InternVL3.5（书生·万象3.5）是上海人工智能实验室开源的多模态大模型，模型在通用能力、推理能力和部署效率上全面升级，提供从10亿到2410亿参数的九种尺寸版本，覆盖不同资源需求场景，包含稠...

FastVLM（Fast Vision Language Model）是苹果公司推出的高效视觉语言模型。以FastViTHD混合视觉编码器为核心，融合了卷积和Transformer架构，可显著减少视觉...

Meeseeks ist ein Open-Source-Bewertungsset für große Modelle, das vom M17-Team bei Meituan verwendet wird, um die Fähigkeit eines Modells zu bewerten, Anweisungen zu befolgen.Meeseeks verwendet einen dreistufigen Bewertungsrahmen, um umfassend zu messen, ob ein Modell in der Lage ist, Antworten in strikter Übereinstimmung mit den Anweisungen des Benutzers von der Makro- bis zur Mikroebene zu generieren, und bewertet nicht das Wissen über den Inhalt der Antwort als positiv...

gpt-realtime ist ein fortschrittliches Sprachmodell von OpenAI, das direkte Audioverarbeitung unterstützt, um natürliche und flüssige Sprache zu erzeugen. Das Modell unterstützt mehrere Sprachen und Stile, versteht nonverbale Hinweise wie Lachen und kann zwischen Sprachen wechseln.

Youtu-agent ist ein Open-Source-Framework zum Aufbau und Betrieb autonomer Intelligenzen von Tencent Youtu Labs. Das Framework schneidet in den WebWalkerQA- und GAIA-Benchmarks mit einer Genauigkeit von 71,47% bzw. 72,8% gut ab...

HunyuanVideo-Foley ist ein Open-Source-Video-Sound-Generierungsmodell von Tencents Mixed-Yuan-Team, das das Hinzufügen von genau abgestimmten Soundeffekten zu stummen Videos unterstützt. Das Modell basiert auf einem groß angelegten Datensatz Ausbildung , mit einem multimodalen Diffusionskonverter Architektur , kombiniert mit der Darstellung der Ausrichtung Verlustfunktion und Audio VAE Optimierungstechniken ...

PixVerse V5 ist ein großes Modell der KI-Videogenerierung, das von Aishi Technology auf den Markt gebracht wurde. Das Modell kann qualitativ hochwertige Videoinhalte auf der Grundlage von vom Benutzer eingegebenen Textbeschreibungen oder Bildern generieren und unterstützt eine Vielzahl von Stilen, wie Anime, Sci-Fi und nationalen Stil.

Ask White 5 ist das Flaggschiff unter den "All in One"-Modellen mit einem sehr hohen Intelligenzgrad. Das Modell schneidet bei vielen Beurteilungen gut ab, wie z. B. bei der AA-Index-Kompositbeurteilung mit einem Wert von 64,7 und bei der Beurteilung der MINT-Fähigkeiten mit einem Wert von 86, der nahe an den weltweit führenden GPT-5 heranreicht.

MiniCPM-V 4.5 ist ein quelloffenes 8B parametrisches multimodales Modell für Facade Intelligence, das auf Qwen3-8B und SigLIP2-400M basiert und Bilder und Videos effizient verarbeiten kann. Es hat eine hervorragende Leistung in der visuellen Token Verbrauch, Verarbeitung ...

Gemini 2.5 Flash Image (Codename nano banana) ist ein hochmodernes Bilderzeugungs- und -bearbeitungsmodell von Google, das die Konsistenz von Zeichen in verschiedenen Szenen beibehält und eine präzise Bildbearbeitung durch natürliche Sprache unterstützt, z. B. das Verwischen von Hintergründen und Entfernen von Flecken.

Wan2.2-S2V ist ein Open-Source-multimodale Video-Generierung Modell von Ali Tongyi, nur ein statisches Bild und ein Stück Audio, kann hochwertige digitale menschliche Video zu erzeugen, und unterstützt eine Vielzahl von Bildtypen und Rahmen.

ChatGPT Tip Engineering for Developers ist ein gemeinsamer Kurs von DeepLearning.AI und OpenAI für Entwickler, in dem Isa Fulford und Andrew Ng zeigen, wie man Large Language Models (LLM) verwendet...

Ask White o4 ist ein innovatives paralleles Denkmodell, das acht Denkpfade gleichzeitig öffnet, das Problem aus mehreren Perspektiven analysiert und automatisch die optimale Lösung herausfiltert. Das Modell beinhaltet fortschrittliche Long-CoT-Verstärkungslern- und Prozessbelohnungs-Lerntechniken, verfügt über leistungsstarke Deep-Reasoning-Fähigkeiten und erbringt gute Leistungen bei komplexen Aufgaben.

VibeVoice ist ein neues Text-to-Speech-Modell (TTS) von Microsoft. Das Modell erzeugt Konversations-Audio von bis zu vier verschiedenen Sprechern und unterstützt bis zu 90 Minuten ununterbrochene Sprachausgabe, wodurch die Längenbeschränkungen herkömmlicher TTS-Systeme aufgehoben werden.

