AI 资讯

Qwen-Image-3.0是阿里通义千问团队推出第三代图像生成基础模型。模型支持 4.5k token 超长输入，可一次性渲染复杂九宫格知识图鉴；支持 10px 小字 精准排版，...

Audio-Visual Flamingo（简称 AV-Flamingo）是 NVIDIA 与马里兰大学联合推出的开源音频-视觉大语言模型，专为长视频与复杂真实世界音视频内容的联合理解与推...

Hyra（Hunyuan Research Agent）是腾讯混元推出的递归自我改进型研究智能体，首个版本 Hyra-1.0 已正式推出。Hyra采用轻量 Harness 框架，通过 Context Agent...

问小白 5 Pro 是元石科技推出的新一代长内容生成引擎，基于自研元石大模型与 DeepSeek-R1 671B 满血版构建，主打长、稳、可查三大能力。

MiniCPM-Robot是面壁智能开源的轻量具身智能 VLA 模型系列，包含 1.5B 参数的 MiniCPM-RobotManip 通用操作模型与 0.9B 参数的 MiniCPM-RobotTrack 跟踪导航...

Qwen-Audio-3.0-TTS 是阿里通义千问推出的语音合成大模型，包含面向实时交互的 Flash 版与面向高质量生成的 Plus 版。

LoHoSearch 是美团 LongCat 团队推出的下一代搜索智能体评测基准，基于覆盖 762 万维基百科实体、2.65 亿条关系边的知识图谱自动生成题目，替代传统人工出题...

vivago R1 是智象未来推出的全球首个无限时长多模态创作智能体，基于自研 HD-AgentOS 实现多智能体协同调度，支持任意时长视频连贯生成与编辑，具备长任务思...

Matrix-Game 3.5 是昆仑万维黎曼动力团队开源的实时流式交互世界模型，基于 Patch Memory 与 Warped PRoPE 实现三维空间级长期记忆与几何一致性建模。

Tempolor v4.7是趣丸科技推出的旗舰级AI音乐生成大模型，采用第四代分层渐进式架构，支持48kHz双声道高品质输出。

Qwen3.8-Max-Preview 是阿里通义千问推出的最新一代基座大模型的预览版，参数量达 2.4T，已上线 Qoder、Token Plan 及 QoderWork 平台。

MuScriptor 是 Kyutai 与 Mirelo 联合推出的开源多乐器音乐转录模型，可将真实世界多种流派的音乐音频自动转录为 MIDI。

StaffDeck 是面壁智能联合东北大学-面壁智能数据智能联合实验室、清华大学 THUNLP 实验室、OpenBMB 与 AI9Stars 开源的数字员工全流程构建与管理平台。

Wan-Streamer v0.2 是阿里通义实验室推出的面向实时双工交互的端到端全模态理解与生成模型。模型将'听、看、说、演'统一进单个 Transformer，原生支持文本、...

Kimi K3 是月之暗面推出的 2.8 万亿参数开源大模型，基于 KDA 混合线性注意力机制与注意力残差技术构建，原生支持视觉理解，拥有 100 万 token 上下文窗口。

Inkling 是 Thinking Machines Lab 推出的开放权重多模态基础模型。模型原生支持文本、图像与音频输入，采用混合专家架构，在 410 亿激活参数下实现跨模态推...

Colibrì 是开源的轻量级本地推理引擎，能在 25GB 内存的消费级电脑上运行 744B 参数的 GLM-5.2 旗舰 MoE 模型。模型通过分层存储架构将常驻参数保留在内存，...

Xiaomi-Robotics-U0 是小米推出的 380 亿参数统一具身合成模型，基于世界基础模型持续训练，联合优化文生图、图像编辑、具身场景生成、具身迁移及具身视频生...

X2.0 是 Xmax AI 推出的全球首个实时交互视频生成模型，支持毫秒级流式生成。用户通过摄像头可实时替换角色服装、召唤虚拟物体、触屏操控画面，实现可玩的视...

Qwen-Audio-3.0-Realtime 是阿里通义团队推出的实时语音交互对话模型，提供 Plus与 Flash双版本。模型在毫秒级响应的同时保持高推理深度，支持无指令 Agent ...

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...