GLM-4.1V-Thinking是智譜AI推出的開源視覺語言模型，專為復雜認知任務設計，支持圖像、視頻、文檔等多模態輸入。模型在GLM-4V架構基礎上引入思維鏈推理機制，...

BlenderFusion是Google DeepMind推出的生成式視覺合成框架，將傳統的 3D 編輯軟件（Blender）與AI 模型相結合，實現精準的幾何編輯和多樣的視覺合成。

ML-Master是上海交通大學人工智能學院Agents團隊推出ML-Master - 上海交大推出的AI專家Agent的AI專家智能體。在OpenAI的權威基準測試MLE-bench中表現出色，以...

ThinkSound是阿里通義語音團隊推出的首個CoT（鏈式思考）音頻生成模型，用在視頻配音，為每一幀畫面生成專屬匹配音效。模型引入CoT推理，解決傳統技術難以捕...

MAI-DxO（Microsoft AI Diagnostic Orchestrator）是微軟推出的先進人工智能系統，能提升醫療診斷的準確性和效率。基于模擬一組具有不同診斷方法的虛擬醫生協...

RecGPT是淘天集團推出的百億參數推薦大模型?，F已全面接入手機淘寶首屏“猜你喜歡”信息流，基于融合多模態認知、用戶行為分析及實時熱點理解，精準捕捉用戶長...

XVerse是字節跳動智能創作團隊推出的新型多主體控制圖像生成模型。模型在文本到圖像生成領域實現對多個主體身份和語義屬性（如姿勢、風格、光照）的精細控制...

Qwen-TTS是阿里通義推出的語音合成模型，具備自然、穩定、快速的特點。模型能根據文本和音色參數輸出高質量音頻，支持中英文及方言合成，如北京話、上海話、...

Speakr是開源免費的AI會議助手，支持確保數據絕對私密的前提下，自動化完成會議錄音轉寫、內容摘要提煉與智能問答。Speakr無需聯網就能運行，所有數據處理均...

Deep Video Discovery（DVD）是微軟推出的深度視頻探索智能體，專為理解和分析長視頻設計。Deep Video Discovery將長視頻分割成多個較短的片段，基于大型語言...

FairyGen 是大灣區大學推出的動畫故事視頻生成框架，支持從單個手繪角色草圖出發，生成具有連貫敘事和一致風格的動畫故事視頻。框架借助多模態大型語言模型（...

WorldVLA是阿里巴巴達摩院和浙江大學聯合推出的自回歸動作世界模型，模型將視覺-語言-動作（VLA）模型與世界模型整合到一個單一框架中。模型基于動作和圖像理...

AnimaX是北京航空航天大學聯合清華大學、香港大學等推出的高效3D動畫生成框架，將視頻擴散模型的動作先驗與基于骨骼的動畫結構相結合?？蚣苣軐⒁曨l中的動作...

Ovis-U1是阿里巴巴集團Ovis團隊推出的多模態統一模型，擁有30億參數。模型集成多模態理解、文本到圖像生成和圖像編輯三種核心能力，基于先進的架構和協同統一...

OAgents 是OPPO PersonalAI Lab推出的開源基礎Agent框架?？蚣芑跇藴驶脑u估協議和模塊化設計，推動Agent框架的研究。OAgents基于系統實證研究，分析關鍵A...