Dernières ressources sur l'IA

Meeseeks est un ensemble d'évaluation de grands modèles open source utilisé par l'équipe M17 de Meituan pour évaluer la capacité d'un modèle à suivre les instructions. Meeseeks utilise un cadre d'évaluation à trois niveaux pour mesurer de manière exhaustive si un modèle est capable de générer des réponses en stricte conformité avec les instructions de l'utilisateur, du niveau macro au niveau micro, et n'évalue pas la connaissance du contenu de la réponse comme un élément positif....

gpt-realtime est un modèle vocal avancé d'OpenAI qui prend en charge le traitement audio direct pour générer une parole naturelle et fluide. Le modèle prend en charge plusieurs langues et styles, comprend les signaux non verbaux tels que le rire et peut passer d'une langue à l'autre.

Youtu-agent est un framework open source pour la construction et l'exécution d'intelligences autonomes de Tencent Youtu Labs. Le framework est performant dans les benchmarks WebWalkerQA et GAIA, avec une précision de 71,47% et 72,8% respectivement....

HunyuanVideo-Foley est un modèle open source de génération de sons vidéo conçu par l'équipe de Tencent Mixed Yuan, qui permet d'ajouter des effets sonores adaptés à des vidéos muettes. Le modèle est basé sur l'entraînement d'un ensemble de données à grande échelle, avec une architecture de convertisseur de diffusion multimodale, combinée à la représentation de la fonction de perte d'alignement et aux techniques d'optimisation de la VAE audio ...

PixVerse V5 est un grand modèle de génération vidéo par IA lancé par Aishi Technology. Le modèle peut générer un contenu vidéo de haute qualité sur la base de descriptions textuelles ou d'images saisies par l'utilisateur, et prend en charge une variété de styles, tels que l'anime, la science-fiction et le style national.

Ask White 5 est le modèle phare "Tout en un" avec un niveau d'intelligence très élevé. Ce modèle obtient de bons résultats dans de nombreuses évaluations, comme le score composite de 64,7 de l'indice AA et le score de 86 de l'évaluation des capacités STEM, qui est proche du GPT-5, le meilleur au monde.

MiniCPM-V 4.5 est un modèle multimodal paramétrique 8B open-source pour Facade Intelligence, construit sur la base de Qwen3-8B et SigLIP2-400M, avec la capacité de traiter efficacement les images et les vidéos. Il offre d'excellentes performances en matière de consommation de jetons visuels, de ...

Gemini 2.5 Flash Image (nom de code nano banana) est un modèle de génération et d'édition d'images de pointe de Google qui maintient la cohérence des personnages d'une scène à l'autre et prend en charge l'édition précise d'images par le biais du langage naturel, par exemple en rendant les arrière-plans flous et en supprimant les taches.

Wan2.2-S2V est un modèle de génération vidéo multimodale open source d'Ali Tongyi. Il suffit d'une image statique et d'un morceau d'audio pour générer une vidéo humaine numérique de haute qualité et prendre en charge une variété de types d'images et de cadres.

ChatGPT Tip Engineering for Developers est un cours conjoint de DeepLearning.AI et OpenAI conçu pour les développeurs, avec Isa Fulford, Andrew Ng pour enseigner comment utiliser les grands modèles de langage (LLM)....

Ask White o4 est un modèle innovant de réflexion parallèle qui ouvre 8 voies de réflexion en même temps, analyse le problème sous plusieurs angles et filtre automatiquement la solution optimale. Le modèle incorpore des techniques avancées d'apprentissage par renforcement Long-CoT et d'apprentissage par récompense de processus, possède de puissantes capacités de raisonnement profond et donne de bons résultats dans les tâches complexes.

VibeVoice est un nouveau modèle de synthèse vocale de Microsoft. Ce modèle génère un son conversationnel à partir de quatre locuteurs différents et prend en charge jusqu'à 90 minutes de sortie vocale continue, ce qui supprime les limites de durée des systèmes TTS traditionnels.

