大模型

MiniCPM-RobotTrack是面壁智能发布的具身智能系列模型中的轻量级端到端视觉-语言-动作（VLA）跟踪导航模型，专为机器人目标跟踪与自主导航设计。实现无网环境下的纯本地化实时跟踪能力，仅需...

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...

KAT-Coder-Pro V2.5是快手KwaiKAT团队发布的旗舰级Agentic Coding模型，首次实现国产AI从单点代码补全到端到端跑通完整软件工程任务的突破。该模型通过大规模智能体强化学...

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...

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...

Qwen-Audio-3.0-TTS是阿里巴巴通义实验室发布的新一代实时语音合成大模型，包含面向实时交互的Flash版本（首包延迟约300毫秒）和面向高质量生成的Plus版本。该模型在全球第三方权威榜...

腾讯混元Hy3是腾讯发布的新一代开源大语言模型，采用混合专家（MoE）架构，在保持较小激活参数量的同时实现与更大尺寸旗舰模型相当的性能。高性价比的实用型模型，重点强化了Agent能力、推理稳定性及办公...

LingBot-Video是蚂蚁灵波科技开源的面向具身智能（Embodied AI）的视频生成基础模型，采用Mixture-of-Experts（MoE）架构设计，目标是解决传统视频生成模型在物理规律...

Qwen-Robot Suite是阿里巴巴于2026年6月16日发布的千问大模型家族首个完整具身智能模型系列，包含Qwen-RobotManip（操作模型）、Qwen-RobotNav（导航模型）和Q...

yuxinlu1 Gemma4-12B是开发者逯雨鑫基于谷歌官方Gemma4-12B模型深度微调的本地化专业模型系列，主要包括编程专用版（Coder版）和故事创作版（Agentic-Fable版）。通...

DeepSeek-V4-Flash-Vision-Exp是深度求索（DeepSeek）于2026年8月21日上线DeepSeek API平台的多模态视觉理解模型，是V4-Flash正式版的视觉能力扩展...

子曰4.0是网易有道发布的全模态大模型4.0版本，同步开源多模态理解模型与TTS语音合成引擎，其中Confucius4-TTS作为业内首个支持14种语言跨语种无口音、且无需参考文本即可完成语音克隆的开...

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...

LingBot-Vision是蚂蚁集团旗下灵波科技研发的全球首个面向具身智能的“空间原生”视觉基础模型，将物体边界结构作为预训练核心目标，使机器人能精准感知物理世界的三维空间关系（如物体边界位置、距离...

Leanstral 1.5是Mistral AI推出的专注于形式化验证与数学证明领域的专用AI模型，属于Leanstral系列的迭代版本。它并非通用编程助手，而是专为 Lean 4 证明语言设计的代码...

Decitron是中科闻歌发布的全球首个通用决策大模型，将复杂决策问题转化为可计算、可推演、可验证的系统，而非传统问答式AI。能对复杂事件进行多路径推演并动态追踪，在国际权威数据集PolyBench测...

Qwen3.8-Max是阿里巴巴于2026年8月3日正式发布的2.4万亿参数旗舰级大语言模型，能独立完成需数天周期的完整工程和跨应用全流程办公任务，实现从“工具辅助”到“自主交付成果”的能力跃迁。该模...

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...

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...

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...

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...

DeepSeek Coder是由杭州深度求索人工智能基础技术研究有限公司开发的完全开源、免费商用的代码大模型系列，专注于代码生成、理解与调试。以高效推理和多语言支持能力打破闭源模型的技术壁垒，在多项代...

MiniMax H3是MiniMax发布的首款开源通用全模态生成模型，将视频生成从单一任务工具升级为商业级生产力工具。它不再区分图片、视频、音频的独立生成任务，而是通过统一理解多模态上下文直接输出连贯...

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...

motion-anything是nexu.io旗下Open Design家族推出的本地优先、对话原生的AI动效引擎，定位为智能体时代的动效生产层。用户仅需用一句话描述动效需求，AI即可生成带动效的网页...

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...

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...

GenCeption是谷歌DeepMind发布的通用视觉模型，通过逆向改造视频生成模型，实现单模型统一完成深度估计、图像分割、3D姿态估计等五类核心视觉任务。仅用7500段合成视频训练，即可通过文本指...

Audio-Visual Flamingo(简称 AVF)是 NVIDIA Nemotron Labs 联合马里兰大学推出的全开源音视频大语言模型（AV-LLM），专门实现音频、图像、长视频的联合感知...

SeedRealtime是字节跳动Seed团队于2026年8月5日正式发布的原生音视频全双工大模型。该模型采用统一端到端架构，将音频、视频与文本原生融合，能够在连续多模态信息流上进行实时交互，官方将其...