大模型

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-2.0是美团发布的万亿参数级基础大模型，作为业界首个全程依托国产算力完成训练与推理的万亿参数模型，其总参数规模达1.6万亿（1.6T），采用混合专家（MoE）架构，每个Token仅激活...

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...

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...

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...

Unlimited-OCR是百度开源的端到端长文档解析视觉语言模型，通过创新的参考滑动窗口注意力机制（R-SWA），首次实现单次推理无损解析40+页PDF文档的能力，解决了传统OCR模型处理长文档时的...

Ling 3.0 Flash是蚂蚁集团百灵团队最新发布的高效推理大模型，总参数量124B，激活参数仅5.1B，在保持高智能水平的同时显著优化Token消耗与推理速度。以1/10的Token消耗实现Ag...

HPC-Ops是腾讯混元AI Infra团队开源的工业级高性能大语言模型（LLM）推理核心算子库，专为解决真实业务场景中的推理性能瓶颈而设计。通过微架构级优化与动态调度技术，显著提升大模型推理吞吐量...

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...

MOSS-VL-Realtime是由复旦大学OpenMOSS团队开发的开源实时流式视频理解模型，专为处理动态视频流设计，突破传统模型需等待完整视频输入的限制，实现边接收画面边生成回答、信息不足时主动保...

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...

地层学AI大模型是中国科学家于2026年7月3日在全球首次发布的、专门针对地层学领域的专业人工智能模型，通过统一时间标尺整合地球46亿年演化历史的地质记录，构建全球共享的地层数据库，从而为生命起源、资...

Matrix-Game 3.5是昆仑万维旗下Skywork团队发布的开源多模态世界模型，实现Patch级空间记忆机制与单卡实时交互能力，使AI能生成具有物理因果一致性的可交互虚拟世界。它标志着世界模型...

阿里开源的LOGOS（Language Of Generative Objects in Science）是国内首个跨学科统一科学基座大模型，由阿里ATH-Token Foundry联合中国人民大学高...

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...

Kimi K2.7 Code是月之暗面（Moonshot AI）发布的编程专用大模型，解决长程编程任务中的过度思考问题，而非通用能力升级。长任务平均Token消耗直降30%，同时输出速度提升至普通版的...

UnifoLM-VLA-0是宇树科技开源的视觉-语言-动作（VLA）大模型，专为通用人形机器人操作设计，通过将视觉感知、语言指令与物理动作统一建模，实现了从传统图文理解到具备物理常识的"具身智能"突破...

VitaBench 2.0是美团LongCat团队联合多所高校推出的新一代大模型智能体评测基准，专注于评估智能体在长期、多轮次真实生活场景交互中的综合能力。 与早期版本相比，将评测维度从单次任务扩展至...

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...

今天，我们上线并开源 GLM-5。 学界与业界正逐渐形成一种共识，大模型从写代码、写前端，进化到写工程、完成大任务，即从“Vibe Coding”变革为“Agentic Engineering”。 G...

Xiaomi-Robotics-U0是小米发布的380亿参数多模态自回归具身生成基础模型，专为解决机器人训练中的数据稀缺问题而设计。它首次将具身场景生成、轨迹迁移、交互视频生成与通用文生图能力统一到单...

ControlFoley是小米大模型应用团队与武汉大学联合开发的开源可控视频音效生成模型。其核心突破在于 首次实现"按意图配声音"的精准控制能力，解决了传统音效生成模型"只能根据画面自动猜声音"的局限...

SenseNova-U1-8B-MoT-Infographic是商汤科技开源的专项增强版多模态大模型，基于原生统一架构 SenseNova-U1-8B-MoT针对信息图（infographic）生成场...

Xmax X2.0是Xmax AI发布的全球首个支持实时交互的端侧视频生成模型，彻底突破传统AI视频“输入-等待-输出”的固定流程，实现“边生成边交互”的即时操作体验。将视频从“观看内容”转化为“可实...

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...

百川智能与清华大学研究团队联合发布的医疗增强大模型Baichuan-M4，是全球首个在HealthBench三大权威榜单（综合、Hard复杂决策、Professional专业场景）同时登顶的医疗专用大...

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...

Gemini 3.6 Flash是谷歌DeepMind发布的效率型大语言模型，定位为代码、知识工作与多模态任务的高性价比解决方案。以更低成本实现更强能力：输出Token价格从3.5 Flash的9美元...

openPangu-2.0-Flash是在华为开发者大会（HDC 2026）发布的开源盘古大模型轻量化版本，采用稀疏专家混合（MoE）架构，总参数量920亿（92B），但推理时仅激活60亿（6B）参数...

FLUX 3是德国人工智能公司Black Forest Labs发布的全球首个在统一架构下联合训练图像、视频、音频及机器人动作预测的多模态基础模型。通过Self-Flow技术将物理世界的因果逻辑融入生...