SpatialGen est un modèle de génération de scènes 3D open source de Qunar Technology, basé sur l'architecture du modèle de diffusion, qui prend en charge la génération d'images multi-vues spatio-temporellement cohérentes sur la base de descriptions textuelles, d'images de référence et d'une disposition spatiale 3D, et qui permet de générer des scènes gaussiennes 3D et d'effectuer le rendu de vidéos itinérantes.

EchoMimicV3 est un modèle multimodal de génération de vidéos humaines numériques lancé par Ant Group, avec 1,3 milliard de paramètres, capable de gérer des entrées multiples telles que l'audio, le texte, les images, etc. pour générer des animations humaines numériques de haute qualité.

Fun-ASR est un grand modèle de reconnaissance vocale lancé conjointement par Nail et Tongyi Labs. Le modèle a été entraîné avec des données audio massives et peut identifier avec précision la terminologie multi-industrielle, telle que l'Internet, la technologie, la décoration intérieure, etc. Le modèle est combiné avec les informations de l'entreprise Nail pour l'optimisation de l'inférence afin de réduire le problème des...

Squibler est une puissante plateforme d'écriture assistée par l'IA, conçue pour les écrivains, qui aide les utilisateurs dans l'ensemble du processus, de la conception à la publication en passant par la création. La plateforme fournit une variété de modèles d'histoires couvrant les romans, les scénarios, les nouvelles, etc. Les utilisateurs n'ont qu'à entrer le concept initial, et l'IA peut générer les grandes lignes, les personnages, les scènes...

91Writing est un outil de création de romans d'IA entièrement open source, développé sur la base de Vue 3 et Element Plus, intégrant une variété de modèles d'IA avancés, tels que GPT, Claude, Gemini, etc. L'outil fournit aux créateurs une chaîne complète d'outils de création, de l'idée au texte, y compris la création de projets...

Aivilization est la première plateforme de simulation sociale de corps multi-intelligents développée par l'Université des sciences et technologies de Hong Kong. Elle constitue un bac à sable numérique visuel où les utilisateurs peuvent créer et guider des milliers d'intelligences IA afin d'observer l'évolution sociale de la future coexistence entre l'homme et l'IA. La plateforme prend en charge...

Grok 2.5 est un modèle d'IA open source de l'entreprise xAI d'Elon Musk. Avec 269 milliards de paramètres, il est basé sur l'architecture Mixed Expertise (MoE) pour des performances et une inférence puissantes. Le modèle a été testé sur des connaissances scientifiques de haut niveau (GPQA), des connaissances générales (MMLU, MM...

Draw A Fish est un site simple et amusant de dessin de poissons en ligne où les utilisateurs peuvent dessiner des poissons qui seront placés dans un aquarium virtuel partagé à l'échelle mondiale. Draw A Fish ne nécessite aucune inscription, est facile à utiliser et ne prend que quelques secondes pour créer et partager.

Le dernier rapport du MIT, The Generative AI Divide : the State of Business AI in 2025, révèle le cœur du processus d'adoption de l'IA générative (GenAI) auquel les entreprises sont confrontées en menant des recherches approfondies sur plus de 300 projets d'IA, des entretiens avec 52 organisations et une enquête auprès de 153 dirigeants....

AutoClip est un outil d'édition vidéo IA open source, basé sur une technologie IA avancée pour réaliser le processus complet de traitement vidéo automatisé. Les outils peuvent automatiquement identifier les points forts de la vidéo, l'extraction précise du contenu précieux, peut être basé sur la similitude du thème de clustering intelligent, pour générer une collection de contenu.AutoClip support...

ToonComposer est un outil d'animation générative par IA lancé conjointement par l'Université chinoise de Hong Kong, Tencent PCG ARC Lab et l'Université de Pékin. Grâce à la technologie générative post keyframe, la génération d'images intermédiaires et le processus de coloration sont intégrés dans un processus automatisé, ne nécessitant qu'une esquisse et un...

Seed-OSS est une famille de grands modèles de langage mis à disposition par l'équipe de Byte Jump Seed, qui se concentre sur les textes longs et les tâches de raisonnement. Le modèle est performant dans le raisonnement logique complexe et le raisonnement en plusieurs étapes avec une grande précision et peut résoudre efficacement des problèmes difficiles....

