Unlimited OCR 2 – 百度文心无限页文档解析模型
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 – 谷歌DeepMind实时交互式世界模型
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...
WebAI网页标准落地Opera，网页端支持端侧AI推理
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...
GPT-6.1 Terra安全评估结果对外公示，高危风险指标下降
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 – 实时音视频交互AI平台
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 – 开源图像转三维生成模型
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 – 腾讯混元流式同传翻译模型
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 – OpenAI推出的高效商用模型
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...
即梦AI推出短剧工作室，配套三款自研模型面向短剧创作
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...
Kimi致歉，回应3万亿参数新模型访问波动
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...