

> 导语：今日AI界迎来密集创新，阿里巴巴成为焦点，接连发布了挑战Sora的开源视频模型Wan 2.2、登顶全球编程榜的Qwen3-Coder、支持92种语言的翻译模型Qwen-MT，以及一系列赋能开发者的开源工具。与此同时，谷歌也在搜索领域引入AI新功能，预示着新一轮技术变革的浪潮。

## 阿里Wan 2.2发布，开源视频生成AI剑指Sora
阿里巴巴云即将推出其最新的视频生成AI模型Wan 2.2。该模型在性能与效率上实现了显著突破，通过优化核心架构，提升了在高分辨率和长视频生成方面的能力。新版本增加了文本到视频、图像到视频等多项实用功能，并将延续其免费开源策略。此举不仅旨在挑战Sora在视频生成领域的地位，也意在通过开源社区的力量，巩固其在全球AI视频生成领域的领导地位，势必对现有市场格局产生深远影响。

![image.png](https://static.downly.cn/images/32ba69b2764289b93c4f41ffd3a092fe.png)

## 开发者新宠，开源AI工具DailiCode打破模型壁垒
一款名为DailiCode的开源AI Agent CLI工具正式面世。作为Gemini CLI的一个分支版本，它成功打破了不同大型语言模型（LLM）之间的壁垒，不仅支持Gemini和OpenAI，还兼容任何遵循OpenAI API格式的自定义模型。DailiCode集成了代码库查询编辑、多模态内容生成和自动化Pull Request处理等强大功能，能胜任机器人开发、代码迁移等多种任务，为开发者提供了一个连接工具、理解代码、加速工作流的全新AI编程助手。

![image.png](https://static.downly.cn/images/b215a49935eeda35325a26c0562bbacd.png)

## 登顶全球第一，阿里Qwen3-Coder成最火AI编程模型
在Hugging Face最新发布的AI模型排行榜上，来自阿里巴巴的Qwen3-Coder模型成功登顶，成为全球热度最高的开源AI编程模型。该模型凭借其独特的混合专家（MoE）架构，在代码处理和Agent调用能力上表现卓越。目前其下载量已突破2000万次，获得了来自行业和开发者社区的广泛赞誉，这标志着中国在AI编程技术领域取得了重要的里程碑式进展。

![image.png](https://static.downly.cn/images/abe8fc723e4ac60d8fdeca52270003a5.png)

## 通义千问再添利器，发布支持92种语言的Qwen-MT翻译模型
通义千问（Qwen）家族推出了全新的机器翻译模型Qwen-MT。该模型基于强大的Qwen 3打造，能够支持全球92种语言之间的互译。它不仅具备术语干预和领域提示等高级可控功能，还采用了轻量级的MoE架构，确保了快速响应和低成本运行。在多项行业标准评估中，Qwen-MT的表现已优于或媲美顶级的商业翻译模型，为全球用户带来了更智能、更高效的翻译新体验。

![image.png](https://static.downly.cn/images/478439890bf5be5a96ab59962301cef1.png)

## 本地知识库AI助手，开源神器5ire解锁智能开发
5ire是一款全新免费开源的跨平台桌面AI助手，它允许开发者连接本地知识库，实现更私密、更高效的AI开发。该工具使用TypeScript编写，支持OpenAI风格的API，并集成了提示词库、对话书签、历史搜索和Token用量追踪等实用功能。通过其独特的MCP协议，5ire能够智能调用各种工具，为开发者提供了一个高度灵活且功能强大的AI开发解决方案。

![image.png](https://static.downly.cn/images/b947dd4b4d61d10db793372305945aa2.png)

## 谷歌搜索迎来AI新变革，Web Guide智能整理搜索结果
谷歌在其搜索实验室（Search Labs）中推出了一项名为“网络指南”（Web Guide）的全新实验性功能。该功能利用先进的人工智能技术，对用户的搜索结果进行智能分析和组织，不再仅仅是罗列链接。它将信息进行分类和归纳，以更有条理、更易于理解的方式呈现给用户，旨在提升复杂查询场景下的搜索效率和体验，标志着谷歌正探索用AI重塑传统搜索模式。

![image.png](https://static.downly.cn/images/35afeba4d98df8f73857738d89e3bd92.png)

