大模型

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...

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...

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...

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...

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...

Nemotron-Labs-TwoTower是英伟达（NVIDIA）开源的扩散语言模型，通过双塔架构设计将文本生成吞吐量提升2.42倍，同时保留98.7%的原始生成质量，专为解决传统自回归模型在大规模...

AMALIA是葡萄牙国家主导开发的首个专为欧洲葡萄牙语（pt-PT）优化的开源大语言模型目标是解决主流AI模型对欧洲葡萄牙语文化及语言细节支持不足的问题，通过深度本地化训练实现对葡萄牙语境、法律体系和...

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...

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...

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...

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...

DeepSeek V4正式版是深度求索（DeepSeek）将于2026年7月中旬正式上线的旗舰大语言模型，基于4月24日发布的预览版完成功能优化与性能调优，首次引入峰谷定价机制以优化算力资源分配。该版...

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...

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...

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...

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...

doubao-seed-2.1 Turbo是字节跳动于2026年6月23日发布的豆包大模型系列轻量化生产级版本，作为doubao-seed-2.1 Pro的低成本、高吞吐优化版本，以Pro版50%的成...

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...

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...

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...

HappyHorse 1.1是阿里巴巴于2026年6月22日正式发布的视频生成大模型升级版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力五大核心维度实现系统性突破。解决专业内容生产场景中动...

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...

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...

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...

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...

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...

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...

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...