RDT（Robotics Diffusion Transformer）是清華大學AI研究院TSAIL團隊推出的全球最大的雙臂機器人操作任務(wù)擴散基礎(chǔ)模型。RDT具備十億參數(shù)量，能在無需人類操控...

CosyVoice 2.0 是阿里巴巴通義實驗室推出的CosyVoice語音生成大模型升級版，模型用有限標量量化技術(shù)提高碼本利用率，簡化文本-語音語言模型架構(gòu)，推出塊感知...

Megrez-3B-Omni是無問芯穹推出的全球首個端側(cè)全模態(tài)理解開源模型，能處理圖像、音頻和文本三種模態(tài)數(shù)據(jù)。Megrez-3B-Omni在多個主流測試集上展現(xiàn)出超越34B模型...

FreeScale是南洋理工大學、阿里巴巴集團和復(fù)旦大學推出無需微調(diào)的推理框架，提升預(yù)訓(xùn)練擴散模型生成高分辨率圖像和視頻的能力。FreeScale基于處理和融合不同...

Freestyler是西北工業(yè)大學計算機科學學院音頻、語音與語言處理小組（ASLP@NPU）、微軟及香港中文大學深圳研究院大數(shù)據(jù)研究所共同推出的說唱樂生成模型，能直...

SnapGen是Snap Inc、香港科技大學、墨爾本大學等機構(gòu)聯(lián)合推出的文本到圖像（T2I）擴散模型，能在移動設(shè)備上快速生成高分辨率（1024x1024像素）的圖像，且只需...

k1 視覺思考模型是kimi推出的k1系列強化學習AI模型，原生支持端到端圖像理解和思維鏈技術(shù)，將能力擴展到數(shù)學之外的更多基礎(chǔ)科學領(lǐng)域。k1模型在圖像理解、數(shù)學...

360gpt2-o1 是 360 自研的 AI 大模型，在推理能力上有顯著提升，特別是在數(shù)學和邏輯推理任務(wù)上表現(xiàn)出色。模型通過合成數(shù)據(jù)優(yōu)化、模型后訓(xùn)練和“慢思考”范式實...

POINTS 1.5 是騰訊微信發(fā)布的多模態(tài)大模型，是POINTS 1.0的升級版本。 模型繼續(xù)沿用了POINTS 1.0中的LLaVA架構(gòu)，由一個視覺編碼器、一個投影器和一個大型語言...

Step-1o是階躍星辰推出的國內(nèi)首個千億參數(shù)端到端語音大模型。模型支持語音、文本等混合形式的輸入和輸出，可以快速反應(yīng)并隨時打斷，提供最便捷的互動體驗；同...

Insight-V是南洋理工大學、騰訊公司和清華大學的研究者們共同推出的多模態(tài)模型，能提升多模態(tài)大型語言模型在長鏈視覺推理方面的能力。基于可擴展的數(shù)據(jù)生成流...

SVDQuant是MIT研究團隊推出的后訓(xùn)練量化技術(shù)，針對擴散模型，將模型的權(quán)重和激活值量化至4位，減少內(nèi)存占用加速推理過程。SVDQuant引入高精度的低秩分支吸收...

Meta Motivo 是 Meta 公司推出的AI模型，能提升元宇宙體驗的真實性。Meta Motivo基于控制虛擬人形智能體的全身動作，模擬人類行為，增強用戶互動。模型采用無...

Phi-4是微軟推出的14億參數(shù)小型語言模型，在數(shù)學等領(lǐng)域的復(fù)雜推理以及傳統(tǒng)語言處理方面表現(xiàn)出色。Phi-4用數(shù)據(jù)質(zhì)量為核心訓(xùn)練重點，大量融入合成數(shù)據(jù)，提升模...

SwiftEdit是由VinAI Research團隊推出的文本引導(dǎo)的圖像編輯工具，基于創(chuàng)新的一步擴散技術(shù)，能在0.23秒內(nèi)實現(xiàn)快速且高質(zhì)量的圖像編輯。工具的核心優(yōu)勢在于一步...