Intern-S1-mini est un macromodèle scientifique multimodal léger avec une échelle de paramètres de 8B lancé par le Shanghai Artificial Intelligence Laboratory (SAL). Il hérite des puissantes capacités d'Intern-S1, combinant à la fois des capacités scientifiques générales et spécialisées, et convient à un déploiement rapide et à un développement secondaire. En termes de performances, I...

Nano Banana est le nom de code de Gemini 2.5 Flash Image, un modèle de génération et d'édition d'images par IA de Google qui génère des images détaillées et photoréalistes à partir de simples invites textuelles permettant d'apporter des modifications de haute qualité à des images existantes.

Klear-Reasoner est un modèle d'inférence haute performance de Racer, basé sur Qwen3-8B-Base. Le modèle est entraîné par une longue chaîne de réflexion, un réglage fin supervisé et un apprentissage par renforcement pour obtenir de bonnes performances dans le raisonnement mathématique et...

CombatVLA est un modèle 3D innovant spécifique aux jeux de rôle et d'action (ARPG), développé par l'équipe du Future Life Lab du groupe Amoy. CombatVLA est un modèle vision-linguistique-action (VLA), construit sur une échelle paramétrique de 3B, qui recueille les données du joueur humain par l'intermédiaire d'un...

DeepSeek V3.1 est une nouvelle génération de modèles d'IA introduits par DeepSeek, avec d'importantes améliorations par rapport à son prédécesseur, V3. DeepSeek V3.1 introduit une architecture de raisonnement hybride qui permet au modèle de basculer de manière flexible entre les modes de réflexion et de non-réflexion, améliorant de manière significative la...

Qwen-Image-Edit est un modèle d'édition d'images polyvalent présenté par Ali Tongyi, construit sur l'architecture Qwen-Image avec 20 milliards de paramètres. Le modèle combine à la fois des capacités d'édition sémantique et d'édition d'apparence, et peut effectuer une édition d'apparence visuelle de bas niveau sur les images (par exemple, ajouter, supprimer...

MoE-TTS est un cadre de synthèse vocale introduit par KunlunWanwei, basé sur l'architecture Mixed Expert (MoE), qui combine de grands modèles de langage (LLM) pré-entraînés avec des modules d'expertise vocale.

Genie Envisioner (GE) est une plateforme unifiée pour les opérations robotiques développée par l'équipe de Genie Robotics en collaboration avec l'Université nationale de Singapour, l'Université d'aéronautique et d'astronautique de Pékin et d'autres institutions. Elle permet aux robots de mieux comprendre et d'exécuter des tâches en "imaginant d'abord, puis en agissant".

DINOv3 est un modèle de base de vision auto-supervisée de nouvelle génération de Meta AI qui utilise un paradigme d'apprentissage auto-supervisé pour apprendre les caractéristiques des images sans données d'étiquetage. Il résout le problème de la dégradation des caractéristiques en améliorant la préparation des données et en introduisant l'ancrage Gram, et améliore la généralisation...

Mureka V7.5 est un modèle de génération de musique par IA de Kunlun World Wide, axé sur l'écriture de chansons chinoises. Le modèle reproduit fidèlement le timbre et les techniques de jeu pour générer des voix naturelles, douces et émotionnelles. Basé sur une technologie optimisée de reconnaissance automatique de la parole (ASR), Mureka V...

Skywork Deep Research Agent v2 est un organisme intelligent de recherche approfondie lancé par Kunlun Wave, qui se concentre sur l'intégration et l'analyse d'informations multimodales.

Hunyuan-GameCraft est un cadre de génération de vidéos de jeux interactifs open source de l'équipe Hunyuan de Tencent. A partir d'une simple image et d'invites, ce cadre permet de générer des vidéos de jeux hautement dynamiques. L'utilisateur peut contrôler le contenu vidéo en temps réel à l'aide d'un clavier et d'une souris.

Skywork UniPic 2.0 est un modèle multimodal efficace mis à disposition par Quintessence, qui se concentre sur la génération, l'édition et la compréhension d'images. Le modèle est basé sur une architecture SD3.5-Medium à 2 paramètres, et est réalisé par pré-entraînement, stratégie de renforcement progressif à deux tâches et co-entraînement...

