Doubao-Seed-2.0-lite字节跳动火山引擎推出的豆包大模型家族首款全模态理解模型。核心定位是“全模态理解与极致性价比”。不同于仅支持图文的模型，它原生支持视频、图像、音频、文本的统一理解...

SenseNova 6.7Flash-Lite商汤科技在2026年5月8日正式推出的新一代轻量化多模态智能体模型。 它的核心定位是“专为真实世界工作流而生”，通过采用原生多模态架构，彻底改变了传统模型...

Uni-1.1是由硅谷初创公司Luma AI正式推出的新一代企业级图像生成模型及API服务。 它最大的技术突破在于“换道超车”：抛弃了目前主流的扩散模型，转而采用类似大语言模型的自回归(Autoreg...

GPT-Realtime-Whisper是OpenAI推出的一款专注于低延迟流式语音转文字的模型。它的核心突破在于实现了真正的“边说边转”。与传统的“录音-上传-识别”模式不同，它能在你说话的同时实时...

GPT-Realtime-2是OpenAI推出的旗舰级实时语音模型。它最大的突破在于，首次将GPT-5级别的推理能力 引入了语音交互领域，让AI语音助手从简单的“问答机器”进化为能处理复杂任务的“智能...

GPT-Realtime-Translate是OpenAI推出的一款专注于实时流式翻译的AI模型。它的核心突破在于打破了传统翻译“说完一句、停顿、再翻译”的回合制模式，实现了边听边译的“同传”体验，将...

字节旗下国民AI工具豆包悄然在应用商店披露付费订阅测试方案，三档定价覆盖不同使用需求，消息一出迅速引发全网热议。 很多人第一反应担心基础功能收费，实际上官方早已明确表态，日常基础服务永久免费，付费只针...

Models.dev是一个由社区驱动的开源AI模型数据库，你可以把它理解为AI开发者的“中央情报局”或“万能字典”。 它的核心目的是解决当前AI模型信息分散、更新过快的问题。它将OpenAI、Anth...

Grok Voice Think Fast 1.0是xAI于2026年4月发布的旗舰级语音智能体模型。它专为处理客服、销售等场景下的复杂、多步骤工作流而设计，其核心突破在于实现了“边想边说”的实时推理...

Realtime TTS-2是由Inworld AI发布的一款实时对话语音合成模型。它并非传统的“文本转语音”工具，而是通过闭环系统架构，能够实时感知对话中的音频上下文(如用户的语调、节奏和情感)，从...

AI中转站(也称为AI网关、LLM路由器或聚合API平台)本质上是一个位于“你”(开发者/用户)与“AI模型厂商”(如OpenAI、Claude、Google)之间的中间代理层。你可以把它通俗地理解为...

OpenAI正式发布了GPT-5.5 Instant，并将其设为ChatGPT的默认模型，全面取代了此前的GPT-5.3Instant。 这次更新被官方定义为“更准确、更简洁、更懂你”的进化。它不再仅...

DeepSeek-TUI一款开源终端 AI 编程工具，被开发者社区誉为 “DeepSeek版的Claude Code”。它由美国独立开发者Hunter Bown使用 Rust 语言开发，专为DeepS...

LongCat-2.0-Preview是美团正式推出的新一代基础大模型。它不仅是美团在AI领域“进攻”战略的核心成果，更是中国国产算力生态成熟度的一次重要验证。这款模型的核心定位是万亿级参数、国产算力...

Qwen3.5是阿里巴巴于2026年2月推出的旗舰级大模型系列，它实现了从纯文本到原生多模态的代际跃迁，并构建了从端侧到旗舰级的完整产品矩阵。 Qwen3.5核心技术突破 与前代模型不同，Qwen3...

稠密模型，全称为稠密架构大语言模型，是当前大模型家族中与混合专家模型相对的一种主流架构。 它的核心特征是：在处理每一个输入时，都会激活并使用模型的全部参数进行计算。你可以把它想象成一个“全能型选手...

Qwen-Scope是阿里千问正式开源的一款大模型可解释性分析模块。简单来说，它就像是给黑盒般的大模型装上了一个“透视镜”或“仪表盘”，让我们能够看穿模型内部的运作机制，理解它为什么会产生某种回答，甚...

Hogee是百度智能云推出的一站式 AI 短剧创作平台，依托OpenClaw数字员工体系，覆盖剧本、分镜、角色、配音到成片全流程。上传小说或剧本，AI自动拆解剧情、生成角色与场景图、合成视频，成本降 ...

HeiMaClaw是由黑马程序员推出的一款生产级企业AI Agent平台。与面向个人用户的助手不同，HeiMaClaw的定位非常明确：它是一个企业级基础设施，旨在通过工程化手段(Harness Eng...

Grok 4.3是xAI推出的工作型大模型，主打高性价比与多模态能力。它支持 100万 token 上下文窗口，原生兼容文本、图像与5分钟内1080p视频输入。可直接生成 PDF、PPTX、XLSX ...

Ling-2.6-1T是蚂蚁集团百灵大模型团队开源的一款万亿参数级旗舰大模型。它最大的特点是不盲目追求“慢思考”式的长推理链，而是独创了“快思考”机制，旨在以极低的计算成本实现高效的复杂任务执行。其综...

FlashQLA是通义千问团队(Qwen Team)正式开源的一个高性能线性注意力算子库。简单来说，它是专门为提升大语言模型(特别是Qwen3.5、Qwen3.6及后续系列)在处理超长文本时的训练和推...

豆包的“帮我写作”功能非常强大，它不仅能从零开始写文章，还能帮你润色、扩写、缩写，甚至直接生成PPT。为了让你最快上手，我为你编写了一份保姆级的使用教程，涵盖了从基础写作到进阶玩法的全流程。 一、 快...

近日，美国科罗拉多州丹佛市一名华人杨女士，初到当地生活闲来无事，居家倍感无聊烦闷。为打发时间、出门散心，她特意借助AI查询了家周边合适的徒步路线，挑选了一处距离较近的步道独自前往漫步。 徒步结束平安归...

Hy-MT1.5-1.8B-1.25bit是腾讯混元团队正式开源的一款极致轻量化的离线翻译模型。这款模型最大的亮点在于它通过先进的量化压缩技术，将原本需要数GB内存的翻译大模型压缩至440MB 左右...

模型架构(Model Architecture)通俗来说，就是人工智能模型的“设计蓝图”或“骨架结构”。 它定义了模型内部的组织方式：数据如何输入、经过哪些处理层、层与层之间如何连接、以及最终如何输出...

混合滑动窗口注意力（Hybrid Sliding Window Attention, Hybrid SWA） 是一种旨在解决大语言模型(LLM)处理超长文本时计算成本过高问题的先进架构设计。 简单来说...

“原生全模态大模型”是当前人工智能领域最前沿的技术方向之一。简单来说，它标志着AI从“拼凑感官”进化到了“拥有统一大脑”。 1. 什么是“原生全模态”? 要理解“原生全模态”，我们需要把它拆解为两个部...

MiMo-V2.5是小米于正式开源的原生全模态大模型。与专注于复杂推理的Pro版本不同，MiMo-V2.5主打全能感知与高性价比，能够像人类一样同时“看、听、读”，并迅速做出反应。它被视为覆盖绝大多数...

MiMo-V2.5-Pro小米正式全球开源的旗舰级大语言模型。作为小米迄今为止最强大的AI模型，它专为处理复杂长程任务(Agent)和高难度代码生成而设计，在多项权威评测中表现优异，性能已比肩全球顶尖...