最新のAIリソース

Ming-flash-omni-Previewは、Ant Group inclusionAIによって公開されたオープンソースのフルモーダル・マクロモデルです。Ling 2.0のスパースMoEアーキテクチャに基づき、パラメータ規模は数千億、総パラメータは103B、アクティブ度は9Bです。

ForgeTrain 是面壁智能联合清华大学、OpenBMB 开源社区发布的全球首个完全由 AI 编写、零人类代码介入的生产级大模型预训练框架。框架采用独创的 Forge Engineering（锻造...

Unlimited-OCR 是百度开源的端到端长文档 OCR 模型，采用 3B 参数 MoE 架构（每 token 仅激活约 500M 参数），核心创新在于将标准注意力替换为 R-SWA（参考滑动窗口...

SeedMusic 1.0是字节跳动推出的第一代AI音乐生成模型，专注于将用户的文字创意快速转化为带有人声的完整歌曲草稿。用户只需输入一段描述、歌词或风格方向，可在几分钟内生成包含主歌、副歌、编曲和人...

OpenAgentsは、AIエージェントのネットワークを構築し、エージェント間のオープンなコラボレーションを促進するオープンソースプロジェクトです。AIエージェントがシームレスに接続し、コラボレーションできるように、基本的なネットワークインフラが提供されています。ユーザーは、独自のエージェントネットワークを迅速に開始し、モジュラーアーキテクチャによって機能を拡張し、...

UniWorld V2は、RabbitZhan Intelligenceと北京大学のUniWorldチームが共同で発表した新世代の画像編集モデルです。画像編集の分野、特に中国語の理解や複雑なコマンドの実行において大きな優位性を持っている。このモデルは、芸術的な中国語フォントを正確にレンダリングすることができ、細かい...

DeepSeek-Math-V2は、ファントムキューブ傘下のAI企業であるDeepSeek社のオープンソース数理推論モデルで、最新バージョンはDeepSeek-V3.2-Exp-Baseの改良をベースにしており、Gemini DeepThinkを上回るパフォーマンスで国際的なナンバーワンに達している。

MiniMax M2.1は、MiniMaxのオープンソースのコーディングとエージェントモデルで、100億のアクティブ化と、Rust、Java、Golang、C++、Kotlin、Objective-C、TypeS...などの多くの主要なプログラミング言語をサポートしています。

総合紹介 Meimanは、住宅デザインとマーケティング交渉に焦点を当てたオンラインプラットフォームです。このサイトでは、デザイナーと住宅所有者が高品質のデザイン提案を迅速に作成できるよう、豊富なデザイン素材、ソフトファニシング、提案書PPTテンプレート、ポスターテンプレートなどを提供しています。Meimanのオンラインソフトファニシングデザインツールは、わずか10秒で使用することができます...

html-video是Open Design团队开源的本地视频生成工具，能将HTML、CSS和数据直接转换为MP4视频。支持21种预设模板，涵盖产品宣传、知识讲解等场景，可配合Claude Code...

Lyria 3 Pro是谷歌推出的最先进的AI音乐生成模型。相比前代Lyria 3仅30秒的生成时长，Pro版本可一次性生成长达3分钟的完整音轨，精准控制前奏、主歌、副歌、桥段等歌曲结构。

FLUX.2は、Black Forest Labsが公開したオープンソースの画像生成・編集モデルで、テキストによる生画像、複数画像の参照、より豊かなディテール、鮮明なテクスチャ、安定したライティングによる画像編集をサポートしています。4つのバージョンがあります：FLUX.2 [pro]（クローズドソースのトップと同等...

Fun-AudioGen-VD 是阿里通义实验室推出的创新语音大模型，专注于声音设计与场景化音频生成。模型支持通过自然语言指令直接生成包含特定音色、情绪表达和完整听觉场景的高质量音频，无需参考音频即可...

Open-o3 Videoは、北京大学とByteDanceが共同開発したオープンソースのビデオ推論モデルであり、時間的・空間的証拠によるビデオ推論の強化に焦点を当てている。重要な証拠にタイムスタンプとバウンディングボックスを明示的にラベル付けすることで、モデルが動画コンテンツをより良く理解し解釈するのに役立つ。

コンピュータの使用プレビューは、Webページの対話を達成するために自然言語コマンドを介して、ジェミニモデルに基づいて、GoogleのオープンソースのAIブラウザ自動化ツールです。視覚認識プロセスの「スクリーンショット→分析→実行」を使用し、Playwrighをサポートします。

NVIDIAとトロント大学が共同開発したオープンソースのAI画像編集フレームワーク「ChronoEdit」は、画像編集タスクを動画生成タスクとして再定義し、編集結果の時間的・物理的整合性を保証する。14Bのパラメータを持つ事前に訓練された動画生成モデルを...