SpatialGen ist ein quelloffenes 3D-Szenengenerierungsmodell von Qunar Technology, das auf der Architektur des Diffusionsmodells basiert. Es unterstützt die Generierung von räumlich-zeitlich konsistenten Multiview-Bildern auf der Grundlage von Textbeschreibungen, Referenzbildern und räumlichem 3D-Layout sowie die weitere Generierung von 3D-Gauß-Szenen und das Rendern von Roaming-Videos.

EchoMimicV3 ist ein multimodales Modell zur Erzeugung digitaler menschlicher Videos, das von der Ant Group auf den Markt gebracht wurde. Es verfügt über 1,3 Milliarden Parameter und ist in der Lage, mehrere Eingaben wie Audio, Text und Bilder zu verarbeiten, um hochwertige digitale menschliche Animationen zu erzeugen.

In der Ära der boomenden künstlichen Intelligenz haben KI-Tools unser Leben verändert und die akademische Forschung und das Verfassen von Arbeiten erheblich unterstützt. Um den Nutzern zu helfen, effizienter zu arbeiten und zu studieren, werden in dieser Zusammenstellung 15 hochmoderne kostenlose KI-Assistenten für akademische Arbeiten sorgfältig ausgewählt und vorgestellt.

Fun-ASR ist ein großes Spracherkennungsmodell, das gemeinsam von Nail und Tongyi Labs entwickelt wurde. Das Modell wurde mit umfangreichen Audiodaten trainiert und kann branchenübergreifende Begriffe wie Internet, Technologie, Heimdekoration usw. genau identifizieren, was die Erkennungsgenauigkeit erheblich verbessert. Das Modell wird mit Nail-Unternehmensinformationen zur Inferenzoptimierung kombiniert, um das Problem der Phantomsprache zu reduzieren.

Squibler ist eine leistungsstarke, KI-gestützte Schreibplattform für Schriftsteller, die den Nutzern beim gesamten Prozess von der Konzeption über die Erstellung bis zur Veröffentlichung hilft. Die Plattform bietet eine Vielzahl von Story-Vorlagen für Romane, Drehbücher, Kurzgeschichten usw. Die Benutzer müssen nur das anfängliche Konzept eingeben, und die KI kann Umrisse, Charaktere, Szenen usw. erstellen.

91Writing ist ein vollständig quelloffenes Tool zur Erstellung von KI-Romanen, das auf der Grundlage von Vue 3 und Element Plus entwickelt wurde und eine Vielzahl von fortschrittlichen KI-Modellen wie GPT, Claude, Gemini usw. integriert. Das Tool bietet Schöpfern eine komplette Erstellungskette von der Idee bis zum Text, einschließlich der Projekterstellung...

Aivilization ist die weltweit erste KI-Multi-Intelligenz-Plattform für soziale Simulationen, die von der Hong Kong University of Science and Technology entwickelt wurde. Sie bildet einen visuellen digitalen Sandkasten, in dem Nutzer Tausende von KI-Intelligenzen erstellen und steuern können, um die soziale Entwicklung der zukünftigen Koexistenz von Mensch und KI zu beobachten. Die Plattform unterstützt...

Schwache künstliche Intelligenz (Narrow AI) ist derzeit die vorherrschende Form der KI-Technologieentwicklung in unserer realen Welt. Schwache KI wurde entwickelt und trainiert, um eine bestimmte, genau definierte Aufgabe mit einem Intelligenzniveau auszuführen, das das des Menschen in diesem speziellen Bereich übertreffen kann.

Grok 2.5 ist ein Open-Source-KI-Modell von Elon Musk's xAI. Mit 269 Milliarden Parametern basiert es auf der Mixed Expertise (MoE)-Architektur für leistungsstarke Leistung und Inferenz. Das Modell wurde für wissenschaftliches Wissen auf Hochschulniveau (GPQA), allgemeines Wissen (MMLU, MM...

Draw A Fish ist eine einfache und unterhaltsame Online-Website zum Zeichnen von Fischen, die in ein virtuelles Aquarium gesetzt werden können, das weltweit geteilt wird.

Der jüngste MIT-Bericht "The Generative AI Divide: the State of Business AI in 2025" (Die Kluft zwischen generativer und künstlicher Intelligenz: der Stand der künstlichen Intelligenz in Unternehmen im Jahr 2025) zeigt den Kern des Prozesses der Einführung generativer künstlicher Intelligenz (GenAI) auf, den Unternehmen durchlaufen.

AutoClip ist Open-Source-KI-Video-Editing-Tool, basierend auf fortschrittlicher KI-Technologie, um den gesamten Prozess der automatisierten Videoverarbeitung zu erreichen. Tools können automatisch die Highlights des Videos, genaue Extraktion von wertvollen Inhalten zu identifizieren, kann auf der Grundlage der Ähnlichkeit des Themas der intelligenten Clustering, um eine Sammlung von Inhalten zu generieren.AutoClip Unterstützung...

