对于一些需要用图片来展示的知识，如流程图、架构图、思维导图等，管理员可以配置图片生成节点，快速生成高质量的图片。例如，在讲解复杂的业务流程时，不再需要手动绘制或寻找合适的图片，直接通过 MaxKB 生成并插入到知识库中，使知识的呈现更加直观和清晰，方便用户理解和记忆，提高知识传递效率。

AutoGLM 沉思的发布，不仅是智谱在 AI 领域的一次重要突破，也为智能体技术的发展提供了新的方向，标志着人工智能 Agent 进入了 “边想边干” 的全新阶段。2025 年 3 月 31 日，智谱在中关村论坛上正式发布了全新智能体产品 “AutoGLM 沉思”。

DeepSeek的快速崛起标志着AI模型领域进入“性价比+开源”驱动的竞争新阶段，但其能否持续领先仍取决于技术创新、资本投入及应对安全审查的能力。当前格局下，用户和开发者将受益于更低的成本和多样化的选择，而行业整体将加速向高效、定制化方向演进。

Qwen2-VL 引入了 m-rope（多模态旋转位置嵌入）技术，突破了传统的位置编码方式，使模型能够同时处理文本、图像和视频的时空关系，提升了多模态处理和推理能力，能更好地理解和建模复杂的多模态数据，相比之下，一些同类模型在多模态融合和推理方面可能没有如此先进的技术和能力表现。在全球化的工业和医疗设备使用环境中，设备铭牌可能会包含多种语言文字信息，比如设备的型号可能是英文，而一些警告标识是中文等

2025 年 4 月 22 日，真我手机官微宣布，其首款 AI 翻译耳机 Buds Air7 Pro 将于 4 月 23 日 16 时正式上市1。这款耳机接入了讯飞星火认知大模型 4.0 Ultra，支持中文与 32 种语言面对面翻译，以及同声传译功能。

Mistral OCR 是一种光学字符识别 API，以图像和 PDF 作为输入，可从有序交错的文本和图像中提取内容，能理解文档的每个元素，包括媒体、文本、表格、公式等，可与 RAG 系统结合，处理多模式文档。

小米发布新一代大模型XiaomiMiMo-V2-Flash，采用混合专家架构，总参数309B。该模型在代码能力上超越开源模型，智能体表现全球前二，推理速度达150token/秒，API成本仅为行业标杆的2.5%。创新技术包括混合注意力机制和多层Token预测，支持256K长上下文。小米采用MIT协议全面开源模型，旨在构建AI生态，未来计划与"人车家全生态"深度融合。用户可通过官

OpenNJet v3.3.1.3修复版发布，主要解决动态Lua进程卡死、配置重载数据损坏及鲲鹏CPU模块加载问题。作为NGINX衍生的云原生引擎，OpenNJet专注于代理、网关等云原生场景，与ionet的实时通信定位形成对比。该版本延续了v3.3系列对龙芯架构、JSON配置等功能的支持，用户可通过官方仓库获取安装包并探索其API网关、K8s Ingress等云原生能力。（149字）

Qwen3 系列模型包括 2 个 MoE 模型和 6 个 Dense 模型，参数量从 0.6B 到 235B1。其中，Qwen3-235B-A22B 总参数 2350 多亿、激活参数 220 多亿，Qwen3-30B-A3B 总参数 300 亿、激活参数 30 亿。此外，为释放 Qwen3 的强大性能，模力方舟基于昇腾最新发布的 vLLM Ascend v0.8.4rc2 进行适配。英特尔也第一时

国内最大 AI 图像创作平台 LiblibAI 近日接入了阿里通义系列大模型，并推出了 10 秒 AI 视频生成功能。该功能基于万相最新开源模型打造，包括文生视频和图生视频功能，可根据用户提示词或上传的图片生成 10 秒视频。根据最新数据，万相 2.1（wan2.1）在 huggingface 及魔搭社区的总下载量已超 200 万，在 github 的 star 数超 8.7k。