LongCat-Flash-Omniは、MeituanのLongCatチームによってリリースされたオープンソースの完全モーダルビッグ言語モデルです。5,600億のパラメータスケール（270億のアクティブ化されたパラメータ）を持ち、多数のパラメータを維持しながら、ミリ秒レベルのリアルタイムの音声と映像のインタラクション機能を実現している。

Lightpanda是Lightpanda.io公司开发的开源无头浏览器，专为AI自动化和Web抓取设计。采用Zig语言从零构建，去除了图形渲染等冗余功能，核心优势是速度比Chrome快11倍，内存占...

Hy ASR 3.0 preview 是腾讯混元推出的新一代语音识别模型，深度融合最新大语言模型 Hy3 的语言理解能力与高精度语音识别技术，实现从"逐字转写"到"听懂语境"的跨越。模型采用 MoE ...

Qwen3.8-Flash-Next 是阿里 Qwen 发布的开源权重多模态 MoE 模型，定位为 Qwen4 架构的先导预览：主模型 125B 参数，另配 51B N-gram Embedding...

GLM-4.6Vは、Smart Spectrum AIによってオープンソース化されたマルチモーダル大規模言語モデルのシリーズです。 このシリーズには2つのバージョンがあります：GLM-4.6V (106B-A12B)は、クラウドおよび高性能クラスタシナリオ用の基本バージョンで、Mixed Expert (MoE)アーキテクチャ、合計約1060億参照、および活性化...

Grok 4.3是xAI公司推出的最新一代大语言模型，属于Grok系列的重要更新版本，支持100万token的上下文窗口，可一次性处理整本书、大型代码库或长文档，思维链推理强制开启，模型在给出答案前会...

Mistral 3は、Mistral AIがオープンソースとしてリリースした最新のマルチモーダル大型モデルシリーズで、フラッグシップモデルのMistral Large 3（総パラメータ675B）と、Ministralシリーズの軽量版（3B/8B/14B）があり、いずれも画像理解に対応している。

MiniMax Music 2.5+是MiniMax推出的AI音乐生成模型，专注器乐创作。模型精通古典管弦、电子氛围、自然声景等多元风格，擅长将东方传统乐器与西方现代编曲融合，实现跨风格创新。

Kimi K3 是月之暗面（Moonshot AI）发布的全球首个开源 3 万亿级大模型，总参数达 2.8 万亿。采用 KDA 混合线性注意力机制与 Stable LatentMoE 稀疏架构，896...

Fun-CosyVoice3.5是阿里通义实验室推出的第三代语音合成大模型，主打"自然语言指令控制"能力，用户可直接用口语化描述（如"语气坚定一点""语速慢一点"）来调节合成语音的情绪、语速和风格，无...

Kosongは、Moonshot AIによってオープンソース化された新しいAIエージェント開発フレームワークで、次世代のインテリジェント・ボディ・アプリケーションを構築するための、軽量で柔軟かつ拡張性の高い基盤サポートを開発者に提供します。複数のツールを効率的にスケジューリングする非同期ツールスケジューリングエンジン...

DeepSeek Harness（DSH）是 DeepSeek AI 开源的智能体运行框架，当前为开发者预览版并采用 MIT 许可，核心理念是“一切皆插件”：模型、工具、技能、会话、沙箱、存储、循环...

Seedream 5.0 Pro是字节跳动豆包大模型团队发布的多模态图像创作模型，定位为面向专业创作者和企业级用户的设计工具。相比前代，在图文匹配、结构合理性等基础能力上全面提升

Wan3.0 是阿里云通义全网公测的新一代视频生成大模型，被称为"阿里最强视频模型"。在生成时长、万能创作、全能参考、真实感四大维度全面升级。单次可稳定生成最长30秒的一镜到底视频

Qwen-Audio-3.0-ASR-Flash 是阿里巴巴通义千问团队发布的语音识别大模型，主打"长音频不丢词、行业词不用教"。模型在上下文一致性、行业词识别与热词定制化三大维度实现系统性升级，集成...

