AI最新项目

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...

Beam 是 Reflection 发布的首款开放权重大模型，采用稀疏 MoE 专家架构，总参数量 501B，单 token 仅激活 23B 参数，采用 Apache2.0 许可协议对外放出权重。模型...

VeriLoopE2 是基于 Qwen3.8-27B 做后训练得到的 27B 参数开源大模型，采用 Apache2.0 协议开放权重，核心依托 VGR 循证收敛递归机制构建智能体运行链路。模型负责生成...

HeyGenVoice 是 HeyGen 面向数字人场景打造的自研语音模型，集成文本转语音与语音克隆能力，覆盖上百种语言及方言。该模型专门针对数字人唇形匹配做优化，输出音频附带精细时间戳，支持短样本声...

PixelUMM 是 NVIDIA 与滑铁卢大学联合推出的无编码器多模态模型，摒弃传统 VAE 与独立视觉编码器，依靠单一解码器 Transformer 直接读写原始像素。图像拆分为 16×16 补丁...

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...

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...

OSS Scanner 是Anthropic推出的面向软件开发项目打造的开源组件扫描工具，专门识别项目内引入的各类开源依赖包，采集组件版本、许可证声明与安全漏洞信息。工具支持多语言项目扫描，可对接包管...

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...

Odyssey-3 是 Odyssey 实验室推出的基础世界模型，分为标准版与 Pro 版本，Pro 版本在 Physics-IQ Verified 基准测试拿到 66.1 分，刷新该榜单记录。模型依...

Microsoft-Decision-1 是微软推出的面向结构化判断场景的决策评分模型，区别于传统生成式大语言模型，它不会输出自由文本，而是针对给定选项输出校准后的概率分值。模型基于 Qwen3.5...

Gemini Agent 是谷歌云推出的通用型企业智能体，依托 Gemini 大模型底座搭建，可接收自然语言目标指令，自主拆分复杂任务、调度各类工具完成工作。系统内置独立沙盒环境，支持代码运行、文件读...

Mellum2.1 是 JetBrains 推出的开源 MoE 架构大模型，面向代码智能体场景完成迭代升级，总参数规模 12B，单 token 仅激活 2.5B 参数。模型延续前代基础架构，把强化学习...

GPT-6.1 Sol Ultrafast 是 OpenAI 在 GPT-6.1 Sol 基础上推出的极速推理分支，针对高并发、低延迟场景重构推理调度逻辑。模型维持原版本推理、代码、长文本处理能力，t...

Vidu Q4 Preview 为生数科技推出的新一代旗舰 AI 视频生成模型预览版本，围绕人物演绎、镜头调度与复杂特效方向迭代。模型支持多素材参考输入，单次任务可加载 15 张参考图片、3 段参考音...

StartLux‑Decision 是 StartLuxLabs 发布的开源专用决策模型，项目托管于 GitHub 仓库，提供 0.8B、2B、4B、9B、27B 五档参数版本，附带多精度量化权重，适...

VoxMem是专门针对音频大语言模型构建的多会话记忆评测基准，数据集合计 177 小时音频素材，包含 34743 条语音会话，3196 组评测实例。这套基准不只检验文本转写后的文字内容记忆，还把说话人...

AI Edge Foresight 是谷歌推出的面向 Apple 芯片 Mac 设备的端侧 AI 应用，底层搭载 EmbeddingGemma 2 多模态嵌入模型，整套运算流程在本机完成，无需将录音...

Claude Haiku 5.5 是 Anthropic 推出的轻量级大语言模型，归属 Claude 5.5 模型家族，面向高并发、成本敏感的批量任务开发。模型延续 Haiku 系列高速推理特性，新增...

Nano Banana 2.1 是 Google DeepMind 推出的多模态图像模型，隶属于 Gemini 3 系列，基于 Gemini 3.6 Flash 架构迭代开发，延续 Flash 级生成...

Mistral Large 4，代号 le Chonk，是 Mistral AI 推出的旗舰稀疏专家混合多模态大模型，总参数量达到 1 万亿，单次推理仅激活 490 亿参数，面向企业级复杂推理、代码...

EmbeddingGemma 2 是 Google DeepMind 推出的新一代轻量级多模态嵌入模型，基于 Gemma 4 架构开发，采用 Apache 2.0 协议开源。模型面向端侧设备设计，把文...

TypeSafe AI 是专注于机器侧结构化决策的 AI 服务商，核心产品为 System One 模型，旗舰模型命名 Jev。它跳出传统大模型自由文本生成的设计思路，输出强类型化决策结果，附带经过校...

IQuest‑Q1 是至知创新研究院 IQuest Research 发布的开源稀疏 MoE 基座模型。模型总参数规模 320B，单 token 推理仅激活 15B 参数，原生面向命令行终端智能体打造...

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...

Strands Decider 2B 是 AWS 旗下 Strands Labs 推出的开源决策模型，参数规模约 20 亿，采用 Apache 2.0 许可协议对外开放权重与代码。模型和传统生成式大模...

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...

OpenViking 是火山引擎 Viking 团队维护的开源 AI Agent 上下文数据库。项目把记忆、知识库资源、Agent 技能全部收纳进一套可浏览的虚拟目录系统，解决传统向量库上下文分散、检...

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...