AI最新项目

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...

SeedMusic 1.0 Preview是字节跳动在即梦AI平台上线的音乐生成功能，让无音乐基础的用户通过自然语言描述即可生成旋律自然、情感贴合的原创歌曲，并支持从歌词调整到人声克隆的全流程编辑。该...

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...

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...

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...

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...

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...

美团GEO营销门户是美团推出的生成式引擎优化（GEO）平台，助力本地商家在豆包、DeepSeek等主流AI大模型对话中获得更多推荐与曝光。提供策略建议、AI内容生成、多平台监测、效果追踪四大核心能力...

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...

广发证券Skill是广发证券推出的AI智能体技能服务矩阵，已入驻腾讯ima Skill广场，将金融业务能力（如投研分析、数据查询、风险监测等）封装为标准化、可调用的功能模块，用户通过自然语言指令即可触...

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...

Qwen3.6-35B-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...

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...

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...

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...

HeiMaClaw是由黑马程序员推出的一款生产级企业AI Agent平台。与面向个人用户的助手不同，HeiMaClaw的定位非常明确：它是一个企业级基础设施，旨在通过工程化手段(Harness Eng...

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...

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...

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...

Xiaomi OneVL是小米正式对外发布并全面开源的自动驾驶大模型。Xiaomi OneVL的核心定位是“一步式潜空间语言视觉推理框架”。OneVL并非简单的视觉模型，而是小米XLA(认知大模型架构...

StepAudio 2.5 Realtime是阶跃星辰推出的新一代实时语音大模型。StepAudio 2.5 Realtime的核心定位是打造极具“活人感”的实时语音交互。该模型不仅具备行业顶级的“副...

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...

Qwen3-ASR-1.7B是阿里云通义千问团队开源的17亿参数多语言语音识别模型，在中文、英文等52种语言及方言的识别任务中达到开源模型SOTA水平(中文词错率低至5.2%，显著优于Whisper...

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...

Qwen-AgentWorld是阿里巴巴通义千问团队于2026年6月24日发布的全球首个原生语言世界模型（Language World Model, LWM），从训练源头实现环境建模，而非依赖事后插件...

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...

GLM-5-Turbo 是智谱AI(Zhipu AI)于2026年3月16日最新发布的一款专为复杂智能体（Agent）场景深度优化的基座大模型。 它是基于此前发布的旗舰模型GLM-5进行的特定场景加速...

SkyClaw-v1.0是昆仑万维旗下天工AI发布的高性能Agent专用模型，其核心突破在于以远低于行业均价的成本，实现了接近Claude Opus 4.6等顶级闭源模型的任务执行能力，尤其擅长在百万...

Hogee是百度智能云推出的一站式 AI 短剧创作平台，依托OpenClaw数字员工体系，覆盖剧本、分镜、角色、配音到成片全流程。上传小说或剧本，AI自动拆解剧情、生成角色与场景图、合成视频，成本降 ...

Ideogram 4.0是Ideogram公司于2026年6月3日发布的93亿参数开源文生图模型，最大突破在于通过单流架构实现像素级排版控制能力，使AI生图从随机“抽卡”转向可精准指定文字位置、对象布...