【AI News | 20250605】每日AI进展
AI Repos
1、chatgpt-adapter
“ChatGPT Adapter”是一个创新服务，旨在将 Coze 国际版、New Bing Copilot、Cursor Editor、DeepSeek 等多种 AI 聊天服务的逆向接口适配为 OpenAI API 标准接口。该项目支持高速流式输出和多轮对话，并与 ChatGPT 接口完全兼容，极大地简化了开发者在不同 AI 平台间进行集成的复杂性。它提供了详细的安装和使用指南，包括 Go 命令、Docker 启动及 systemctl 自启动配置，方便用户快速部署。该工具强调仅供测试学习，禁止商业用途。
2、daily-arXiv-ai-enhanced
“arXiv Daily AI Enhanced”是一个开源工具，它能每日自动抓取 arXiv 论文并使用大型语言模型（LLM）进行摘要。用户只需 Fork 该仓库，并在 GitHub Actions 中配置API 密钥、ArXiv 论文类别、摘要语言、LLM 模型名称及 Git 信息等 Secrets 和 Variables，即可定制化每日论文摘要推送。该工具默认抓取 cs.CV、cs.GR 和 cs.CL 类别论文并用 DeepSeek 生成中文摘要，极大方便了科研人员追踪最新论文。
3、dedoc
Dedoc 是一个开源的通用系统，旨在将各类文档转换为统一的输出格式，并自动提取其逻辑结构、内容（包括表格、文本格式）和元数据。它支持 DOC/DOCX、PDF、HTML、图像、TXT 等多种半结构化和非结构化数据格式。Dedoc 采用 Python 实现，能够自动识别文档结构、提取文本格式特征，并支持处理扫描文档中的表格和文本校正。该系统可作为独立模块集成到文档分析流程中，尤其适用于信息分析、信息泄露监控和自然语言处理等应用。它提供 Docker 部署和 Pip 安装选项，方便开发者使用。
4、Paper2Code
Paper2Code 是一个创新的多 Agent LLM 系统，旨在自动化将机器学习领域的科学论文转化为可运行的代码仓库。该系统遵循规划、分析和代码生成三阶段流水线，每个阶段由专门的 AI Agent 处理，确保生成高质量且忠实于论文内容的实现。Paper2Code 在 Paper2Code 和 PaperBench 基准测试中均超越了现有强劲基线。它支持使用 OpenAI API 或 vLLM 搭配开源模型，并提供了从 PDF 到 JSON 的转换工具，以及详尽的模型评估方法，极大地简化了从研究到实现的流程。
AI News
1、Luma Labs 发布 Modify Video：AI 视频后期一键改风格、换场景
Luma Labs 近日推出创新 AI 视频编辑工具 Modify Video，基于其强大的 Dream Machine 平台和 Ray2 模型。这款工具通过简单的文本提示，即可实现视频内容的深度改造，包括风格重塑、场景替换、角色调整等，显著降低了传统视频制作的复杂性和成本。Modify Video 凭借 Ray2 模型在动作流畅性、面部动画和时间一致性方面的优势，超越了竞品。它不仅为内容创作者和电影制作人提供了前所未有的灵活性，也预示着 AI 视频技术将进入一个全新的普及阶段，极大地激发全球创意潜力。
2、Gemini 2.5 版本发布原生音频功能，AI 对话更自然
谷歌近日更新 Gemini 2.5 版本，引入了原生的音频理解和生成功能，显著提升了人机交互的自然度。新版本支持实时音频对话，能够识别语调、口音及非语言声音，并实现低延迟的流畅交流，用户还可通过自然语言控制对话风格。此外，Gemini 2.5 的文本转语音技术也得到突破，用户可精确控制语音的风格、语调和情感。为确保 AI 生成音频的透明性，所有输出均嵌入 SynthID 水印。这些功能为开发者提供了构建更具互动性应用的新能力。
3、微软推出开源 AI 助手 Athena，提升 Teams 工作效率
微软正式发布开源 AI 助手 Athena，并将其整合至 Teams 应用，旨在显著优化产品开发流程。Athena 能够智能识别团队下一步工作，协助用户在 Teams 内直接完成代码审查、工作项管理和安全检查等重复性任务，从而避免频繁切换应用。该工具已在微软内部2000多名工程师中投入使用，证明能有效提升开发速度和代码质量，并帮助团队提早发现潜在漏洞，加速产品交付周期，让开发者更专注于创新。
4、Jaaz 开源 AI 设计 Agent 横空出世：一键批量生成图像，创意生产从此起飞
Jaaz 是一款全新的开源 AI 设计 Agent，旨在通过简单的 API 配置实现自动化批量图像生成，为创意设计领域带来突破。用户只需配置大型语言模型（LLM）API 和图像生成 API，即可高效生成大量视觉内容，尤其适用于广告、社交媒体和产品原型开发。尽管目前在 API 支持方面存在局限性，如不支持所有主流图像模型和视频生成，但其开源特性和社区驱动的开发模式预示着巨大的未来潜力，有望通过不断完善成为全能型创意平台。
5、Firecrawl /search API 发布！一键搜索+抓取，AI 数据处理进入新时代
Firecrawl 近日发布了革命性的 /search API，将网页搜索与内容抓取功能无缝整合，极大地简化了 AI 数据获取流程。通过一次 API 调用，开发者即可后端执行自然语言查询，获取目标网页的完整内容，并支持 Markdown、HTML 等多种 AI 友好格式输出，完美适配大型语言模型 (LLM) 需求。此功能无需第三方依赖，完全在后端运行，并具备内置代理管理和反爬机制，确保数据获取的高效与稳定。作为开源工具，Firecrawl 的 /search API 大幅降低了 AI 开发门槛，为智能代理、内容分析和 RAG 系统等 AI 应用提供了强大支持。
6、日本 AI 逆袭全球！Shisa V2 405B 开源发布，碾压 GPT-4 的日语神器来了！
Shisa.AI 近日发布了基于 Llama 3.1 的 Shisa V2 405B 模型，被誉为“日本有史以来训练的最强大型语言模型”。该日英双语开源模型在多项日语基准测试中超越 GPT-4 及 GPT-4 Turbo，甚至与 GPT-4o 和 DeepSeek-V3 不相上下，展现了卓越的日语处理能力。Shisa.AI 专注于优化后训练流程，通过强大的日英双语数据集 ultra-orca-boros-en-ja-v1 提升模型性能。Shisa V2 系列覆盖 7B 至 405B 参数，并通过开源推动全球 AI 创新，标志着日本本土 AI 在全球竞争中的崛起。
7、Cursor 1.0 正式发布：全新 BugBot 功能，审查代码修复 Bug
AI 驱动的代码编辑器 Cursor 正式发布 1.0 版本，引入了多项创新功能以提升开发效率。核心亮点 BugBot 能够自动化分析 GitHub Pull Request 并识别代码错误，提供一键修复功能。此外，Background Agent 全面开放，支持远程编码任务处理；新增 Jupyter 支持和 Memories 功能，增强数据科学与项目管理能力。Cursor 1.0 还优化了界面和安装流程，旨在提供更智能、高效的编程体验，并获得了9亿美元融资支持，预示着其在 AI 驱动开发领域的强劲发展。