CogAgent – 清华与智谱AI联合推出的多模态视觉大模型
CogAgent是什么 CogAgent是清华大学与智谱AI联合推出的多模态视觉大模型，专注于图形用户界面（GUI）的理解和导航。通过视觉模态对GUI界面进行感知，非传统…
OMNE Multiagent – 天桥脑科学研究院推出的大模型多智能体框架
OMNE Multiagent是什么 OMNE Multiagent是天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）…
DuoAttention – 提高LLMs处理长上下文推理效率的AI框架
DuoAttention是什么 DuoAttention是新型的框架，由MIT韩松团队提出，用在提高大型语言模型（LLMs）在处理长上下文时的推理效率。基于区分“检索头”…
HuggingChat macOS – Hugging Face开源的macOS聊天应用程序
HuggingChat macOS是什么 HuggingChat macOS是Hugging Face推出的开源聊天应用程序，专为macOS用户设计，基于强大的开源语言模…
OmniParser – 微软推出的屏幕解析工具，将UI截图转换为结构化数据
OmniParser是什么 OmniParser是微软研究院推出的屏幕解析工具，将用户界面的屏幕截图转换成结构化数据。工具专门设计用在提高基于大型语言模型（如GPT-4V…
Ditto – AI应用程序生成器，零编码自动规划和构建应用
Ditto是什么 Ditto是基于Flask的应用程序生成器，用户基于简单的自然语言描述创建多文件的Web应用程序。工具用一个简单的LLM循环和一些辅助工具自动化编码过程…
Flux.1 Lite – Freepik推出的轻量级AI模型
Flux.1 Lite是什么 Flux.1 Lite是Freepik团队推出的轻量级AI模型，目前处于alpha版本。Flux.1 Lite是基于80亿参数的transf…
Phidata – 创建具有记忆、知识、工具和推理能力的AI智能体框架
Phidata是什么 Phidata是开源的AI智能体框架，帮助开发者构建具有记忆、知识、工具和推理能力的智能代理系统。支持创建能协同工作的代理团队，提供用户界面实现与代…
Allegro – Rhymes AI推出文本生成高质量视频内容的模型
Allegro是什么 Allegro是由Rhymes AI推出的先进的文本到视频生成模型，能将简单的文本输入转换成高达720p分辨率、每秒15帧、长度达6秒的高质量视频内…
FakeShield – 北大推出检测图像伪造的多模态大语言模型框架
FakeShield是什么 FakeShield是北京大学研究人员推出的多模态大型语言模型框架，能检测和定位图像伪造。框架能评估图像的真实性，生成被篡改区域的掩码，提供基…
MaskGCT – 趣丸科技联合香港中文大学推出的语音合成大模型
MaskGCT是什么 MaskGCT是趣丸科技与香港中文大学（深圳）合作推出的语音合成大模型，基于掩码生成模型与语音表征解耦编码的技术，实现在声音克隆、跨语种合成、语音控…
GLM-4-Voice – 智谱AI推出的端到端情感语音模型
GLM-4-Voice是什么 GLM-4-Voice是智谱AI推出的端到端情感语音模型，能直接理解和生成中英文语音，支持实时语音对话，能根据用户指令灵活调整语音的情感、语…
Unbounded – 谷歌推出的首款AI生成式无限人生模拟游戏
Unbounded是什么 Unbounded是谷歌和北卡罗来纳大学教堂山分校共同推出的无限人生模拟游戏。游戏突破传统视频游戏的局限，用生成模型，如大型语言模型(LLM)和…
AutoGLM – 智谱AI推出的全球首个手机Agent
AutoGLM是什么 AutoGLM是智谱推出的全球首个手机Agent，通过AI技术为用户提供高效的操作代理服务。AutoGLM基于国产GLM-4.5和GLM-4.5V模…
EveryoneNobel – AI图像生成工具，生成个性化诺贝尔奖风格图像
EveryoneNobel是什么 EveryoneNobel是一个开源AI工具，为每个人生成个性化的诺贝尔奖风格图像。EveryoneNobel基于ComfyUI框架，结…
TextHarmony – 字节联合华东师范推出的多模态生成模型
TextHarmony是什么 TextHarmony是华东师范大学和字节跳动共同推出的多模态生成模型，擅长理解和生成视觉文本。模型基于Slide-LoRA技术，动态聚合特…
