AI最新项目

Laya 是一款开源决策模型，遵循 Apache 2.0 协议对外开放权重与完整工程代码，面向工单分流、意图路由、内容风控这类反射型决策任务设计。模型不输出自然语言文本，直接输出布尔结果、单选分类、量...

DeepInfer 是 DeepSeek 对外开源的生产级大模型推理框架，源自内部线上服务系统，面向 MoE 架构大模型做底层调度优化，配套同步开放自研 token 编解码组件。框架兼容英伟达 GPU...

Ling-3.1-flash AI是蚂蚁百灵实验室发布的稀疏MoE架构大语言模型，总参数量560B，推理阶段激活25B参数，原生支持1M上下文窗口，线上开放256K长度调用。模型面向长文本、复杂智能体...

MuseWonder 系列是 Meta 推出的旗舰 AI 模型，包含标准版与 Full 高性能版本，面向长周期多步骤智能体任务开发。该模型支持百万 token 上下文窗口，搭载 ActiveMemor...

Kling 4.0 是快手可灵 AI 推出的旗舰级视频生成模型，配套推出轻量化分支 Kling 4.0 Flash，主打真实画面质感、创作可控性与叙事连贯性。模型原生支持 4K 10-bit HDR ...

Xiaomi‑OCR‑0是小米研究院推出的开源轻量文档理解模型，参数量0.8B，把文档解析、关键信息抽取、文档视觉问答整合至单套模型，权重与代码托管于GitHub与HuggingFace，同步提供Hu...

MAI‑Image‑2.7‑Preview是面向写实图像生成方向推出的预览版多模态图像模型，在人像、产品实拍、场景写真类画面生成上做专项调优，对光影层次、材质纹理、透视逻辑做精细化校准。模型适配中文提...

UnlimitedOCR2 是百度文心发布的开源端到端超长文档解析模型，依托 SR‑SWA 稀疏参考滑动窗口注意力搭配无限视域解码机制，摆脱传统 OCR 的页数限制，单次推理可处理数千页扫描文档。模型...

MOSS‑Image 是 OpenMOSS 团队推出的开源文生图模型系列，包含 MOSS‑Image‑Base 与 MOSS‑Image‑SFT 两套权重，骨干网络为 5B 参数单流 DiT 架构。该...

Ming-3.0 是蚂蚁百灵推出的开源语音模型系列，整套产品划分语音合成、长音频理解、语音识别三条分支，合计五款子模型，覆盖声音创作、录音解析、实时转写等语音类任务。系列内置导演模式，支持在文本内添加...

MiniCPM-V4.7 是 OpenBMB 面壁智能推出的新一代开源多模态模型，包含 1B 稠密版本与 35B-A3B 稀疏 MoE 版本，采用 Apache2.0 许可协议开放权重。模型支持图文...

ElevenLabs v4 Turbo 是 ElevenLabs v4 系列里主打实时对话场景的文本转语音模型，继承 v4 完整的情感表达能力，重点压缩推理耗时，中位数推理延迟约 100ms，首段语音...

M3.1-Flash-Preview 是 MiniMax 推出的公测版文本大模型，首发搭载于 MiniMax Code 平台，面向代码开发场景打造，内置百万级上下文窗口，原生支持多模态输入输出。模型在...

MiniCPM‑OCR是OpenBMB面壁智能推出的轻量化开源多模态OCR模型，依托MiniCPM多模态基座做专项迭代，整套项目代码托管于GitHub仓库。模型面向端侧硬件做深度优化，支持高分辨率任意...

KimiK3.1Pro为KimiK3.1系列首款旗舰模型，属于3万亿级参数架构，搭载百万token上下文窗口，原生集成视觉理解通道。模型针对代码编写、三维内容制作、金融数据研判以及长链路智能体任务做专...

MemT1.0 是记忆张量团队推出的记忆原生基座大模型，包含 MemT-1.0-Flash 与 MemT-1.0-Nano 两个版本，对应 288B 和 36B 参数规格，配套不同容量的动态记忆单元...

Claude Duet 是 Anthropic 推出的主动式智能体应用，底层依托Claude Opus 5.5模型，以研究预览模式对外开放，提供独立移动端 App 与网页访问入口。区别于传统问答交互模...

Xing4.0-29B-Intent 是中国电信星辰实验室推出的开源意图理解专用模型，属于星辰 Xing4.0 系列分支，专门承接自然语言到结构化指令的转换工作。用户口述的零散口语内容送入模型后，按照...

Harnessv0.2.1-rc1是深度求索推出的 0.2.1 系列首个候选发布版本，属于开源AI智能体运行时环境，rc1标识代表该版本进入预发布测试阶段，用于验证新增插件体系与兼容层能力。这套系统为...

GLM-Legal 是智谱 AI 基于 GLM 基座模型开发的法律领域专用大模型，针对国内法律条文、裁判文书、合同文本等专业数据完成专项训练。模型学习大量民事、商事、行政相关法律资料，适配法律文本阅读...

HelixHarness是滴滴对外开源的编码代理治理与协同组件，面向各类代码智能体搭建权限管控、策略校验与执行审计的中间层，不接管智能体本身的调度、模型路由与沙箱运行逻辑，专注把权限边界、执行凭证、决...

Gemini4Carbon是谷歌DeepMind推出的前沿基座模型，迭代自Gemini4Argon，在网络安全防御、长周期工程任务方向完成专项强化。该模型在漏洞挖掘、漏洞验证、代码补丁编写相关公开基准...

Loxinity是面向实时连续对话场景打造的音视频一体化AI能力平台，包含Loxi‑Speech语音合成、Loxi‑Avatar实时数字人视频生成两套核心模型。和侧重离线配音的音视频工具不同，整套体系...

星火X2.6是XHToken推出的开源通用大模型，包含4B稠密版本，采用Apache‑2.0开源协议，原生支持一百万token上下文窗口，面向本地智能体、代码开发、多语言处理场景做专项优化。延续前代混...

MAI‑DxO 全称 Microsoft AI Diagnostic Orchestrator，是微软研究院发布的顺序诊断编排系统，成果刊载于《Science》期刊。该系统不绑定特定基座大模型，模拟多...

MiDashengLM-Spatial是小米推出的开源端到端空间音频语言模型，在MiDashengLM-7B基础上扩展双耳空间感知能力，单模型同时承载通用音频理解与声源空间推理能力。现有音频大模型大多...

GPT-Live-1.1是OpenAI推出的迭代版实时语音模型，搭载全双工交互架构，支持同步收音与语音输出，摆脱传统一问一答的轮次限制。模型底层依托GPT-5.5系列主干能力，支持文本、图像多模态输入...

LFM2.5‑24B‑A2B 是 LiquidAI 发布的稀疏混合专家文本推理模型，模型总参数量 24B，每 token 仅激活约 2.45B 参数，上下文窗口达到 131072token，适配本地设...

alkLikeYou是面向音频驱动数字人头部视频生成的开源研究框架，重点复刻人物独有的说话习惯，捕捉发音过程中细微唇部动作差异。现有数字人生成方案大多输出同质化面部运动，忽略个体细微口型特征，该框架在...

Saluki 27B 由 Underdog AI 推出，是基于 Qwen3.8-27B 改造的 2-bit 混合精度量化模型，采用 GGUF 格式封装，模型文件体积压缩至 7.89GB，原版全精度权重...