Wan-Streamer v0.2 – 阿里通义推出的全模态理解与生成模型
Wan-Streamer v0.2是什么 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。
Meissonic – 阿里联合多所高校推出的文本到图像合成模型
Meissonic是什么 Meissonic是由阿里巴巴集团、Skywork AI等多所大学合作推出的文本到图像合成模型。基于掩蔽图像建模技术，结合多模态和单模态Tran…
Zamba2-7B – Zyphra推出的小型语言模型
Zamba2-7B是什么 Zamba2-7B是Zyphra公司推出的小型语言模型，基于创新的架构在保持输出质量的同时实现快速的推理速度和低内存占用。模型在处理图像描述等任…
PersonaTalk – 字节跳动推出的实现高保真和个性化视觉配音框架
PersonaTalk是什么 PersonaTalk是字节跳动推出的基于注意力机制的两阶段框架，用在实现高保真度和个性化的视觉配音。PersonaTalk能在合成与目标音…
Nemotron 3 Embed – 英伟达开源的文本嵌入模型系列
Nemotron 3 Embed 是什么 Nemotron 3 Embed 是 NVIDIA 开源的文本嵌入模型系列，专为检索增强生成与智能体检索设计。模型包含 8B 和…
OpenSPG – 蚂蚁联合OpenKG开源的知识图谱引擎
OpenSPG是什么 OpenSPG是蚂蚁集团联合OpenKG社区推出的基于SPG框架的知识图谱引擎。OpenSPG融合LPG的结构性和RDF的语义性，克服RDF/OWL…
LongVU – Meta AI开源的长视频理解模型
LongVU是什么 LongVU是Meta AI团队推出的长视频理解模型，基于时空自适应压缩机制。解决处理长视频时受限于大型语言模型（LLM）上下文大小的挑战。LongV…
重庆上线“渝小健”AI就医智能体，覆盖233家公立医院
7月17日，重庆市卫生健康委员会正式上线便捷就医智能体“渝小健”，面向全市居民提供AI辅助就医服务。市民可通过支付宝App或阿福App搜索“渝小健”，使用智能导诊、云陪诊…
NVIDIA 发布 Nemotron 3 Embed 系列，8B 版本登顶 RTEB 检索基准
NVIDIA 近日发布了 Nemotron3Embed 系列嵌入向量模型，专为生产级 RAG、智能体检索、代码检索及智能体记忆等场景设计。其中8B 版本在检索嵌入基准测试…
得物App联合千觉机器人发布AI鉴别机器人，亮相WAIC 2026
2026 世界人工智能大会（WAIC 2026）在上海开幕，得物App联合千觉机器人发布全球首个AI鉴别机器人，探索人工智能与具身智能在商品鉴别领域的应用。该机器人基于得…
SynthID Text – 谷歌DeepMind推出的AI生成文本水印技术
SynthID Text 是什么 SynthID Text 是谷歌DeepMind 推出的文本水印技术，用在识别和验证由大型语言模型（LLM）生成的文本。基于细微调整生成…
银河通用机器人创始人王鹤： 2028 年，具身智能的 “ChatGPT 时刻” 即将来临！
在 2026 世界人工智能大会上，银河通用机器人的创始人兼首席技术官王鹤分享了他的未来预测。他认为，具身智能技术将在 2028 年前迎来重大突破，届时，这种智能系统的表现…
超低延迟 AI 对话神器！Wan-Streamer v0.2 让你与 AI 零距离沟通
在现代科技的快速发展中，AI 与人类的互动日益频繁，但传统的视频通话往往伴随着卡顿、延迟和声画不同步的问题。然而，通义实验室最新推出的 Wan-Streamer v0.2…
VILA-U – 融合多模态理解和生成的统一基础模型
VILA-U是什么 VILA-U是集成视频、图像、语言理解和生成的统一基础模型。基于单一的自回归下一个标记预测框架处理理解和生成任务，简化模型结构，在视觉语言理解和生成方…
Video-XL – 智源联合多所高校推出的开源超长视觉理解模型
Video-XL是什么 Video-XL是北京智源人工智能研究院联合上海交大、中国人民大学、中科院、北邮和北大的研究人员共同推出的专为小时级视频理解设计的超长视觉理解模型…
影视飓风49元AI课程上线首日售出10万份，单日营收超490万元
千万粉科技内容创作者“影视飓风”近日推出49元AI实战课程，上线首日销量突破10万份，单日销售额超过490万元，再次展现头部内容IP在AI教育市场的商业转化能力。据了解，…
