AI最新项目

Qwen3.7 Preview(通义千问3.7预览版)是阿里巴巴在2026年5月19日深夜至20日阿里云峰会期间，正式对外亮相的最新一代旗舰大模型预览版。 这次发布采用了“双模型”策略，分别推出了主打...

JoyAI-Echo是京东开源的长音视频生成框架，首次系统性解决长视频生成的三大行业难题(角色一致性差、声音不稳定、生成效率低)，通过跨模态记忆库、对话式编辑和7.5倍推理加速技术，实现5分钟级长视频...

Higgs Avatar v1是由Boson AI团队发布的一款面向语音智能体的实时数字人基础模型。它的核心作用是为 AI 赋予逼真的“面容”和表情，使其在对话中具备极强的临场感。 Higgs Ava...

MAI-Code-1-Flash是微软发布的首款自研轻量级代码生成模型，专为开发者日常编码场景设计，采用50亿参数的紧凑架构，通过自适应推理预算分配技术实现高效率与低成本的平衡。 其核心价值在于将Ag...

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...

BitCPM-CANN是中国首个完全基于国产算力平台(华为昇腾)原生训练并开源的1.58-bit三值权重大模型系列，通过将模型权重压缩至-1、0、1三个值，在推理阶段释放约6倍显存空间，同时保留90...

Orchard 是微软研究院开源的一个用于训练和评估AI智能体（Agentic AI）的框架。它旨在解决当前智能体研究中普遍存在的基础设施壁垒，通过提供一个可复用、轻量级的环境服务，让研究人员能够以更...

文心5.1百度发布的新一代基础大模型。文心5.1核心定位是“极致效价比的搜索与智能体专家”。文心5.1在完整继承上一代(文心5.0)知识储备的基础上，通过多维弹性预训练技术，将预训练成本大幅降至业界同...

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...

GLM-5.2是智谱AI发布的开源大语言模型，迄今能力比较强的国产编程模型，真正可用的100万token上下文窗口与MIT协议全开源，在代码生成、长程任务稳定性及工程化落地能力上达到全球顶尖水平，尤其...

PrismAudio是阿里通义实验室推出的AI视频环境音生成框架，可根据画面自动生成逼真环境音效与动作音。它采用分解式思维链分析画面内容与发声时机，结合四维强化学习实现声画精准同步，兼顾语义匹配、时序...

GenflowAI是面向创作者、电商与营销团队的多模态AI创意工作空间，主打无代码自动化工作流。聚合 GPT、Gemini、Seedance 2.0等顶尖模型，单一画布内完成文本、图像、视频、音频的生...

GPT-2并不只有一个固定的参数量，它实际上包含四个不同规模的模型版本，参数量从约1.2 亿到15亿不等。 通常大家提到的“GPT-2 有15 亿参数”，指的是其中最大的那个版本(GPT-2 XL...

OpenMontage是全球首个开源的、由AI智能体(Agentic AI)驱动的视频制作系统。简单来说，它就像一个不知疲倦的“AI 视频副导演”。它不是一个简单的“一键生成视频”的玩具，而是一个结构...

General365是由美团LongCat团队在2026年4月底发布，并于5月中旬正式开源的一个专注于评估大模型通用逻辑推理能力的全新评测基准。 简单来说，它是一套专门为 AI 设计的“高难度逻辑考卷...

Xiaomi Auto World Model是小米汽车发布的世界模型全新框架，其核心突破在于首次将三维重建与视频生成深度耦合为一体化架构，以“重建锚定几何、生成填补想象”的新范式，推动辅助驾驶从“场...

HiDream-O1-Image-Pro是智象未来发布的超2000亿参数原生全模态图像生成大模型，采用全球首创的像素级统一Transformer(UiT)架构，彻底摒弃传统VAE压缩与独立文本编码器...

文心大模型(ERNIE)是百度自主研发的产业级知识增强大模型。截至2026年5月，其最新版本为文心大模型5.1.刚刚在近期正式发布。 文心大模型 5.1 这是百度在2026年5月Create开发者大会...

Qwen3.5-0.8B是阿里巴巴通义千问团队开源的最小尺寸端侧大模型，具备原生多模态能力，专为资源受限设备设计。 其核心价值在于以极低计算资源实现高智能密度，在移动端和边缘设备上可提供本地化、低延迟...

HiDream-O1-Image是由智象未来在 2026年4月正式发布的新一代原生全模态图像大模型。HiDream-O1-Image的核心定位是“基于原生全模态架构（UiT）的电影级画质生成器”。该模...

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...

MiniCPM-Desk-Pet是基于面壁智能MiniCPM5-1B端侧大模型开发的开源AI桌面宠物应用，完全支持本地运行、无需联网、断网可用，且硬件门槛极低。 其核心价值在于将高性能端侧AI模型与轻...

doubao-seed-2.1 Turbo是字节跳动于2026年6月23日发布的豆包大模型系列轻量化生产级版本，作为doubao-seed-2.1 Pro的低成本、高吞吐优化版本，以Pro版50%的成...

Cosmos 3是英伟达(NVIDIA)于2026年6月1日正式发布的全球首款全开源、全模态(Omni-Model)物理AI基础大模型。它被定义为一个“世界模型”，旨在赋予人工智能系统理解物理世界规律...

Qwen3.6-35B-A3B是阿里巴巴通义千问团队于2026年4月16日正式开源的一款高性能混合专家(MoE)模型。 作为Qwen3.6系列的首个开源权重版本，它凭借“350 亿总参数、仅30亿激活...

MiMo-V2.5是小米于正式开源的原生全模态大模型。与专注于复杂推理的Pro版本不同，MiMo-V2.5主打全能感知与高性价比，能够像人类一样同时“看、听、读”，并迅速做出反应。它被视为覆盖绝大多数...

JoyAI-VL-Interaction是京东于2026年6月22日正式开源的全球首个全栈开源视觉语言实时交互模型，将多模态大模型从传统"一问一答"模式升级为"边看边说"的实时流式交互能力，使AI能像...

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...

HappyHorse 1.1是阿里巴巴于2026年6月22日正式发布的视频生成大模型升级版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力五大核心维度实现系统性突破。解决专业内容生产场景中动...

Page Agent是阿里巴巴开源的纯前端GUI智能体框架，无需截图或外部浏览器控制，直接通过解析网页DOM结构实现自然语言驱动的页面操作。将AI操作能力内嵌至网页本身，使开发者能以极低成本为自有产品...