RynnRCP est un protocole de contexte robotique (RCP) open source de l'Institut Ali Dharma qui abaisse le seuil de développement de l'intelligence incarnée et ouvre l'ensemble du processus de développement.RynnRCP se compose du cadre RCP et du module RobotMotion....

RynnEC est un modèle de compréhension du monde présenté par l'Alibaba Dharma Institute, qui se concentre sur les tâches d'intelligence incarnée. Le modèle est basé sur une technologie de fusion multimodale, combinant les données vidéo et le langage naturel, et peut analyser les objets d'une scène à partir de plusieurs dimensions, prenant en charge des fonctions telles que la compréhension des objets, la perception spatiale et la segmentation des cibles vidéo.

Matrix-3D est un framework open source de l'équipe Skywork AI, axé sur la génération de mondes 3D panoramiques explorables. Le cadre combine la génération de vidéos panoramiques et les techniques de reconstruction 3D pour générer des mondes 3D explorables de haute qualité et omnidirectionnels à partir d'une seule image ou d'un texte...

GLM-4.5V est le premier modèle d'inférence visuelle open source au monde introduit par Smart Spectrum, avec 106 milliards de paramètres totaux et 12 milliards de paramètres activés. Le modèle est entraîné sur la base du modèle de texte de nouvelle génération GLM-4.5-Air, avec de puissantes capacités de compréhension visuelle et de raisonnement, capable de traiter des images, des vidéos...

Matrix-Game 2.0 est un modèle de monde interactif développé par Kunlun SkyWork AI. Matrix-Game 2.0 est le premier modèle de génération interactive à longue séquence, en temps réel et à source ouverte, pour des scénarios à usage général. Il est capable de fonctionner à 25 FPS dans de multiples...

Baichuan-M2 est un macromodèle médical augmenté open source lancé par Baichuan Intelligence. Il obtient de bons résultats dans le domaine médical, en particulier dans l'évaluation HealthBench avec un score de 60,1, surpassant le gpt-oss120b d'OpenAI et de nombreux autres modèles open source, devenant ainsi...

Qwen-Flash est un modèle linguistique performant et peu coûteux introduit dans la série Alibaba Tongyi Thousand Questions, conçu pour une réponse rapide et un traitement efficace des tâches simples. Basé sur l'architecture avancée du mélange d'experts (MoE), il est réalisé par un réseau d'experts clairsemé...

SkyReels-A3 est un outil de création humaine numérique piloté par le son, conçu par le Kunlun World Wide Group. SkyReels-A3 est un outil de création humaine numérique piloté par l'audio, qui peut générer un contenu vidéo dynamique de haute qualité à partir d'entrées simples (par exemple, des images de portrait et la voix), donner vie à des photos statiques et remplacer les lignes des vidéos existantes par de nouvelles synchronisations labiales que les personnages feront automatiquement correspondre à...

MiniMax Speech 2.5 est un modèle avancé de génération de la parole développé par l'équipe MiniMax. Il s'agit d'une avancée significative dans le domaine de la synthèse vocale, notamment en termes d'expressivité multilingue, de précision de reproduction du timbre et de couverture linguistique. Le modèle prend en charge 40 langues...

GPT-5 est le dernier modèle de langage publié par OpenAI avec plusieurs mises à jour. Il s'agit d'un système d'intelligence unifiée doté d'un routeur en temps réel intégré qui bascule automatiquement entre les modes de pensée efficace et profonde en fonction de la complexité du problème, ce qui permet une réponse rapide et des réponses précises.GPT-5 a plusieurs versions, y compris pour les pu...

dots.vlm1 est le premier grand modèle multimodal mis en open-source par Little Red Book hi lab. Basé sur NaViT, un encodeur visuel de 1,2 milliard de paramètres entraîné à partir de zéro, et DeepSeek V3 Large Language Model (LLM), il dispose d'une puissante perception visuelle et d'une inférence...

Genie 3 est une nouvelle génération de modèles de monde universels de Google DeepMind qui permet de générer des mondes virtuels hautement dynamiques et cohérents en temps réel.Genie 3 simule des phénomènes physiques, des écosystèmes naturels, et prend en charge la création de scénarios fantastiques et historiques. À l'aide d'invites textuelles, les utilisateurs peuvent...

