AI最新项目

Qwen-Audio-3.0-ASR-Flash是阿里巴巴发布的专业级语音识别大模型，显著提升行业术语识别准确率（医疗场景达95.36%），并具备上下文一致性优化与语音润色能力，可直接输出结构化文本...

Anthropic Opus 5是Anthropic公司发布的高性价比旗舰级AI模型，定位为性能逼近顶级模型Fable 5但价格仅为其一半的日常任务首选方案。通过动态调节"思考档位"（effort）机...

Ox Alpha（模型标识：stealth/ox-alpha）是 2026 年 8 月 20 日悄然现身 OpenRouter 平台的一款匿名前沿大模型。它由一家选择保持匿名的第三方供应商开发运营，O...

Inkling是由前OpenAI首席技术官米拉·穆拉蒂（Mira Murati）创立的思维机器实验室（Thinking Machines Lab, TML发布的首款开放权重基础大模型。不追求极限性能...

Origin是Cursor推出的内置代码托管平台，直接集成在 Cursor AI 代码编辑器中。它位于编辑器新增的 "Codebase" 选项卡内，将代码仓库、Pull Request 与 AI 代理...

Grok 4.6 是SpaceXAI发布的最新一代旗舰大语言模型。该模型沿用Grok 4.5的1.5万亿参数V9基础架构，基础模型结构不做改动，全部能力提升来自监督微调（SFT）与强化学习（RL）的后...

MAI Realtime是微软（Microsoft AI）正在测试的首款原生实时语音交互模型，于2026年8月初被媒体曝光。它属于微软自研MAI（Microsoft AI）系列模型家族中的语音交互产品...

Kimi K2.7 Code高速版是月之暗面在标准版K2.7 Code编程模型基础上推出的加速推理版本，与标准版使用完全相同的模型架构，但通过工程优化将输出速度提升至标准版的5-6倍，专为需要实时响应...

Suno-v6 并非单一模型，而是由 v6 旗舰、v6-wild 实验、v6-mini 轻量三个分支构成的音乐生成模型家族，依托华纳、BMG 授权音乐素材完成训练。这套模型支持文本、图片、视频、语音备...

腾讯混元发布并开源新一代大语言模型Hy4 preview。总参数770B，每个token激活49B，上下文窗口突破100万Token。 更让人意外的是，Hy4 preview在自身研发过程中首次参与了...

PixVerse R2 是由爱诗科技发布的第二代实时视频世界模型，是其2026年1月推出的R1的全面升级版。R2并非传统意义上的视频生成工具，而是一个能够持续运行、实时响应用户多模态输入并动态生成音视...

ScienceClaw（又称"紫东太初·科研龙虾"）是由中国科学院自动化研究所孵化的紫东太初团队推出的科研领域专属 AI 智能体平台。它定位为"让研究·更简单"，基于 Lead Agent 架构构建...

if Studio 是 iconfont（阿里巴巴矢量图标库） 团队孵化、阿里妈妈营销研究和体验中心维护推出的企业级 AI 智能创作工作台，于 2026 年 7 月淘天"硬核少年技术节 5.0"正式发...

SALMONN-2是字节跳动联合清华大学推出的开源通用听觉多模态大语言模型，属于 SALMON 系列第二代音频理解底座。它主打全品类音频统一理解，可处理语音、环境音效、音乐、副语言信号，依托自研 SP...

E-Bench是腾讯混元团队联合清华、东南高校推出的全合成式多步骤工具智能体评测基准，专门针对大模型智能体多轮、带状态变更、长链路工具调用能力做标准化测评，区别于仅测试单次 API 调用的传统基准。整...

AngelSpec是腾讯混元团队开源的国内首个覆盖投机解码全链路的端到端框架，解决大模型推理中自回归解码效率低下的问题。提供从草稿模型训练、架构设计到线上部署的完整工具链，而非仅开源调度模块或推理代码...

Luna-TTS 是由 VuiLabs AI 推出的扩散语言模型（Diffusion-Language-Model）文本转语音系统家族。它包含两个核心变体： Luna-TTS：全并行生成版本，一次性生...

MAI-Code-1.1-Flash 是微软人工智能部门发布的升级版轻量级编程模型，是 6 月初推出的 MAI-Code-1-Flash 的迭代版本。该模型定位为高效、低成本的日常编码工作主力，深度集...

Play with Putty 是 Google Labs正式宣布的实验性项目，定位为协作式 Vibe Coding（氛围编码）工具。将"用自然语言描述、AI 自动生成代码"的 Vibe Coding...

Alpamayo 2 Super 是英伟达（NVIDIA）发布的一款320亿参数开放视觉-语言-动作推理模型（Reasoning VLA）。它由英伟达创始人兼CEO黄仁勋亲自揭幕，是Alpamayo系...

Lyria 3.5是谷歌DeepMind发布的最新AI音乐生成模型，作为Lyria系列的迭代版本，将AI从"一次性生成工具"升级为"可交互的创作伙伴"。支持对已生成歌曲的局部段落进行自然语言修改（如仅...

EchoWM，全称 JoyAI-EchoWM，是京东探索研究院推出的全模态世界模型，支持跟随连续 6 自由度导航轨迹，同步生成 720p 视频、环境音效、背景音乐与人声。不同于常规视频生成方案，这套模...

Hunyuan3D-Buffalo 1.0是由腾讯混元3D团队研发的一款统一的多模态 3D 大模型框架。将 3D 内容的理解、生成和编辑三大核心能力整合到了一个统一的模型中，实现了通过自然语言与 3D...

Qwen3.8-Flash是阿里通义千问团队正式发布并开源的新一代多模态大语言模型，同时也是全新一代千问大模型 Qwen4 架构的技术预览版。该模型采用全新下一代（Next）架构，主模型 Transf...

HarnessEval 是由 MirroS 团队提出的代理化基准测试范式（Agentic Benchmarking），核心思想是将 LLM 生态中的 "Harness"（束具/框架）概念引入基准测试领...

Happy Shrimp（中文名"快乐虾米"）是阿里巴巴 ATH 事业群宣布推出的 AI 音乐创作平台，它是阿里"Happy 家族"的第三位成员（前两位分别为音视频生成产品 HappyHorse 和 ...

Neon 开源 4B 模型是由 Neon（云原生 Serverless PostgreSQL 数据库公司）与 Castform（AI 语音智能体与模型训练平台）于 2026年8月6日联合发布的一套面向...

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...

豆包工作是字节跳动推出的独立AI办公产品，是字节面向AI办公场景的统一品牌和产品入口。它由字节跳动旗下豆包团队主导，整合了此前分散在TRAE、扣子（Coze）、飞书等多个产品线的 AI 办公能力，定位...

SenseNova U1.5 Lite是商汤科技正式开源的轻量级、原生统一多模态大模型，基于商汤自研的NEO-Unify架构，仅有8B-MoT参数规模。该模型在同一架构中贯通了视觉理解、推理、图像生成...