Uni-AdaFocus – 清华大学推出通用的高效视频理解框架
Uni-AdaFocus是什么 Uni-AdaFocus是清华大学自动化系的研究团队推出的通用的高效视频理解框架，框架通过自适应聚焦机制，动态调整计算资源的分配，实现对视…
ViTPose – 基于 Transformer 架构的人体姿态估计模型
ViTPose是什么 ViTPose 是基于 Transformer 架构的人体姿态估计模型。以普通视觉 Transformer 作为骨干网络，通过将输入图像切块并送入 …
MCPHub – 一站式MCP服务器聚合平台
MCPHub 是什么 MCPHub是一站式MCP（模型上下文协议）服务器聚合平台。支持将多个MCP服务器整合到不同的流式HTTP（SSE）端点，基于直观的Web界面和强大…
Ming‑Flash‑Omni 2.0 – 蚂蚁开源的全模态大模型
Ming-flash-omni-2.0是什么 Ming-flash-omni-2.0是蚂蚁集团开源的全模态大模型，采用100B总参数/6B激活参数的MoE架构。作为业界S…
FireCrawl – 开源 AI 网络爬虫工具，擅长处理动态网页内容、自动爬取网站及子页面
FireCrawl是什么 FireCrawl是开源的AI爬虫工具，专门用在Web数据提取，转换为Markdown或其他结构化数据。FireCrawl具备强大的抓取能力，支…
VideoRefer – 浙大联合阿里达摩学院推出的视频对象感知与推理技术
VideoRefer是什么 VideoRefer是浙江大学和阿里达摩学院联合推出的，专门用在视频中对象的感知和推理。基于增强视频大型语言模型（Video LLMs）的空间…
OpenThinker-32B – 斯坦福、UC 伯克利等机构联合开源的推理模型
OpenThinker-32B是什么 OpenThinker-32B 是斯坦福、UC 伯克利、华盛顿大学等机构联合开发的开源推理模型，拥有 328 亿参数，支持 16,0…
LLaDA – 人大高瓴AI联合蚂蚁推出的扩散大语言模型
LLaDA是什么 LLaDA（Large Language Diffusion with mAsking）是中国人民大学高瓴AI学院李崇轩、文继荣教授团队和蚂蚁集团共同推…
Sonic – 腾讯联合浙大推出的音频驱动肖像动画框架
Sonic是什么 Sonic是腾讯和浙江大学推出的音频驱动肖像动画框架，基于全局音频感知生成逼真的面部表情和动作。Sonic基于上下文增强音频学习和运动解耦控制器，分别提…
DynamicFace – 小红书联合上海交大等推出的视频换脸技术
DynamicFace是什么 DynamicFace是小红书团队推出新型的视频换脸技术，技术通过结合扩散模型和即插即用的时间层，基于3D面部先验知识，实现高质量和一致性的…
GPT‑5.4 – OpenAI推出面向专业工作的旗舰AI模型
GPT‑5.4是什么 GPT-5.4是OpenAI推出的旗舰AI模型，定位为”专为专业工作设计的最强前沿模型”。模型首次将推理、编程、原生计算机操作、深度网页搜索和百万T…
Whisper Input – 开源AI语音输入工具，支持多语言实时转录和翻译
Whisper Input是什么 Whisper Input 是开源的语音输入工具，基于 Python 和 OpenAI 的 Whisper 模型开发。通过简单的快捷键操…
AnyStory – 阿里通义推出的高保真个性化文本到图像生成框架
AnyStory是什么 AnyStory是阿里巴巴通义实验室研发的创新文本到图像生成框架，实现单个和多个主体的高保真个性化图像生成。通过“编码-路由”的方法来建模主体个性…
Nemotron-CC – 英伟达推出的大型预训练数据集
Nemotron-CC是什么 Nemotron-CC是NVIDIA团队推出的大型预训练数据集，能将Common Crawl数据转化为适用于长序列预训练的高质量语料。Nem…
HealthBench – OpenAI推出的开源医疗测试基准
HealthBench是什么 HealthBench是OpenAI推出的开源医疗测试基准，用在评估大型语言模型（LLMs）在医疗保健领域的表现和安全性。HealthBen…
GPT‑5.3‑Codex‑Spark – OpenAI推出的轻量级编程模型
GPT‑5.3‑Codex‑Spark是什么 GPT-5.3-Codex-Spark是OpenAI首个专为实时编程设计的轻量级模型，主打极致速度。模型运行在Cerebra…
