AIニュース

ABot-World Studio 是高德推出的通用世界模型工坊，将交互式视频生成与 3DGS 场景生成统一于同一产品。用户输入文字或图片可生成可实时交互的 AI 世界，支持...

OvisOCR2 是阿里 ATH-MaaS 团队推出的端到端文档解析模型，基于 Qwen3.5-0.8B 训练并完全开源。模型在 OmniDocBench v1.6 评测中以 96.58 分登顶榜首，具备对...

MOSS-VL-Realtime 是 OpenMOSS 开源的 11B 参数流式视觉语言模型，专为实时视频理解设计。模型支持边看边答、即时修正与主动沉默，将视频理解从看录像升级为...

StepAmoo是阶跃星辰推出的新一代个人智能体，基于Step AOS智能体原生操作系统，具备操作系统级身份。StepAmoo拥有感知、记忆、规划、连接、执行五项核心能力...

AnySearch 是专为 AI Agent 推出的实时结构化搜索引擎，通过 API、MCP 和 Skill 三种方式接入。产品覆盖通用网页与 20 多个垂直领域数据源，包括代码、法律、...

PixVerse Game 是爱诗科技推出的首个实时视频游戏引擎，基于 PixVerse R1 实时世界模型构建，将完整游戏体验构建在一条实时互动视频流之上，让创作者通过定义...

HyOCR-1.5 是腾讯混元开源的轻量级端到端 OCR 专家大模型，仅 1B 参数能实现文档解析、文本识别、信息抽取、拍照翻译、图表解析、古文字识别、视频字幕提取与...

SenseNova-Vision 是商汤开源的统一视觉大模型，将目标检测、图像分割、深度预测、3D重建等经典视觉任务原生融入大模型底座。

Agnes-2.5-Flash 是 Agnes AI 推出的新一代高性能文本模型，Coding 能力位列全球第一梯队，在代码理解、工程修复、多步骤任务执行与复杂推理上显著提升。作为...

Step Edge是阶跃星辰推出的端侧模型全家桶，包含基础模型、Audio、GUI、Gen 四大成员，面向手机与汽车等终端打造。

SeFi-Image 是基于语义优先扩散的文本到图像模型，提供 1B、2B、5B 三种规格。模型将高层语义结构与纹理细节分离，让语义流提前去噪，为纹理生成提供清晰的结...

DramaClaw 是工业级 AIGC 视频制作工具，主要面向 AI 短剧、漫剧、小说推文、解说剧等多类型视频创作场景。

LingBot-VA 2.0是蚂蚁灵波推出的行业首个具身原生世界动作模型，基于自回归架构从零预训练，使机器人具备'边推演、边行动'的通用控制能力。

KAT-Coder-Pro V2.5是快手 KwaiKAT 推出的旗舰级 Agentic Coding 模型 ，在长程工程能力、通用 Agentic 能力及大规模 Agentic 强化学习三方面实现突破。

Agents-A1是上海AI实验室开源的35B参数混合专家（MoE）智能体模型，专为复杂科研任务设计。模型通过知识-行动图谱构建可验证长轨迹基础设施，配套三阶段多专...

LingBot-VLA 2.0 是蚂蚁灵波科技开源的新一代具身智能基座模型，基于6万小时预训练数据，包含5万小时真机数据与1万小时人类操作数据，覆盖17个品牌20种机器人...

SensorFM 是 Google Research 推出的面向可穿戴健康数据的大型传感器基础模型，基于 500 万参与者、超 1 万亿分钟无标签多模态传感器数据预训练，学习通用生...

LingBot-Video 是蚂蚁灵波科技开源的全球首个面向具身智能的 MoE 视频生成基础模型。模型基于 DiT + MoE 架构，总参数 30B 仅激活约 3B，兼顾大容量与高效推理。

Seedream 5.0 Pro 是字节跳动 Seed 团队推出的多模态图像创作模型，专为复杂专业场景设计。模型在图文匹配、文字渲染与画面美感上全面升级，核心突破包括复杂...

Grok 4.5是SpaceXAI（原xAI）推出的新一代旗舰大语言模型，基于1.5万亿参数V9基础架构。模型在补充训练阶段深度整合Cursor编程数据，显著强化代码生成与软件...

GPT-Live 是 OpenAI 推出的新一代语音模型，采用全双工架构实现同时听说，每秒多次决策开口、倾听、插话或调用工具。模型将实时交互与深度任务解耦，复杂问题...

悟界·RoboBrain Orca 是智源研究院推出的多模态表征世界模型，以下一个状态预测替代传统下一个词/帧/动作预测，让 AI 在内部构建统一的世界潜在表征。

Nemotron-Labs-Diffusion 是 NVIDIA 推出的三模式语言模型，在单一架构内统一自回归、扩散和自我推测解码。通过联合 AR-扩散目标训练，模型可在不同并发场景...

MoWorld 是魔芯科技推出的全球首个高帧率交互式世界模型，基于纯国产华为昇腾 NPU 全栈优化，实现最高 50 FPS 实时推理，成本较 GPU 降低 70%。