Hands-On Learning AI: Artificial Intelligence General Knowledge and Practice" von AliCloud, in Zusammenarbeit mit Superstar Erlang, ist ein systematischer Lernkurs über KI für Lernende mit unterschiedlichem beruflichem Hintergrund. Der Kurs wird von Meisterlehrern aus fünf Top-Universitäten unterrichtet und ist umfassend. Er vermittelt ein komplettes Wissen von der Entwicklungsgeschichte der KI über die Kerntechnologien bis hin zur ethischen Sicherheit...

ToonComposer ist ein generatives KI-Animationstool, das gemeinsam von der Chinesischen Universität Hongkong, Tencent PCG ARC Lab und der Universität Peking entwickelt wurde. Durch die generative Post-Keyframe-Technologie wird die Erzeugung von Zwischenbildern und die Farbgebung in einen automatisierten Prozess integriert, der nur eine Skizze und eine...

Seed-OSS ist eine Familie von großen Sprachmodellen, die vom Byte Jump Seed Team entwickelt wurden und sich auf lange Texte und schlussfolgernde Aufgaben konzentrieren. Das Modell erbringt gute Leistungen bei komplexen logischen Schlussfolgerungen und mehrstufigen Schlussfolgerungen mit hoher Genauigkeit und kann schwierige Probleme effizient lösen.Seed-OSS unterstützt lange Textkontexte bis zu 512K...

Intern-S1-mini ist ein leichtgewichtiges wissenschaftliches multimodales Makromodell mit einer Parameterskala von 8B, das vom Shanghai Artificial Intelligence Laboratory (SAL) entwickelt wurde und die leistungsstarken Fähigkeiten von Intern-S1 erbt, indem es sowohl allgemeine als auch spezielle wissenschaftliche Fähigkeiten kombiniert. In Bezug auf die Leistung ist das I...

Künstliche Intelligenz (KI) ist ein Kernbereich der Informatik, der darauf abzielt, theoretische und technologische Systeme zu entwickeln, die die menschliche Intelligenz simulieren, erweitern und sogar übertreffen können, so dass Maschinen in der Lage sind, zu lernen, zu denken, wahrzunehmen und Entscheidungen zu treffen, für die normalerweise menschliche Intelligenz erforderlich ist...

Nano Banana ist der Gemini 2.5 Flash Image Codename für Gemini, ein KI-Bildgenerierungs- und -bearbeitungsmodell von Google, das detaillierte, fotorealistische Bilder auf der Grundlage einfacher Texteingaben erzeugt, um hochwertige Änderungen an bestehenden Bildern vorzunehmen.

Klear-Reasoner ist ein leistungsstarkes Inferenzmodell von Racer, das auf Qwen3-8B-Base basiert. Das Modell wird durch eine lange Gedankenkette überwacht Feinabstimmung und Verstärkungslernen trainiert, um gut in mathematischen und Code reasoning.Klear-Reasoner...

CombatVLA ist ein innovatives 3D-Action-Rollenspiel (ARPG) spezifisches Modell des Future Life Lab Teams der Amoy Group.CombatVLA ist ein Vision-Linguistic-Action (VLA) Modell, das auf einer 3B parametrischen Skala aufgebaut ist und die Bewegungen des menschlichen Spielers mittels Motion Tracker erfasst...

DeepSeek V3.1 ist eine neue Generation von KI-Modellen, die von DeepSeek eingeführt wurde, mit wichtigen Verbesserungen gegenüber dem Vorgänger V3. DeepSeek V3.1 führt eine hybride Denkarchitektur ein, die es dem Modell erlaubt, flexibel zwischen denkenden und nicht denkenden Modi zu wechseln, was die Denkleistung...

Qwen-Image-Edit ist ein von Ali Tongyi eingeführtes Allzweck-Bildbearbeitungsmodell, das auf der Qwen-Image-Architektur mit 20 Milliarden Parametern aufbaut. Das Modell kombiniert sowohl semantische als auch Erscheinungsbild-Bearbeitungsfähigkeiten und kann visuelle Erscheinungsbild-Bearbeitung auf niedriger Ebene an Bildern durchführen (z.B. Hinzufügen, Löschen...

MoE-TTS ist ein von Kunlun-Wanwei eingeführtes Sprachsynthese-Framework, das auf der Mixed Expert (MoE)-Architektur basiert, die vortrainierte Large Language Models (LLMs) mit Sprachexpertenmodulen kombiniert.MoE-TTS behält die leistungsstarke textuelle Argumentation bei, indem es die textuellen Modulparameter einfriert und nur die Sprachmodulparameter aktualisiert...

Genie Envisioner (GE) ist eine einheitliche Plattform für Roboteroperationen, die vom Genie Robotics Team in Zusammenarbeit mit der National University of Singapore, der Beijing University of Aeronautics and Astronautics und anderen Institutionen entwickelt wurde. Sie ermöglicht es Robotern, Aufgaben besser zu verstehen und auszuführen, indem sie sich erst etwas vorstellen und dann handeln".

