最新AI资源

GLM-4.6V是智谱AI开源的多模态大语言模型系列，系列包含两个版本：GLM-4.6V（106B-A12B），面向云端与高性能集群场景的基础版，采用混合专家（MoE）架构，总参数量约1060亿，激活...

LangChain for LLM 应用开发是DeepLearning.AI推出的在线课程，由LangChain创始人Harrison Chase和吴恩达Andrew Ng主讲。

Transformer LLMs工作原理是DeepLearning.AI与《Hands-On Large Language Models》的作者Jay Alammar和Maarten Grootend...

Kimi K2-0905 是月之暗面科技有限公司推出的先进 AI 模型，在编程辅助方面表现出色，能高效生成代码，支持在前端开发中生成整洁规范的代码。模型上下文长度扩展至 256K，能处理复杂任务。

Nano Banana 是谷歌推出的 AI 图像生成与编辑模型Gemini 2.5 Flash Image代号，能根据简单的文本提示生成细节丰富、光影真实的图像，对现有图像进行高质量的修改。

Skywork UniPic 2.0 是昆仑万维开源的高效多模态模型，专注于图像生成、编辑与理解。模型基于 2B 参数的 SD3.5-Medium 架构，通过预训练、渐进式双任务强化策略和联合训练，实...

MiniMax Speech 2.5 是 MiniMax 团队开发的先进语音生成模型。在语音合成领域取得了显著进步，尤其在多语种表现力、音色复刻精度和语种覆盖范围上实现了飞跃。模型支持 40 种语言...

GPT-5是OpenAI最新发布的语言模型，具有多项升级。是一个统一智能系统，内置实时路由器，能根据问题复杂度自动切换高效模式与深度思考模式，实现快速响应与精准解答。GPT-5拥有多个版本，包括面向普...

Qwen-Image是阿里巴巴通义千问团队发布的开源图像生成基础模型。拥有200亿参数，采用多模态扩散变换器架构（MMDiT），融合了多模态理解、高分辨率编码和扩散模型三大模块。Qwen-Image的...

RedOne 是小红书推出的专为社交网络定制的大语言模型。模型通过三阶段训练策略，融入社交文化知识，强化多任务能力，并对齐人类偏好。RedOne 在社交任务性能上显著优于基础模型，在有害内容检测和浏览...

TRAE SOLO 是字节跳动推出的AI编程助手TRAE 推出的AI 自动化开发助手，用AI技术简化软件开发流程。TRAE SOLO能理解用户的需求，支持文字描述、语音指令和文件上传输入需求，自动规划...

综合介绍 LiveTalking是一个开源的实时互动数字人系统，致力于构建高质量的数字人直播解决方案。该项目采用Apache 2.0开源协议，集成了多项前沿技术，包括ER-NeRF渲染、实时音视频流处...

Hy-Nomas 是腾讯混元团队开源的交互式视频世界模型，采用分段自回归架构，配合全生命周期的 KV cache，让场景、物体和风格在长视频生成中保持稳定一致。Hy-Nomas生成过程中可灵活切换文本...

CleanYourTV 是开源的电视清理工具，专为安卓电视设计。CleanYourTV 用 Wi-Fi 通过 ADB 无线连接电视，借助 Claude Code 等 AI 助手自动识别并停用预装的广告...

Fotor Agent 是 Fotor 推出的 AI 视频创作 Agent，用户只需用自然语言说出想法，再上传图片、视频、文档或链接作为素材，AI会自动完成内容规划、动画生成和素材合成，产出 MG 动...

MOSS-Image 是模思智能与 OpenMOSS 团队联合推出的开源文生图模型，以 5B 参数的扩散 Transformer 为核心，搭配 Qwen3.5-9B 文本编码器与 FLUX.2 VAE...

星火X2.6是科大讯飞推出的端云协同基座大模型，全程在国产算力平台上训练完成。星火X2.6包含两个部分：云端大模型支持百万token级超长上下文，代码与智能体能力位居行业前列，API价格颇具竞争力；4...

Seedance 2.5 4K 是字节跳动旗下火山引擎推出的旗舰级 AI 视频生成模型，是 Seedance 2.5 系列中规格最高的一档。Seedance 2.5 4K能直出 4K 超高清画面并支持...

Genie 4 是 Google DeepMind 推出的新一代世界模型，输入一段文字可实时生成可自由探索的虚拟世界，用户能用键盘操控角色与镜头，随时用文字修改天气、添加人物物体。

Hy-SimulMT是腾讯混元推出的同声传译大模型，专攻中英双向的实时互译。Hy-SimulMT采用30B参数稀疏MoE架构，能边听边译，响应时延约3秒，快于人类译员的4–5秒；翻译时可实时克隆说话人...

GPT-6.1 Terra 是 OpenAI 推出的主打高性价比的高效执行型大模型，目标是把高频、重复的办公流程交给 AI 自动完成。

M3.1-Flash-Preview 是 MiniMax 推出的编程大模型，首发于 MiniMax Code 平台，面向日常开发场景，能完成从 Bug 定位、代码实现到测试验证的完整交付流程。

Kimi K3.1 Pro是月之暗面推出的旗舰级大模型，属于K3.1系列，采用3万亿参数级架构，支持100万Token长上下文。Kimi K3.1 Pro在K3基础上进行大规模后训练，重点增强代码开发...

Claude Sonnet 5.5 是 Anthropic Claude 5.5 系列里的高性价比中端模型，能力对标旗舰 Opus 5.5，更便宜、更快，适合日常编程、修 Bug、读懂大型代码库，以及...

