EasyControl – Tiamat AI 联合上海科大等开源的图像生成控制框架
EasyControl是什么 EasyControl 是 Tiamat AI 开源的基于扩散变换器（Diffusion Transformer，DiT）架构的高效灵活控制…
GaussianCity – 南洋理工大学 S-Lab 团队推出的 3D 城市生成框架
GaussianCity是什么 GaussianCity 是南洋理工大学 S-Lab 团队推出的高效无边界3D城市生成框架，基于3D高斯绘制（3D-GS）技术。引入紧凑的…
X-Prompt – 用于多模态视频目标分割的通用框架
X-Prompt是什么 X-Prompt是用于多模态视频目标分割的通用框架，解决传统方法在极端光照、快速运动和背景干扰等复杂场景下的局限性。通过预训练一个基于 RGB 数…
豆包大模型1.5 – 字节跳动推出的最新版大模型
豆包大模型1.5是什么 豆包大模型1.5 是字节跳动推出的最新版本大模型。采用大规模稀疏MoE架构，等效于7倍激活参数的Dense模型性能，综合得分在知识、代码、推理、中…
GaussianAnything – 南洋理工 S-Lab 和上海 AI Lab 等推出的 3D 生成框架
GaussianAnything是什么 GaussianAnything 是南洋理工大学 S-Lab 联合上海 AI Lab 等机构推出的 3D 生成框架。Gaussia…
Cube 3D – Roblox 推出的 AI 3D 生成模型
Cube 3D是什么 Cube 3D 是 Roblox 推出的AI 3D生成大模型，基于 AI 技术高效生成 3D 模型和环境。Cube 3D支持直接从文本描述生成完整的…
OpenMath-Nemotron – 英伟达开源的数学推理系列模型
OpenMath-Nemotron是什么 OpenMath-Nemotron是英伟达推出的系列开源数学推理模型，专门用在解决复杂数学问题，包括奥林匹克级别的难题。模型基于…
WeClone – 开源AI数字分身一站式解决方案
WeClone是什么 WeClone是从聊天记录创造数字分身的一站式解决方案。基于聊天记录微调大语言模型（LLM），让模型具有特定的风格，绑定到微信、QQ、Telegra…
FinGPT – 开源金融领域大模型，可预测股票价格走势
FinGPT是什么 FinGPT 是开源的金融领域大型预训练语言模型，基于自然语言处理技术推动金融创新。通过强化学习和人类反馈（RLHF）技术，能学习个人偏好，提供个性化…
IndexTTS – B 站推出的文本转语音模型，支持拼音纠正汉字发音
IndexTTS是什么 IndexTTS 是 B 站推出的工业级可控文本转语音（TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技…
Light-A-Video – 上海AI Lab联合交大等高校推出的视频重照明方法
Light-A-Video是什么 Light-A-Video 是上海交通大学、中国科学技术大学、香港中文大学、香港科技大学、斯坦福大学及上海AI实验室的共同推出的无需训练…
InternVL3 – 上海 AI Lab 开源的多模态大语言模型
InternVL3是什么 InternVL3是上海人工智能实验室开源的多模态大型语言模型（MLLM），具有卓越的多模态感知和推理能力。模型系列包括1B到78B共7个不同尺…
ComfyUI-Copilot – 阿里推出基于 ComfyUI 的 AI 智能助手
ComfyUI-Copilot是什么 ComfyUI-Copilot 是阿里巴巴国际数字商业集团（AIDC-AI）推出基于 ComfyUI 框架深度开发的 AI 智能助手…
LanDiff – 浙大联合月之暗面推出的文本到视频生成混合框架
LanDiff是什么 LanDiff是用于高质量的文本到视频（T2V）生成的创新混合框架，结合了自回归语言模型（LLM）和扩散模型（Diffusion Model）的优势…
UniTok – 字节联合港大、华中科技推出的统一视觉分词器
UniTok是什么 UniTok 是字节跳动联合香港大学和华中科技大学推出的统一视觉分词器，能同时支持视觉生成和理解任务。基于多码本量化技术，将视觉特征分割成多个小块，每…
TaoAvatar – 阿里推出的实时高清3D全身对话数字人技术
TaoAvatar是什么 TaoAvatar是阿里巴巴集团研究团队推出的高保真、轻量级的3D全身对话虚拟人技术。基于3D高斯溅射技术，能生成照片级逼真的3D全身虚拟形象，…
