大模型

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...

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...

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...

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...

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...

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...

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...

OvisOCR2是阿里巴巴开源的0.8B参数文档解析模型，首次以端到端架构超越传统流水线方法，在权威基准OmniDocBench v1.6上以96.58分登顶。该模型仅需单次推理即可将文档图像直接转化...

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...

MAGI-2 Preview是北京AI视频生成创企Sand.ai（清华系团队）正式发布并开源的统一音视频生成模型。该模型总参数约114B（千亿级），采用MoE（混合专家）架构，单次前向计算仅激活约6B...

JoyAI-Video-Edit是京东探索研究院于2026年8月5日正式开源自研的实时流式视频编辑模型。该模型于2026年7月18日在世界人工智能大会（WAIC）上首次亮相，8月5日在 Hugging...

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...

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...

North Mini Code是Cohere公司推出的开源智能体编程大模型，核心定位为高吞吐、低延迟的代码智能体底座，采用30B总参数量但仅激活3B参数的稀疏混合专家(MoE)架构，专为本地化部署与企...

MiniCPM-Robot是面壁智能发布的开源具身智能系列模型，包含视觉-语言-动作模型（MiniCPM-RobotManip）和跟踪导航模型（MiniCPM-RobotTrack）两款核心产品。该系...

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...

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...

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...

Gemini 3.5 Flash Cyber是谷歌发布的专为网络安全场景微调的轻量级AI模型，以更低成本高效发现并修复软件安全漏洞。该模型并非独立开放服务，而是深度集成于谷歌的代码安全智能体平台Cod...

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...

Gemini 3.5 Flash-Lite是谷歌发布的专为高频任务设计的轻量级AI模型，以极低成本实现超高吞吐量执行，尤其适合智能体（Agent）工作流中的子任务处理。其最大特点是输出速度达350 t...

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...

MiniCPM5-2B是面壁智能联合OpenBMB发布的20亿参数规模端侧大语言模型，在Artificial Analysis（AA）权威榜单中以17分成绩登顶全球4B以下模型榜首，成为当前同级参数规...

Cosmos 3 Edge是英伟达在SIGGRAPH 2026大会上发布的40亿参数开源世界模型，专为边缘设备实时物理AI推理设计。通过双塔架构实现本地化物理世界理解与动作生成，可在Jetson Th...

Mage-Flow是微软推出的Mage多模态模型家族中专注于图像生成与编辑的模型。它是一款高效的、原生分辨率的基础模型，专为文本生成图像和指令驱动的图像编辑任务而设计。 Mage-Flow核心特点 轻...

MiniCPM-RobotManip是面壁智能发布的开源通用视觉-语言-动作（VLA）模型，参数规模仅1.5B，但通过视觉Token极致压缩和流式上下文管理技术，实现了机器人领域关键的长时记忆能力突破...

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...

“神珍”（Monkey King Bang, MKB）是上海科学智能研究院发布的科学多模态基础模型，总参数量约110亿，专为统一处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类科学数据而设计...

LingBot-VLA 2.0是蚂蚁灵波科技开源的新一代具身智能基座模型，作为机器人领域的“通用大脑”，通过6万小时高质量真实物理数据训练，首次实现对20多种不同构型机器人的统一控制能力，显著提升了双...

MAI-Image-2.5-Pro一款自研AI模型系列中精度最高的图像生成模型，专为企业级高质量图像创作与编辑场景设计。该模型完全基于微软自有清理数据训练，不依赖第三方模型蒸馏，在文字渲染准确性、身份...