AIニュース

Open-RAIL 是中国移动向全球开源的具身智能通用工程底座，同时是行业内首个连接 VLA/WAM 模型与机器人本体的通用神经系统。

Spark-Audio-1.0-Preview是科大讯飞推出的全国产语音基座大模型，采用0.65B音频编码器+30B-A3B MoE语言模型架构，用1300万小时音频及大量文本数据基于纯国产...

Union Alpha 是登陆 OpenRouter、Cline 和 OpenCode 的匿名'stealth'模型。模型支持文本与图像输入、工具调用，拥有256K上下文和131K最大输出，面向研究、编...

ZDTaichu5.0-9B是紫东太初开源的新一代通用多模态大模型，面向物理世界与具身智能场景。模型在九大国际空间基准中拿下8项同参数全球第一，MindCube-tiny得分7...

Iris 是小红书 AllSpark 团队开源的搜索智能体，含 35B（Iris-mini）和 397B（Iris-pro）两个版本。Iris能在真实网络中自主决定搜什么、怎么读、何时收敛作答...

Vidu S2 是生数科技推出的实时视频模型，发布即开放体验，含两大核心模型，S2-Editing 支持对视频流实时改风格、换装、换角色、换背景，帧对齐技术保证高速运...

Gemini 3.8 Live 是谷歌推出的实时语音对话模型系列，包括Gemini 3.8 Live 面向规模化部署，兼顾对话智能、视觉理解与成本效益；Gemini 3.8 Live Extended Th...

HiDream-O1-Video-1.0（简称HD-V1）是智象未来（HiDream.ai）推出的原生全模态视频生成模型，支持文本、图片、视频等多模态输入，可一键直出5–20秒1080p视频。

StepAudio 3 是阶跃星辰推出的语音大模型系列，包含 Realtime、ASR、TTS、Gen和 Music五款模型。模型中 Realtime 的语音推理准确率99.7%、ASR 的词错误率1.7%...

UnifoLM-WLA-1.0是宇树科技推出的6B具身多模态大模型，基于约2500小时真机数据训练，将视觉、语言与动作统一建模，单模型统筹64项桌面与全身移动操作任务。

书生-S2是上海人工智能实验室开源的多模态基础大模型（397B参数），定位最懂科学的大模型。模型通过Memory Decoder架构引入可插拔专业记忆模块，可在不重训主...

YuE2是香港科技大学与M-A-P团队开源的音乐生成模型。模型能根据歌词和风格生成可编辑的ABC乐谱（旋律+和弦），再渲染为48kHz完整歌曲，让创作过程白盒可控。

Xiaomi-CocktailASR-1是小米开源的目标说话人语音识别大模型，基于LLM端到端架构，用参考语音作为声纹提示，无需语音分离可从多人混合语音中精准转录目标说话...

LingBot-World 2.0 是蚂蚁灵波科技开源的实时交互世界模型，能像游戏一样被实时游玩。游戏支持移动、攻击、施法、跳跃等操作及雨雪等环境事件，可小时级连续...

Kimi K2.8 Preview 是月之暗面在 Kimi Code 和 Kimi Work 全量上线的主力模型，官方称综合性能接近旗舰 Kimi K3，编码与 Agent 能力提升，思考效率较 K2.7 显...

EchoWM 是京东探索研究院开源的交互式视听世界模型。模型延续JoyAI-Echo的原生音视频生成能力，让用户以第一/第三人称视角在AI生成的世界中实时移动探索，画...

NeoHorse-1 是基元律动联合无问芯穹、清华、北大、港中文、阿里巴巴等推出的开源 Agent 模型，含 4B 与 9B 两版。模型采用 Agent-Native 后训练，用 Routing ...

ABot-Earth 0.7 是高德推出的全球首个 3D 原生城市世界模型。模型采用 3D 原生技术架构，用时空数据训练模型，输入一张卫星图或一段文字，10 分钟即可在消费...

VDN-MiniMax-H3是 OpenVDN 团队开源的视频生成加速方案，基于 MiniMax-H3 改造。模型采用混合注意力架构，局部滑动窗口 Softmax 保留精细细节，远距离线性注...

Suno v6 是 AI 音乐生成平台 Suno 推出的新一代模型系列，包含旗舰模型 v6（Pro/Premier用户）、实验性模型 v6-wild 和免费的 v6-mini。相比前代，模型生成速...

TeamAI CLI 是腾讯开源的 MIT 协议 CLI 工具，用于统一管理团队的 AI 编程配置。工具将 skills、rules、MCP、hooks 等资源存入 Git 仓库，通过 push→MR→merge...

PixRestore 是香港理工大学与 OPPO 研究院联合推出的统一图像修复模型。模型采用像素空间 Diffusion Transformer 直接在像素层面进行 flow matching，避免细...

ffmpeg-skill 是面向编程 Agent（Claude Code/Cursor/Codex）的开源 Agent Skill，让 AI 能像专业剪辑师一样调用本地 FFmpeg 处理视频。工具内置 28 个结构化...

AuK是腾讯混元开源的15亿参数语音生成与编辑基础模型，采用流匹配扩散架构而非自回归。模型能通过统一的自然语言指令接口完成16种语音任务，包括零样本/指令...