亞馬遜推出Alexa+專屬網站，用戶可通過瀏覽器直接對話，顯示其與ChatGPT競爭加劇。新版AI助手在語音識別和理解能力上顯著提升。
亞馬遜推出Alexa.com網頁入口，允許部分用戶通過瀏覽器直接與新一代AI助手Alexa+對話，此舉被視爲其交互形態的關鍵升級，也意味着與ChatGPT的競爭進一步正面化。目前該功能僅向Alexa+用戶開放。
Meta前AI負責人楊立昆在專訪中爆料，公司開發Llama 4時存在“造假”行爲，並批評現任AI官Alexandr Wang年輕缺乏經驗。因不滿公司戰略變動，他選擇離職，轉向“世界模型”研究。
Meta前AI首席科學家Yann LeCun批評新任AI實驗室負責人Alexandr Wang科研經驗不足，認爲其難以有效領導團隊。LeCun指出Wang雖學習能力強，但科研理解尚淺。此舉反映Meta在AI人才爭奪中的內部調整。
Alexa+ 是亞馬遜推出的下一代智能語音助手，通過生成式 AI 提供更智能、個性化的服務。
免費、私密、安全的Home Assistant遠程訪問
AI 寶寶生成器與兒童圖書館
DeZoomer
基於Flux.1 Dev和20張公開圖像訓練的LoRA模型，專注於高質量角色匹配
alexanderkroner
MSI-Net是一種視覺顯著性模型，通過基於眼動數據訓練的上下文編碼器-解碼器網絡預測人類在自然圖像上的注視點。
alexandreacff
該模型是基於asapp/sew-mid-100k在alexandreacff/kaggle-fake-detection數據集上微調的音頻分類模型，用於虛假音頻檢測。
基於facebook/wav2vec2-large微調的音頻分類模型，用於檢測偽造音頻
alexandreteles
Bonito是一個開源的'條件任務生成'模型，能夠將未標註文本轉化為特定任務的指令調優訓練數據集。
alexandrainst
基於jonfd/electra-small-nordic微調的斯堪的納維亞語言NLI模型，支持丹麥語、挪威語和瑞典語
基於NbAiLab/nb-bert-base微調的自然語言推理模型，支持丹麥語、挪威博克馬爾語和瑞典語
支持丹麥語、挪威語和瑞典語的零樣本分類自然語言推理模型
alexanderfalk
DanBERT是基於BERT-Base架構的丹麥語預訓練模型，已針對超過200萬句丹麥語文本進行訓練。
這是一個基於丹麥語BERT模型微調的命名實體識別模型，專門用於識別丹麥語句子中的人物、組織、地點等實體。
基於ELECTRA架構的丹麥語攻擊性語言檢測模型，用於判斷文本是否具有攻擊性。
基於丹麥語BERT的仇恨言論檢測模型，用於識別丹麥語文本中的冒犯性內容。
用於檢測丹麥語文本是否具有主觀性或客觀性的BERT模型
基於丹麥語BERT的文本情緒分類模型，可將丹麥語文本分類至8種情緒類別
該BERT模型用於檢測丹麥語文本是否帶有情感色彩，基於BotXO預訓練的丹麥語BERT模型並通過社交媒體數據微調。
用於檢測丹麥文本情感極性（積極/中性/消極）的BERT模型
一個通過MCP與AI助手交互管理Alexa購物列表的工具，需手動登錄獲取Cookie並定期刷新。
一個基於Google自定義搜索API的MCP協議服務器，為語言模型提供標準化網絡搜索接口，支持環境變量配置和類型安全實現。
一個通過逆向工程實現Alexa語音助手MCP服務器的項目，利用攔截Android應用流量發現的非官方API端點。
Tradovate MCP服務器是一個用於與Tradovate API交互的模型上下文協議服務，提供合約管理、倉位跟蹤、訂單操作和賬戶管理等功能，支持即時數據獲取和模擬數據回退。
Supabase MCP服務器項目，為Cursor和Windsurf IDE提供與Supabase PostgreSQL數據庫交互的能力，支持本地和線上數據庫管理、查詢驗證等功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
