AI News

LTX-2 是 Lightricks 开发的先进 AI 视频生成模型，专为高质量视频创作设计。能以原生 4K 分辨率和 50fps 的帧率生成电影级视频，支持多模态输入，包括文字、...

Game-TARS是字节跳动Seed团队开发的通用型游戏智能体，基于统一的键盘-鼠标动作空间训练，可在操作系统、网页与模拟环境中进行大规模预训练。依托超5000亿标...

SWE-1.5 是AI独角兽 Cognition 推出的专为软件工程设计的高性能 AI 编程模型。拥有数百亿参数，具备接近最先进水平的编码能力，同时在速度上取得重大突破，推...

LongCat-Flash-Omni 是美团 LongCat 团队开源的全模态大语言模型，基于 LongCat-Flash 系列高效架构设计，创新性地集成多模态感知和语音重建模块，拥有 5600 ...

AI Research Foundations是Google DeepMind与伦敦大学学院（UCL）联合推出的免费在线课程。课程能帮助学习者深入理解Transformer模型，通过实践掌握现代语言...

Open AgentKit（OAK）是零一万物开源的AI Agent开发平台，能为开发者提供开放、通用的Agent开发解决方案。平台受OpenAI AgentKit启发，支持多种模型和生态系...

BettaFish（微舆） 是开源的多智能体舆情分析系统，能帮助用户快速了解公众对事件、品牌或产品的看法。系统通过自然语言驱动，用户只需像聊天一样提出需求，...

Ouro是字节跳动Seed团队联合多家机构发布的循环语言模型（Looped Language Models，LoopLM）。名称源于象征循环与自我吞噬的“衔尾蛇”（Ouroboros）。Ouro模型...

SAIL-Embedding是字节跳动抖音SAIL团队和香港中文大学MMLab联合开发的全模态（omni-modal）嵌入基础模型。解决多模态信息检索和推荐系统中的实际应用问题，通...

FG-CLIP 2是360推出的开源双语细粒度视觉语言对齐模型，专为解决视觉与语言的精准对齐问题而设计。在视觉语言理解领域取得了重大突破，尤其在中英文双语任务...

NavFoM（Navigation Foundation Model）是银河通用联合北京大学、阿德莱德大学、浙江大学等团队发布的全球首个跨本体全域环视导航基座大模型。具备全场景支持...

Handy 是开源的语音转文字桌面应用，完全离线运行，支持 Windows、macOS 和 Linux 系统。由 Rust 和 React/TypeScript 构建，界面简洁，操作便捷。用户通过快...

UniWorld V2是兔展智能和北京大学UniWorld团队推出的新一代图像编辑模型。采用创新的UniWorld-R1训练框架，首次将强化学习策略优化应用于图像编辑，通过Diffu...

讯飞星火X1.5 是科大讯飞推出的基于全国产算力平台的深度推理大模型。模型率先攻克 MoE 模型全链路训练效率问题，端到端性能达到国际竞品效率的 93% 以上。模...

UNO-Bench是美团LongCat团队推出的全模态大模型评测基准。UNO-Bench针对现有评测体系的不足，通过高质量、多样化的数据构建，精准衡量模型的单模态与全模态能...

Kosmos 是新一代 AI 科学家，由 FutureHouse 推出的自动化科研系统 Robin 升级而来。Kosmos采用结构化世界模型，能高效整合海量信息，单次运行可解析 1500 篇...

Kimi-k2 Thinking 是月之暗面推出的具备通用 Agentic 能力和深度推理能力的人工智能模型。模型能进行多轮工具调用，支持长达 256k 的上下文处理，适合复杂任...

Open-o3 Video 是北京大学和字节跳动联合开发的开源视频推理模型，通过整合显式的时空证据（关键时间戳和边界框）来实现精准的视频推理。通过精心策划的 STGR...

OmniVinci是NVIDIA推出的全模态大语言模型，专门处理视觉、听觉、语言和推理的多模态任务。通过独特的OmnialignNet技术实现跨模态语义对齐，Temporal Embeddi...

Step-Audio-EditX 是阶跃星辰开源的全球首个 LLM 级音频编辑大模型，主打“情感、说话风格、副语言”三轴细粒度迭代控制，可把愤怒、开心、悲伤等情绪强度任意...

Maya1 是 Maya Research 团队推出的开源AI语音合成模型，专为生成富有情感的语音而设计。模型通过自然语言描述来设计声音，支持 20 多种情绪表达，如大笑、哭...

AI-Trader 是香港大学推出的开源 AI 交易框架，能让不同的 AI 模型在真实市场环境中自主交易，探索 AI 的投资能力。框架支持多模型竞争，集成市场数据和新闻...

LocalAI 是开源的本地 AI 推理框架，提供完整的本地化 AI 解决方案，支持多模态模型（如文本生成、图像生成、语音处理等），兼容 OpenAI API。强调隐私保护，...

SuitAgent 是基于 Claude Code 架构的AI法律诉讼智能体，由 10 个专业 AI Agents协作，将复杂诉讼案件分解为多个可独立执行的工作流，实现法律文书的高效生成...