AI 资讯

Xiaomi MiMo-V2-TTS 是小米为 Agent 时代推出的语音合成大模型。模型基于自研 Audio Tokenizer 和多码本架构，经上亿小时语音数据预训练与多维度强化学习，实...

GPT-5.4 nano 是 OpenAI 推出的最轻量、最快速的 GPT-5.4 版本，专为对速度和成本要求极高的简单高吞吐量任务设计。

GPT-5.4 mini是OpenAI推出的最强小型模型，专为高吞吐量、低延迟场景设计。模型比前代GPT-5 mini快2倍以上，在编程、推理、多模态理解和计算机使用等任务中性...

Midjourney V8 是 Midjourney推出的最新图像生成模型，生成速度较之前提升 5 倍，提示词理解与文本渲染显著改善，支持 2K 高清直出。

MindVLA-o1是理想汽车推出的下一代自动驾驶基础模型，采用原生多模态MoE架构，统一融合视觉、语言、行为三种模态。

MiniMax M2.7 是稀宇科技推出的新一代自我进化 AI 模型，能自主构建Agent Harness、优化自身训练流程，参与迭代自己。在软件工程方面表现突出，模型SWE-Pro得...

Covo-Audio 是腾讯开源的70亿参数端到端语音大模型，可直接处理连续音频输入并生成音频输出。模型核心创新包括分层三模态语音-文本交错架构、智能与说话人解...

Leanstral 是Mistral AI推出的首个开源AI代码智能体，专为Lean 4定理证明器设计。模型采用120B总参数/6B激活参数的稀疏架构，能自动生成形式化证明并验证代码...

NemoClaw是英伟达开源的企业级AI Agent框架。NemoClaw作为OpenClaw插件运行，通过OpenShell运行时提供安全沙箱和策略引擎，解决企业使用AI Agent的安全顾虑。

Mistral Small 4 是 Mistral AI 开源的多模态大模型，模型首次将推理（Magistral）、多模态（Pixtral）和智能体编码（Devstral）能力统一于单一架构，支持文...

AgentScope Java是阿里巴巴开源的面向企业级智能体开发的Java框架，让Java开发者能轻松构建生产级AI应用。框架采用领先的ReAct范式，使大模型具备自主推理与...

OpenMAIC是清华团队开源的多智能体AI课堂平台，能将任意主题或文档一键转化为沉浸式交互课程。平台支持AI教师语音授课、AI同学举手讨论、白板实时绘图，可生...

Fun-CineForge是通义实验室开源的首个影视级多模态配音大模型，基于CosyVoice3构建，创新引入'时间模态'实现精准音画同步。模型支持独白、旁白、对话及多人场...

GLM-5-Turbo（代号：Pony-Alpha-2）是智谱AI推出的面向OpenClaw（龙虾）Agent场景深度优化的基座模型。模型从训练阶段就针对工具调用、复杂指令遵循、定时与...

OpenJarvis 是斯坦福大学 Scaling Intelligence Lab 推出的开源本地 AI 智能体框架，核心理念是让 AI 执行完全本地化，将云端调用作为可选项。框架提供统一的...

Paperclip 是开源的AI Agent编排平台，支持用户把多个 AI Agent（如 OpenClaw、Claude、Cursor）组织成一家真正的'赛博公司'。平台提供完整的企业管理架构：...

Clawith是面向企业的开源混合多智能体协作框架，将AI Agent视为'数字员工'非简单聊天工具。每个Agent拥有持久身份（soul.md）、长期记忆（memory.md）和独立...

Kairos 3.0-4B是大晓机器人开源的具身原生世界模型，首创'多模态理解—生成—预测'一体化架构。作为全球首个可端侧驱动机器人本体控制的4B轻量模型，在THOR平台...

InternVL-U是上海人工智能实验室联合多所顶尖高校开源的4B参数轻量化统一多模态模型，首次实现'理解—推理—生成—编辑'端到端闭环。模型采用'统一语境建模+模态...

Solaris是首个多人视频世界生成模型，能在Minecraft中同时生成两个玩家一致的第一人称视角。模型突破现有模型仅支持单玩家的局限，确保跨玩家视角的空间一致...

StepClaw是阶跃AI推出的云端智能助手，基于OpenClaw架构推出。用户可通过阶跃AI APP快速完成云端部署，省去本地硬件配置烦恼。

LTX-2.3 是以色列 AI 公司 Lightricks 开源的最新一代视频生成模型，采用 Diffusion Transformer 架构，拥有 220 亿参数。模型支持文本、图像、音频三种输入...

Nemotron 3 Super是英伟达推出的1200亿参数开源AI模型，采用Mamba-MoE混合架构，专为智能体应用优化。模型支持100万token超长上下文，推理速度提升3倍，吞吐...

Gemini Embedding 2 是谷歌首个原生多模态嵌入模型，基于 Gemini 架构构建。模型将文本、图像、视频、音频和文档统一映射到同一向量空间，支持跨 100 多种语...