AI最新项目

Gemini 3.1 Pro是谷歌(Google)发布的新一代旗舰人工智能基础模型。它定位为一款专为解决复杂问题而生的高阶推理工具，主打深度思考和复杂任务处理。 Gemini 3.1 Pro核心特点与...

SeFi-Image是基于"语义优先扩散"技术的开源文本到图像生成模型，通过分离语义与纹理生成流程，在仅需Z-Image约10%-20%训练成本（5B模型125K A800 GPU小时）的前提下，实现...

MiniMax Design是MiniMax（稀宇科技）发布的多模态创作Agent工作台，围绕其自研的原生多模态视频模型H3构建，定位为将模型能力转化为真实商业生产力的Harness（工具框架）。用户...

TRAE Work Design是字节跳动推出的AI原生设计工作流解决方案，作为TRAE Work平台的核心模块，实现从需求文档到高保真设计稿再到可运行代码的全链路自动化。将设计系统深度融入AI生成过...

Wall-OSS-0.5是自变量机器人团队开源的全球首个实现"预训练即可部署"的具身基础模型，无需针对下游任务进行后训练，直接在真实机器人上完成零样本操作任务，其核心突破在于通过技术重构使预训练模型自...

OpenHuman是一款真正懂你的“本地优先”个人AI超级助手。它和传统的聊天机器人最大的不同在于，它不是一个被动等待提问的工具，而是一个会主动感知你工作上下文、在后台持续学习和思考的AI智能体(Ag...

ArkClaw是字节跳动旗下火山引擎正式推出的云端SaaS版OpenClaw平台，本质是无需本地部署、开箱即用的AI智能体（Agent）服务，解决开源项目OpenClaw配置复杂、非技术用户门槛高的问...

Kimi Work是月之暗面推出的本地桌面AI智能体，依托Kimi Code引擎，适配Windows、Mac客户端。依托自然语言下达指令即可自动拆分任务、本地执行操作，支持网页抓取、文件管理、多格式文...

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...

Nemotron-Labs-Diffusion是英伟达推出的统一架构的三模式大语言模型，通过创新性地将自回归、扩散和自猜测三种解码模式集成于单一模型，在保持生成质量的同时显著提升推理吞吐量。无需额外小...

Leanstral 1.5是Mistral AI推出的专注于形式化验证与数学证明领域的专用AI模型，属于Leanstral系列的迭代版本。它并非通用编程助手，而是专为 Lean 4 证明语言设计的代码...

DeepSeek V4 Pro是深度求索(DeepSeek)发布的旗舰级开源大语言模型，采用1.6万亿参数混合专家(MoE)架构，原生支持100万token超长上下文，在推理能力、Agent任务执行效...

motion-anything是nexu.io旗下Open Design家族推出的本地优先、对话原生的AI动效引擎，定位为智能体时代的动效生产层。用户仅需用一句话描述动效需求，AI即可生成带动效的网页...

虎牙VAM 1.0是虎牙直播基于Diffusion Transformer（DiT）架构研发的实时多模态数字人基础模型，将AI数字人从单向内容输出工具升级为具备实时交互能力的直播主体，通过解决长时间稳...

PP-OCRv6是百度飞桨发布的超轻量级OCR（光学字符识别）模型系列最新版本，50种语言统一模型架构与工业级复杂场景适应能力。它通过三阶段流水线（检测-分类-识别）实现高精度、低延迟、小体积的文本识...

PlanningBench是由中国人民大学高瓴人工智能学院与腾讯混元联合开发的开源大模型规划能力评测与训练框架，核心目标是系统化评估和提升AI模型在多约束、多步骤决策任务中的全局规划能力。 其突破性在...

1bit是腾讯混元Hy3旗舰大模型的1比特极致量化版本（IQ1_M格式），通过梯度量化技术将2950亿参数模型的权重体积从598GB压缩至85.5GiB（缩小6.7倍），实现单张96GB显存显卡即可本...

LingBot-Vision是蚂蚁集团旗下灵波科技研发的全球首个面向具身智能的“空间原生”视觉基础模型，将物体边界结构作为预训练核心目标，使机器人能精准感知物理世界的三维空间关系（如物体边界位置、距离...

Mage 是微软推出的轻量级多模态模型家族，在固定的 4B 参数预算下构建，旨在让先进的视觉理解与视觉生成能力在 realistic 计算预算下可用于受控实验、后训练研究和垂直领域应用。 Mage 家...

GenCeption是谷歌DeepMind发布的通用视觉模型，通过逆向改造视频生成模型，实现单模型统一完成深度估计、图像分割、3D姿态估计等五类核心视觉任务。仅用7500段合成视频训练，即可通过文本指...

TuringViT是小鹏集团发布的高效视觉编码器，作为面向VLM/VLA（视觉-语言-动作）时代的物理AI统一感知底座，通过线性注意力架构、精细化数据治理与原生动态分辨率训练，以仅10%的训练数据量实...

Nemotron 3 Embed是NVIDIA推出的开源嵌入向量模型系列，专为检索增强生成（RAG）、智能体记忆及多语言检索场景设计。其8B参数版本在RTEB检索基准测试中以78.46分登顶榜首，成为...

Decitron是中科闻歌发布的全球首个通用决策大模型，将复杂决策问题转化为可计算、可推演、可验证的系统，而非传统问答式AI。能对复杂事件进行多路径推演并动态追踪，在国际权威数据集PolyBench测...

Xiaomi MiMo-V2.5-Pro-UltraSpeed是小米与TileRT团队联合推出的MiMo-V2.5-Pro模型的超高速推理模式，首次在通用GPU上实现万亿参数模型1000tokens...

getdesign.md 是一个免费开源的大厂设计规范库，把66+知名品牌（Apple、Stripe、Figma、Linear 等） 的设计系统，整理成一份份标准化的DESIGN.md文件，供AI编程...

SenseNova 6.8 Flash Lite 是商汤科技发布的日日新大模型体系中的轻量级推理模型，定位为高吞吐、低延迟、低成本的API服务节点。该模型在保持接近旗舰版SenseNova 6.8核心...

GPT-Live是OpenAI推出的新一代全双工语音交互模型，作为ChatGPT语音功能的第三代升级，目标是彻底消除传统AI语音交互的机械感，实现接近真人对话的自然流畅体验。它通过全双工架构实现边听边...

Fusion是OpenRouter平台推出的多模型协同推理技术，通过并行调用多个大语言模型并智能融合结果，在保持高智能水平的同时显著降低单任务成本。以高性价比模型组合逼近顶级单模型性能（如Kimi K...

SeedRealtime是字节跳动Seed团队于2026年8月5日正式发布的原生音视频全双工大模型。该模型采用统一端到端架构，将音频、视频与文本原生融合，能够在连续多模态信息流上进行实时交互，官方将其...

Grok4.5是SpaceXAI（原xAI，2026年初并入SpaceX）发布的新一代闭源大语言模型，专为编程与智能体任务优化，以约80%的顶尖模型能力水平，实现仅25%左右的使用成本。其技术突破主要...