AI最新项目

DeepSeek V4.1 Flash 是 DeepSeek 推出的高速推理大语言模型，面向企业开发者与业务系统接入设计，在文本理解、逻辑推理、代码编写、工具调用方向保持较强能力，同时压低单次请求延迟...

FireRedAudio 是小红书 FireRed 团队推出的通用音频语言模型，隶属于 FireRed 模型矩阵，基于 90 亿参数的 Qwen3.5 架构打造，采用解耦连续表征设计，在同一套自回归框...

Zing-0.5是Loopit为自家互动内容平台Loopit开发的底层生成模型。Loopit是一个用户可以在AI生成的虚拟世界中自由探索、创作和互动的平台，类似于一个AI驱动的开放世界游戏引擎。 传统...

Project Opal是微软Microsoft 365 Copilot发布的AI智能体功能，让AI从"回答问题"升级为"替你干活"。用户只需用自然语言描述任务目标，Opal会自动生成执行计划，在专用...

Quasar 438B 是西班牙 AI 企业 Multiverse Computing 推出的旗舰推理大模型，总参数规模 438B，模型面向企业智能体、软件开发以及复杂多步骤任务，仅支持文本输入输出...

Claude Fable 5.1 是 Anthropic推出的第五代旗舰模型，定位高难度推理与长周期智能体工作场景，是 Claude Fable 5 的迭代升级版本。模型保持 100 万 token ...

MAI-Transcribe-2-Streaming 是微软推出的流式语音转文字模型（Speech-to-Text），面向实时音频流场景开发，主打低延迟与高识别精度。该模型支持 60 种语言，内置连续...

Fusion Model 是新加坡 FUMO Lab 推出的异构模型智能分配体系，包含 Fusion Max、Fusion Code 两个独立版本，Fusion Max 面向通用复杂任务，Fusion...

Muse Spark 1.3 是 Meta Superintelligence Labs 推出的旗舰推理模型，同步接入 Meta Model API 与 Muse Code 工具。作为 Muse Sp...

Muse Voice Transcribe 是 Meta Superintelligence Labs 推出的实时音频感知模型，也是 Meta 旗下首款专门面向实时音频场景的模型产品。模型在同一套架构...

StepAudio 3 是阶跃星辰推出的新一代全栈音频基础模型，整套系列拆分为 Realtime、ASR、TTS、Gen、Music 五个子模型，覆盖语音识别、语音合成、全双工实时对话、综合音频生成...

MAI-Transcribe-2 是微软 AI 团队自研的新一代语音转文字模型，隶属于微软 MAI 模型家族的语音识别产品线。模型已接入 Azure Speech 服务，同时在 Microsoft F...

科大讯飞正式发布语音基座大模型Spark-Audio-1.0-Preview。这是业界首个基于全国产化算力集群训练的语音基座大模型，采用0.65B稠密音频编码器搭配30B-A3B混合专家（MoE）语言...

LLaDA-Image是由inclusionAI团队推出并完全开源的6B参数统一图像生成与编辑模型家族。"训练配方全公开"——不只放出模型权重，还完整披露了从图像预训练、中期训练到语言监督对齐、生成编...

Cheso AI 是主打演示文稿智能生成的内容创作工具，围绕从资料到成品的完整制作链路设计。用户可以上传文档、表格、PDF、图片等各类素材，或是直接输入想法与需求，工具会自动梳理信息逻辑、提炼核心观点...

UnifoLM-WLA-1.0 是宇树科技推出的 6B 参数人形机器人通用基础模型，属于世界 - 语言 - 动作 WLA 架构，依托约 2500 小时真机采集数据训练。模型打通视觉感知、语言理解、场景...

DAMO RADAR 是阿里巴巴达摩院联合医疗机构推出的通用医学影像视觉语言模型，成果发布于《Science》期刊，整套模型、代码与框架已对外开源。模型专注腹部增强 CT 影像解析，覆盖腹部 18 类...

BobbyAI 是总部位于新加坡的金融科技企业 RockFlow 研发的金融 AI 智能代理，内置在 RockFlow 应用内，面向全球投资者打造完整投资链路。产品依托自研 AIAgent 架构与金融...

AI 音乐制作平台 Suno 正式上线 Speech，采用端到端音频生成架构，同步生成人声旁白与配套背景音乐，输出完整连贯的单条音轨。传统语音音频制作，需要分开生成语音和配乐，后期再做对齐混音，繁琐操...

LingBot-World 2.0 Small 是 LingBot-World 系列世界模型推出的轻量化版本，参数规模 1.3B，面向算力有限的设备与中小型推理环境。模型融合语言理解、图像感知与虚拟环...

Open‑RAIL 是中国移动具身智能产业创新中心推出的开源即插即用中间件，面向 VLA/WAM 视觉语言动作模型与异构人形机器人。它解决大模型推理帧率与机器人电机控制帧率不匹配带来的动作抖动问题，搭...

HiDream-O1-Video-1.0(简称 HD-V1)是智象未来 HiDream.ai 推出的原生全模态视频生成模型。依托自研 UiT 架构，支持文本、图片、视频多类型输入，输出 5 至 20 ...

Amazon Quick 是亚马逊云科技推出的代理式 AI 工作助手，支持网页浏览器、Windows、macOS 桌面客户端多端访问。依托 AI 代理调度架构，对接企业内部文档、业务数据库与第三方办公...

Xing4.0-29B-A4B 是中电信人工智能科技推出的新一代星辰大模型，面向智能体应用方向打造的轻量级代码智能体模型。模型总参数量 29B，激活参数控制在 4B，原生支持 256K 上下文，可扩展...

MiniMax Code CLI 是 MiniMax 推出的面向终端环境的代码工具，依托 MiniMax 代码大模型能力，直接在命令行终端运行，无需打开图形界面。工具接收终端内输入的自然语言指令，读取...

FLUX 3 Image 是 Black Forest Labs 推出的 FLUX 3 系列图像分支模型，依托多模态基座完成静态图像生成与图像编辑，原生支持最高 4K 分辨率输出，大幅优化复杂提示词理...

Clef-flash 是 Cloudflare 推出的开源多模态决策模型，基于 Qwen3.5-9B 基座训练，采用 Apache 2.0 开源协议，面向低延迟业务判定场景。模型上下文窗口达到 64k...

Chatterfly 又称元宝输入法，是腾讯推出的 AI 原生语音表达工具，当前处于内测阶段，已上线 Windows、macOS 桌面客户端，移动端版本还在筹备中。它跳出传统输入法仅做语音转文字的模式...

Hologres 是阿里云自研的一体化实时湖仓平台，兼容 PostgreSQL 协议，整合 OLAP 查询、即席分析、在线服务、向量检索、AI 推理多项能力。平台依托 Dynamic Table 动态...

Apollo是奥地利科学院联合Mistral、Sail Reply共同研发的专属大语言模型，也是全球首款聚焦古希腊语研究的高级AI模型。模型依托海量古典希腊语文本素材训练而成，数据涵盖古代手稿、莎草纸...