AI最新项目

SynthID Bio 是 Google DeepMind 推出，面向合成生物学领域的生物水印技术体系，属于 SynthID 技术家族的延伸方向。这套方案将不可感知的签名直接嵌入 AI 设计的蛋白质序...

Gemini 4 Argon 是 Google DeepMind 推出的旗舰前沿大模型，面向复杂长周期任务构建，主打超长输出与深度多步推理能力。模型单次输出上限提升至 100 万 token，支持单轮...

Index-Translate 是哔哩哔哩 Index LLM 团队推出的开源多语言翻译模型家族，依托 Qwen3.5 基座开发，提供 2B、9B、35B-A3B (preview) 多规格权重，在 ...

OpenAI 推出 dots，属于可持续后台运行的 AI 智能体，底层搭载 GPT-6 Astra 模型。每个 dots 拥有独立云端虚拟计算机与浏览器环境，接收目标指令后自主拆解多步骤任务，会话关闭...

OpenAI 推出 GPT-6.1 Sol，作为 GPT-6 Sol 迭代升级版本，在智能体编程、计算机操作、复杂专业任务上完成能力补强。模型在多项专业评测中取得接近 GPT-6 Astra 的表现...

OpenAI 在 DevDay 2026 推出 Decisions API，依托 Luna 模型打造，面向需要快速判定、选项固定的业务场景。开发者传入文本或图像作为上下文，预先定义问题与候选答案集合...

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 ...

Claude Sonnet 5.5 是 Anthropic 推出的 5.5 系列中端主力大模型，作为 Opus 5.5 的配套版本，在智能体编程任务上取得突破，相关基准测试结果超越旗舰 Opus 5...

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...

ElevenLabs v4 是 ElevenLabs 推出的全新一代 TTS 模型，配套推出低延迟分支版本 v4 Turbo，采用全新模型架构，不再局限于简单朗读文字，可结合上下文理解台词情绪、节奏与...

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...

R2T2 全称 Confucius4‑R2T2，隶属于网易有道子曰 Live 系列，是面向语音智能体场景的开源真流式语音识别模型。传统流式识别会随后续音频不断修改已输出文字，容易造成字幕闪烁、下游模块...

T3PO 全称 simulTaneous Translation via pareTo Policy Optimization，是网易有道子曰4系列推出的流式文本同步翻译模型，参数规模 140 亿，采...

DeepSeek Harness 桌面版是深度求索推出的智能体运行框架桌面客户端，将原本依赖命令行与网页部署的 Harness 框架打包为原生桌面应用，适配 Windows 与 macOS 操作系统...

LongCat-2.5-Preview 是美团推出的大模型，依托 MoE 混合专家架构打造，原生支持 100 万 token 上下文窗口，新增图像理解能力，强化代码与智能代理任务处理能力。模型总参数量...

Spark-ASR-2.0 是科大讯飞推出的新一代语音识别大模型，依托 Spark-Audio-1.0-Preview 语音基座大模型开发，采用全国产算力完成训练。模型跳出传统语音识别单纯还原语音文字...

Gemini 3.8 Live 是谷歌推出的原生音频转音频实时对话模型，依托 Live API 对外提供服务，面向需要低延迟交互的语音智能代理场景。模型可持续接收音频、图像流输入，同步输出自然语音回复...

MentalHealthBench 是 OpenAI 推出的开源评测基准，由来自 22 个国家的八十余名持证心理健康专家联合搭建，专门衡量大模型在真实心理对话场景下的应答水平。整套基准包含 1215 ...

TeleOCR 是中国电信星辰实验室推出的开源文档解析视觉模型，总参数量约 1.2B，原生集成文档畸变矫正能力，无需额外预处理模块，直接处理拍摄形变文档、扫描件与电子 PDF 页面。模型在 OmniD...

MiMo-V3 是小米推出的全新一代 MiMo 系列大模型，搭载自研 HySparse 2 稀疏注意力架构，面向长上下文智能体任务深度优化，在百万 token 上下文场景大幅削减算力开销与显存占用。模...

Gemini 3.8 Flash-Lite TTS 属于谷歌 Gemini 3.8 音频产品线，是面向高并发场景的轻量化文本转语音模型，依托 Flash 系列主干做精简优化，优先保障音频生成速度与低资...

Gemini 3.8 Flash TTS 是谷歌 DeepMind 推出的创意向文本转语音模型，归入 Gemini 3.8 音频模型体系，专注角色语音设计与双人对话音频生成。模型支持通过自然语言描述直...

Qwen Intelligence 是阿里推出的个人智能服务体系，主打把智能能力落地到各类终端设备，面向普通使用者和规模化交付需求打造完整 Agent 服务。这套体系围绕手机场景完成模型专项调优，把任...

Qwen-Audio-3.1 是阿里通义千问推出的音频多模态模型系列，一次性发布五款子模型，覆盖语音识别、语音合成、实时语音交互、音频创作全链路能力。整套体系包含 ASR、TTS、Realtime 实...

GPT-6 Luna 是 OpenAI 推出的 GPT-6 系列轻量化多模态大模型，同系列产品包含 GPT-6 Sol、GPT-6 Astra，主打低延迟、低成本的日常交互与轻量级业务任务。模型保留多...

GPT-6 Sol 是 OpenAI 推出的 GPT-6 系列中端多模态大模型，能力在旗舰GPT-6 Astra 与轻量 GPT-6 Luna 之间，继承 Astra 的推理、代码与计算机操作相关技术...

Claude Opus 5.5 是 Anthropic 推出的 Claude 5.5 系列首发旗舰模型，面向长流程智能体任务、深度代码开发与复杂专业资料处理设计。它在大量评测项目中跑出和 Claude...

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...

Hy Image3.5 preview 是腾讯混元推出的预览版图像生成模型，主打专业图像创作，兼顾创作质量与使用成本。这款模型经过大量设计师盲测验证，生成画面的细节、文字绘制、风格还原都有明显提升，普...

小米 MiMo-V2.6 是小米推出并对外开源的新一代原生全模态大模型系列，作为 RSI 递归自我改进技术路线的落地成果，整套版本划分为 Pro、Flash 以及 UltraSpeed 三个分支。模型...