FlexIP 是騰訊提出的面向圖像合成的靈活主體屬性編輯框架，平衡圖像生成中的身份保持和個性化編輯。框架采用雙適配器架構，將身份保持與個性化編輯解耦，通過...

明岐是上海交通大學計算機學院LoCCS實驗室推出的首個精準診斷罕見病的醫學多模態大模型。基于“大模型能力矩陣 + 專家路由協同”的雙引擎驅動架構，整合醫學影...

Fourier N1 是通用機器人公司傅利葉發布的首款開源人形機器人。身高1.3米，體重38公斤，擁有23個自由度，采用鋁合金與工程塑料復合結構，兼具強度與靈活性。...

Kimi-VL 是月之暗面開源的輕量級多模態視覺語言模型，基于 Mixture-of-Experts (MoE) 架構，總參數量為16B，推理時僅激活2.8B。Kimi-VL具備強大的多模態推理...

FantasyTalking 是阿里巴巴 AMAP 團隊和北京郵電大學聯合提出的新型框架，用于從單張靜態肖像生成逼真的可動畫化虛擬形象。基于預訓練的視頻擴散變換器模型，...

BrowseComp 是 OpenAI 開源的用于評估 AI 代理網絡瀏覽能力的基準測試。包含 1266 個極具挑戰性的問題，覆蓋電影、科學與技術、藝術、歷史、體育、音樂、電子...

日日新SenseNova V6是商湯推出的日日新第六代多模態融合大模型系列，基于6000億參數的多模態MoE架構，實現文本、圖像和視頻的原生融合。日日新SenseNova V6在...

DevDocs 是專為程序員和開發者設計的開源技術文檔爬取和處理工具，基于智能爬蟲技術，快速爬取、整理技術文檔，將理解文檔的時間從數周縮短至幾小時。DevDocs...

MoLing 是無依賴的本地辦公自動化助手，是基于計算機和瀏覽器使用的 MCP 服務器。MoLing 基于操作系統 API 實現系統交互，支持文件系統操作（如讀寫、合并、...

Multi-SWE-bench 是字節跳動豆包大模型團隊開源的首個多語言代碼修復基準。在SWE-bench基礎上，首次覆蓋Python之外的7種主流編程語言，包括Java、TypeScript...

Gemini 2.5 Flash 是 Google 推出的高效、低延遲的 AI 模型，基于 Gemini 2.5 模型構建。Gemini 2.5 Flash在保持低延遲和成本效益的同時，引入思考能力。

A2A（Agent2Agent）是谷歌開源的首個標準智能體交互協議，讓不同框架和供應商構建的AI智能體相互協作。A2A基于標準化的通信方式，打破系統孤島，讓智能體安全...

DCEdit 是新型的雙層控制圖像編輯方法，是北京交通大學和美圖2MT實驗室聯合推出的。DCEdit基于精確語義定位策略（PSL），用視覺和文本自注意力優化交叉注意力...

LocAgent是斯坦福大學、耶魯大學和南加州大學等機構聯合推出的，專注于代碼定位任務的框架，幫助開發者快速準確地找到代碼庫中需要修改的部分。LocAgent將代...

OmniSVG 是復旦大學和 StepFun 聯合開發的全球首個端到端多模態 SVG（可縮放矢量圖形）生成模型。基于預訓練視覺語言模型（VLM），通過創新的 SVG 標記化方法...