AI最新项目

Qwen-AgentWorld是阿里巴巴通义千问团队于2026年6月24日发布的全球首个原生语言世界模型（Language World Model, LWM），从训练源头实现环境建模，而非依赖事后插件...

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...

DeepSeek V4 Pro是深度求索(DeepSeek)发布的旗舰级开源大语言模型，采用1.6万亿参数混合专家(MoE)架构，原生支持100万token超长上下文，在推理能力、Agent任务执行效...

PP-OCRv6是百度飞桨发布的超轻量级OCR（光学字符识别）模型系列最新版本，50种语言统一模型架构与工业级复杂场景适应能力。它通过三阶段流水线（检测-分类-识别）实现高精度、低延迟、小体积的文本识...

HiDream-O1-Image-1.5智象未来推出的商用版图像生成模型，在Artificial Analysis全球文生图榜单中评分1265ELO，位列中国第一、全球第二(仅次于OpenAI)，采用...

新程Alpha是明日新程（Nextie）公司推出的全球首个端侧认知模型，参数量仅4B（40亿），通过将“知识记忆”与“思考能力”解耦，专注于泛化推理和抽象决策，在群体智能任务中表现等效于GPT-5.4...

ABot-Earth0.5是高德地图发布的全球首个3D原生城市世界模型，仅需单张卫星图像或文字描述，即可在10分钟内通过消费级GPU生成公里级可编辑3D城市场景。该模型将3D制图成本降至传统方式的百分...

MAI-Code-1-Flash是微软发布的首款自研轻量级代码生成模型，专为开发者日常编码场景设计，采用50亿参数的紧凑架构，通过自适应推理预算分配技术实现高效率与低成本的平衡。 其核心价值在于将Ag...

PaddleOCR-VL-1.6是百度发布的轻量化多模态文档解析模型，在权威评测集OmniDocBench v1.6中以96.33%的综合准确率刷新全球SOTA记录，超越Gemini-3-Pro、GP...

MAI-Thinking-1是微软于2026年6月3日发布的首款完全自研的高级推理AI模型，采用350亿活跃参数的稀疏混合专家(MoE)架构，完全基于企业级合规数据从零训练，未使用任何第三方模型蒸馏数...

Qwen2.5-7B是阿里云通义千问系列推出的76.1亿参数开源大语言模型，核心特点为支持131.072 tokens超长上下文、原生结构化输出能力及显著提升的数学与编程性能，适用于需平衡推理成本与专...

Mellum2是JetBrains推出的120亿参数开源混合专家(MoE)模型，专为软件工程场景设计，核心目标是通过超低延迟推理与私有化部署能力，解决企业级AI工作流中的实时性与成本瓶颈。 Mellu...

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...

Qwen-VLA是阿里通义团队最新发布的通用机器人基础模型。 简单来说，如果之前的视觉模型是让AI拥有一双“眼睛”去理解世界，那么Qwen-VLA就是给这双眼睛配上了“灵活的手脚”，让AI不仅能看、能...

ForgeTrain是由面壁智能联合清华大学及OpenBMB开源社区发布的全球首个完全由AI自主编写、零人类代码介入的生产级大模型预训练框架。 其核心突破在于AI首次独立完成大模型训练基础设施的端到端...

LFM2.5-1.2B是Liquid AI推出的12亿参数轻量级AI模型家族，专为边缘设备与本地部署优化设计，最大特点是仅需约900MB内存即可在普通智能手机上流畅运行，同时通过创新的"思考链"机制实...

Xiaomi Auto World Model是小米汽车发布的世界模型全新框架，其核心突破在于首次将三维重建与视频生成深度耦合为一体化架构，以“重建锚定几何、生成填补想象”的新范式，推动辅助驾驶从“场...

ZCube是由智谱联合清华大学、驭驯网络开发的新型AI集群网络架构，专为解决大模型推理场景中的结构性网络拥塞问题而设计。 其核心突破在于彻底重构网络拓扑，通过取消传统Clos架构的Spine层、采用扁...

Lance 是字节跳动推出的一个原生统一的多模态模型。它是一个参数量为 30亿（3B） 的研究性项目，旨在打破图像和视频在理解、生成、编辑任务上的壁垒。 与许多需要针对不同任务单独微调的模型不同，La...

hronicles-OCR是由腾讯混元大模型联合中国科学院信息工程研究所、安阳师范学院、南开大学及故宫博物院等权威机构，共同推出的业界首个中国古文字感知评测基准。 简单来说，它是一套专门用来给当前顶尖...

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...

GPT-Realtime-Whisper是OpenAI推出的一款专注于低延迟流式语音转文字的模型。它的核心突破在于实现了真正的“边说边转”。与传统的“录音-上传-识别”模式不同，它能在你说话的同时实时...

Hy-MT1.5-1.8B-1.25bit是腾讯混元团队正式开源的一款极致轻量化的离线翻译模型。这款模型最大的亮点在于它通过先进的量化压缩技术，将原本需要数GB内存的翻译大模型压缩至440MB 左右...

MiMo-V2.5-Pro小米正式全球开源的旗舰级大语言模型。作为小米迄今为止最强大的AI模型，它专为处理复杂长程任务(Agent)和高难度代码生成而设计，在多项权威评测中表现优异，性能已比肩全球顶尖...

Hy3 preview是腾讯混元(Hunyuan)团队正式发布并开源的一款新一代语言模型。 在经历底层基础设施“重建”后推出的首个成果，也是腾讯首席AI科学家姚顺雨(ReAct框架提出者)加盟后主导的...

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...

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...

Qwen3.6-35B-A3B是阿里巴巴通义千问团队于2026年4月16日正式开源的一款高性能混合专家(MoE)模型。 作为Qwen3.6系列的首个开源权重版本，它凭借“350 亿总参数、仅30亿激活...

腾讯混元团队正式发布并开源了混元3D世界模型 2.0 (HY-World 2.0)。这是一个多模态大模型，能够根据文字、图片、视频等输入，自动生成、重建和模拟可交互的3D世界。 它的核心突破在于，不再...

MiniMax发布了其新一代AI音乐生成模型——Music 2.6. 这次更新被官方称为“全维度进化”，核心解决的是以往 AI 音乐“机械感强”、“不可控”和“生成慢”的三大痛点。简单来说，现在的Mu...