腾讯开源了微信团队的端到端文档解析模型 WeVisDoc，提供 2B 和 4B 两个版本。模型可将整页文档图片直接转换为 Markdown，无需分别裁剪标题、正文、表格和公式。它能保留复杂文档结构：正文转 Markdown，公式转 LaTeX，表格转 HTML，并恢复阅读顺序。版面理解、文字识别、公式识别和表格重建均由单一视觉语言模型完成，无需额外部署版面检测器或 OCR 引擎。2B 适合资源有限场景，4B 在拍照、翻拍等退化页面表现更优，在公式和表格解析方面端到端领先。
本文解读 Bain & Company 发布的企业 AI 转型 CEO 指南，指出多数企业的 AI 尝试只是“假装进步”：把试点数量当转型深度、在旧流程上叠加 AI 按钮、用短期 ROI 筛选项目、误把供应商能力当自身能力、战略激进但机制保守。文章认为真正拉开差距的是三样买不来的核心资产：专属数据、编码化工作流和闭环学习机制，并介绍了企业 AI 转型需要做对的七项核心决策。
作者宣布开源“小互 IP Studio”配图技能。该工具能自动读取文章并规划、生成配图，核心特色是提供 31 个现成的原创 IP 角色（涵盖职场与情绪梗）及多种画风，解决了用户无 IP 形象的痛点。技能支持 Agent 安装，仅需自然语言指令即可完成配图，并包含一套防止 AI 生成翻车的严谨方法论。
TRAE 举办“AI 创造力大赛”，奖金总额高达 100 万元。比赛不限编程基础，聚焦生活化场景（如生活娱乐、学习工作等），鼓励利用 Vibe Coding 实现创意。决赛保底 1 万元，冠军 30 万元，且 Token 消耗由赛事方承担。
作者开源了其使用半年的视频翻译工具，支持通过自然语言指令一键完成视频的下载、转写、翻译、润色及烧字幕工作。该工具基于本地 Whisper 模型实现免费离线转写，复用用户已有的 AI 接口进行翻译，并针对字幕时间轴准确性和断句润色进行了深度优化。
Anthropic 分享了如何利用 Claude 将数据分析准确率从 21% 提升至 95%，并自动完成 95% 的业务查询。文章详细介绍了其构建的四层智能体分析栈：数据基础、权威来源、技能（Skills）和验证机制。通过规范数据集、强制语义层使用、编写 Markdown 技能文件以及严格的离线与线上评估，Anthropic 解决了概念歧义、数据过时和信息检索困难三大问题，成功将重复性分析工作交给 AI，让数据科学家专注于高价值建模。
OpenAI 发布 Codex 重大更新，推出六个面向职业角色（如数据分析、销售、投行等）的专属插件，捆绑 62 个应用和 110 个自动化技能。同时上线 Sites 功能，可直接生成交互式网页应用，并新增 Annotations 精准编辑功能。Codex 非开发者用户占比已达 20%，正试图从单一编码工具转型为全能办公调度层，直接威胁依靠“界面好用”作为护城河的中间层 SaaS 工具。
Koji 是一款由麻省理工和哈佛专家打造的 AI 私教应用，其核心理念是拒绝直接提供答案，而是通过引导逼学生思考。它具备屏幕感知与图形化交互能力，能实时高亮、批注屏幕内容，并通过反问、画图等方式（如在几何题中标点、在 Python 课中提示死循环）提供指导。Koji 旨在解决传统 AI 剥夺学习机会的问题，降低提问门槛，重点培养学生的理解与纠错能力。
ElevenLabs 发布全新 Dubbing V2 端到端 AI 配音模型。该模型摒弃了传统的“转写-翻译-合成”三段式流程，直接基于原始表演进行声音建模。它支持 90 多种语言和口音，能完美保留原说话人的音色、情绪、呼吸节奏及身份特征，实现音色穿越和情绪保真。同时支持音频、视频及文字输入，提供限时免费体验。
文章介绍了 Rodin 3D 生成模型的工作流程与新功能。该模型采用非一步生成模式，先出高精度初版，经用户确认后提供轻量版本（支持动画与游戏引擎格式）。此外，Rodin 支持自定义参数预设以简化操作，并具备最高并行生成 10 款模型的能力，实现了大规模创意探索。官方提及该模型拥有 1000 万多边形面数及自适应思维投入。
本文记录了 xAI 全员大会的详细内容，展示了公司在成立仅两年半后，在语音、图像生成和预测能力上取得第一的成绩。马斯克披露了四大产品线（Grok、Coding、Imagine、Macro Hard）的组织架构调整，并详细阐述了从 10 万块 GPU 扩展到 100 万块的技术基础设施与 Memphis 超级计算中心的惊人建设速度。