Claude Opus 4.1 est un modèle de langage à grande échelle d'Anthropic, conçu pour le traitement efficace de tâches complexes. Le modèle excelle dans le domaine de la programmation, générant un code de haute qualité, supportant jusqu'à 32k de sortie unique, et s'adaptant à une large gamme de styles de programmation...

gpt-oss est la famille de modèles d'inférence open source d'OpenAI qui permet aux développeurs de disposer de solutions d'IA efficaces, flexibles et faciles à déployer. gpt-oss est disponible en deux versions, gpt-oss-120B avec 117 milliards de paramètres et la prise en charge de 8...

MiDashengLM est le grand modèle open source de Xiaomi pour une compréhension efficace des sons, avec la version de paramètres spécifiques MiDashengLM-7B, qui se concentre sur le traitement et la compréhension audio. Le modèle est basé sur l'encodeur audio Xiaomi Dasheng et Qwen2.5-Omn...

MOSS-TTSD est un modèle de dialogue parlé open source développé par le Speech and Language Lab de l'université de Tsinghua. MOSS-TTSD peut convertir des scripts de dialogue textuels en dialogues vocaux naturels, fluides et expressifs, et prend en charge la génération bilingue en anglais et en chinois.

AudioGen-Omni est un modèle de génération audio multimodale de Racer qui génère de l'audio, de la parole et des chansons de haute qualité sur la base d'entrées telles que la vidéo, le texte, etc.

LangExtract est une bibliothèque Python Open Source de Google qui utilise de grands modèles de langage (LLM) pour extraire des informations structurées à partir de textes non structurés. Avec des commandes définies par l'utilisateur et un petit nombre d'exemples, elle peut identifier et organiser efficacement des détails clés, tels que des...

Qwen-Image est un modèle de base de génération d'images open source publié par l'équipe d'Alibaba Tongyi Qianqian. Avec 20 milliards de paramètres, il adopte l'architecture MMDiT (Multimodal Diffusion Transformer Architecture), qui intègre trois modules : compréhension multimodale, codage haute résolution et modélisation de la diffusion....

RedOne est un grand modèle linguistique conçu pour les réseaux sociaux et introduit par Little Red Book. Le modèle est entraîné grâce à une stratégie de formation en trois étapes qui intègre les connaissances sociales et culturelles, renforce les capacités multitâches et aligne les préférences humaines....

FastDeploy est un outil de raisonnement et de déploiement haute performance de Baidu, conçu pour les grands modèles de langage (LLM) et les modèles de langage visuels (VLM). FastDeploy est développé sur la base du cadre Flying Paddle (PaddlePaddle) et prend en charge une variété de plates-formes...

InteriorGS est un ensemble de données sémantiques gaussiennes 3D de haute qualité introduit par Qunar Technology. Ce jeu de données contient 1 000 scènes 3D couvrant plus de 80 environnements intérieurs tels que des maisons, des magasins de proximité, des salles de mariage et des musées. Le jeu de données contient plus de 554 000 instances d'objets dans 755 catégories...

DragonV2.1 est un modèle avancé de synthèse vocale à zéro échantillon de Microsoft. Basé sur l'architecture Transformer, ce modèle prend en charge le clonage multilingue et le clonage de la parole sans échantillon, et génère une parole naturelle et expressive avec seulement 5 à 90 secondes de messages vocaux.

ScreenCoder est un outil open source intelligent qui permet de convertir rapidement des captures d'écran de conception d'interface utilisateur en code HTML/CSS de haute qualité. L'outil est basé sur une architecture multi-intelligence modulaire, combinée à des techniques de compréhension visuelle, de planification de la mise en page et de synthèse du code, afin d'aider à la génération d'interfaces frontales sémantiques et de haute précision.

Gemini 2.5 Deep Think est un modèle de raisonnement IA de Google conçu pour résoudre des tâches complexes. Il s'agit d'une variante du modèle qui a remporté la médaille d'or à l'Olympiade internationale de mathématiques (OIM) 2025. Il est conçu pour résoudre des tâches complexes par le biais de ...