KAT-Dev-72B-Expは、強化学習技術に基づいて最適化された、Racerチームによって発表されたオープンソースのプログラミング専用大規模言語モデルであり、SWE-Bench Verifiedベンチマークテストで74.6%の精度を達成した。このモデルは革新的な...

BestBlogsは、テクノロジー実務者、起業家、プロダクトマネージャーなどのための高品質コンテンツの提供に焦点を当てたプラットフォームです。RSSフィードとクローラー技術を通じて、400以上の高品質なブログから記事、ポッドキャスト、ビデオ、その他のマルチフォーマットコンテンツを収集している。核となる強みは、AIビッグランゲージの活用にある。

VibeThinker-1.5Bは、Weibo AIがオープンソース化した15億パラメータの大規模言語モデルです。アリババのQwen2.5-Math-1.5Bをベースに微調整されたこのモデルは、数学とコーディングのタスクに最適化されており、業界トップクラスの推論性能を発揮します。

PartCrafterは、北京大学、ByteDance、カーネギーメロン大学が共同で提案した先進的な3D生成モデルです。単一のRGB画像から、複数の意味的に明示的で幾何学的に多様な3Dメッシュパーツを一度に生成することができる。このモデルは、組み合わせ可能なポテンシャル空間を通してモデル化され...

Dexboticは、DexmalのオープンソースVisual-Linguistic-Action(VLA)モデルの具現化知能ワンストップ研究サービスプラットフォームであり、具現化知能分野の研究の断片化と低効率の問題を解決します。PyTorchをベースとしたDexboticは、具現化知能分野における研究の断片化と低効率の問題を解決するためのワンストップ研究サービスプラットフォームです...

MemMachineは、MemVerge社によって開発されたオープンソースのAIメモリシステムで、AIモデルや知能のために設計され、人間の脳のように相互作用データを保存して呼び出すことができ、AIの「無状態記憶喪失」の問題を解決する。レイヤー構造（短期記憶、長期記憶、ユーザー画像...）を採用している。

Jamba Reasoning 3Bは、イスラエルのAIスタートアップAI21 Labsによってオープンソース化された軽量推論モデルで、強力なパフォーマンスと幅広いアプリケーションへの応用が期待されている。SSMとTransformerのハイブリッド・アーキテクチャを採用し、Trans...

商汤输入法AudioClaw是商汤科技基于日日新多模态大模型打造的AI语音智能应用，深度接入OpenClaw底层能力，定位为"会听话的龙虾"智能助手。

DeepOCRは、DeepSeek-OCRのコアアーキテクチャを実装したオープンソースの複製プロジェクトであり、光圧縮技術によってテキスト情報を効率的に処理する。コアはDeepEncoderで、SAM-base（高解像度画像の処理）、16×畳み込み圧縮器...で構成されている。

GigaWorld-0は、国内のEmbodied IntelligenceスタートアップGigaAIのオープンソース世界モデルフレームワークであり、主にEmbodied Intelligence (Embodied AI)分野のデータボトルネック問題を解決するために使用される。高品質で多様かつ物理的にリアルな学習データを効率的に生成し、プッシュ...

Koinaは、プロテオミクス・データ解析を簡素化することに焦点を当てた、オープンソースの分散型機械学習プラットフォームである。ドイツのミュンヘン工科大学とアメリカのミシガン大学のチームによって開発されました。このプラットフォームは、標準化されたインターフェースを介して30以上の主流モデル（ProSIT、MS²PIPなど）を統合し、ペプチド質量...

LOGOS（Language Of Generative Objects in Science）是阿里集团联合中国人民大学高瓴人工智能学院开发的首个基于统一"科学语法"的多领域科学生成基础模型。

Gemini 3.1 Flash Live 是 Google 推出的旗舰级实时语音模型，被誉为"迄今最高质量的音频和语音模型"。主打超低延迟的自然对话体验，支持 90+ 种语言的原生多模态交互，能精准...

Nemotron 3 Super是NVIDIA 发布的Nemotron 3 系列中目前最强大的开源权重 AI 模型。模型采用 1200 亿参数的混合专家（MoE）架构，推理时仅激活 120 亿参数，实...

跃迁维度（dimleap） 是AI模型聚合服务平台，为全球开发者提供高效能、低成本的多品类AI模型API服务。平台目前已接入DeepSeek、GLM（智谱清言）、MiniMax、kimi、qwen（通...

