AI 资讯

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...

H3-World是腾讯联合新加坡国立大学、香港理工大学推出的动作可控世界模型，基于33B的MiniMax-H3视频生成器微调。模型将键盘操作翻译成英文指令，通过预训练文...

ChatGPT Images 2.5 是 OpenAI 推出的新一代图像生成模型，面向 ChatGPT、ChatGPT Work 及 Codex 全档位用户开放。模型生成延迟最高降低50%，编辑更精准、多...

Ling-3.0-flash-VL 是蚂蚁 InclusionAI 百灵系列首个开源的原生多模态大模型，基于 Ling-3.0-flash 的 MoE 架构拓展，总参数 124B、单次推理仅激活 5.5B，原...

MiniCPM5-2B 是面壁智能、OpenBMB 社区与清华大学联合开源的端侧语言基座模型。模型约25亿参数，支持128K上下文，在34项基准均分53.9，超越一众4B级模型，达2...

DeepSeek V4 Flash 是深度求索推出的轻量级大语言模型，2025年7月31日通过 API 开放公测。模型主打快与省，推理速度可达数百 tokens/秒，空闲时段缓存命中输...

WikiSkill 是 Google Research 推出的 Agent 技能进化框架。框架通过三层架构，存储原始轨迹的 Raw Layer、持续积累结构化知识的 Wiki Layer、以及存放可执行...

LLaDA-Image 是蚂蚁集团 inclusionAI 开源的 6B 参数统一图像生成与编辑模型。模型采用先纯图预训练、后语言对齐的创新路线，用全扩散架构（LLaDA2.0-mini 理...

MAI-Image-2.6-Flash 是微软推出的高速图像生成模型，与旗舰版 MAI-Image-2.6 互补，专攻低延迟、高吞吐生产场景。模型生成速度比 GPT-Image-2-Medium 快 2.8...

星火X2.5是科大讯飞推出的旗舰通用大模型系列，包含云端MoE基座模型（293B/30B）及开源端侧模型，包括星火X2.5-4B和星火X2.5-1.7B。模型基于全国产算力全流程...