Últimos recursos sobre IA

Atlas 是李飞飞创立的 World Labs 推出的全球首个多模态世界模型。模型能同时理解文本、图像、视频和三维空间信息，将画面精准锚定在空间坐标系中。

JoyAI-Video-Edit 是京东开源的实时流式视频编辑模型，基于16B参数自回归扩散框架构建，在单张英伟达B200 GPU上即可实现720p分辨率约30FPS的实时处理，真正做到"边播边改"。

Mureka V9.5 是昆仑万维（天工AI）发布的AI音乐生成大模型，首次亮相于同年7月的世界人工智能大会。核心是自研的 MusiCoT 音乐思维链技术，模型在生成音频前先进行整体音乐构思，强调编配...

Gemini 3.5 Transcribe 是 Google 发布的旗舰语音转文本模型，与传统语音识别只做逐字记录不同，能直接输出润色过、格式规范的成稿。自动删除口头禅、理解"周二，不，周三"式的自我...

Hy4 preview是腾讯混元推出的开源旗舰大模型，采用混合专家架构，总参数达7700亿、激活490亿，支持百万级上下文。

AI 剧漫剧的观众越来越多，普通创作者却越来越难赚到钱了。 这并不是你的错觉，DataEye 预估显示，2025 年国内漫剧用户规模约 1.2 亿，到 2026 年上半年，用户规模已突破 6 亿，规模...

Gemini Omni 1.1 Flash 是 Google DeepMind 推出的多模态视频生成模型，面向开发者与专业创作者。模型在 Gemini Omni 初版基础上，将可分析的上下文从 1 秒...

DeepSeek V4.1 Flash 是 DeepSeek 新一代架构中的入门款大模型，总参数 552B 的 MoE 设计，推理时只激活少量参数（输入约 8B、输出 16B），速度极快、成本很低。

最近那种 AI 换角视频很容易刷到。虽然角色变了，但动作熟悉，成片很容易让人看完。LibTV 这次上线的深度动作捕捉，完美解决了这个问题。 我们上传参考视频，LibTV 会一键提取视频中的深度动态信息...

Claude Fable 5.1 是 Anthropic 推出的新一代AI模型，主打复杂推理、长周期 Agent 任务与知识密集型工作。模型在科学探索、软件开发、计算机操作等多项基准测试中全面超越前代...

ChatGPT Images 2.5 是 OpenA推出的最新图像生成模型，面向 ChatGPT 全档位用户免费开放。模型在推理效率上大幅优化，出图延迟较上一代最高缩短一半；同时强化局部编辑的精准度...

MiniCPM5-2B 是面壁智能联合清华大学、OpenBMB 社区推出的开源端侧语言模型，参数量仅约 25 亿，能在多项基准测试中超越不少 40 亿参数的模型。模型原生支持 128K 长文本上下文...

MAI-Transcribe-2 是微软推出的多语言语音转文字模型，支持 60 种语言并具备自动语言识别与切换能力。模型内置说话人分离和逐词时间戳，无需额外后处理，提供 verbatim 和 clea...

H3-World 是腾讯联合新加坡国立大学、香港理工大学开源的交互式世界模型。模型在 MiniMax-H3 视频生成器（33B）基础上，仅用 8000 条游戏视频和 rank-32 的轻量 LoRA ...

星火X2.5是科大讯飞推出的新一代旗舰大模型系列，涵盖云端MoE大模型及两款开源端侧小模型。模型基于国产昇腾算力完成训练，强调自主可控，在代码生成、数学推理和Agent协作方面表现突出。

XiaoMi MiMo Desktop 是小米推出的桌面级通用 AI 助手，搭载自研的 MiMo-X-Pro 与 MiMo-X-Flash 双模型。用户无需提前整理素材格式，可直接把表格、PDF、音视...

Kimi K2.8 Preview 是月之暗面推出的新一代主力编码模型，已在 Kimi Code 和 Kimi Work 平台全量上线。模型采用 kimi-for-coding 模型 ID 实现无感升...