StaffDeckは、Facewall Intelligenceがノースイースタン大学-Facewall Intelligenceデータインテリジェンス共同研究所、清華大学THUNLP研究所、OpenBMB、およびAI9Starsと共同で開発した、オープンソースのデジタル従業員エンドツーエンドワークフロー構築・管理プラットフォームです。
Wan-Streamer v0.2 は、アリババの Tongyi Lab が開発した、リアルタイム双方向インタラクションのためのエンドツーエンドのフルモーダル理解および生成モデルです。このモデルは、「聞く、見る、話す、行動する」を単一の Transformer に統合し、テキスト、音声、音声などをネイティブにサポートしています。
Kimi K3は、Dark Side of the Moonが開発した、2.8兆個のパラメータを持つオープンソースモデルです。KDAハイブリッド線形アテンションメカニズムとアテンション残差技術に基づいて構築されており、視覚理解をネイティブにサポートし、100万トークンのコンテキストウィンドウを備えています。
Inklingは、Thinking Machines Labが開発した、オープンウェイト方式のマルチモーダル基盤モデルです。このモデルは、テキスト、画像、音声入力をネイティブにサポートし、ハイブリッドエキスパートアーキテクチャを採用し、410億個のアクティベーションパラメータを用いてクロスモーダル推論を実現します。
Colibrìは、オープンソースの軽量ローカル推論エンジンであり、25GBのRAMを搭載した一般消費者向けコンピュータ上で、744個のパラメータを持つ主力モデルであるGLM-5.2 MoEを実行できます。このモデルは、階層型ストレージアーキテクチャを使用して、常駐パラメータをメモリに保持します。
Xiaomi-Robotics-U0は、Xiaomiが発表した380億個のパラメータを持つ統合型具現化合成モデルです。世界ベースのモデルに基づいて継続的に学習され、テキストから画像への変換、画像編集、具現化されたシーン生成、具現化された転送、具現化されたビデオ生成などを共同で最適化します。
X2.0は、Xmax AIが開発した世界初のリアルタイムインタラクティブ動画生成モデルで、ミリ秒単位のストリーミング生成に対応しています。ユーザーはカメラを使ってキャラクターの衣装を変更したり、仮想オブジェクトを召喚したり、画面をリアルタイムで操作したりすることができ、プレイ可能な動画体験を実現します。
Qwen-Audio-3.0-Realtimeは、Alibaba Tongyiチームが開発したリアルタイム音声対話モデルで、Plus版とFlash版の両方を提供しています。このモデルは、高い推論深度を維持しながらミリ秒レベルの応答時間を実現し、インストラクショナルエージェントをサポートします。
ABot-World Studioは、AutoNaviが開発した汎用ワールドモデルワークショップで、インタラクティブなビデオ生成と3DGSシーン生成を単一の製品に統合しています。ユーザーはテキストや画像を入力して、リアルタイムでインタラクト可能なAIワールドを生成できます。
OvisOCR2は、アリババのATH-MaaSチームが開発したエンドツーエンドの文書解析モデルです。Qwen3.5-0.8Bで学習されており、完全にオープンソースです。このモデルはOmniDocBench v1.6ベンチマークで96.58のスコアを獲得し、その優れた能力を実証しました。
MOSS-VL-Realtimeは、OpenMOSSが開発したオープンソースの11パラメータストリーミング視覚言語モデルで、リアルタイムビデオ理解のために特別に設計されています。このモデルは、オンザフライ応答、リアルタイム修正、アクティブミュートをサポートし、録画を見るだけのビデオ理解から、より高度なビデオ理解へと進化させます。
StepAmooは、Step AOSが開発した新世代のパーソナルインテリジェントエージェントであり、Step AOSインテリジェントエージェントネイティブオペレーティングシステムをベースとしており、オペレーティングシステムレベルのアイデンティティを備えています。StepAmooは、知覚、記憶、計画、接続、実行という5つのコア機能を備えています。
AnySearchは、AIエージェント向けに特別に設計されたリアルタイム構造化検索エンジンで、API、MCP、およびスキルを介してアクセスできます。この製品は、コード、法律、その他20以上の業種を含む一般的なWebページとデータソースを網羅しています。
PixVerse Gameは、iSpeed Technologyが開発した初のリアルタイムビデオゲームエンジンです。PixVerse R1リアルタイムワールドモデルをベースに構築されており、単一のリアルタイムインタラクティブビデオストリーム上で完全なゲーム体験を実現し、クリエイターがゲームを自由に定義できるようにします。
HyOCR-1.5は、テンセント・フンユアンがオープンソース化した軽量エンドツーエンドOCRエキスパートモデルです。わずか10億個のパラメータで、文書解析、テキスト認識、情報抽出、画像翻訳、チャート解析、古代文字認識、動画字幕抽出など、幅広い処理を実行できます。
SenseNova-Visionは、SenseTimeがオープンソース化した統合ビジョンモデルであり、物体検出、画像セグメンテーション、深度予測、3D再構成といった従来のビジョンタスクを大規模なモデルベースにネイティブに統合しています。
Agnes-2.5-Flashは、Agnes AIが発表した次世代の高性能テキストモデルです。そのコーディング能力は世界トップクラスに位置づけられ、コード理解、コード修復、複数ステップのタスク実行、複雑な推論において大幅な改善が見られます。
Step Edgeは、StepStar社が提供するエッジモデルの包括的なスイートであり、基本モデル、オーディオ、GUI、およびGenという4つの主要コンポーネントで構成され、携帯電話、自動車、その他の端末向けに設計されています。
SeFi-Imageは、セマンティックファースト拡散に基づくテキストから画像への変換モデルであり、1B、2B、5Bの仕様を提供します。このモデルは、高レベルのセマンティック構造とテクスチャの詳細を分離することで、セマンティックストリームの事前ノイズ除去を可能にし、テクスチャ生成のための明確な構造を提供します。
DramaClawは、産業グレードのAIGCビデオ制作ツールであり、主にAI短編ドラマ、漫画、小説レビュー、ナレーションドラマなど、さまざまなビデオ制作シナリオ向けに設計されています。
LingBot-VA 2.0は、Ant Lingbo社が発表した業界初の、身体化されたネイティブワールド動作モデルです。自己回帰アーキテクチャに基づいており、ゼロから事前学習されているため、ロボットは「推論と行動を同時に行う」という汎用的な制御能力を備えています。
KAT-Coder-Pro V2.5は、Kuaishou傘下のKwaiKATが発表した主力エージェントコーディングモデルであり、長期的なエンジニアリング能力、汎用的なエージェント能力、大規模なエージェント強化学習という3つの側面で画期的な成果を上げています。
Agents-A1は、上海AIラボが開発したオープンソースの35パラメータハイブリッドエキスパート（MoE）インテリジェントエージェントモデルで、複雑な科学研究タスク向けに特別に設計されています。このモデルは、知識-行動グラフを通じて検証可能な長期軌跡インフラストラクチャを構築し、3段階の多専門化機能を備えています。
LingBot-VLA 2.0は、AntLingbo Technologyがオープンソース化した新世代の具現化されたインテリジェントベースモデルです。50,000時間の実機データと10,000時間の人間操作データを含む、60,000時間分の事前学習データに基づいており、17ブランドの20種類のロボットを網羅しています。