Últimos recursos sobre IA

MAI-Image-2-Efficient是微软AI团队推出的生产级文生图模型，作为MAI-Image-2的"高效版"，在保持接近旗舰版图像质量的同时，实现了速度提升22%、GPU效率提升4倍、成本降...

Ling-2.6-flash 是蚂蚁集团旗下的百灵大模型团队发布的 Instruct 模型。模型总参数量 104B，激活参数仅 7.4B，采用高度稀疏化的 MoE（混合专家）架构，主打 "Token ...

CutClaw 是开源的自主多智能体长视频编辑框架，由北京交通大学、大湾区大学与腾讯 ARC Lab 联合研发。通过"自底向上多模态解构"技术，将数小时原始素材结构化，采用 Playwriter（编剧...

Marble 1.1 是李飞飞创立的 World Labs 公司发布的生成式3D世界模型最新版本系列，包含 Marble 1.1 和 Marble 1.1-Plus 两款模型，在视觉质量、场景规模和生...

JoyAI-Image-Edit是京东探索研究院开源的多模态基础模型，业内首个将空间智能深度融入统一框架的图像编辑系统。模型突破传统"平面修图"局限，通过空间位置关系、多视角一致性、相机感知等维度建模...

Voicebox 是开源的本地优先的语音克隆工作室，定位为 ElevenLabs 的免费开源替代品。基于阿里巴巴的 Qwen3-TTS 模型，支持从几秒钟音频样本克隆声音，在本地设备上生成高质量语音。

Hy3 preview是腾讯混元发布并开源的语言模型，是团队重建预训练与强化学习基础设施后的首个成果。模型采用快慢思考融合的MoE架构，总参数达2950亿、激活参数210亿，最大支持256K上下文窗口...

Muse Spark 是 Meta 发布的全新旗舰 AI 模型，由 Meta Superintelligence Labs（MSL）历时 9 个月打造，内部代号"Avocado"。作为 Muse 系列...

HyperFrames 是 HeyGen 开源的 Apache 2.0 视频渲染框架，核心理念是"Write HTML. Render video. Built for agents"。开发者通过编写...

Claude Design是Anthropic最新推出的AI设计工具，基于其最新视觉模型Claude Opus 4.7开发，能快速生成UI原型、幻灯片和单页设计。支持自动分类设计素材、分析竞品调性、记...

Workspace Agents是 OpenAI 推出为GPTs的进化形态与企业级替代方案。产品基于Codex技术构建，面向团队场景，支持在云端持久运行复杂多步骤工作流，即使成员离线也能按计划自动执行...

Gemini 3.1 Flash TTS是Google DeepMind发布的全新文本转语音模型，支持70+种语言和丰富口音选择。核心创新在于"音频标签"技术，用户可通过自然语言指令精确控制语速、语调...

Mureka V9是昆仑万维旗下天工AI在中关村论坛上发布的AI音乐模型，是Mureka系列的最新迭代版本，通过技术创新重塑数字音乐创作生态。基于Musicot（Music Chain-of-Thou...

有道宝库是网易有道推出的首款AI知识库产品，定位为"中国版NotebookLM"。基于子曰大模型打造，支持PDF、Word及公众号、B站、小红书等20余种格式内容的一键导入与智能解析，最多可同时处理5...

JVS Crew是阿里云无影团队推出的企业级AI智能体构建与托管平台，帮助企业零门槛地将生产级AI Agent能力嵌入现有业务系统。平台提供云上构建部署、多重安全防护、企业专属Skill市场、全场景智...

AgentScope Tuner 是 AgentScope 框架内置的强化学习调优模块，专为提升智能体在特定任务上的表现而设计。通过"工作流强化学习"机制，允许开发者无需修改业务代码即可对智能体的决策...

Qwen3.6-Max-Preview 是阿里巴巴发布的通义千问系列最新旗舰模型，定位在 Qwen3.6-Plus 之上。模型主打顶尖编码能力与 Agentic 工作流支持，在 SWE-bench P...

OmniShow是字节跳动推出的端到端多模态视频生成框架，能同时整合文本、参考图像、音频、姿态四种条件生成高质量人机交互视频。模型基于120亿参数的Waver 1.0架构，支持最长10秒连续长镜头生成...

InternSVG 是上海AI实验室联合上海交通大学、南京大学等机构推出的统一矢量图形智能系统，系统基于多模态大语言模型（MLLM），首次实现了SVG理解、编辑、生成三大任务的统一建模

GenieAI 是 CodeBuddy 推出的 AI 生成应用展示平台，让用户通过自然语言交互快速构建和发布各类创意 Web 应用。平台支持生成多样化的数字产品，涵盖情感记录如心情日记、情侣共享空间...

StepAudio 2.5 TTS 是阶跃星辰发布的全新语音合成模型，首次将语境理解能力深度融入语音生成全流程。模型突破传统TTS依赖固定标签的局限，支持通过自然语言描述实现全局语境控制

QinyanClaw 是沁言学术推出的全球首个专为学术场景深度优化的云端 AI Agent，基于 OpenClaw 框架构建。与传统对话式 AI 不同，运行在独立的 K8s 容器中，支持 7×24 小...

OpenAI Privacy Filter 是OpenAI开源发布的双向token分类隐私过滤模型，基于gpt-oss架构衍生，采用Apache 2.0许可证。模型总参数量15亿（MoE架构，每次推理...

StepAudio 2.5 ASR 是阶跃星辰发布的新一代自动语音识别模型。模型全球首次将大语言模型领域的 Multi-Token Prediction（MTP，多Token预测）技术引入语音识别领域...

Seed3D 2.0是字节跳动发布的新一代3D生成大模型，通过技术革新提升3D资产生成的精度、真实感和下游可用性，推动3D生成技术从实验性应用向生产级落地。Seed3D 2.0通过架构革新和算法优化...

Sage是商汤绝影发布的端侧多模态智能体基座大模型，采用MoE架构，总参数32B、激活参数仅3B，是行业内首款在车端实现复杂智能体能力的基座大模型。在国际公开Agent评测基准PinchBench上以...

Fun-ASR1.5是阿里通义实验室发布的语音识别大模型，采用MoE架构，单模型即可覆盖30种语言、汉语七大方言体系及20余种地方口音，支持跨语种自由混说识别与古诗词吟诵精准转写。

SenseNova U1 是商汤日日新推出的原生统一多模态大模型家族，核心 NEO-Unify 架构彻底摒弃了传统的视觉编码器（VE）和变分自编码器（VAE），将语言与视觉信息作为统一复合体直接建模。

CodeBanana是出门问问发布的企业级AI原生协作平台，定位为"超级组织的操作系统"。基于《超级组织》战略思想，首创"幽灵效率"概念，破解"个体越强、系统越堵"的组织困境。平台以项目为核心单元，将...

Step Image Edit 2是阶跃星辰发布新一代轻量级图像生成编辑模型，参数量仅 3.5B，在性能上实现了对 12B–20B 级开源图像编辑大模型的跨量级超越，单次生图仅需 0.5–2 秒，在公...

TIPSv2（Text-Image Pretraining with Spatial awareness v2）是 Google DeepMind 推出的开源多模态视觉-语言基础模型，相关论文已被 C...