DINOv3 ist ein selbstüberwachtes Vision-Basismodell der nächsten Generation von Meta AI, das ein selbstüberwachtes Lernparadigma verwendet, um Bildmerkmale ohne Beschriftungsdaten zu lernen. Es löst das Problem der Merkmalsverschlechterung durch die Verbesserung der Datenvorbereitung und die Einführung der Gram-Verankerung und verbessert die Generalisierung...

Mureka V7.5 ist ein hochmodernes KI-Musikgenerierungsmodell von Kunlun World Wide, das sich auf chinesisches Songwriting konzentriert. Das Modell reproduziert präzise Klangfarben und Spieltechniken, um natürliche, weiche und emotionale Stimmen zu erzeugen. Mureka V7.5 basiert auf einer optimierten automatischen Spracherkennungs-Technologie (ASR).

Skywork Deep Research Agent v2 ist ein von Kunlun Wave auf den Markt gebrachtes intelligentes Forschungsinstrument, das sich auf die Integration und Analyse multimodaler Informationen konzentriert...

Hunyuan-GameCraft ist Tencent Hunyuan Team Open-Source-interaktive Spiel-Video-Generierung Rahmen. Framework aus einem einzigen Bild und Aufforderungen zu hochdynamischen Spiel Video zu erzeugen, unterstützen den Benutzer durch die Tastatur und Maus, um den Videoinhalt in Echtzeit zu steuern.

Skywork UniPic 2.0 ist ein effizientes multimodales Modell, das von Quintessence zur Verfügung gestellt wird und sich auf Bilderzeugung, -bearbeitung und -verständnis konzentriert. Das Modell basiert auf einer 2B-Parameter SD3.5-Medium-Architektur und wird durch Pre-Training, progressive Dual-Task-Verstärkungsstrategie und Co-Training realisiert...

RynnRCP ist ein quelloffenes Robot Context Protocol (RCP) des Ali Dharma Instituts, das die Schwelle für die Entwicklung von verkörperter Intelligenz senkt und den gesamten Entwicklungsprozess öffnet.RynnRCP besteht aus dem RCP-Framework und dem RobotMotion-Modul.Das RCP-Framework wird durch die Abstraktion von Fähigkeiten und die Unterstützung mehrerer...

RynnEC ist ein Modell zum Verständnis der Welt, das vom Alibaba Dharma Institute eingeführt wurde und sich auf Aufgaben der verkörperten Intelligenz konzentriert. Das Modell basiert auf einer multimodalen Fusionstechnologie, die Videodaten und natürliche Sprache kombiniert. Es kann Objekte in einer Szene aus mehreren Dimensionen analysieren und unterstützt Funktionen wie Objektverständnis, räumliche Wahrnehmung und Videozielsegmentierung.

Matrix-3D ist ein Open-Source-Framework des Skywork AI-Teams, das sich auf die Erzeugung erkundbarer 3D-Panoramawelten konzentriert. Das Framework kombiniert die Erzeugung von Panoramavideos und 3D-Rekonstruktionstechniken, um qualitativ hochwertige, omnidirektionale, erkundbare 3D-Welten aus einem einzigen Bild oder Text zu erzeugen...

GLM-4.5V ist das weltweit führende Open-Source-Modell für visuelle Schlussfolgerungen, das von Smart Spectrum eingeführt wurde, mit 106 Milliarden Gesamtparametern und 12 Milliarden aktivierten Parametern. Das Modell wurde auf der Grundlage der neuen Generation des Textbasismodells GLM-4.5-Air trainiert und verfügt über leistungsstarke visuelle Verstehens- und Schlussfolgerungsfähigkeiten, die in der Lage sind, Bilder, Videos...

Matrix-Game 2.0 ist ein selbst entwickeltes interaktives Weltmodell, das von Kunlun SkyWork AI veröffentlicht wurde. Matrix-Game 2.0 ist das branchenweit erste quelloffene, interaktive Echtzeitmodell mit langen Sequenzen für allgemeine Szenarien, das in der Lage ist, mit 25 FPS in mehreren...

Baichuan-M2 ist ein von Baichuan Intelligence entwickeltes medizinisches Augmented-Macromodell. Es schneidet im medizinischen Bereich gut ab, vor allem im HealthBench-Test mit einer Punktzahl von 60,1, und übertrifft damit das gpt-oss120b von OpenAI und viele andere Open-Source-Modelle...

Qwen-Flash ist ein leistungsfähiges, kostengünstiges Sprachmodell, das in der Alibaba Tongyi Thousand Questions Serie eingeführt wurde und für eine schnelle Reaktion und effiziente Bearbeitung einfacher Aufgaben konzipiert ist. Es basiert auf der fortschrittlichen Mixture-of-Experts (MoE)-Architektur und wird durch ein spärliches Expertennetzwerk realisiert...

