大模型

HappyOyster 1.0（快乐生蚝1.0）是阿里巴巴ATH创新事业部发布的可实时交互的开放式世界模型产品，将AI从“生成静态内容”升级为“模拟可操控的动态数字世界”。用户仅需一句话或一张图即可生...

Qwen3.8-Max-Preview是阿里通义千问系列推出的2.4万亿参数旗舰大模型预览版，定位为当前综合能力仅次于Fable 5的顶级开源模型之一。通过超大规模参数与创新架构设计，显著提升复杂任务...

MuScriptor 是由 Kyutai 与 Mirelo 联合开发、开源开放权重的多乐器自动音乐转录(AMT)模型，核心能力是将完整混音音频自动拆解、转译为带乐器区分的标准 MIDI 符号乐谱，是首...

Nemotron-Labs-Diffusion是英伟达推出的统一架构的三模式大语言模型，通过创新性地将自回归、扩散和自猜测三种解码模式集成于单一模型，在保持生成质量的同时显著提升推理吞吐量。无需额外小...

SenseNova U1 Pro是商汤科技在世界人工智能大会上发布的旗舰级原生多模态智能体基座模型，推动行业从“单点式内容生成”迈向“系统级内容交付”新时代。通过原生统一架构实现理解、生成与行动的深度...

Nemotron 3 Embed是NVIDIA推出的开源嵌入向量模型系列，专为检索增强生成（RAG）、智能体记忆及多语言检索场景设计。其8B参数版本在RTEB检索基准测试中以78.46分登顶榜首，成为...

Wan-Streamer v0.2是阿里通义实验室发布的端到端全模态实时交互模型，将音视频感知、语言理解与内容生成统一至单个Transformer架构，实现550毫秒级端到端响应延迟（含网络传输）。其...

文远知行发布的 WITT（WeRide World Intelligence Toward Truth） 是全球首个聚焦物理世界认知的AI基础大模型，目标是将真实道路数据转化为可验证、可追溯的物理事实...

Hy-Embodied-VLM-1.0是腾讯Robotics X实验室、福田实验室与腾讯混元团队发布的第二代具身视觉语言模型（VLM）基座模型，专为解决通用大模型在物理世界交互中的感知短板而设计。目标...

Xiaomi-Robotics-1是小米公司推出的具身智能基座模型，专为真实环境中的移动操作机器人设计，基于10万小时真实操作数据预训练、支持自然语言指令直接控制、具备跨场景泛化能力，可显著降低机器人...

水风光一体化智慧运营大模型是我国首个面向千万千瓦级水风光一体化清洁能源基地的全链路智能化决策系统，由国投集团雅砻江流域水电开发有限公司牵头研发，打通气象、水文、风光资源预测与电力运行决策的全流程闭环...

Inkling是由前OpenAI首席技术官米拉·穆拉蒂（Mira Murati）创立的思维机器实验室（Thinking Machines Lab, TML发布的首款开放权重基础大模型。不追求极限性能...

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...

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...

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...

Qwen-Audio-3.0-Realtime是阿里巴巴于2026年7月15日发布的实时语音交互对话模型，通过同步提升推理能力、工具调用、情感表达与双工交互四项核心能力，在毫秒级响应速度下仍保持高精度...

腾讯混元4bit量化版Hy3模型是针对295B参数规模的混合专家（MoE）大模型进行4比特深度压缩的技术方案，将原始598GB的BF16权重量化至169.9GiB，仅需双张96GB显存显卡即可部署，在...

1bit是腾讯混元Hy3旗舰大模型的1比特极致量化版本（IQ1_M格式），通过梯度量化技术将2950亿参数模型的权重体积从598GB压缩至85.5GiB（缩小6.7倍），实现单张96GB显存显卡即可本...

Wan-Dancer是阿里巴巴通义实验室开源的音乐驱动人像舞蹈视频生成模型，能够生成分钟级、高清晰度且节奏同步的舞蹈视频。它采用分层框架，将生成过程解耦为全局关键帧规划与局部时序优化两个阶段，有效解决...

干细胞AI模型“归元”是由西湖大学与阿里巴巴达摩院联合开发的面向干细胞重编程的可解释性AI预测模型，通过算法从近400万种小分子药物与生长因子组合中精准筛选最优方案，实现对细胞命运的定向调控，解决了传...

HyOCR-1.5是腾讯混元团队开源的端到端多模态OCR大模型，通过一体化架构实现文字检测与识别的联合优化，仅需10亿参数即可覆盖8类以上文档理解任务，在OmniDocBench v1.6基准测试中以...

Muse Spark 1.1是Meta发布的多模态推理模型，专为AI智能体任务设计，通过主-子智能体协作架构实现复杂任务的自动化规划与执行，支持最高100万token上下文长度，在工具调用、跨应用操作...

Step Edge是阶跃星辰发布的端侧模型全家桶，包含基础模型、Audio模型、GUI模型和Gen模型四款垂直领域专用模型，目标是让AI智能体（Agent）在手机、汽车等终端设备上实现本地化实时响应与...

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...

SenseNova-Vision是商汤科技发布并全面开源的统一视觉大模型，将视觉能力原生融入大模型体系，首次实现目标检测、图像分割、深度预测、3D重建等经典视觉任务的单模型统一处理，彻底摒弃传统多模型...

Robostral Navigate是法国AI公司Mistral AI发布的具身导航大模型，参数量仅80亿（8B）。仅依赖单个普通RGB摄像头，即可在复杂环境中实现高精度自主导航，无需深度传感器或激光...

Fun-ASR-Realtime是阿里云通义实验室升级发布的流式实时语音识别大模型，首字延迟控制在百毫秒级别、识别准确率接近离线模型，同时支持16种方言与30种语言的无缝识别。该模型专为直播字幕、会议...

Vidu S1是生数科技发布的全球首个支持实时交互的视频生成大模型，将视频生成从传统的“单向离线输出”升级为“双向实时对话”，用户可通过语音指令动态控制视频内容走向，实现540P分辨率、25FPS帧率...

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...

RedKnot是小红书技术团队研发并开源的长上下文大模型推理引擎，通过按注意力头维度优化KV缓存管理，在显著提升推理速度的同时保持高精度，尤其适用于超长文本处理场景。将传统按token粒度的缓存机制重...