每日AI资讯0725：阿里连发多款AI模型新品，谷歌搜索迎来AI新变革

> 近日，小红书正式开源了其自主研发的 MoE 大模型 dots.llm1，为开源社区注入新活力。这款模型在多个基准测试中展现出卓越性能，超越了 Qwen3，但略逊于 DeepSeek-V3，标志着小红书在通用大模型领域迈出了重要一步。



在AI大模型领域，开源与创新正成为行业发展的重要驱动力。 近日，知名内容社区平台小红书正式宣布开源其自主研发的MoE大模型——**dots.llm1**。 这一举动不仅为大模型开源社区增添了新的力量，也展示了小红书在通用人工智能技术上的深厚积累。
[HF演示空间](https://huggingface.co/spaces/rednote-hilab/dots-demo)
![image.png](https://static.downly.cn/images/7a1bb034ee5f4b483734b712a73e0fff.png)


dots.llm1 的开源，意味着全球开发者和研究人员可以访问其模型权重、架构细节以及相关工具，从而促进技术的交流与合作，加速MoE模型在不同应用场景的探索和落地。


### MoE 架构的优势与 dots.llm1 的亮点

dots.llm1 采用了当前前沿的 MoE 架构，这种架构通过激活模型中部分“专家”网络来处理输入，从而在提升模型性能的同时，显著降低推理成本。 相比于传统的密集型模型，MoE 模型能够在参数量巨大的情况下，实现更高效的计算。

dots.llm1 的主要亮点包括

*   **高效的 MoE 架构** 通过稀疏激活机制，模型在处理不同任务时能够动态选择最适合的专家，从而提高推理速度和效率。
*   **出色的中文处理能力** 作为源自小红书的模型，dots.llm1 在中文语料上进行了充分训练，预计在中文理解、生成和对话方面表现优异，尤其是在中文内容社区相关的任务上。
*   **开放性和可扩展性** 开源模式将鼓励社区对其进行微调和优化，以适应更广泛的垂直领域应用。

### 性能评测 超越 Qwen3 逼近 DeepSeek-V3

小红书对 dots.llm1 进行了多项基准测试，结果显示其性能表现亮眼

*   **超越 Qwen3** 在多个通用能力基准测试中，dots.llm1 的表现均优于此前广泛使用的 Qwen3 模型。 这表明小红书在模型架构和训练策略上取得了显著进步，使其能够超越业界主流的同类开源模型。
*   **略逊于 DeepSeek-V3** 尽管 dots.llm1 表现强劲，但与业界顶尖的 MoE 模型 DeepSeek-V3 相比，仍存在一定差距。 DeepSeek-V3 以其卓越的性能和效率在MoE领域树立了新的标杆，dots.llm1 的表现虽然未完全达到，但差距已不大，这为未来的优化和迭代留下了巨大的想象空间。

![image.png](https://static.downly.cn/images/daf067a02ecb4fe0ae3639fbb05102ad.png)

这次性能评估，也进一步凸显了 MoE 架构在兼顾性能与效率方面的巨大潜力。 尽管 dots.llm1 在某些方面未能完全达到顶尖水平，但作为一款新晋开源的 MoE 模型，其展现出的实力已经足以令人期待。

### 小红书在 AGI 领域的布局与影响

dots.llm1 的开源，是小红书在通用人工智能（AGI）领域战略布局的重要一步。 作为一家以内容社区为核心的公司，小红书拥有海量的优质图文和视频数据，这些数据将为其未来大模型的训练和优化提供得天独厚的优势。

此次开源的意义在于

*   **赋能社区** 通过开放核心技术，小红书可以吸引更多的开发者和研究人员共同参与到大模型生态的建设中来，加速技术创新。
*   **推动行业发展** 增加高性能开源 MoE 模型的供给，有助于降低企业和开发者使用 MoE 模型的门槛，推动 MoE 架构在更多实际场景中的应用。
*   **提升自身影响力** 通过开源，小红书不仅贡献了技术，也提升了自身在 AI 领域的品牌形象和影响力，有望吸引更多AI人才。



### 未来展望

随着 dots.llm1 的开源，我们可以预见，基于 MoE 架构的大模型将迎来更广泛的关注和应用。 小红书的这一举动，无疑为国内乃至全球的开源大模型生态注入了新的活力。 未来，我们期待看到 dots.llm1 在社区的共同努力下，不断优化迭代，在性能上进一步逼近甚至超越现有顶尖模型，并在更多创新应用场景中发挥关键作用。



搜索结果: MoE架构