SkyReels-A3 ist ein audiogestütztes Werkzeug zur Erstellung digitaler Menschen von der Kunlun World Wide Group. SkyReels-A3 ist ein audiogesteuertes Werkzeug zur Erstellung digitaler Menschen, das durch einfache Eingaben (z. B. Porträtbilder und Stimme) hochwertige dynamische Videoinhalte generieren, statische Fotos "zum Leben erwecken" und Zeilen für bestehende Videos durch neue Lippensynchronisationen ersetzen kann, die die Charaktere automatisch anpassen...

MiniMax Speech 2.5 ist ein fortschrittliches Spracherzeugungsmodell, das vom MiniMax-Team entwickelt wurde. Es ist ein bedeutender Fortschritt auf dem Gebiet der Sprachsynthese, insbesondere in Bezug auf die mehrsprachige Ausdruckskraft, die Genauigkeit der Klangfarbenwiedergabe und die Sprachabdeckung. Das Modell unterstützt 40 Sprachen...

GPT-5 ist das neueste Sprachmodell, das von OpenAI mit mehreren Upgrades veröffentlicht wurde. Es ist ein einheitliches Intelligenzsystem mit einem eingebauten Echtzeit-Router, der je nach Komplexität des Problems automatisch zwischen effizientem und tiefem Denkmodus umschaltet und so eine schnelle Reaktion und genaue Antworten ermöglicht.GPT-5 hat mehrere Versionen, u.a. für...

dots.vlm1 ist das erste multimodale große Modell, das vom Little Red Book hi lab freigegeben wurde. Basierend auf NaViT, einem visuellen Encoder mit 1,2 Milliarden Parametern, der von Grund auf neu trainiert wurde, und DeepSeek V3 Large Language Model (LLM), verfügt es über leistungsstarke visuelle Wahrnehmung und...

Genie 3 ist eine neue Generation von universellen Weltmodellen von Google DeepMind, die es ermöglichen, hochdynamische und kohärente virtuelle Welten in Echtzeit zu erzeugen. Genie 3 simuliert physikalische Phänomene, natürliche Ökosysteme und unterstützt die Erstellung von Fantasie- und historischen Szenarien. Mit Textaufforderungen können Benutzer...

Claude Opus 4.1 ist ein hochmodernes, umfangreiches Sprachmodell von Anthropic, das für die effiziente Verarbeitung komplexer Aufgaben entwickelt wurde. Das Modell zeichnet sich im Bereich der Programmierung durch die Erzeugung von qualitativ hochwertigem Code aus, unterstützt bis zu 32k Einzelausgaben und passt sich an eine Vielzahl von Programmierstilen an...

gpt-oss ist OpenAIs Familie von Open-Source-Inferenzmodellen, die effiziente, flexible und einfach zu implementierende KI-Lösungen für Entwickler ermöglichen. gpt-oss gibt es in zwei Versionen, gpt-oss-120B mit 117 Milliarden Parametern und Unterstützung für 8...

MiDashengLM ist Xiaomis Open-Source-Modell für effizientes Klangverständnis, mit spezifischen Parametern in der Version MiDashengLM-7B, die sich auf Audioverarbeitung und -verständnis konzentriert. Das Modell basiert auf Xiaomi Dasheng Audio-Encoder und Qwen2.5-Omn...

MOSS-TTSD ist ein Open-Source-Modell für gesprochene Dialoge, das vom Speech and Language Lab der Tsinghua Universität entwickelt wurde. MOSS-TTSD kann Textdialogskripte in natürliche, flüssige und ausdrucksstarke Dialogsprache umwandeln und unterstützt die zweisprachige Erzeugung in Englisch und Chinesisch.

AudioGen-Omni ist ein multimodales Audiogenerierungsmodell von Racer, das qualitativ hochwertige Audio-, Sprach- und Songdateien auf der Grundlage von Eingaben wie Video, Text usw. generiert. AudioGen-Omni basiert auf fortschrittlichen Techniken wie multimodaler Diffusionstransformation und...

LangExtract ist eine Google Open Source Python-Bibliothek, die große Sprachmodelle (LLMs) verwendet, um strukturierte Informationen aus unstrukturiertem Text zu extrahieren. Mit benutzerdefinierten Befehlen und einer kleinen Anzahl von Beispielen kann sie effizient Schlüsseldetails identifizieren und organisieren, wie z. B. klinische...

Qwen-Image ist ein Open-Source-Basismodell für die Bilderzeugung, das vom Alibaba Tongyi Qianqian-Team veröffentlicht wurde. Mit 20 Milliarden Parametern verwendet es die Multimodal Diffusion Transformer Architecture (MMDiT), die drei Module umfasst: multimodales Verständnis, hochauflösende Kodierung und Diffusionsmodellierung.Qwen-Image's...

RedOne ist ein großes, auf soziale Netzwerke zugeschnittenes Sprachmodell, das von Little Red Book eingeführt wurde. Das Modell wird durch eine dreistufige Trainingsstrategie trainiert, die soziales und kulturelles Wissen einbezieht, Multitasking-Fähigkeiten stärkt und menschliche Präferenzen abgleicht.RedOne übertrifft das Basismodell deutlich in der Leistung bei sozialen Aufgaben, bei der Erkennung schädlicher Inhalte und beim Browsen...

