大模型

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...

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...

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...

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...

Tempolor v4.7是趣丸科技在世界人工智能大会（WAIC）发布的天谱乐大模型最新版本，将AI音乐创作从“单次生成结果”升级为支持深度二次创作的工具。该版本不再仅追求“能否生成一首歌”，而是聚焦...

Midjourney V8.2是Midjourney正式发布的图像生成模型重大更新版本，通过重构美学奖励模型与个性化系统，显著降低随机生成劣质图像的概率，并大幅提升对用户审美偏好的精准捕捉能力。相比此...

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...

GLM-5.3 是智谱AI（Zhipu AI）正式发布的新一代开源多模态大语言模型，作为GLM系列从“通用对话”迈向“原生智能体”的里程碑版本，它首次将工具调用、长程规划与多模态感知深度融入预训练阶段...

Instella-MoE是AMD推出的全开源混合专家语言模型（MoE），总参数量达160亿，但推理时仅激活28亿参数，通过专家稀疏激活机制实现高性能与低计算成本的平衡。完全基于AMD自研硬件与软件栈训...

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...

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...

BigMac是小红书dots infra团队开源的多模态大语言模型训练框架，通过"准依赖安全嵌套流水线"设计，首次实现显存占用与训练速度的同步优化。传统方案中，多模态训练必须在"算力优先"（速度高但显...

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...

Qwen-Audio-3.0-ASR-Filetrans是阿里巴巴推出的非实时语音识别模型，专为长音频文件离线转写设计，高精度处理12小时以内大体积音频（单文件≤2GB），支持字级时间戳与上下文增强...

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...

Inkling-Small是Thinking Machines Lab发布的轻量级开源大模型，采用混合专家（MoE）架构，总参数276B、激活参数仅12B（约为原版Inkling的四分之一），却在多项...

Grok Voice Think Fast 2.0是马斯克旗下xAI公司发布的新一代语音智能体模型，定位为端到端语音到语音（speech-to-speech）AI系统，无需依赖传统"语音识别-大模型推...

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...

SenseNova U1.5-Lite-Preview是商汤科技正式面向社区开源发布的轻量级统一多模态模型预览版本。它并非简单的模型规模升级，而是基于今年4月发布的SenseNova U1进行的一次系...

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...

Ling-3.0-tiny 是蚂蚁百灵正式开源的一款轻量级混合推理MoE大语言模型。该模型总参数量为7.9B，但在推理时每个Token仅激活1.3B参数，以极低的计算成本实现了接近主流4B至12B级模...

FeyNoBg是Feyn团队发布的开源背景移除（抠图）模型，基于BiRefNet架构深度优化，参数量263M，在八大主流基准测试中四项登顶SOTA（State-of-the-Art），并配套开源NoB...

AuK 是腾讯混元推出的开源语音基础模型，参数规模 1.5B，包含基础版本 AuK 与快速蒸馏版本 AuK‑Flash 两套权重。整套模型把语音生成、内容改写、音频修复分离、副语言调整、底层声学修改收...

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...

MAI-Voice-2-Flash是微软推出的超低延迟文本转语音（TTS）模型，专为高并发实时交互场景设计。以32%的成本降幅实现2倍速度提升（每百万字符15美元），同时保持自然语调与高语音质量，并将...

MAI Realtime是微软（Microsoft AI）正在测试的首款原生实时语音交互模型，于2026年8月初被媒体曝光。它属于微软自研MAI（Microsoft AI）系列模型家族中的语音交互产品...

K-EXAONE 2.0是LG AI研究院发布的开源大型人工智能基础模型，采用混合注意力专家混合（MoE）架构，总参数规模达7500亿，实际激活参数为370亿，是当前韩国开发规模最大的AI基础模型。该...

Lyria 3.5是谷歌DeepMind发布的最新AI音乐生成模型，作为Lyria系列的迭代版本，将AI从"一次性生成工具"升级为"可交互的创作伙伴"。支持对已生成歌曲的局部段落进行自然语言修改（如仅...

Anthropic Opus 5是Anthropic公司发布的高性价比旗舰级AI模型，定位为性能逼近顶级模型Fable 5但价格仅为其一半的日常任务首选方案。通过动态调节"思考档位"（effort）机...

Fugu Cyber是日本AI公司Sakana AI发布的网络安全专用多智能体编排模型，通过动态调度多个专家模型协同工作，在网络安全领域关键基准测试中超越GPT-5.5-Cyber等通用旗舰模型。它并...