亚马逊推出Alexa+专属网站，用户可通过浏览器直接对话，显示其与ChatGPT竞争加剧。新版AI助手在语音识别和理解能力上显著提升。
亚马逊推出Alexa.com网页入口，允许部分用户通过浏览器直接与新一代AI助手Alexa+对话，此举被视为其交互形态的关键升级，也意味着与ChatGPT的竞争进一步正面化。目前该功能仅向Alexa+用户开放。
Meta前AI负责人杨立昆在专访中爆料，公司开发Llama 4时存在“造假”行为，并批评现任AI官Alexandr Wang年轻缺乏经验。因不满公司战略变动，他选择离职，转向“世界模型”研究。
Meta前AI首席科学家Yann LeCun批评新任AI实验室负责人Alexandr Wang科研经验不足，认为其难以有效领导团队。LeCun指出Wang虽学习能力强，但科研理解尚浅。此举反映Meta在AI人才争夺中的内部调整。
Alexa+ 是亚马逊推出的下一代智能语音助手，通过生成式 AI 提供更智能、个性化的服务。
免费、私密、安全的Home Assistant远程访问
AI 宝宝生成器与儿童图书馆
DeZoomer
基于Flux.1 Dev和20张公开图像训练的LoRA模型，专注于高质量角色匹配
alexanderkroner
MSI-Net是一种视觉显著性模型，通过基于眼动数据训练的上下文编码器-解码器网络预测人类在自然图像上的注视点。
alexandreacff
该模型是基于asapp/sew-mid-100k在alexandreacff/kaggle-fake-detection数据集上微调的音频分类模型，用于虚假音频检测。
基于facebook/wav2vec2-large微调的音频分类模型，用于检测伪造音频
alexandreteles
Bonito是一个开源的'条件任务生成'模型，能够将未标注文本转化为特定任务的指令调优训练数据集。
alexandrainst
基于jonfd/electra-small-nordic微调的斯堪的纳维亚语言NLI模型，支持丹麦语、挪威语和瑞典语
基于NbAiLab/nb-bert-base微调的自然语言推理模型，支持丹麦语、挪威博克马尔语和瑞典语
支持丹麦语、挪威语和瑞典语的零样本分类自然语言推理模型
alexanderfalk
DanBERT是基于BERT-Base架构的丹麦语预训练模型，已针对超过200万句丹麦语文本进行训练。
基于丹麦语BERT的文本情绪分类模型，可将丹麦语文本分类至8种情绪类别
这是一个基于丹麦语BERT模型微调的命名实体识别模型，专门用于识别丹麦语句子中的人物、组织、地点等实体。
该BERT模型用于检测丹麦语文本是否带有情感色彩，基于BotXO预训练的丹麦语BERT模型并通过社交媒体数据微调。
用于检测丹麦语文本是否具有主观性或客观性的BERT模型
用于检测丹麦文本情感极性（积极/中性/消极）的BERT模型
基于丹麦语BERT的仇恨言论检测模型，用于识别丹麦语文本中的冒犯性内容。
基于ELECTRA架构的丹麦语攻击性语言检测模型，用于判断文本是否具有攻击性。
一个通过MCP与AI助手交互管理Alexa购物列表的工具，需手动登录获取Cookie并定期刷新。
一个通过逆向工程实现Alexa语音助手MCP服务器的项目，利用拦截Android应用流量发现的非官方API端点。
一个基于Google自定义搜索API的MCP协议服务器，为语言模型提供标准化网络搜索接口，支持环境变量配置和类型安全实现。
Supabase MCP服务器项目，为Cursor和Windsurf IDE提供与Supabase PostgreSQL数据库交互的能力，支持本地和线上数据库管理、查询验证等功能。
Tradovate MCP服务器是一个用于与Tradovate API交互的模型上下文协议服务，提供合约管理、仓位跟踪、订单操作和账户管理等功能，支持实时数据获取和模拟数据回退。
%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)