FastDeploy ist ein hochleistungsfähiges Reasoning- und Deployment-Tool von Baidu, das für Large Language Models (LLMs) und Visual Language Models (VLMs) entwickelt wurde. FastDeploy wurde auf der Grundlage des Flying Paddle (PaddlePaddle)-Frameworks entwickelt und unterstützt eine Vielzahl von Hardware-Plattformen...

InteriorGS ist ein hochwertiger semantischer 3D-Gauß-Datensatz, der von Qunar Technology eingeführt wurde. Der Datensatz enthält 1.000 3D-Szenen, die mehr als 80 Innenräume abdecken, wie z. B. Wohnungen, Geschäfte, Hochzeitssäle und Museen. Der Datensatz enthält mehr als 554.000 Objektinstanzen in 755 Kategorien...

DragonV2.1 ist ein fortschrittliches Text-to-Speech (TTS)-Modell von Microsoft, das ohne Abtastung arbeitet. Das auf der Transformer-Architektur basierende Modell unterstützt mehrere Sprachen und das Klonen von Null-Sample-Sprache und erzeugt natürliche, ausdrucksstarke Sprache mit nur 5-90 Sekunden Sprachaufforderung.

ScreenCoder ist ein intelligentes Open-Source-Tool, das UI-Design-Screenshots schnell in hochwertigen HTML/CSS-Code umwandeln kann. Das Tool basiert auf einer modularen Multi-Intelligenz-Architektur, kombiniert mit visuellem Verständnis, Layout-Planung und Code-Synthese-Techniken, um die Erzeugung von hochpräzisen und semantischen Front-Ends zu unterstützen...

Gemini 2.5 Deep Think ist ein KI-Modell von Google, das für die Lösung komplexer Aufgaben entwickelt wurde. Es ist eine Variante des Modells, das bei der Internationalen Mathematik-Olympiade (IMO) 2025 die Goldmedaille gewonnen hat, und wurde entwickelt, um komplexe Aufgaben durch parallele ...

MindLink ist ein großes Modell der Open-Source-Reasoning von Kunlun World Wide Web ins Leben gerufen. Mit adaptiven Reasoning-Mechanismus, nach der Komplexität der Aufgabe kann flexibel geschaltet werden Inferenz-Modus, einfache Aufgaben schnell erzeugt, komplexe Aufgaben in der Tiefe Argumentation, unter Berücksichtigung der Effizienz und Genauigkeit. Plan-driven Argumentation Paradigma zu entfernen, die "denken" Tag, reduzieren ...

Kimi K2 Hochgeschwindigkeitsversion (kimi-k2-turbo-preview) ist ein Hochleistungs-Sprachmodell, das von Kimi, der dunklen Seite des Mondes, eingeführt wurde. Das Modell ist auf der Grundlage von Kimi K2 optimiert, und die Ausgabegeschwindigkeit ist stark erhöht, die 40 Token pro Sekunde erzeugen kann...

dots.ocr ist ein von Xiaohongshu hi lab entwickeltes Modell für die Analyse mehrsprachiger Dokumente, das auf einem visuellen Sprachmodell (VLM) mit 1,7 Milliarden Parametern basiert und die Erkennung des Layouts und des Inhalts von Dokumenten unter Beibehaltung einer guten Lesereihenfolge effizient durchführen kann.

HYPIR ist ein umfangreiches Modell für die Bildwiederherstellung, das vom Team von Dong Chao am Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, entwickelt wurde. Das Modell kombiniert die fraktionierte Priorität des Diffusionsmodells mit einem generativen adversen Netzwerk, um eine effiziente und qualitativ hochwertige Bildrestaurierung zu erreichen.HYPIR kann alte Fotos schnell wiederherstellen und die Auflösung verbessern, während der Text klar bleibt...

FLUX.1 Krea [dev] ist ein textgeneriertes grafisches Modell von Black Forest Labs und Krea AI. Das Modell generiert hochwertige, realistische Bilder auf der Grundlage von eingegebenen Textbeschreibungen, mit einem einzigartigen ästhetischen Stil, der traditionelle A...

Qwen3-Coder-Flash ist ein hochleistungsfähiges Programmiermodell, das von Ali Tongyi Thousand Questions Team eingeführt wurde. Es verfügt über ausgezeichnete Fähigkeiten zur agentenbasierten Programmierung und zum Aufrufen von Werkzeugen und ist gut geeignet, komplexe Programmieraufgaben zu bewältigen. Das Modell unterstützt 256K Token für langes kontextuelles Verständnis und kann auf 1M skaliert werden ...

Wide Research ist eine leistungsstarke Funktion der Manus-Plattform, die für die Bewältigung komplexer und umfangreicher Aufgaben entwickelt wurde. Die Plattform unterstützt Hunderte von Allzweck-Intelligenzen, die durch parallele Verarbeitungsmechanismen auf Systemebene und Protokolle für die Zusammenarbeit von Intelligenzen gleichzeitig arbeiten.

