ModelEngine 是華為開源的全流程 AI 開發(fā)工具鏈，圍繞數(shù)據(jù)使能、模型使能和應(yīng)用使能三大核心功能展開，解決 AI 行業(yè)化落地過程中數(shù)據(jù)工程耗時(shí)長、模型訓(xùn)練和...

Ideogram 3.0 是Ideogram推出的 AI 圖像生成模型。Ideogram 3.0在圖像生成質(zhì)量上實(shí)現(xiàn)飛躍，具備高度的真實(shí)感、出色的文本渲染和強(qiáng)大的語言理解能力，支持生成...

Piece it Together （PiT）是Bria AI等機(jī)構(gòu)推出的創(chuàng)新圖像生成框架，專門用在從部分視覺組件生成完整的概念圖像。基于特定領(lǐng)域的先驗(yàn)知識，將用戶提供的碎片...

RF-DETR是Roboflow推出的實(shí)時(shí)目標(biāo)檢測模型。RF-DETR是首個(gè)在COCO數(shù)據(jù)集上達(dá)到60+平均精度均值（mAP）的實(shí)時(shí)模型，性能優(yōu)于現(xiàn)有的目標(biāo)檢測模型。RF-DETR結(jié)合LW...

Bolt3D 是谷歌研究院、牛津大學(xué) VGG 團(tuán)隊(duì)和谷歌 DeepMind 聯(lián)合推出的新型 3D 場景生成技術(shù)，是潛在擴(kuò)散模型，能在單個(gè) GPU 上，僅需不到七秒的時(shí)間，直接從一...

Qwen2.5-Omni 是阿里開源的 Qwen 系列旗艦級多模態(tài)模型，擁有7B參數(shù)，Qwen2.5-Omni具備強(qiáng)大的多模態(tài)感知能力，能處理文本、圖像、音頻和視頻輸入，支持流式文...

Cosmos-Reason1 是 NVIDIA 推出的一系列多模態(tài)大型語言模型，基于物理常識和具身推理理解物理世界。Cosmos-Reason1包括兩個(gè)模型：Cosmos-Reason1-8B 和 Cosmo...

Video-T1 是清華大學(xué)和騰訊的研究人員共同推出的視頻生成技術(shù)，基于測試時(shí)擴(kuò)展（Test-Time Scaling，TTS）提升視頻生成的質(zhì)量和一致性。傳統(tǒng)視頻生成模型在訓(xùn)...

Oliva 是開源的語音RAG助手，結(jié)合 Langchain 和 Superlinked 技術(shù)，基于語音驅(qū)動(dòng)的 RAG（檢索增強(qiáng)生成）架構(gòu)，幫助用戶在 Qdrant 向量數(shù)據(jù)庫中實(shí)時(shí)搜索信息。...

Mureka O1是昆侖萬維發(fā)布的全球首款音樂推理大模型，全球首個(gè)引入“思維鏈”（Chain of Thought，CoT）技術(shù)的音樂模型，Mureka O1在推理過程中加入思考與自我批...

Mureka V6是昆侖萬維推出的AI音樂創(chuàng)作平臺的基座模型，支持純音樂生成以及10種語言的AI音樂創(chuàng)作。引入自研的ICL（in-context learning）技術(shù)，使聲場更加開闊...

pdf-craft 是用在將 PDF 文件轉(zhuǎn)換為其他格式（如 Markdown、EPUB）的工具，專注于處理掃描書籍的 PDF 文件。pdf-craft 支持提取正文內(nèi)容，過濾掉頁眉、頁腳、...

TaoAvatar是阿里巴巴集團(tuán)研究團(tuán)隊(duì)推出的高保真、輕量級的3D全身對話虛擬人技術(shù)?；?D高斯濺射技術(shù)，能生成照片級逼真的3D全身虛擬形象，支持高分辨率渲染且...

Gemini 2.5 Pro 是谷歌推出的最新 AI 模型，是一個(gè)“思考模型”，能在回應(yīng)前進(jìn)行推理，提升性能和準(zhǔn)確性。模型在多個(gè)基準(zhǔn)測試中表現(xiàn)卓越，在推理和代碼生成方面...

ReasonGraph 是用在可視化和分析大語言模型（LLMs）推理過程的開源網(wǎng)絡(luò)平臺。ReasonGraph支持超過 50 種主流模型（如 Anthropic、OpenAI、Google 等），涵蓋...