QwenLong-L1.5は、Alibaba Tongyi Labによるオープンソースのロングテキスト推論モデルであり、超ロングコンテキスト（例えば1M-4Mトークン）の複雑な推論問題の解決に焦点を当てている。核となるブレークスルーは、学習後の段階における3つの大きな革新にある。知識グラフ、SQL構文解析、マルチインテリジェンスによる...

TurboQuant 是 Google Research 推出的突破性内存压缩算法，专为解决大语言模型推理中的 KV 缓存瓶颈而设计。

InkSightはGoogleのオープンソースAI手書き認識ツールで、紙の手書きメモを編集可能なデジタルインクファイル（SVG形式など）に変換します。従来のOCRとは異なり、テキストコンテンツを認識し、手書きスタイル、段落構造、フォーカスマークを復元することができます。

Wujie-Emu3.5は、北京Zhiyuan人工知能研究所のオープンソースのマルチモーダル世界マクロモデルであり、340億の参照とネイティブの世界モデリング機能を備えています。10兆個のマルチモーダル・トークン（790年分のビデオデータを含む）によって訓練され、物理法則をシミュレートし、グラフィック生成、視覚誘導を実現することができる。

GLM-5.3-Flash是智谱Z.ai上线并开源的旗舰级高性价比模型，也是GLM-5系列首个原生多模态模型；采用320B总参数、18B激活的MoE，支持1M上下文与128K输出，通过稀疏+线性注意力...

SAIL-VL2は、Byte Jumpチームによるオープンソースのマルチモーダル視覚言語モデルで、画像やテキストなどのマルチモーダル入力の共同モデリングに焦点を当てています。スパース混合エキスパート（MoE）アーキテクチャと漸進的な学習ストラテジーを用いて、2Bから8Bのパラメータスケールで、特に図形理解、数学的...

GPT-5.4 mini 是 OpenAI 发布的轻量级模型，定位为"迄今能力最强的小型模型"。在保留 GPT-5.4 核心能力的同时，实现了速度提升 2 倍以上，成本大幅降低，专为对延迟敏感的高频工...

ChatExcel Ultra 是ChatExcel团队面向企业用户和专业数据办公场景推出的全新桌面版，定位为国内首款企业级AI数据智能体。

FG-CLIP 2は、360人工知能研究所が発表した世界有数のグラフィカル・クロスモーダル視覚言語モデル（VL-M）であり、29の権威あるベンチマークでGoogleやMetaの類似モデルを上回り、現在最も強力なVL-Mとなっている。

Qwen3.8-Max-Preview是阿里巴巴通义千问团队发布的新一代旗舰大模型预览版 。模型总参数达2.4万亿，采用稀疏MoE架构，是通义千问系列首个突破万亿参数的多模态模型，支持文本、图片、视频...

GPT-5.3 Instant 是 OpenAI 发布的 ChatGPT 主力模型升级版，主打"体验优化"而非参数堆叠。精准解决了用户长期诟病的"说教感"和机械回复问题，对话语气更自然直接，大幅减少了...

Flowraは、ModelScope共同ウーマイルWULIチームのオープンソースグラフ実行エンジンとノードパッケージ開発ツールであり、FlowBenchのコアコンポーネントです。有向非循環グラフ（DAG）組織ワークフローを通じ、インテリジェントなキャッシュ、並列スケジューリング、分散サポート...

HyOCR-1.5是腾讯混元团队开源的轻量化端到端OCR专家大模型，参数量仅1B，是领域首个训练、推理、权重完整开源的专家模型 。采用端到端架构，输入图片即可直接输出Markdown正文、HTML表格...

VibeVoice-Realtimeは、低遅延とリアルタイムインタラクションのために設計されたマイクロソフトのオープンソースの軽量リアルタイム音声合成（TTS）モデルです。ストリーミングテキスト入力をサポートし、最初のテキストトークンから音声入力することができます。

SeedRealtime 是字节跳动 Seed 团队发布的原生音视频全双工大模型，首发落地于豆包 App 的「打电话」视频通话功能。与传统"语音识别→视觉理解→大模型推理→语音合成"的级联流水线不同...