MindLink est un grand modèle de raisonnement open source lancé par Kunlun World Wide Web. Avec un mécanisme de raisonnement adaptatif, en fonction de la complexité de la tâche, le mode de raisonnement change de manière flexible, les tâches simples sont générées rapidement, les tâches complexes font l'objet d'un raisonnement approfondi, en tenant compte de l'efficacité et de la précision. Le paradigme de raisonnement guidé par le plan permet de supprimer l'étiquette "penser", de réduire ...

Kimi K2 version haute vitesse (kimi-k2-turbo-preview) est un modèle de langage haute performance introduit par Kimi, la face cachée de la lune. Le modèle est optimisé sur la base de Kimi K2, et la vitesse de sortie est considérablement augmentée, pouvant générer 40 tokens par seconde...

dots.ocr est un modèle d'analyse syntaxique de documents multilingues mis à disposition par le laboratoire Xiaohongshu hi, basé sur un modèle de langage visuel (VLM) de 1,7 milliard de paramètres, qui permet de détecter efficacement la mise en page des documents et de reconnaître leur contenu tout en conservant un bon ordre de lecture.

HYPIR est un grand modèle de restauration d'images introduit par l'équipe de Dong Chao à l'Institut des technologies avancées de Shenzhen, Académie chinoise des sciences. Le modèle combine l'a priori fractionnaire du modèle de diffusion avec un réseau génératif accusatoire pour réaliser une restauration d'image efficace et de haute qualité.HYPIR peut rapidement restaurer de vieilles photos et améliorer la résolution tout en gardant le texte clair...

FLUX.1 Krea [dev] est un modèle graphique généré par le texte, développé par Black Forest Labs et Krea AI. Le modèle génère des images réalistes de haute qualité à partir de descriptions textuelles, avec un style esthétique unique qui évite les...

Qwen3-Coder-Flash est un modèle de programmation haute performance introduit par l'équipe d'Ali Tongyi Thousand Questions, avec d'excellentes capacités de programmation basée sur des agents et d'appel d'outils, capable de gérer des tâches de programmation complexes. Le modèle prend en charge 256K tokens de compréhension du contexte long, et peut s'étendre à 1M ...

La recherche étendue est une fonction puissante de la plateforme Manus, conçue pour gérer des tâches complexes et à grande échelle. La plateforme prend en charge des centaines d'intelligences polyvalentes travaillant simultanément grâce à des mécanismes de traitement parallèle au niveau du système et à des protocoles de collaboration entre les intelligences.

Seed Diffusion est un modèle de langage de diffusion expérimental introduit par ByteHop qui gère les tâches de génération de code. Le modèle est basé sur des techniques telles que l'apprentissage par diffusion en deux étapes, l'apprentissage séquentiel contraint et le décodage parallèle efficace amélioré, ce qui améliore considérablement la vitesse d'inférence à 2 146 tokens/s, ce qui est plus rapide que...

Xiao Xingxu est un produit de génération de bandes dessinées émotionnelles par l'IA lancé par Jingdong Health, actuellement en phase de test. La fonction principale du produit est la génération de bandes dessinées émotionnelles, les utilisateurs peuvent exprimer leurs émotions ou raconter une histoire par le biais d'une entrée vocale ou textuelle, et l'IA génère des bandes dessinées à quatre panneaux et une interprétation de l'histoire sur la base de l'entrée.

1688 AI version est une application d'assistant commercial intelligent lancée par la plateforme 1688 d'Alibaba, conçue pour les petits acheteurs et commerçants. Basée sur les données massives de la plateforme 1688, l'application offre des fonctions telles que l'encouragement des opportunités commerciales, la recommandation de produits, la génération d'idées, la recherche d'entreprises, etc.

Steps Deep Research est un outil de recherche IA efficace lancé par Steps Star, qui peut effectuer de manière autonome des recherches sur des questions complexes et générer des rapports professionnels en peu de temps. L'outil est conçu pour la finance, le conseil, la santé, le droit et d'autres domaines, et a excellé dans les revues de l'industrie grâce à ses capacités de recherche approfondie et d'intégration de l'information.

