MiniMax-01 – MiniMax开源的全新系列模型
MiniMax-01是什么 MiniMax-01是MiniMax推出的全新系列模型，包含基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL…
OpenVision – 加州大学开源的视觉编码器家族
OpenVision是什么 OpenVision是加州大学圣克鲁兹分校（UCSC）推出的完全开放、高效且灵活的高级视觉编码器家族，专注于多模态学习。提供从5.9M到632…
VLM-R1 – 浙大 Om AI Lab 推出的视觉语言模型
VLM-R1是什么 VLM-R1 是 Om AI Lab 推出的基于强化学习技术的视觉语言模型，通过自然语言指令精确定位图像中的目标物体，如根据描述“图中红色的杯子”找到…
StoryWeaver – 厦大和网易伏羲联合推出的统一故事可视化 AI 模型
StoryWeaver是什么 StoryWeaver是厦门大学多媒体可信感知与高效计算教育部重点实验室和网易伏羲人工智能实验室推出的AI模型，能用知识增强的故事角色定制实…
AutoDroid-V2 – 清华推出的移动端GUI自动化脚本代理
AutoDroid-V2是什么 AutoDroid-V2是清华大学人工智能产业研究院推出的基于小型语言模型（SLM）的移动端GUI自动化脚本代理，能基于代码生成技术提升设…
PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架
PIKE-RAG是什么 PIKE-RAG（sPecIalized KnowledgE and Rationale Augmented Generation）是微软亚洲研究…
Aider – 开源AI编程助手，基于命令行指定自动完成代码修改
Aider是什么 Aider 是开源的AI辅助编程工具，基于终端与大型语言模型（LLM）配合，实现高效代码编辑和开发。Aider支持多种编程语言，如 Python、Jav…
Resume Matcher – 开源AI简历优化工具，解析简历和职位描述提供改进建议
Resume Matcher是什么 Resume Matcher 是开源的 AI 简历优化工具，帮助求职者提升简历通过自动化筛选系统（ATS）的概率。Resume Mat…
LLMDet – 阿里通义联合中山大学等机构推出的开放词汇目标检测模型
LLMDet是什么 LLMDet是阿里巴巴集团通义实验室、中山大学计算机科学与工程学院、鹏城实验室等机构推出的开放词汇目标检测器，基于与大型语言模型（LLM）协同训练提升…
JoyGen – 京东和港大推出音频驱动的3D说话人脸视频生成框架
JoyGen是什么 JoyGen是京东科技和香港大学推出的，音频驱动的3D说话人脸视频生成框架，专注于实现精确的唇部与音频同步及高质量的视觉效果。JoyGen结合音频特征…
AgiBot Digital World – 智元机器人推出的机器人仿真框架
AgiBot Digital World是什么 AgiBot Digital World 是智元机器人推出的高保真机器人仿真框架，为机器人操作技能研究与应用提供高效支持。…
QVQ-72B-Preview – 阿里通义开源的多模态推理模型
QVQ-72B-Preview是什么 QVQ-72B-Preview 是阿里云通义千问团队开源的多模态推理模型，专注于提升视觉推理能力。模型在多个基准测试中表现出色，在多…
百聆 – AI语音对话助手，端到端时延低至800ms
百聆是什么 百聆(Bailing)是开源的语音对话助手，基于语音识别（ASR）、语音活动检测（VAD）、大语言模型（LLM）和语音合成（TTS）技术实现与用户的自然语音对…
讯飞星火X1 – 科大讯飞推出的首个全国产深度推理大模型
讯飞星火X1是什么 讯飞星火X1是科大讯飞于2025年1月15日发布的国内首个基于全国产算力平台训练的具备深度思考和推理能力的大模型。在解题过程中更接近人类的“慢思考”方…
Index-AniSora – B站开源的动漫视频生成模型
Index-AniSora是什么 Index-AniSora 是哔哩哔哩开源的先进动漫视频生成模型，模型支持一键生成多种动漫风格的视频，涵盖番剧片段、国创动画、VTube…
FacePoke – 开源的实时面部编辑工具，拖拽操作面部表情
FacePoke是什么 FacePoke是基于AI技术的开源实时面部编辑工具。用户基于简单的鼠标拖拽操作，对人物照片中的头部朝向（如抬头、低头、左右摇头）和面部表情（如眼…
