AI項目和框架

FilMaster 是香港大學、快手科技、微軟研究院和清華大學聯合推出的AI電影制作系統，將電影制作原則與生成式人工智能相結合，實現從劇本到最終影片的全自動制...

MultiAgentPPT 是多智能體演示文稿生成系統，基于 A2A（Ask-to-Answer）、MCP（Multi-agent Control Protocol）和 ADK（Agent Development Kit）架構。MultiA...

混元-A13B是騰訊最新推出的開源大語言模型，基于專家混合（MoE）架構，總參數量達800億，激活參數為130億。具備輕量級設計和高效推理能力，僅需1張中低端GPU...

Kling-Foley 是可靈 AI 推出的多模態視頻生音效模型。模型將視頻和文本提示作為條件輸入，能生成與視頻內容語義相關、時間同步的高質量立體聲音頻，涵蓋音效...

4D-LRM（Large Space-Time Reconstruction Model）是Adobe研究公司、密歇根大學等機構的研究人員共同推出的新型4D重建模型。模型能基于稀疏的輸入視圖和任意...

VLN-R1是香港大學和上海人工智能實驗室聯合推出的全新具身智能框架，基于大型視覺語言模型（LVLM）直接將第一人稱視頻流轉換為連續的導航動作。框架基于Habit...

Nanonets-OCR-s（Nanonets OCR Small）是Nanonets推出的圖像到 Markdown 的 OCR 模型，支持將圖像中的文檔內容轉換為結構化的 Markdown 格式。模型能提取文本...

Kwai Keye-VL 是快手自主研發的多模態大語言模型，基于 Qwen3-8B 語言模型整合SigLIP初始化的視覺編碼器，支持動態分辨率輸入。模型能深度融合和處理文本、圖...

Gemini CLI 是谷歌開源的 AI Agent，將 Gemini 大模型融入開發者終端。Gemini CLI提供強大 AI 功能，如代碼理解、文件操作、命令執行及動態排查問題，助力開...

AlphaGenome是谷歌DeepMind推出的全新AI模型，能更深入地理解基因組。模型能接收長達100萬個堿基對的DNA序列輸入，預測數千種表征其調控活性的分子特性，評估...

Claudia 是為 Claude Code 設計的桌面應用程序和工具包，通過直觀的圖形界面提升 AI 輔助開發的效率和安全性。支持項目與會話管理，用戶可以輕松瀏覽、恢復過...

DRA-Ctrl（Dimension-Reduction Attack）是浙江大學聯合螞蟻集團等機構推出的創新跨模態圖片編輯框架。框架借助視頻生成模型的視覺、時間、空間和因果等多維...

DAMO GRAPE是浙江省腫瘤醫院與阿里巴巴達摩院聯合推出的全球首個基于平掃CT識別早期胃癌的AI模型。DAMO GRAPE突破傳統影像學限制，基于深度學習分析非增強CT...

Seed1.6是字節跳動Seed團隊推出的通用模型系列，融合多模態能力，支持256K長上下文深度推理。Seed1.6沿用Seed1.5稀疏MoE探索成果，經純文本預訓練、多模態混...

AnimaTensor是CagliostroLab團隊和TensorArt共同推出的二次元圖像生成模型。基于創新的V-Prediction技術，用預測圖像生成過程中的“速度”優化噪聲調度和采樣策...