大模型

2026 年 02 月 13 日 AI 前沿、通信和安全行业日报

PPIO 上线 MiniMax M2.5：体验架构师级编程与高效 Agent 能力PPIO 上线了 MiniMax M2.5 模型。MiniMax M2.5 是 MiniMax 发布的最新旗舰模型。据官方介绍，M2.5 在编程、工具调用、搜索及办公等生产力场景中均达到或刷新了行业的 SOTA（State-of-the-art）水平。该模型优化了对复杂任务的拆解能力，大幅提升了运行速度，并凭借极佳的 Token 效率，让无限运行复杂 Agent 在经济上成为可能。

2026年2月大模型性能对比分析报告生成时间： 2026年2月13日分析对象： GLM-5、MiniMax M2.5、Kimi K2.5、Claude Opus 4.6、Gemini 3 Pro、ChatGPT 5.3

人工智能培训

大模型架构演进：从Transformer到MoE#Transformer#MoE（混合专家）#稀疏激活#专家#模型容量

来两个炸鸡腿

【Datawhale组队学习202602】Easy-Vibe task02 认识AI IDE工具

LMDeploy重磅更新：从支撑模型到被模型反哺，推理引擎迈入协同进化时代！近期，上海人工智能实验室（上海AI实验室）大模型推理部署工具 LMDeploy 迎来重磅更新——v0.12+ 版本正式发布，进一步为社区带来更流畅、更可靠、更强大的大模型服务体验。

君哥聊编程

生产级AI战斗机NanoBot 体验（OpenClaw极简实现）最近OpenClaw的火的没边了，但是我发现只是玩具，离生产使用尚有距离，今天要推荐的是NanoBot，港大开源，不到2周star就冲到了18K

国内环境下claude code安装、配置及skills使用助力科研专注解决国内网络限制，手把手带你把 Claude Code 打造成科研超级助手Anthropic 推出的终端级 AI 编程智能体，能理解整个项目、自动规划任务、直接操作文件/执行命令、完成多步编码，是真正能“动手干活”的 AI 助手。

大江东去浪淘尽千古风流人物

【VLM】从“评测哲学”和“技术本质”两个层面拆解 robochallenge 任务设计https://robochallenge.cn/home https://robochallenge.cn/leaderboard

使用不同的 AI 模型本教程面向初学者，将教你如何使用来自不同 AI 服务商的模型，比较它们的优势，并根据实际需求选择最合适的模型。在深入学习 LangChain 之前，理解各类模型的特点至关重要——因为 LangChain 能让你在这些模型之间无缝切换。

基于 LangChain 的Text2SQL 智能体开发实践在日常工作中，大量非技术岗位（如运营、市场、业务）人员经常需要从数据库中获取数据支持决策，但SQL编程门槛成为了关键障碍。为解决这一痛点，我们基于LangChain框架开发了一款“Text2SQL智能体”，实现了“用户口语化查询→智能解析→SQL生成→数据查询→口语化结果返回”的全流程自动化。本文将详细分享该智能体的技术架构、核心模块实现与前端交互设计，附完整技术细节与实践经验。

鸿乃江边鸟

oh-my-opencode 实践--用户授权登陆Spring Boot项目这里我们用opencode(oh my opencode)实践写一个简单的Spring boot的项目，涉及到WEB界面进行登陆校验，这里我们直接Ultrawork 模式

coze 工作流使用中转API 教程1.创建一个新的项目2.建立一个新的工作流3.添加http请求4.填写内容 url填http://api.88api.chat/v1/chat/completions

Mac基于LLaMA Factory微调模型导入Ollama踩坑记录遇到问题1：ERROR: Package 'llamafactory' requires a different Python: 3.9.6 not in '>=3.11.0'。然后升级到python最高版本3.14解决（不建议选最新版本，后面使用数据集遇到新的问题）问题2：

大模型实战装备全解析：从本地微调到移动算力的笔记本电脑选择指南面对屏幕上加载到一半就因显存不足而中断的模型训练任务，计算机专业研究生李涛再次感受到硬件瓶颈带来的无奈。他环顾实验室里那几台沉重的塔式工作站，思考着一个问题：如果有一台笔记本能像工作站一样完成模型训练，又能在图书馆和教室之间自由移动，那该多好。

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2026-02-12)生成于：2026-02-12共发现热门项目： 7 个榜单类型：日榜本期GitHub热榜凸显AI工程化与智能体开发已成为核心趋势，多个高星项目聚焦于此。Google的langextract展示了用LLM从非结构化文本提取信息的实用库，GitHub的gh-aw和Claude代码插件推动智能体工作流落地，而chrome-devtools-mcp则为编码智能体提供强大工具。同时，ai-engineering-hub的教程与免费LLM API资源列表降低了技术门槛，助力开发者快速构建可复现的AI应用。整个趋势表明，

AI 智能爬虫实战构建基于 AI 大模型的智能爬虫。AI 智能爬虫的主要优势在于自主获取数据和抗干扰性强。传统的爬虫依赖固定的 CSS 选择器或 XPath 等，一旦网页改版，代码就会失效。而基于 AI 的爬虫则是让模型去“读”网页，像人一样找到目标数据在哪里，而不是依赖固定的数据获取和解析代码。

人工智能培训

具身智能体的长期任务规划与记忆机制

AiReader：一个不联网的 AI 阅读助手，让你的算力为你服务每次你把一篇论文扔进在线翻译工具，每次你让 AI 帮你解读一份合同——你的文档都被上传到了某家公司的服务器上。