AI最新项目

千问输入法是阿里通义千问团队推出的独立AI原生输入法产品，将传统输入工具升级为AI任务中枢，通过语音交互实现“动口不动手”的高效文字处理。超越基础语音转写，直接完成语义理解、逻辑梳理与内容创作，而非仅...

SciDraw AI是一个基于自然语言描述生成科研级科学插图的AI平台，通过AI技术将传统需数小时的手工绘图流程压缩至几分钟，无需专业设计基础即可快速生成符合期刊投稿标准的矢量图表，尤其适合跨学科科研...

Gemini Omni Flash是谷歌于I/O开发者大会上发布的首款面向视频创作的全模态对话式生成模型，核心定位是通过自然语言实现多轮连贯的视频编辑，而非一次性生成。它并非单纯追求视频时长或画质，而...

LongCat-2.0-Preview是美团正式推出的新一代基础大模型。它不仅是美团在AI领域“进攻”战略的核心成果，更是中国国产算力生态成熟度的一次重要验证。这款模型的核心定位是万亿级参数、国产算力...

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...

阿里Qoder企业版是阿里云推出的面向企业级用户的智能编码与知识管理平台，原名“通义灵码”，于2026年5月正式更名。将AI编程工具从“个人辅助工具”升级为具备组织级协同能力的企业级解决方案，通过资源...

Qwen3.6-Plus是阿里巴巴于2026年4月2日发布的新一代大语言模型，也是千问3.6系列的首款产品。它被官方定位为目前国产编程能力最强的模型，整体性能相较于上一代有显著跃升。 简单来说，Qwe...

DeepMind Genie 3是谷歌向公众开放的通用世界模型（General World Model），能够通过文本提示实时生成可交互的3D虚拟环境，用户可直接操控角色在动态世界中探索（如WASD移...

Doubao-Seed-2.0-lite字节跳动火山引擎推出的豆包大模型家族首款全模态理解模型。核心定位是“全模态理解与极致性价比”。不同于仅支持图文的模型，它原生支持视频、图像、音频、文本的统一理解...

Grok 4.3是xAI推出的工作型大模型，主打高性价比与多模态能力。它支持 100万 token 上下文窗口，原生兼容文本、图像与5分钟内1080p视频输入。可直接生成 PDF、PPTX、XLSX ...

LPM 1.0 是由米哈游创始人蔡浩宇旗下的AI公司Anuttacon发布的首个视频大模型，全称为Large Performance Model(大型表演模型)。 它的核心突破在于，不再仅仅是生成一段...

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...

Qwen3.7-Plus是阿里巴巴于2026年6月2日正式发布的多模态智能体模型，定位为视觉与语言统一的智能体基座。它在Qwen3.7文本能力基础上深度融合视觉理解与行动能力，不仅能看懂图像/视频，还...

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...

Sora 2是由OpenAI发布的新一代视频生成模型。它被官方誉为“视频领域的GPT-3.5时刻”，标志着AI视频生成技术从简单的“视频生成器”进化为能够模拟物理世界的“世界模拟器”。 Sora 2不...

Agnes-2.5-Flash是Agnes AI推出的全新高性能文本大模型，作为Agnes-2.0-Flash的升级版本，专为开发者与AI Agent工作流设计，在代码理解、工程修复、多步骤任务执行及...

Realtime TTS-2是由Inworld AI发布的一款实时对话语音合成模型。它并非传统的“文本转语音”工具，而是通过闭环系统架构，能够实时感知对话中的音频上下文(如用户的语调、节奏和情感)，从...

GPT-5.5是OpenAI正式发布的最新、最智能的AI模型。它被定位为“为真实工作而生的一类新智能”，标志着 AI 从“能回答问题”向“能自主完成复杂任务”的重大转变。 GPT-5.5核心突破 GP...

小米3月19日发布的自研语音模型MiMo-V2-TTS到底强在哪？不再是机械朗读，它能在一句话里转折情绪，能用方言聊天，甚至能专业唱歌。本文带你实测这款‘全能声优’，看它如何消灭AI的机器味。”

Qwen3.6-Flash是阿里巴巴通义千问团队推出的轻量高效版大模型。 它的核心定位非常明确：在保持极高推理速度的同时，提供超越同尺寸模型的智能体编程与多模态能力。它是 Qwen3.6 系列中主打...

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...

VidMuse是由Sand.ai开发的音频驱动型AI视频创作工具，通过"Music in, Video Out"实现音画自动同步的端到端音乐视频生成。解决传统AI视频中节奏脱节、场景跳跃、人物不一致三...

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...

IndexCache 是大模型稀疏注意力推理专属加速优化技术，专为解决稀疏注意力（如 DSA、MQA 稀疏变体）多层重复索引计算冗余问题设计。核心逻辑：缓存关键 Token 索引、跨层复用、砍掉无效算...

LingBot-Map是由蚂蚁灵波科技正式开源的一款流式三维重建模型。 它被誉为机器人领域的“白眼”(源自《火影忍者》中的瞳术，意指360度无死角的视觉感知)，其核心突破在于仅使用一颗普通RGB摄像头...

HyperFrames是由AI视频平台HeyGen在2026年4月开源的一个面向AI智能体(AI Agent)的视频渲染框架。 它的核心理念非常颠覆：“写HTML就能做视频”。 简单来说，它让开发者...

Sand.ai是一家专注于自回归架构视频生成技术的中国AI公司，由清华大学特等奖学金得主、Swin Transformer共同一作曹越于2023年10月创立。放弃行业主流的Diffusion路线，坚持...

Doubao-Seed-2.1 Pro是字节跳动于2026年6月23日发布的豆包大模型系列最新旗舰版本，作为面向企业级高复杂度任务的深度思考模型，通过代码生成、智能Agent协同与多模态理解三大能力的...

DataBuddy是腾讯云推出的大数据原生智能体工作台，其核心价值在于将数据操作从“人适应工具”升级为“工具自主交付结果”。传统工具需用户手动切换页面、配置参数，而DataBuddy通过目标驱动式Ag...

MiniCPM-V 4.6是由面壁智能推出的端侧多模态大模型。MiniCPM-V 4.6的核心定位是“极致轻量的手机端多模态视觉专家”。MiniCPM-V 4.6 在保持极小参数规模的同时，实现了强大...