Kling 4.0 是快手可灵团队推出的新一代 AI 视频生成模型，已全量上线 klingai.com。Kling 4.0 支持单次直出最长 30 秒原生视频，画面可达 4K HDR 电影级规格；最多...

likli 是快手推出的 AI 视频创作智能体，支持 macOS 和 Windows 客户端。用户只需用日常语言描述想法，likli 能自动完成需求理解、脚本撰写、镜头生成、配音剪辑等全部环节，直接产...

Ming-Image-0.1-Design是蚂蚁集团开源的6B参数图像生成模型，主打设计场景。Ming-Image-0.1-Design支持最长8K的结构化提示词，能一次性生成UI界面、信息图、海报等...

Xiaomi MiMo-V2.6是小米开源的全模态大模型系列，含Pro和Flash两个版本，通过大规模Agentic强化学习训练，不到6天完成约75万条任务轨迹，强化了代码、软件工程、视觉和网络安全等...

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...

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。

GPT-6 Luna 是 OpenAI 基于 GPT-6 Astra 蒸馏推出的轻量级模型，主打高频、规模化任务。模型以约十分之一的成本，在编程、电脑操作等测试上接近 Claude Opus 5 中级...

GPT-6 Sol 是 OpenAI 把 GPT-6 Astra 的能力“下沉”到更便宜档位的中高端模型，模型保留较强推理、编程、事实问答与 Agent/电脑操作能力，价格更亲民，API 约输入 2 ...

Claude Opus 5.5是Anthropic推出的旗舰大模型，主打编码与知识工作。模型在Terminal-Bench等编程基准上领先GPT-6 Astra，可一次性完成数十万行代码迁移与重构；支...

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。

Qwen3.8-Omni-Flash 是阿里千问的新一代原生全模态模型，文本、图像、音频、视频可在同一架构中理解，支持约 1M 长上下文。模型能按目标自动取证、规划步骤、调用插件，完成会议纪要与待办...

Qwen-Image-2.1 是阿里千问开源的新一代图像生成模型，用 7B 参数拿下开源评测第一，得分超过 Google 的 Nano Banana 2.0。模型把文生图和图像编辑合二为一，独家原生支...

Step 5 Preview 是阶跃星辰推出的旗舰基座模型，采用稀疏 MoE 架构，总参数 600B、推理仅激活 27B，支持百万 Token 上下文与原生图文理解。模型面向真实世界 Agentic ...

MiniMax Code CLI 是 MiniMax 开源的终端 AI 编程助手。工具能在命令行里读项目、生成补丁、跑测试并自动验证，支持 MiniMax 账号或 BYOK 接入 OpenAI/Ant...

书生-S2是上海人工智能实验室开源的397B多模态基础模型，主打最懂科学，通过Memory Decoder把专业知识做成可插拔记忆模块，免重训即可接入新领域。模型在生物、材料、晶体与竞赛/高等数学等任...

Jev是TypeSafe AI推出的结构化决策模型，不聊天、不写代码，专注高频判断，把非结构化输入按预设Schema一次性并行输出Choice/Score/Noul与校准概率。

Hypit 是开源的 AI 视频创作工具，主打“复刻爆款”。用户只需提供一条参考视频，Agent 能自动解析其结构、画面节奏和字幕样式，生成可编辑的工程文件。

GLM-5.3-FlashX 是智谱最新推出的大模型高速推理版本，主打"快"，生成速度最高达每秒 200 tokens，比上一代 Flash 快 5 倍，定价为其 2.5 倍。模型强调提速不降智，仍保...

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...

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...

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。

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...

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 ...

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...

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...

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。

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...

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...

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...

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。

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...

Claude Mythos 5.1 是 Anthropic Claude 5.1 系列旗舰模型，与 Fable 5.1 同源，通过差异化安全策略实现能力分级。模型专攻网络安全与生命科学，支持蛋白设计...

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。

Gemini 3.8 是谷歌最新推出的推理与编码大模型，分为 Flash 和 Flash Cyber 两个版本。Flash 版在维持高速响应与低成本的同时，显著增强代码生成、多步推理和自主 Agent...

GPT-6 Astra是OpenAI发布的新一代旗舰大语言模型，与传统对话模型不同，模型已进化为具备自主行动能力的AI Agent，能独立操控计算机软件、浏览网页、处理复杂工作流。

PixVerse R2 是爱诗科技（AISphere）推出的实时全模态世界模型，延续年初 R1"全球首个实时世界模型"的路线，主打"边生成、边交互、边演化"，推动 AI 视频从"看"走向"玩"。

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...

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 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...

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-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...

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...

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。

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...

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...

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...

Gemini 3.7 Flash 是 Google DeepMind 发布的稳定版轻量主力模型，模型 ID 为 gemini-3.7-flash，首日即非 preview。在 Gemini 3.6 F...

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...

Grok Imagine Image 2.0 是马斯克旗下 SpaceXAI 发布的图像生成模型，作为全新「质量模式」上线 Grok 网页端及 iOS、Android 应用。在功能上完成了从「文生图工...

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...

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...

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...

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...

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

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...

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 ...

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"。

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...

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...

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。

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...

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...

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...

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...

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...

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...

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...

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...

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...

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。

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...

Wan-Dancer 是阿里巴巴通义实验室万相（Wan）团队推出的音乐驱动舞蹈视频生成大模型，开源版本 Wan-Dancer-14B 拥有140亿参数，采用 Apache 2.0 协议免费商用。用户只...

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...

Hy3 是腾讯推出的旗舰级开源大语言模型，采用 MoE 架构，拥有 295B 总参数与 21B 激活参数，支持长达 256K 的上下文窗口。核心亮点在于快慢思考融合（Hybrid Reasoning...

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...