Runway Aleph est un modèle d'édition vidéo IA avancé lancé par Runway, qui est basé sur de simples commandes textuelles pour ajouter et supprimer rapidement du contenu vidéo, changer de style, ajuster l'environnement et optimiser les mouvements de caméra. Les utilisateurs peuvent facilement supprimer les éléments redondants, changer de scène sans opérations complexes...

WebShaper est un système de synthèse de données d'entraînement à l'IA lancé par le Tongyi Lab d'Alibaba, qui génère des données d'entraînement de haute qualité et évolutives basées sur des mécanismes de modélisation formelle et d'expansion de l'intelligence, aidant les intelligences IA à améliorer leurs capacités de recherche d'informations complexes. Le système introduit le concept de "projection des connaissances"...

Skywork UniPic est un modèle de pré-entraînement multimodal open source de KunlunWanwei, avec trois capacités principales : compréhension d'image, génération d'image de texte et édition d'image. Le modèle est basé sur une architecture autorégressive, incorporant l'encodeur MAR et l'épine dorsale SigLIP2, avec une jauge de paramètres de 1.5B...

ChatGPT Study est un modèle d'apprentissage innovant d'OpenAI qui aide les utilisateurs à apprendre et à comprendre plus efficacement. ChatGPT Study guide les utilisateurs pour qu'ils réfléchissent activement et résolvent les problèmes étape par étape grâce à des questions socratiques, des réponses...

Tongyi Wanphase Wan2.2 est un modèle avancé de génération de vidéos par l'IA mis à disposition par Alibaba, avec 27 milliards de références totales. Le modèle comprend trois modes de génération de vidéos : vidéo générée par le texte, vidéo générée par les graphes et vidéo unifiée. Il permet de générer des vidéos de haute qualité à partir de descriptions textuelles, d'images ou d'une combinaison des deux.

GLM-4.5 est un modèle SOTA open source de Smart Spectrum, conçu pour les applications de corps intelligents, incorporant des capacités de raisonnement, de génération de code et de corps intelligents. Le modèle est basé sur l'architecture Mixed Expert (MoE) et contient deux versions, GLM-4.5 avec 355 milliards de paramètres et 106 milliards...

Coze Studio est la plateforme de développement open source de ByteDance pour les corps intelligents, conçue pour les développeurs afin de simplifier la création, le déploiement et la gestion d'applications d'intelligence artificielle.

Coze Loop est la plateforme open source de développement, d'exploitation et de gestion de l'intelligence artificielle de la plateforme Coze de ByteDance. La plateforme offre aux développeurs une gestion complète du cycle de vie depuis le développement, le débogage jusqu'à l'évaluation et la surveillance, couvrant l'ingénierie des mots-clés, l'évaluation de l'effet des agents, la surveillance et le réglage des performances...

Wuneng est une plateforme d'intelligence corporelle conçue pour les robots et les appareils intelligents. Basée sur le modèle du monde "éclairé" et la technologie des grands modèles multimodaux, Wuneng intègre des entrées multi-capteurs telles que la vision, la voix, le toucher, etc., et possède de puissantes capacités de perception, de prise de décision et d'action.

Intern-S1 est un grand modèle scientifique multimodal lancé par le laboratoire d'intelligence artificielle de Shanghai. Le modèle intègre profondément les capacités linguistiques et multimodales, avec des fonctions puissantes telles que l'analyse scientifique multimodale, la fusion linguistique et visuelle, le traitement des données scientifiques, la réponse aux questions scientifiques, la conception et l'optimisation d'expériences.

Hunyuan 3D world model 1.0 (Hunyuan World 1.0) est le premier modèle de génération de monde immersif, interactif et de simulation de l'industrie open source de Tencent. Le modèle intègre la génération visuelle panoramique et la technologie de reconstruction 3D hiérarchique pour prendre en charge la saisie de texte ou d'image afin de générer rapidement 36...

Day by Day V6.5 est un macromodèle avancé d'inférence multimodale de ShangTech, conçu pour traiter des entrées mixtes d'images et de textes, permettant une compréhension précise du contenu des images et la génération de descriptions ou la réponse à des questions en combinaison avec le texte.

