AI分享圈

MiMo-VL是小米开源的多模态大模型，由视觉编码器、跨模态投影层和语言模型构成。视觉编码器基于Qwen2.5-ViT，支持原生分辨率输入，保留更多细节；语言模型是小米自研的MiMo-7B，专为复杂推...

Olovka AI 是为学生打造的AI学术写作辅助平台，平台根据学生的学术水平、专业领域和论文类型，提供精准的写作建议和辅助。基于智能算法，Olovka AI 帮助学生快速撰写高质量的学术论文，将论文...

Fish Audio 是功能强大的生成式 AI 语音合成工具，支持文本转语音（TTS）和声音克隆。用户只需输入文本，工具支持转换为自然流畅的语音，平台提供多种语言和声音风格可供选择，满足不同场景和用户...

SignGemma 是谷歌 DeepMind 推出的全球最强大的手语翻译 AI 模型，支持将美国手语（ASL）精准翻译成英语文本。模型基于多模态训练，结合视觉和文本数据，实时捕捉手语动作并快速转化为文...

FLUX.1 Kontext是Black Forest Labs推出的图像生成与编辑模型，提供上下文感知的图像处理技术。模型能理解响应文本和图像提示，执行对象修改、风格转换、背景替换等任务，同时保持角...

WebAgent是阿里巴巴通义实验室开源的自主搜索AI Agent，具备强大的端到端自主信息检索与多步推理能力。WebAgent能像人类一样在网络环境中主动感知、决策和行动，广泛用在学术研究、商业决策...

灵码 IDE是通义灵码推出的AI原生集成开发环境（IDE），深度适配千问3大模型，具备强大的编程智能体模式，支持自主完成工程感知、代码检索、执行终端操作等任务。它支持MCP工具，集成魔搭MCP广场的3...

BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。模型基与混合变换器专家架构（MoT），用两个独立的编码器分别捕捉图像的像素级和语义级特征，支持高效处理图像、文本、视频...

DeepSeek-R1是杭州深度求索公司DeepSeek推出的高性能AI推理模型，对标OpenAI的o1正式版。模型基于大规模强化学习技术进行后训练，仅需极少量标注数据，便能在数学、代码和自然语言推理...

幻舟AI是功能强大的一站式AI短片创作平台，支持高效地批量生成各种类型的视频内容，包括广告片、宣传片、动画片等。平台基于Midjourney、Runway等全球领先的AI模型，为创作者提供从剧本创作到...