UnlimitedOCR2 是百度文心发布的开源端到端超长文档解析模型，依托 SR‑SWA 稀疏参考滑动窗口注意力搭配无限视域解码机制，摆脱传统 OCR 的页数限制，单次推理可处理数千页扫描文档。模型...

Genie4是Google DeepMind推出的新一代交互式世界模型，以研究预览模式对外放出，区别于普通生成视频工具，可运行可交互的模拟环境，画面、环境音效、角色对话同步产出。该模型和Gemini系...

Opera对外推出WebAI网页标准，这套规范支持网页、浏览器扩展直接调用本地AI模型，计算流程在终端设备内完成，不再强制依赖云端服务器。 WebAI提供Prompt、决策、语义嵌入三类接口。网页开发...

OpenAI在安全部署平台放出GPT-6.1 Terra配套系统卡补充文档，完整公开这套模型的安全评估数据集。整套评估集合包含48690条测试任务，覆盖智能体动作执行、插件调用、敏感指令响应等场景。 ...

Loxinity是面向实时连续对话场景打造的音视频一体化AI能力平台，包含Loxi‑Speech语音合成、Loxi‑Avatar实时数字人视频生成两套核心模型。和侧重离线配音的音视频工具不同，整套体系...

Hi3D‑1.0是MathMagic团队对外开源的生产级图像转3D模型，前身为Sparc3D，依托两百万条经过筛选的三维资产完成训练。输入单张二维图片，模型可推理物体完整形体，包含视角看不到的背面结构...

Hy-SimulMT出自腾讯混元开源项目，面向同步口译场景构建流式多模态翻译系统，支持语音分片输入并逐段产出译文，区别于等待整句结束再翻译的传统方案。模型支持语音、文本双路输入，内置自适应断句策略，控...

GPT-6.1Terra为OpenAI推出的高效商用模型，内置原生视觉推理通道与电脑操作调度模块，面向高频办公自动化任务开发，承接前代GPT-5.6Terra的能力路线迭代升级。模型支持文本、截图、图...

字节跳动旗下即梦AI短剧工作室正式上线，整套创作体系整合剧本、美术、分镜、视频生成与后期调整环节。创作者不用切换多款工具，在同一界面完成短剧项目制作。 平台搭载三款自研模型。DreamScript负责...

月之暗面针对3万亿级参数新模型上线后的访问状况发布公开致歉。新模型开放访问后涌入大量请求，系统承载压力快速走高，平台启动限流策略保障基础服务稳定。 公告说明峰值流量超出前期预估，算力资源短时间内无法匹...

Anthropic完成Claude桌面应用界面改版，新版设计已经面向用户推送。整套改版项目从初始草图定稿，到正式版本上线，整体周期控制在三周以内。 新版界面调整窗口布局逻辑，会话列表收拢至侧边栏，多任...

谷歌DeepMind高管莱拉・易卜拉欣在近期交流中，分享了AI浪潮之下职场人才筛选的判断方向。 学历背景依旧会纳入招聘评估体系，但团队筛选候选人时，会把视线投向正式课程以外的学习经历。简历上附带的课外...

Hy-Nomas是混元团队推出的交互式视频世界模型，采用分段生成机制构建连续虚拟场景，支持文本指令与相机轨迹双向控制输出内容，原生维持场景内物体、环境、光影的连贯性。模型输出规格为720p分辨率、24...

KimiK3.1Pro为KimiK3.1系列首款旗舰模型，属于3万亿级参数架构，搭载百万token上下文窗口，原生集成视觉理解通道。模型针对代码编写、三维内容制作、金融数据研判以及长链路智能体任务做专...

胡彦斌在公开交流中，对外公布自己近期使用AI工具的消耗数据。统计周期为一个半月，累计token消耗规模达到52亿。 这些token全部用于音乐相关的创作环节，覆盖词曲构思、旋律调试、编曲方案筛选、歌词...

字节跳动旗下火山引擎推出Seedance2.5 4K版本，模型原生输出4K规格画面，搭载10-bit色深，适配影视、商业广告等对画质标准较高的制作场景。 单轮生成链路最长支持30秒连续视频，不需要分段...

月之暗面Kimi官方账号放出一段24秒预热短片，画面采用复古老式电脑终端样式，屏幕运行Kimi Code界面，左上角标注型号Kimi K3.1，同步演示模型借助Three.js生成3D场景代码的效果...

星火X2.6是XHToken推出的开源通用大模型，包含4B稠密版本，采用Apache‑2.0开源协议，原生支持一百万token上下文窗口，面向本地智能体、代码开发、多语言处理场景做专项优化。延续前代混...

书生‑A1.5即Sage‑A1.5是上海人工智能实验室推出的35B混合专家智能体基座，迭代自Agents‑A1原生 256K上下文窗口，借助能力组合机制面向工程开发、长周期检索、跨学科科研任务。该模型...

MAI‑DxO 全称 Microsoft AI Diagnostic Orchestrator，是微软研究院发布的顺序诊断编排系统，成果刊载于《Science》期刊。该系统不绑定特定基座大模型，模拟多...

OpenAI 官宣决策 API（Decisions API）脱离测试阶段，面向开发者全面开放。该接口依托GPT‑6 Luna运行，面向分类、路由、打分、优先级判定这类限定选项式判断任务设计。 接口返回...

MOSS‑Image 是 OpenMOSS 团队推出的开源文生图模型系列，包含 MOSS‑Image‑Base 与 MOSS‑Image‑SFT 两套权重，骨干网络为 5B 参数单流 DiT 架构。该...

一句 “DeepSeek才是真正的OpenAI” 的论断，在海内外AI开发者社区持续扩散，引发大量讨论与观点碰撞。 该说法的源头，来自一批长期跟踪大模型开源生态的开发者。他们对照两家机构过往的产品路线...

LingDT-Decision-1.0 是蚂蚁数科推出的专用决策模型，包含 4B、27B 两个参数版本，上架 DTMaaS 平台开放测试体验。模型面向企业结构化判定任务设计，摒弃通用大模型先生成文本再...

MemT1.0 是记忆张量团队推出的记忆原生基座大模型，包含 MemT-1.0-Flash 与 MemT-1.0-Nano 两个版本，对应 288B 和 36B 参数规格，配套不同容量的动态记忆单元...

Claude Duet 是 Anthropic 推出的主动式智能体应用，底层依托Claude Opus 5.5模型，以研究预览模式对外开放，提供独立移动端 App 与网页访问入口。区别于传统问答交互模...

Agensh 是微软研究院推出的去中心化多智能体运行框架，抛弃传统多智能体系统的中央调度器，支持最多 1024 个智能体同时参与同一项目任务。过往多智能体方案会受限于中心调度节点的处理上限，智能体数量...

Anthropic正式推出全新AI智能体产品Claude Duet，主打主动式任务处理，脱离传统对话 AI 等待指令的交互模式。 Claude Duet基于Claude Opus 5.5搭建，配套独立...

Eleven Realtime 是 ElevenLabs 推出的端到端语音对语音模型系列，包含 v1Mini 与 v1Max 两个版本，把语音信号检测、说话轮次判断、语言逻辑处理、语音合成整合为一套完...

DeepInfer 是 DeepSeek 对外开源的生产级大模型推理框架，源自内部线上服务系统，面向 MoE 架构大模型做底层调度优化，配套同步开放自研 token 编解码组件。框架兼容英伟达 GPU...