览版：能记能做，还能跨APP办事
字节跳动推出的全新一代“豆包手机助手”技术预览版，给手机AI助手带来全新变革，堪称“手机第二大脑”。
它有真正的“端侧记忆”功能，在手机本地实现持久化Memory，记忆数据加密存储，可随时一键关闭。实际体验超棒，问车停哪儿，能直接调出车位照片和楼层指引；问取件码，秒读快递短信告知；问高铁座位号，自动翻出12306记录；还能记住喜好，规划行程时优先推荐相关地点。
跨App代操作是它的硬核杀手锏，AI能像真人一样接管屏幕，跨应用自动点击、输入、滑动。比如全网比价吹风机，瞬间打开多个购物平台，3秒给出最低价并停在支付页；请假订票，自动完成一系列操作；特斯拉车主还能远程控制车辆。
实时多模态互动也很厉害，拿起英文绘本对准摄像头，立刻开启实时视频通话模式，有中英双语字幕，AI边讲故事边互动提问，还能根据孩子反应改编剧情。
面对模糊需求，它有Pro模式，结合多种技术完成复杂任务。像巴黎旅行规划，能读取记忆、搜索展览、标记餐厅、抢票、生成行程单。
而且它隐私保护到位，记忆数据本地处理存储，不上传云端，用户可随时关闭Memory功能。相信随着不断完善，豆包手机助手会成为人们生活中离不开的智能伙伴。
工具地址：豆包AI网页版官网入口
字节跳动Vidi2：处理小时级素材，AI编辑比人还精准
字节跳动推出的全新人工智能视频编辑器Vidi2，在视频领域掀起波澜，其视频理解深度超越谷歌Gemini3 Pro，成为先进视频多模态模型。
Vidi2专为长时序视频设计，能处理数小时海量素材，基于简单提示词自动生成脚本、短视频或完整电影，降低视频创作门槛。它核心在于细粒度时空定位能力，精准捕捉视频特定动作和对象位置与时间段。用户输入文本查询，就能返回精确起止时间戳和目标对象边界框轨迹。比如查询纪录片猫咪跳跃场景，能定位秒级片段并剪辑成短片。它采用自适应视觉令牌压缩技术，内存利用高效。
在基准测试中，Vidi2在多个方面大幅领先商用模型，视频问答任务准确率提升显著，支持多种编辑功能。其训练数据融合合成剪辑与真实视频，生成内容高保真且流畅。
Vidi2不只是编辑器，更是智能创作助手。端到端工作流让视频生产由人工拉轨转向自然语言驱动，输入主题提示，自动输出标题、脚本并生成成品视频。创作者能轻松将长素材转化为不同形式视频，适用于多领域。
Vidi2问世加剧全球AI视频赛道竞争，巩固字节跳动多模态AI前沿地位。目前已在arXiv发布，GitHub开放源代码，演示版即将上线。期待它持续优化，支持更多语言和场景，助力AI普惠创作。
详情查看：字节跳动发布Vidi2模型
谷歌TPUv7开售：AI计算市场打价格战，OpenAI省30%成本
谷歌最新推出TPUv7“铁木”处理器，从内部芯片用户转变为零售商，直接挑战英伟达市场主导地位，引发AI计算市场价格波动。
过去谷歌TPUs主要用于自身AI模型，如今策略改变，积极向第三方销售。新客户Anthropic签署约一百万个TPU协议，涉及直接购买和租赁模式。这种竞争使市场价格下滑，OpenAI通过威胁转向TPU等替代方案，成功获得英伟达硬件约30%折扣。
TPUv7在理论计算能力和内存带宽方面与英伟达Blackwell系列相当，成本更具优势。每个芯片总拥有成本有约44%优势，外部客户也能享受30%至50%低成本。谷歌系统能将9216个芯片连成密集网络，便于分布式AI训练。
为推广TPU，谷歌开发与PyTorch框架原生支持，整合推理库，消除开发者迁移阻碍。
面对谷歌挑战，英伟达准备技术反击，下一代“Vera Rubin”芯片预计2026或2027年推出。谷歌TPUv8计划延迟，但希望通过与Broadcom和MediaTek合作推出新版本保持竞争力。
谷歌TPU发布给AI计算市场带来新变数，未来市场格局充满不确定性。对于企业来说，多一个选择意味着更多机会，可根据自身需求选择合适芯片，降低计算成本，推动AI技术发展。
详情查看：谷歌TPU正式上线零售，挑战英伟达GPU霸主地位！AI芯片大战一触即发？
快手Kling O1发布：2分钟长视频带原生音频，导演级控制到手
快手科技旗下Kling AI开启“Kling Omni Launch Week”，发布最新多模态视频基础模型Kling O1（Omni One），为AI视频领域注入新活力。
Kling Omni核心是“导演级”控制能力，支持文本、图像和视频多输入参考，用户可精确调整视频内容，如保留主角形象、切换光线、移除背景车辆等。
相较于前代，Kling O1提升显著。能生成长达2分钟连续视频，增强运动稳定性和风格连贯性。还集成原生音频同步技术，确保声音与画面帧级精确匹配。
Kling系列模型已服务全球4500万用户和2万家企业。此次发布被专家视为AI视频领域革命性跃进，预示AI视频创作从“随机生成”转向“程序化导演”模式。
对于影视、广告和游戏产业来说，Kling Omni是高效创作利器。影视制作中，能快速生成不同场景视频，辅助导演创作；广告行业可快速制作吸引人的广告视频；游戏产业能生成游戏剧情视频，提升玩家体验。
而且它操作简单，非专业用户也能通过简单对话实现专业级输出。随着技术不断完善，Kling Omni有望推动生成式AI向专业应用深度渗透，为各行业带来更多创意和可能。
详情查看：Kling O1快手推出统一视频模型，支持精准指令编辑与长时生成
国产家庭机器人F1：扫地哄娃还管起床，明年售价不到两万
具身智能创业公司“未来不远”推出的家庭机器人F1，历经数十户家庭实测后亮相，给家庭生活带来新变化。
F1有22个关节、轮式底盘、8小时续航，能扫地、哄娃，还能执行“长序列起床任务”，从拉窗帘、热牛奶到叫小孩背英语，全程无需遥控。它采用RVLA模型架构，把家务动作拆成毫米级轨迹离线训练，遇到障碍自动重试，任务成功率超94%。轮式底盘解决小户型转身难题，整机折叠后仅0.4㎡，可钻沙发底、进电梯。
孩子是F1积极“训练师”，与它互动数据回流云端，夜间自动重训，第二天就能跳新手势舞。教育模块后续将上线编程启蒙、英文对话等付费内容。
未来不远计划明年Q1小批量上市，定价“小五位数”，首批1000台通过微信小程序抢购。公司已完成A+轮融资，由头部车企战投，年产能5万台产线已在常州动工。
F1目标不是“玩具”，而是融入家庭日常，成为全天候私人外骨骼。
随着技术进步和功能完善，它有望在家庭中承担更多任务，为人们生活提供更多便利，开启家庭智能生活新篇章。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区
AITOP100平台官方交流社群二维码：
