AI最新项目

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...

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。”

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...

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...

Vibe Coding产品“袋马”是一款通过自然语言描述即可生成可直接上线的微信小程序或iOS原生应用的AI工具，零代码门槛、分钟级交付、真机可用，专为非技术背景的个人及小微主体设计。将传统开发流程压...

Seedance 2.5是字节跳动火山引擎6月23日发布的最新视频生成大模型，作为Seedance 2.0的升级版本，实现单段30秒原生视频直出、支持50个全模态素材联合输入，并首次提供画面一致性保障...

9Router是一款完全免费、开源的本地AI模型路由代理工具，你可以把它理解为你所有AI编程工具背后的“智能调度中心”。它的核心目标是让你用最低的成本，获得最稳定、不间断的AI编程体验。 9Route...

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...

Stable Audio3.0是Stability AI正式发布的音频生成模型系列，最大突破是将专业级音乐生成时长提升至 6 分 20 秒，首次实现AI生成结构完整、旋律连贯的歌曲级内容，标志着 AI...

Open Design团队开源的HyperFrames（常被称作 "HTML 版剪映"）是 一个基于 HTML/CSS/JavaScript 的动态视频生成框架，核心目标是让开发者用前端技术栈直接生成...

GPT-Realtime-Translate是OpenAI推出的一款专注于实时流式翻译的AI模型。它的核心突破在于打破了传统翻译“说完一句、停顿、再翻译”的回合制模式，实现了边听边译的“同传”体验，将...

Qwen3.6-Max-Preview(2026年4月20日发布)是阿里通义千问系列当前最强旗舰预览版，定位企业级与开发者高要求场景，在智能体编程、世界知识、指令遵循三大核心能力上全面超越Qwen3...

MAI-Transcribe-1是微软最新推出的一款语音转文字模型。它是微软为了减少对外部供应商(如OpenAI)的依赖，由内部团队自主研发的三款基础AI模型之一。 这款模型主打“全球最高精度”和“高...

Qwen-Image-Bench是阿里云通义千问团队推出的文生图专用评测基准，主打创作者视角与专业标准。含1000 个中英双语 prompt，从画质、美学、图文对齐、真实保真、创作生成 5 大维度，设...

豆包App灰测打车是字节跳动旗下AI助手豆包于2026年6月22日启动的对话式打车功能灰度测试，用户无需跳转第三方应用，仅通过自然语言口述需求即可调用曹操出行服务。该功能目前仅面向北京、杭州部分用户开...

MemPrivacy是由记忆张量（MemTensor） 联合荣耀、同济大学开源的、面向端云协同AI智能体(Agent)的隐私保护框架与系列模型。 简单来说，MemPrivacy的核心作用是解决AI越来...

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...

OpenAI正式发布了GPT-5.5 Instant，并将其设为ChatGPT的默认模型，全面取代了此前的GPT-5.3Instant。这次更新被官方定义为“更准确、更简洁、更懂你”的进化。它不再仅仅...

Seedream 5.0 Pro是字节跳动在火山引擎FORCE原动力大会上发布的专业级图像生成与编辑模型，定位为面向企业级设计需求的分层可控AI创作工具。将AI图像生成从“整体输出”升级为“像素级可编...

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...

Rodin Gen-2.5是Hyper3D团队推出的全球首款千万面级3D生成AI模型，其核心突破在于通过"自适应思考强度"机制实现速度与精度的动态平衡，支持4秒生成百万面草稿至80秒输出毛孔级细节的专...

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...

万有无界是阿里云正在内测的企业级人与AI智能体（Agent）协作平台，核心通过自动组建多角色数字员工团队，围绕复杂项目实现端到端协同交付，而非提供零散建议。将传统单智能体交互升级为多智能体分工协作模式...

StepAudio 2.5 ASR是阶跃星辰正式发布的新一代自动语音识别模型。该模型的核心突破在于率先将大语言模型的推理加速技术引入语音识别领域，通过架构创新，在大幅提升转写精度的同时，实现了推理速度...

小米XLA大模型是小米集团专为智能驾驶领域研发的一款端到端认知大模型，是其HAD(Hyper Autonomous Driving，小米超级智能驾驶)系统的核心技术升级。 它的核心突破在于首次将“辅助...

Xiaomi MiMo-Embodied是由小米公司自主研发的一款具身大模型（Embodied AI Model），于2025年11月21日正式发布并全面开源。 它是业界首个成功打通自动驾驶与具身智能...

LongCat-Video-Avatar 1.5是美团龙猫团队开源的商用级虚拟人视频生成模型升级版本，在动作拟真度、长视频稳定性与身份一致性三大核心维度实现突破性升级，首次在多项关键指标上全面超越主流...

Step 3.7 Flash是阶跃星辰发布并开源的面向生产级Agent场景优化的多模态推理模型。其核心定位是在速度、成本、任务可靠性与复杂能力之间实现平衡，而非单纯追求参数规模或峰值智能。 该模型采用...

AnySearch是专为AI智能体（Agent）设计的搜索基础设施，不是返回网页链接，而是直接向Agent提供结构化、可直接用于推理的高质量信息，解决传统搜索引擎无法满足Agent对专业数据、实时性和...

Wan2.7-Video 是阿里巴巴发布的一款视频生成系列模型。它的核心特点是拥有全面的创作控制力，将 AI 的能力从单一的素材生成扩展至“生成、编辑、复刻、重塑”等创作全链路，实现了从被动“演绎”到...