Seekdb (OceanBase Seekdb) はAnt OceanBaseのオープンソースAIネイティブハイブリッド検索データベースで、ベクトル、フルテキスト、スカラー、地理空間データの統合ハイブリッド検索をサポートし、多段検索メカニズムを使用して、低レイテンシで高精度な検索を実現します。

Agnes 2.5 Pro Alpha 是新加坡 AI 实验室 Agnes AI 发布的高性价比推理模型，支持文本、图像输入与文本输出，提供百万 Token 上下文和 65,536 Token 最大输...

MiniMax H3是稀宇科技MiniMax发布的通用全模态生成模型，可在统一上下文中理解文本、图像、视频与声音，生成最高15秒、2K分辨率、带原生双声道音频的音视频。

Qwen 3.8-Max 是阿里巴巴通义千问发布的旗舰级大模型，也是 Qwen 系列迄今规模最大、能力最强的模型。采用稀疏混合专家（MoE）架构，总参数达2.4万亿，推理时仅激活约950亿参数，在保持...

TDream是腾讯内测的AI内容创作平台，以"互动影游化创作"为核心定位，试图重构用户从内容生产到交互体验的全链路。区别于市面上仅输出单一线性视频的传统文生视频工具，TDream依托五大AI引擎，支持...

Claude Sonnet 5是Anthropic 发布的最具 Agent 能力的 Sonnet 模型，以中端价格提供接近旗舰 Opus 4.8 的自主智能体能力。模型支持 100 万 token 上...

GPT-Live 是 OpenAI 推出的新一代语音模型，全面升级 ChatGPT 的语音交互体验。基于全双工（full-duplex）架构构建，能同时倾听和说话，彻底打破了传统 AI 语音助手"你说...

Claude Opus 5 是 Anthropic 推出的新一代旗舰大模型，核心是用旗舰一半的价格获得接近顶尖水平的智能"。模型在维持与前代 Opus 4.8 相同调用成本的同时，实现性能的翻倍跃升...

Muse Image 是 Meta 推出的首个自研 AI 图像生成模型，由 Meta Superintelligence Labs 开发。采用独特的智能体（Agentic）架构，在生成图像前会先与 M...

Voxtral TTSoxtral TTS是法国AI公司Mistral AI发布的开源文本转语音模型，采用40亿参数轻量化架构，量化后仅需3GB内存即可在智能手机等边缘设备实时运行。模型原生支持英语...

Grok 4.5 是 SpaceXAI（原 xAI）发布的旗舰大语言模型，定位为"Opus 级别"的编码与智能代理专用模型。模型基于 1.5 万亿参数的 V9 架构打造，采用 MoE（混合专家）架构...

Grok Bot 是 SpaceXAI（原 xAI）发布的 AI Agent 产品，定位为「永远在线的 AI 同事」。不同于传统聊天机器人，运行在独立的云端 Linux 虚拟机中，配备浏览器、文件系统...

SciClaw（科研龙虾） 是面向科研人员的云端 AI 协同系统，定位为"科研人的深夜搭子"。能深度分析文献、自主执行实验、自动排版生成论文/PPT/海报，记住用户电脑里的所有研究资料，将灵感、执行与...

Qwen-Audio-3.0-TTS是阿里巴巴通义千问团队发布的旗舰级语音合成大模型，提供面向实时交互的Flash版（首包延时约300ms）与面向高质量生成的Plus版，Plus版登顶全球权威榜单Ar...

OnSolo是腾讯推出的AI原生一站式影视创作平台，前身WorkSolo，以"a Crew of One"为核心理念，让个人仅凭一句话灵感即可完成从剧本、角色资产、分镜到视频成片的全部创作流程。

LongCat-Imageは、MeituanのLongCatチームによってリリースされたオープンソースの画像生成・編集モデルです。ハイブリッドバックボーンアーキテクチャ(MM-DiT+Single-DiT)と視覚言語モデル(VLM)条件付きエンコーダを組み合わせることで、テキスト生成画像と複数ラウンドの画像編集を実現している。

Gemini 3.5 Flash-Lite 是 Google 发布的高吞吐低成本模型，官方定位为 3.5 系列中最快、最具成本效益的型号，面向 agentic search、文档处理与大规模生产流量...

Chatterfly 是腾讯推出的桌面端 AI 语音助手，支持 Windows 和 macOS。用户只需按住 Fn 键说话，工具能把口语化的表达自动整理、润色并排版成邮件、汇报、纪要等规范文本。

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...

JellyToken 是国内领先的大模型 API 聚合与分发平台，定位为"国内主流 AI 大模型一站式超市"。用户仅需一个 API Key 即可无缝调用通义千问、DeepSeek、智谱、月之暗面、豆包...

