AI最新项目

Audio Flamingo Next (AF-Next) 是由 NVIDIA（英伟达）与马里兰大学研究团队在2026年4月联合发布的最新开源大型音频语言模型(LALM)。 它是Audio Flami...

Qwen2.5-VL 是阿里巴巴通义千问团队发布的旗舰级视觉语言模型(Vision-Language Model)，它在多模态理解、精确目标定位、文档解析和长视频理解等方面实现了显著的技术飞跃。 核心...

MAI-Image-2-Efficient是微软正式推出的一款低成本、高效率的文生图模型。它是微软旗舰模型 MAI-Image-2 的“轻量化”版本，专为大规模商业量产和严格成本控制的场景设计，旨在以...

Marble 1.1是由“AI教母”李飞飞创立的World Labs公司于2026年4月最新推出的3D世界生成模型系列。 它是业界首款商用世界模型Marble的升级版，核心突破在于能够仅凭一张图片，在...

ERNIE-Image是由百度文心大模型团队开发并正式开源的一款高性能文生图模型。它凭借出色的中文理解能力和高效的架构设计，在开源后迅速获得了广泛关注。 ERNIE-Image亮点与性能 在Super...

腾讯混元团队正式发布并开源了混元3D世界模型 2.0 (HY-World 2.0)。这是一个多模态大模型，能够根据文字、图片、视频等输入，自动生成、重建和模拟可交互的3D世界。 它的核心突破在于，不再...

Qwen3.5-Omni是阿里巴巴通义千问正式发布的新一代端到端原生全模态大模型。 它打破了传统模型只能处理单一或特定组合模态的限制，实现了文本、图像、音频、视频四种模态的原生统一理解与生成，被誉为...

Sora 2是由OpenAI发布的新一代视频生成模型。它被官方誉为“视频领域的GPT-3.5时刻”，标志着AI视频生成技术从简单的“视频生成器”进化为能够模拟物理世界的“世界模拟器”。 Sora 2不...

LPM 1.0 是由米哈游创始人蔡浩宇旗下的AI公司Anuttacon发布的首个视频大模型，全称为Large Performance Model(大型表演模型)。 它的核心突破在于，不再仅仅是生成一段...

MiniMax发布了其新一代AI音乐生成模型——Music 2.6. 这次更新被官方称为“全维度进化”，核心解决的是以往 AI 音乐“机械感强”、“不可控”和“生成慢”的三大痛点。简单来说，现在的Mu...

FIPO是阿里巴巴通义实验室(Qwen Team)最新发布的大模型强化学习算法。 它的全称是Future-KL Influenced Policy Optimization(未来KL散度影响策略优化...

QBotClaw(中文名：龙虾)是腾讯于正式发布的国内首个浏览器AI智能体(Agent)。 它不是传统意义上的浏览器插件，而是深度集成在QQ浏览器中的智能助手。它的核心突破在于将浏览器从一个“被动展示...

GO-2(全称 Genie Operator-2)是智元机器人(Agibot)发布的新一代具身智能基座大模型。 简单来说，它是机器人的“超级大脑”，旨在解决机器人“脑子懂了但手没跟上”的难题，让机器人...

Seeduplex是字节跳动Seed团队2026年4月9日发布的原生全双工语音大模型，已全量上线豆包、抖音App。它突破传统半双工“回合制问答”限制，实现“边听边说”的实时自然交互。通过语音语义联合建...

小米XLA大模型是小米集团专为智能驾驶领域研发的一款端到端认知大模型，是其HAD(Hyper Autonomous Driving，小米超级智能驾驶)系统的核心技术升级。 它的核心突破在于首次将“辅助...

VoxCPM2 是由面壁智能(OpenBMB)团队开源的一款新一代语音生成基座模型。 如果说上一代 VoxCPM(0.5B)是以“小钢炮”著称的轻量化模型，那么 VoxCPM2 则是全面进化的“全能型...

OpenHarness是由香港大学数据科学研究院(HKUDS)于2026年4月开源的一款轻量级AI智能体驾驭框架(Agent Harness)。 它的核心理念是“模型即智能体，代码即驾驭框架”，旨在为...

Wan2.7-Video 是阿里巴巴发布的一款视频生成系列模型。它的核心特点是拥有全面的创作控制力，将 AI 的能力从单一的素材生成扩展至“生成、编辑、复刻、重塑”等创作全链路，实现了从被动“演绎”到...

MAI-Transcribe-1是微软最新推出的一款语音转文字模型。它是微软为了减少对外部供应商(如OpenAI)的依赖，由内部团队自主研发的三款基础AI模型之一。 这款模型主打“全球最高精度”和“高...

GLM-5V-Turbo 是智谱AI于2026年4月2日发布的首个原生多模态 Coding 基座模型。 简单来说，它的核心突破在于“视觉原生”——它不仅能写代码，还能“看懂”设计稿、截图、网页甚至视频...

Qwen3.6-Plus是阿里巴巴于2026年4月2日发布的新一代大语言模型，也是千问3.6系列的首款产品。它被官方定位为目前国产编程能力最强的模型，整体性能相较于上一代有显著跃升。 简单来说，Qwe...

Xiaomi MiMo-Embodied是由小米公司自主研发的一款具身大模型（Embodied AI Model），于2025年11月21日正式发布并全面开源。 它是业界首个成功打通自动驾驶与具身智能...

SenseAudio是商汤科技(SenseTime)推出的一款AI语音开放平台。 简单来说，它不仅是一个能帮你“配音”的工具，更是一个集成了语音克隆、音频编辑甚至AI视频创作的全能音频工作站。它最大的...

混元Turbo S是腾讯推出的一款旗舰级“快思考”大模型，也是混元家族中主打“速度”与“性价比”的核心主力。 简单来说，如果把大模型比作人脑，混元T1是负责深思熟虑的“慢思考”系统，而混元Turbo ...

腾讯混元大模型（Tencent Hunyuan）是腾讯公司全链路自研的通用人工智能大模型系列，于2023年9月正式发布。作为腾讯AI战略的核心，混元大模型通过腾讯云向企业提供服务，并深度集成在腾讯会议...

小米的Xiaomi Miloco(全称Xiaomi Local Copilot，小米本地协同智能助手)是小米发布的一项智能家居未来探索方案。 简单来说，它不是单一的一款硬件，而是一套基于大模型驱动的全...

Claude是由美国人工智能公司Anthropic开发的一系列大型语言模型。它以强大的逻辑推理、代码能力和卓越的安全性著称，其核心理念是构建“有益、无害、诚实”的 AI。 🏢 开发公司与核心理念 开发...

Lyria 3 Pro是谷歌DeepMind于2026年3月25日推出的旗舰AI音乐生成模型，为Lyria 3进阶版。它将生成时长从30秒提升至3分钟，可完整输出带前奏、主歌、副歌的专业曲目，保持24...

TurboQuant是谷歌研究院（Google Research）于 2026年3月发布的、面向高维向量的无训练、近无损、极低比特向量量化算法，核心用于大语言模型（LLM）的KV缓存压缩与向量数据库检...

TuyaClaw是涂鸦智能2026年推出的新一代AI助理。它基于OpenClaw架构，首创打通数字与物理世界，既能操作电脑办公，又能控制智能家居。支持一键部署、微信体验及多模型自由切换，内置3200...