人大高瓴与蚂蚁联合发布LLaDA-V：纯扩散架构多模态大模型刷新SOTA！
💡 站外导读：当前多模态大模型（MLLM）领域，自回归模型虽占主流，但在复杂推理与双向上下文建模上存在瓶颈。混合架构虽能部分弥补，却常带来系统复杂性与训练不稳定的挑战。纯…
上海交大开源PC Agent-E框架：仅312条数据训练，性能暴涨241%超越Claude 3.7
💡 站外导读：当前AI智能体在桌面自动化领域面临数据获取成本高、泛化能力弱的核心痛点。传统方法需要海量高质量标注数据，但人工收集成本高昂且效率低下。
CAR：字节跳动×复旦重磅推出！自适应推理框架让大模型效率飙升，准确率再攀新高
💡 站外导读：随着大模型应用场景的不断扩展，如何在保障准确性的前提下提升推理效率，已成为行业核心痛点。传统模型面对复杂问题时统一采用长链推理，导致算力成本高昂、响应延迟明…
Onit：开源Mac AI助手，高亮即问、无缝接入多模型，效率飙升
💡 站外导读：在AI深度融入日常工作的当下，频繁的复制粘贴、手动输入上下文已成为效率瓶颈。尤其是Mac用户，在处理跨应用任务时，如何让AI快速、准确地理解当前工作场景成为…
出门问问Mobvoi MCP Server：一站式多模态AI开发平台，集成语音克隆与数字人，开源驱动智能生产力
💡 站外导读：在AIGC浪潮席卷全球的背景下，企业和开发者面临着集成复杂AI能力的挑战：技术门槛高、开发周期长、跨平台适配难。如何将先进的语音合成、视频生成等多模态技术转…
OmniSync：人大-快手-清华联合打造，通用对口型框架实现无限时长精准同步
💡 站外导读：随着AIGC视频的爆发式增长，AI生成内容的口型同步问题成为行业痛点，导致视频真实感下降、用户体验割裂。OmniSync框架应运而生，由人民大学、快手科技和…
FLUX.1 Kontext深度解析：Black Forest Labs开源图像编辑模型，12B参数挑战GPT-4o，实现上下文感知生成与角色一致性
💡 站外导读：随着AIGC技术的爆发，AI图像生成与编辑正从“一键生成”迈入“精准操控”时代。传统模型难以在多轮编辑中保持角色与风格的一致性，成为创意与内容制作的核心痛点…
斯坦福大学联合犹他大学推出 WonderPlay 框架：仅用单张图片即可生成动态3D场景，支持刚体、布料、液体等多种物理材质模拟
💡 站外导读：传统3D动态场景的创建依赖专业建模师与高成本物理引擎，门槛高、周期长。斯坦福大学与犹他大学最新推出的 WonderPlay 框架，旨在彻底改变这一现状。
腾讯混元HunyuanVideo-Avatar：AI语音数字人技术革新，多角色情感对话视频一键生成
💡 站外导读：在AIGC浪潮席卷内容产业的当下，如何让静态图像“开口说话”并具备丰富情感与互动性，成为数字人技术的核心痛点。腾讯混元团队与腾讯音乐天琴实验室联合推出的Hu…
中科院重磅开源Jodi：一个模型统一图像生成与理解，开启多模态AI新范式
💡 站外导读：在AIGC浪潮中，视觉生成与理解长期被视为两个独立赛道，模型割裂、数据孤岛、协同困难成为行业痛点。中国科学院计算技术研究所与国科大联合推出Jodi，一个颠覆…
HunyuanPortrait：腾讯清华联手打造下一代肖像动画引擎，单图驱动视频生成新突破
💡 站外导读：当前数字内容创作领域，如何让静态图像“活”起来并保持高度真实与可控，一直是核心挑战。传统方法在身份一致性、表情自然度及跨风格泛化上存在明显瓶颈。腾讯混元联合…
蚂蚁集团开源Ming-Lite-Omni：统一多模态大模型，支持文本、图像、音视频全模态交互与生成
💡 站外导读：随着AIGC技术的爆发，单一模态的AI模型已难以满足复杂、多样化的实际应用需求。行业亟需一种能够无缝理解和生成文本、图像、音频、视频等多种信息形式的统一智能…
AI-Media2Doc：开源AI神器，一键将音视频秒变小红书笔记、公众号爆款文章与思维导图
git clone https://github.com/hanshuaikang/AI-Media2Doc.git cd AI-Media2Doc pip instal…
DeepSeek-R1-0528开源发布：660B参数模型，编程能力超越Claude 4与Gemini 2.5 Pro
💡 站外导读：在AI大模型竞争白热化的当下，开发者的痛点不仅在于模型的智能水平，更在于其实战能力与可及性。DeepSeek最新开源的R1-0528模型，直击这一核心，它以…
新加坡国立大学OmniConsistency：攻克风格迁移一致性难题，性能媲美GPT-4o的AI模型发布
💡 站外导读：在AIGC浪潮中，AI图像风格迁移技术虽百花齐放，却常陷入一个困境：风格化后的图像易出现语义扭曲、结构崩坏，即‘一致性’丢失，严重限制了其在商业和创作中的实…
快手可灵2.1 AI视频模型重磅升级：更高效、更便宜，支持图生视频与文生视频
💡 站外导读：随着AIGC技术的普及，高质量视频内容的生产成本与门槛一直是创作者和企业的痛点。快手此次推出可灵2.1模型，正是为了攻克这一难题，通过提供不同性能和价位的版…
