AI項目和框架

DMind是DMind研究機(jī)構(gòu)發(fā)布的專為Web3領(lǐng)域優(yōu)化的大型語言模型。針對區(qū)塊鏈、去中心化金融和智能合約等場景深度優(yōu)化，使用Web3數(shù)據(jù)微調(diào)采用RLHF技術(shù)對齊。

MoviiGen 1.1 是ZulutionAI推出的專注于生成電影級畫質(zhì)視頻的AI模型。模型基于 Wan2.1 微調(diào)而成，經(jīng)過專業(yè)電影制作人和AIGC創(chuàng)作者在60個美學(xué)維度上的評估，表...

Devstral是Mistral AI和All Hands AI推出的專為軟件工程任務(wù)設(shè)計的編程專用模型。Devstral在解決真實世界軟件問題上表現(xiàn)出色，在SWE-Bench Verified基準(zhǔn)測試...

MMaDA（Multimodal Large Diffusion Language Models）是普林斯頓大學(xué)、清華大學(xué)、北京大學(xué)和字節(jié)跳動推出的多模態(tài)擴(kuò)散模型，支持跨文本推理、多模態(tài)理解和文...

Context7 是 Upstash 推出的AI工具，為大型語言模型（LLMs）和 AI 代碼編輯器提供最新、版本特定的文檔和代碼片段。通過解析文檔、豐富內(nèi)容、向量化和重新排...

MedGemma是谷歌推出的開源AI模型，專門用在醫(yī)療圖像與文本分析。模型基于Gemma 3架構(gòu)，包含4B參數(shù)的多模態(tài)模型和27B參數(shù)的純文本模型。4B模型擅長解讀醫(yī)療圖...

BAGEL是字節(jié)跳動開源的多模態(tài)基礎(chǔ)模型，擁有140億參數(shù)，其中70億為活躍參數(shù)。采用混合變換器專家架構(gòu)（MoT），通過兩個獨立編碼器分別捕捉圖像的像素級和語義...

Gemma 3n 是谷歌 I/O 開發(fā)者大會推出的端側(cè)多模態(tài) AI 模型。基于 Gemini Nano 架構(gòu)，采用逐層嵌入技術(shù)，將內(nèi)存占用壓縮至 2-4B 參數(shù)模型水平。模型參數(shù)量分別...

News Agents基于終端的新聞聚合與摘要系統(tǒng)。基于Amazon Q CLI作為 Agent 框架，用Model Context Protocol （MCP）解析RSS新聞源，借助tmux實現(xiàn)終端分割和多任...

Imagen 4是谷歌發(fā)布的最新圖像生成AI模型。支持高達(dá)2K分辨率的圖像生成，細(xì)節(jié)呈現(xiàn)逼真，可清晰呈現(xiàn)復(fù)雜織物紋理、水滴折射及動物毛發(fā)質(zhì)感等。在文本渲染方面...

Pixel3DMM是慕尼黑工業(yè)大學(xué)、倫敦大學(xué)學(xué)院和Synthesia聯(lián)合推出的單圖像3D人臉重建框架。框架基于DINO基礎(chǔ)模型，引入專門的預(yù)測頭，從單張RGB圖像中準(zhǔn)確重建出...

AutoBE 是 AI 驅(qū)動的后端服務(wù)器代碼生成工具，通過用戶描述需求自動生成高質(zhì)量的后端代碼。基于 TypeScript、NestJS、Prisma 和 Postgres 等技術(shù)棧構(gòu)建，強(qiáng)調(diào)...

Index-AniSora 是嗶哩嗶哩開源的先進(jìn)動漫視頻生成模型，模型支持一鍵生成多種動漫風(fēng)格的視頻，涵蓋番劇片段、國創(chuàng)動畫、VTuber 內(nèi)容等。模型包含超過 1000 萬...

Veo 3是谷歌I/O開發(fā)者大會上發(fā)布的新一代視頻生成模型。Veo 3是谷歌首個可生成視頻背景音效的模型，能合成畫面，能為鳥鳴、街頭交通等場景配上相應(yīng)的音效，可...

豆包·語音播客模型是字節(jié)跳動旗下火山引擎推出的語音播客模型。模型基于流式模型構(gòu)建，可將文本秒級轉(zhuǎn)化為雙人對話式播客，具有低成本、高時效、強(qiáng)互動特點。...