Seed Diffusion ist ein experimentelles Diffusions-Sprachmodell, das von ByteHop eingeführt wurde und Aufgaben der Codegenerierung übernimmt. Das Modell basiert auf Techniken wie zweistufigem Diffusionstraining, eingeschränktem sequentiellem Lernen und verbesserter effizienter paralleler Dekodierung, was die Inferenzgeschwindigkeit auf 2.146 Token/s deutlich verbessert, was schneller ist als...

Xiao Xingxu ist das KI-Produkt zur Erzeugung von Emotionscomics, das von Jingdong Health auf den Markt gebracht wurde und sich derzeit in der Testphase befindet. Die Kernfunktion des Produkts ist die Erzeugung von emotionalen Comic-Geschichten, bei denen die Nutzer ihre Emotionen ausdrücken oder eine Geschichte durch Sprach- oder Texteingabe erzählen können.

1688 AI Version ist eine intelligente Business-Assistent-Anwendung, die von der 1688-Plattform von Alibaba eingeführt wurde und für kleine B-Käufer und -Händler konzipiert ist. Basierend auf den massiven Daten der 1688 Plattform, bietet die Anwendung Geschäftsmöglichkeiten Push, Produktempfehlung, Ideengenerierung, Unternehmensabfrage und andere Funktionen, um Benutzer genau zu erfassen die Marktdynamik, schnell...

Step Deep Research ist ein effizientes KI-Recherchetool von Step Star, das in der Lage ist, selbstständig komplexe Sachverhalte zu recherchieren und in kurzer Zeit professionelle Berichte zu erstellen. Das Tool wurde für die Bereiche Finanzen, Beratung, Gesundheitswesen, Recht und andere Bereiche entwickelt und hat sich in Branchenrezensionen durch seine tiefgreifenden Such- und Informationsintegrationsfunktionen hervorgetan.

Runway Aleph ist ein fortschrittliches KI-Videobearbeitungsmodell, das von Runway auf den Markt gebracht wurde. Es basiert auf einfachen Textbefehlen zum schnellen Hinzufügen und Löschen von Videoinhalten, zur Änderung des Stils, zur Anpassung der Umgebung und zur Optimierung der Kamerabewegung. Benutzer können leicht überflüssige Elemente entfernen, Szenen ohne komplexe Operationen ändern...

WebShaper ist ein System zur Synthese von KI-Trainingsdaten, das vom Tongyi Lab von Alibaba entwickelt wurde. Es erzeugt qualitativ hochwertige und skalierbare Trainingsdaten auf der Grundlage von formalen Modellierungs- und Intelligenzerweiterungsmechanismen, die KI-Intelligenzen dabei helfen, ihre komplexen Informationsbeschaffungsfähigkeiten zu verbessern. Das System führt das Konzept der "Wissensprojektion" ein...

Skywork UniPic ist ein Open-Source-multimodale Pre-Training-Modell von KunlunWanwei, mit drei Kernfunktionen: Bild Verständnis, Text Generation Bild und Bildbearbeitung. Das Modell basiert auf einer autoregressiven Architektur mit MAR-Encoder und SigLIP2-Backbone, mit 1,5B-Parameter-Gauge...

ChatGPT Study ist ein innovatives Lernmodell von OpenAI, das den Nutzern hilft, effizienter zu lernen und zu verstehen. ChatGPT Study leitet die Nutzer an, aktiv zu denken und Probleme Schritt für Schritt durch sokratische Fragen, unterstützte Antworten und personalisierte...

Tongyi Wanphase Wan2.2 ist ein fortschrittliches KI-Modell zur Videogenerierung, das von Alibaba mit insgesamt 27 Milliarden Referenzen freigegeben wurde. Das Modell enthält drei Modi: textgeneriertes Video, graphgeneriertes Video und einheitliche Videogenerierung, die qualitativ hochwertige Videos auf der Grundlage von Textbeschreibungen, Bildern oder einer Kombination aus beidem generieren können.

GLM-4.5 ist ein quelloffenes SOTA-Modell von Smart Spectrum, das für Anwendungen im Bereich der intelligenten Karosserie entwickelt wurde und Argumentation, Codegenerierung und intelligente Karosseriefunktionen umfasst. Das Modell basiert auf der Mixed Expert (MoE) Architektur und enthält zwei Versionen, GLM-4.5 mit 355 Milliarden Parametern und 106 Milliarden...

Coze Studio ist die Open-Source-Entwicklungsplattform von ByteDance für AI Intelligent Body, die Entwicklern die Erstellung, den Einsatz und die Verwaltung von AI-Anwendungen erleichtert.

Coze Loop ist die Open-Source-KI-Intelligenz-Entwicklungs-, Betriebs- und Wartungsmanagement-Plattform der Coze-Plattform von ByteDance. Die Plattform bietet Entwicklern ein komplettes Lebenszyklusmanagement von der Entwicklung über die Fehlersuche bis hin zur Bewertung und Überwachung, einschließlich Cue-Word-Engineering, Bewertung des Agenteneffekts, Leistungsüberwachung und -optimierung...

