AI最新项目

Piccolo是AgentScope推出的开源决策模型系列，包含4B、9B、27B三套权重，接收任务描述、当前系统状态与候选动作集合，对各个候选方案打分筛选最优执行动作。项目配套JevBench评测套...

WeVisOne‑VL是腾讯微信视觉团队开源的统一视觉感知多模态模型，提供2B、4B两套权重版本，基于Qwen3‑VL底座构建，依靠结构化下一个token预测范式把物体级与像素级感知整合进同一套网络...

GPT‑Image‑2.6是OpenAI推出的新一代图像生成模型，包含Flare与Sunburst两个子版本，集成在 ChatGPT、Codex以及开发者 API 当中，生成速度相比前代提升百分之五十...

OXR全称OpticalEverythingRecognition，是SoMarkAI推出的1.3B参数文档解析模型，适配私有化RAG与智能体工作流，输入PDF或者文档图像，输出带坐标信息Markdo...

OmniEdu是面向教与学全链路的开源多模态基座模型家族，包含 4B、9B、27B 三种参数量规格，提供 BF16 原始权重与 FP8 量化权重，训练上下文长度统一为 32768token。整套模型围...

EvaOmni是面向音视频推理任务的证据锚定评测基准，数据集包含392段真实世界视频、1027条标注问答样本，划分15项细粒度能力与三级推理难度。该基准不只评判答案正误，还要求模型定位出支撑结论的带时...

Hy4是腾讯混元全链路自研的MoE混合专家旗舰基座大模型，总参数量770B，单token激活49B参数，最大输入上下文960K，最大输出64K，迭代自Hy4‑preview版本。模型新增原生视觉理解与...

FlashProve是Anthropic推出的面向大语言模型的zkSNARK可证明推理开源原型系统，依托零知识简洁证明技术，用来证实模型输出确实来自指定权重版本，消除API调用中模型被替换、令牌流遭到...

WorldCast是小米MiLM Plus联合武汉大学推出的角色视频生成框架，依托Wan2.1‑I2V‑14B流匹配主干模型，解决大角度镜头运动下角色身份漂移、几何错乱问题。输入单张参考图搭配多视角锚...

智小白 Explorer One 是南京功夫豆科技智小白品牌推出的新一代儿童向 FDM3D 打印学习设备，搭载璇玑 AI 引擎，把 AI 语音交互、AI 建模、课程体系和打印硬件融合一体，面向 3 至...

LBSwork 是腾讯地图推出的桌面端 AI 地图工作台，基于 WorkBuddy 同源 Harness 框架开发，接入腾讯地图时空动态大模型与位置大数据体系，内置多方向行业专家模块，面向零售、出行...

Qovest 是阿里云面向专业投资者推出的金融投研智能体工作台，依托通义大模型底座搭配自研金融 Agent 调度框架，接入多类权威金融数据源，支持一句话下达研究指令，自动完成数据拉取、财报公告解析、研...

Hyra2.0 是腾讯混元发布的新一代科研智能体(HunyuanResearchAgent)，承接 Hyra1.0 递归自迭代架构，转向产出可复用科研工具与小型专用模型，不再只输出单次答案。系统拆分多...

LongCat-2.5 是美团推出的面向长程智能体任务的原生多模态大模型，采用 MoE 架构，总参数规模 1.6 万亿，单次激活参数约 480 亿，上下文窗口达到 100 万 Token，训练流程依托...

Xiaomi‑OCR‑0是小米研究院推出的开源轻量文档理解模型，参数量0.8B，把文档解析、关键信息抽取、文档视觉问答整合至单套模型，权重与代码托管于GitHub与HuggingFace，同步提供Hu...

CanvaBrush是Canva推出的AI绘画画笔组件，集成在Canva设计工作台内，依托生成式图像模型处理笔触绘制需求，支持用户以手绘笔触、简单线条搭配文字提示生成画面内容。工具和平台原有画布、素材...

SenseNova‑Loop‑9B‑Preview是商汤日日新推出的预览版开源多模态模型，采用Looped Transformer循环 Transformer 架构，存储参数量维持9B级别，依靠中间层...

HelixHarness是滴滴对外开源的编码代理治理与协同组件，面向各类代码智能体搭建权限管控、策略校验与执行审计的中间层，不接管智能体本身的调度、模型路由与沙箱运行逻辑，专注把权限边界、执行凭证、决...

Nemotron3.5Transcribe是英伟达发布的开放权重多任务语音模型，采用混合专家架构，单模型即可完成语音转写、说话人区分、语音翻译、音频内容问答多项任务，无需拼接多个独立语音组件。支持最长...

Gemini4Carbon是谷歌DeepMind推出的前沿基座模型，迭代自Gemini4Argon，在网络安全防御、长周期工程任务方向完成专项强化。该模型在漏洞挖掘、漏洞验证、代码补丁编写相关公开基准...

MiniCPM‑OCR是OpenBMB面壁智能推出的轻量化开源多模态OCR模型，依托MiniCPM多模态基座做专项迭代，整套项目代码托管于GitHub仓库。模型面向端侧硬件做深度优化，支持高分辨率任意...

MAI‑Image‑2.7‑Preview是面向写实图像生成方向推出的预览版多模态图像模型，在人像、产品实拍、场景写真类画面生成上做专项调优，对光影层次、材质纹理、透视逻辑做精细化校准。模型适配中文提...

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...

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...

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...