Opal est une plateforme innovante de génération d'applets d'IA de Google Labs qui permet aux utilisateurs de créer et de partager rapidement des applications d'IA sans avoir à écrire du code....

Qwen-MT est un modèle de traduction automatique de pointe lancé par l'équipe d'Ali Tongyi Thousand Questions, basé sur la puissante architecture Qwen3, qui prend en charge l'inter-traduction de 92 langues et couvre une population mondiale de plus de 95%. Le modèle est basé sur des ...

Agentar-Fin-R1 est un modèle de grand langage de pointe pour le domaine financier introduit par Anthem. Développé sur la base de la puissante architecture Qwen3, le modèle fournit deux versions d'échelle de paramètres, 8B et 32B, et peut traiter avec précision des tâches complexes de raisonnement financier, y compris l'analyse multi-étapes, l'évaluation du risque et la guerre....

MonkeyCode est un assistant de programmation d'IA natif, open source, de niveau entreprise, conçu pour les équipes de développement soucieuses de la confidentialité et de la sécurité. MonkeyCode prend en charge le déploiement privé et l'utilisation hors ligne pour assurer la sécurité des données de code ...

Seed LiveInterpret 2.0 est un modèle d'interprétation simultanée de pointe lancé par l'équipe Seed de ByteDance, qui prend en charge la traduction bidirectionnelle entre le chinois et l'anglais. Le modèle offre une précision de traduction proche de la réalité et une latence extrêmement faible, avec un délai moyen de parole à parole de seulement 2 à 3 secondes, ce qui est bien inférieur à...

Excel MCP Server est un outil serveur basé sur le Model Context Protocol (MCP) pour manipuler les fichiers Excel sans avoir besoin d'installer Microsoft Excel....

ChatFlow est un outil d'automatisation de flux de travail IA open source qui soutient la transformation d'exigences complexes en flux de travail efficaces. Des outils basés sur la technologie de l'IA pour aider les utilisateurs à générer rapidement des cadres de code, des cas de test, peuvent aider à l'écriture et à la conception de l'architecture logicielle.

Mureka V7 est un modèle avancé de génération de musique par IA lancé par Kunlun World Wide. Le modèle est basé sur la technologie MusiCoT, qui permet de planifier la structure globale de la musique avant d'en remplir les détails, afin de générer des œuvres musicales plus cohérentes et plus artistiques.

Seed GR-3 est un modèle robotique polyvalent introduit par ByteDance, doté de fortes capacités de généralisation pour s'adapter à de nouveaux environnements et à des commandes complexes. Le modèle fusionne les informations visuelles, verbales et de mouvement, et est basé sur une méthode d'entraînement trois-en-un des données du robot, des données de trajectoire humaine VR et des données graphiques publiques afin d'améliorer la capacité à répondre à de nouveaux objets...

Qwen3-Coder est un modèle de génération de code de pointe introduit par l'équipe Ali Tongyi Qianqian. Le modèle a 480B paramètres et 35B paramètres d'activation, supporte 256K contextes de jetons natifs, et peut s'étendre jusqu'à 1M de jetons.

OpenReasoning-Nemotron est une série de modèles de langage à grande échelle mis à disposition par NVIDIA pour soutenir le traitement des tâches de raisonnement dans les domaines des mathématiques, des sciences et du code. Les modèles sont distillés sur la base du modèle DeepSeek R1 0528 avec des échelles de paramètres de 1,5...

Seed-X est un modèle de traduction multilingue lancé par l'équipe Seed de ByteDance, avec 7 milliards de paramètres, prenant en charge la traduction bidirectionnelle dans 28 langues. Le modèle combine des techniques de pré-entraînement de données multilingues, de réglage fin des commandes et d'apprentissage par renforcement pour traiter efficacement des modèles linguistiques complexes et améliorer la qualité de la traduction...

JoyAgent-JDGenie est un système multi-intelligence à usage général, léger et open source, qui ne nécessite aucun développement secondaire et peut être utilisé directement.

TRAE SOLO est un assistant de développement automatisé introduit par TRAE, un assistant de programmation lancé par ByteDance, afin de simplifier le processus de développement de logiciels grâce à la technologie de l'IA.