Wuneng ist eine Plattform für verkörperte Intelligenz, die für Roboter und intelligente Geräte entwickelt wurde. Basierend auf dem "Enlightened"-Weltmodell und der multimodalen Big-Model-Technologie integriert Wuneng Multi-Sensor-Eingaben wie Sehen, Sprache, Berührung usw. und verfügt über leistungsstarke Wahrnehmungs-, Entscheidungs- und Handlungsfähigkeiten.

Intern-S1 ist ein wissenschaftliches multimodales Großmodell, das vom Shanghai Artificial Intelligence Laboratory entwickelt wurde. Das Modell integriert linguistische und multimodale Fähigkeiten und verfügt über leistungsstarke Funktionen wie crossmodales wissenschaftliches Parsing, linguistische und visuelle Fusion, wissenschaftliche Datenverarbeitung, Beantwortung wissenschaftlicher Fragen, Versuchsplanung und Optimierung.

Hunyuan 3D Weltmodell 1.0 (Hunyuan World 1.0) ist Tencent's erstes immersives, interaktives Modell zur Erzeugung von Simulationswelten, das in der Industrie als Open Source verfügbar ist. Das Modell integriert panoramische visuelle Generierung und hierarchische 3D-Rekonstruktionstechnologie zur Unterstützung von Text- oder Bildeingaben, um schnell 36...

Day by Day V6.5 ist ein fortschrittliches multimodales Inferenz-Makromodell von ShangTech, das für gemischte Bild- und Texteingaben entwickelt wurde. Es unterstützt das genaue Verständnis von Bildinhalten und die Erstellung von Beschreibungen oder die Beantwortung von Fragen in Kombination mit Text.

Opal ist eine innovative KI-Applet-Generierungsplattform von Google Labs, mit der Nutzer schnell KI-Apps erstellen und weitergeben können, ohne Code schreiben zu müssen.Opal macht es den Nutzern leicht, Prompts, Modellaufrufe und Tools zu...

Qwen-MT ist ein hochmodernes Qwen-MT - ein maschinelles Übersetzungsmodell, das vom Ali Tongyi Thousand Questions Team entwickelt wurde und auf der leistungsstarken Qwen3-Architektur basiert. Es unterstützt die Inter-Übersetzung von 92 Sprachen und deckt eine globale Population von mehr als 95% ab. Das Modell basiert auf dem leichtgewichtigen MoE ...

Agentar-Fin-R1 ist ein hochmodernes Großsprachenmodell für den Finanzbereich, das von Anthem eingeführt wurde. Das Modell wurde auf der Grundlage der leistungsstarken Qwen3-Architektur entwickelt und verfügt über zwei Parameterskalenversionen, 8B und 32B, und kann komplexe Finanzberechnungsaufgaben, einschließlich mehrstufiger Analysen, Risikobewertungen und War...

MonkeyCode ist ein quelloffener, unternehmenstauglicher, nativer KI-Programmierassistent, der für datenschutz- und sicherheitsbewusste Entwicklungsteams entwickelt wurde. MonkeyCode unterstützt die private Bereitstellung und Offline-Nutzung, um die Sicherheit von Codedaten zu gewährleisten. MonkeyCode unterstützt die private Bereitstellung und die Offline-Nutzung, um die Sicherheit der Codedaten zu gewährleisten...

Seed LiveInterpret 2.0 ist ein hochmodernes Simultandolmetschermodell, das vom Seed-Team von ByteDance auf den Markt gebracht wurde und Zwei-Wege-Übersetzungen zwischen Chinesisch und Englisch unterstützt. Das Modell verfügt über eine realitätsnahe Übersetzungsgenauigkeit und eine extrem niedrige Latenz, mit einer durchschnittlichen Sprache-zu-Sprache-Verzögerung von nur 2 bis 3 Sekunden, die viel niedriger ist als die von...

Excel MCP Server ist ein Model Context Protocol (MCP)-basiertes Server-Tool zur Bearbeitung von Excel-Dateien, ohne dass Microsoft Excel installiert werden muss...

ChatFlow ist ein Open-Source-KI-Workflow-Automatisierungswerkzeug, das die Umwandlung komplexer Anforderungen in effiziente Workflows unterstützt. Werkzeuge, die auf KI-Technologie basieren, helfen Nutzern, schnell Code-Frameworks und Testfälle zu generieren, und können beim Schreiben und Entwerfen von Software-Architekturen helfen.

Mureka V7 ist ein fortschrittliches KI-Musikgenerierungsmodell, das von Kunlun World Wide eingeführt wurde. Das Modell basiert auf der MusiCoT-Technologie, die die Planung der Gesamtstruktur der Musik unterstützt, bevor sie die Details ausfüllt, um kohärentere und künstlerische Musikwerke zu erzeugen.