InstanceAssembleは、Xiaohongshuと復旦大学が共同でオープンソース化したレイアウト制御生成技術で、「Instance Assemble Attention」のメカニズムにより、単純なレイアウトから複雑なレイアウトまで、また疎なレイアウトから密なレイアウトまで、正確な画像生成を実現します。2段階のカスケードアーキテクチャを採用し、最初に画像の背景に入り、次に1つずつ...

Hyra（Hunyuan Research Agent）是腾讯混元团队发布的科研智能体，首个版本为Hyra-1.0，支持递归自我改进（RSI），专为性能导向的研究与工程任务打造 。采用轻量通用框架，通...

Qwen-Image-3.0 是阿里千问发布的第三代图像生成基础模型，核心主线为"实"，内容丰实、细节真实、知识厚实。模型支持最大 4.5k token 超长文本输入，较前代提升 4.5 倍，可一次性...

Astryx 是 Meta 以 MIT 协议开源的 React 设计系统，历经八年内部打磨，长期支撑 Facebook、Instagram、WhatsApp 和 Threads 等超过 13,000 ...

Nano Banana 2 Lite（gemini-3.1-flash-lite-image）是Google发布的AI图像生成模型，定位为Nano Banana家族中速度最快、成本最低的轻量版。可在约...

Gemini 3.6 Flash 是 Google 发布的新一代主力模型（Workhorse Model），是 Gemini 3.5 Flash 的升级版，主要面向生产级 AI 智能体（Agent）和...

Ling-3.0-tiny 是蚂蚁 InclusionAI 百灵 Ling 3.0 系列中最小的 MoE 模型，约 7.9B 总参数、每 token 激活约 1.3B，强调低延迟、低成本与 Agent...

MiniMax Design 是 MiniMax（稀宇科技）发布的多模态创作 Agent 工作台，也是开源视频模型 H3 的首个官方工具框架（Harness）。用户只需用自然语言提出创作需求，Agen...

Step Code 是阶跃星辰推出的开源终端编程智能体。Step Code能直接在命令行里帮你写代码、调试、跑任务，直到交付成果，不用来回切换开发工具。Step Code在 Terminal Benc...

MAGI-2 Preview 是 Sand.ai 开源的统一音视频生成模型，总参数约 114B、单 token 仅激活约 6B，是全球首个千亿级开源 MoE 视频模型 。采用单流架构将文本、视频、音频...

FLUX 3 是德国 AI 公司 Black Forest Labs 发布的首款多模态基础模型，基于自研 Self-Flow 架构，在单一网络中统一训练图像、视频、音频与动作预测，实现真正的"全能模型...

Ovis-Imageは、Alibaba International Digital Commerce GroupのAIDC-AIチームによってオープンソース化された70億パラメータのテキスト生成グラフモデルで、高品質のテキストレンダリングに焦点を当てています。Ovis-U1アーキテクチャに基づき、高度なビジュアルデコーダーと双方向トークン精製機能を継承しています。

GLM-5.3 是智谱发布的新一代旗舰模型，沿用 GLM-5.2 约7430亿参数基座，能力跃迁主要来自后训练 Scaling：通过 IndexShare、SAO、Slime 框架与更多长程任务环境强...

Lovart中文版是基于多模型架构的AI设计Agent，用户只需像聊天一样描述创意需求，平台可自动生成海报、视频、Banner等高品质视觉内容。平台深度整合Seedance、MiniMax H3等前沿...

Wan-Streamer v0.2 是阿里通义实验室发布的端到端全模态实时交互模型，首次将「听、看、说、演」统一进单个因果 Transformer 架构，实现类人般的实时双工交互。

Qwen3.8-LiveTranslate 是阿里通义千问推出的实时同声传译大模型。模型采用Interleave单流架构，将字均延迟从2.8秒压缩至2.3秒，支持60种语言识别、29种语言语音输出。

dots.tts 是小红书 dots 团队（rednote-hilab）与上海交大 X-LANCE 实验室联合研发的 20 亿参数全连续端到端自回归语音合成基础模型，架构为「语义编码器 + Qwen2...

Play with Putty 是 Google Labs 推出的协作式 vibe coding 实验工具，口号是"让你的想象力进入多人模式"。允许多人通过共享链接进入同一空间实时协作，任何人都能用自...