HourVideo – 李飞飞和吴佳俊团队推出的长视频理解基准数据集
HourVideo是什么 HourVideo是斯坦福大学李飞飞和吴佳俊团队推出的长视频理解基准数据集，包含500个第一人称视角视频，时长20至120分钟，覆盖77种日常活…
App Intents – 苹果推出的集成Siri和Apple Intelligence新框架
App Intents是什么 App Intents是苹果推出的支持开发者在iOS、macOS等平台上集成Siri和Apple Intelligence的新框架，实现应用…
DimensionX – 港科大、清华和生数科技共同推出的单图像生成复杂3D、4D场景框架
DimensionX是什么 DimensionX是香港科技大学、清华大学和生数科技共同推出的框架，能从单张图片生成高逼真度的3D和4D场景，基于视频扩散技术实现对空间和时…
SeedEdit – 字节豆包团队推出的AI图像编辑模型
SeedEdit是什么 SeedEdit是字节跳动豆包大模型团队推出的通用图像编辑模型，基于简单的自然语言指令编辑图像，包括修图、换装、美化、风格转换及在指定区域添加或删…
HK-O1aw – HKGAI团队联合北大团队推出的慢思考范式法律推理大模型
HK-O1aw是什么 HK-O1aw是香港生成式AI研发中心(HKGAI)旗下AI for Reasoning团队(HKAIR)与北京大学对齐团队(PKU-Alignme…
AnimePro FLUX – 动漫风格图像生成模型，基于Flux.1 Shnell模型微调
AnimePro FLUX是什么 AnimePro FLUX是基于Apache 2.0许可的动漫风格图像生成模型，专为生成高质量二次元插画设计。AnimePro FLUX…
VideoChat – 开源的实时数字人对话系统，首包延迟低至3秒
VideoChat是什么 VideoChat是开源的实时数字人对话系统，支持语音输入和实时对话功能。用户自定义数字人的形象和音色，无需训练即可进行音色克隆，首包延迟可低至…
TableGPT2 – 浙大推出整合与处理表格数据的多模态大模型
TableGPT2是什么 TableGPT2是浙江大学推出的新型大型多模态模型，针对表格数据的整合与处理。首次将结构化数据作为独立模态进行训练，直接理解并操作数据库、Ex…
GenXD – 新加坡国立和微软共同推出的通用3D和4D联合生成框架
GenXD是什么 GenXD是新加坡国立大学和微软公司共同推出的3D-4D联合生成框架，能从任意数量的条件图像中生成高质量的3D和4D场景。框架用一个数据整理流程从视频中…
Qwen-Audio-3.0-Realtime – 阿里推出的实时语音交互模型
Qwen-Audio-3.0-Realtime是什么 Qwen-Audio-3.0-Realtime 是阿里通义团队推出的实时语音交互对话模型，提供 Plus与 Flas…
AlphaFold 3 – 谷歌DeepMind开源的结构预测统一框架
AlphaFold 3是什么 AlphaFold 3是谷歌DeepMind团队推出的AI模型，能预测蛋白质、核酸（DNA和RNA）、小分子、离子及修饰残基等生物分子的三维…
PDFMathTranslate – 开源的PDF文档翻译和双语对照工具
PDFMathTranslate是什么 PDFMathTranslate是开源的PDF文档翻译工具，设计用于翻译科技论文等PDF文件，能保留原文的排版，包括公式和图表。P…
MoneyPrinterTurbo – 开源的AI短视频生成工具
MoneyPrinterTurbo是什么 MoneyPrinterTurbo是开源的AI短视频生成工具，能自动化地根据用户提供的视频主题或关键词生成视频文案、素材、字幕和…
Xiaomi-Robotics-U0 – 小米推出的统一具身合成模型
Xiaomi-Robotics-U0是什么 Xiaomi-Robotics-U0 是小米推出的 380 亿参数统一具身合成模型，基于世界基础模型持续训练，联合优化文生图、…
努比亚率先完成智能体大模型备案，全球首款AI智能体手机即亮相
近日，努比亚技术有限公司的总裁倪飞在发布会上宣布，该公司已经率先完成了智能体大模型的备案。这一举动标志着努比亚在人工智能领域迈出了重要一步，他们即将推出全球首款 AI 智…
X2.0 – Xmax AI 推出的全球首个实时交互视频生成模型
X2.0是什么 X2.0 是 Xmax AI 推出的全球首个实时交互视频生成模型，支持毫秒级流式生成。用户通过摄像头可实时替换角色服装、召唤虚拟物体、触屏操控画面，实现可…
