MeteoRA – 南大推出高效可扩展的多任务嵌入框架
MeteoRA是什么 MeteoRA 是南京大学计算机科学与技术系的研究团队推出的用于大型语言模型（LLM）的多任务嵌入框架，将多个任务特定的 LoRA（低秩适配器）集成…
Figma-Low-Code – 将Figma设计转换为Vue.js应用程序的开源项目
Figma-Low-Code是什么 Figma-Low-Code是开源的项目，基于Luisa框架，支持开发者直接将Figma设计转换为Vue.js应用程序。大幅减少设计师…
CHRONOS – 阿里通义联合上海交大等推出时间线摘要生成新框架
CHRONOS是什么 CHRONOS是上海交通大学计算机科学与工程系、阿里巴巴集团通义实验室等机构联合推出的，用在新闻时间线摘要生成的新型框架，基于迭代自问自答的方式，用…
Sa2VA – 字节跳动等机构开源的多模态大语言模型
Sa2VA是什么 Sa2VA是字节跳动联合加州大学默塞德分校、武汉大学和北京大学共同推出的多模态大语言模型，是SAM2和LLaVA结合而成，能实现对图像和视频的密集、细粒…
Step-Audio-TTS-3B – 高性能 TTS 模型，能生成特定情感和说唱风格的语音
Step-Audio-TTS-3B是什么 Step-Audio-TTS-3B 是 Stepfun-AI 团队推出的高性能文本到语音（TTS）模型，具有强大的语音合成能力。…
DynVFX – AI视频增强技术，将新动态内容与原始视频无缝融合
DynVFX是什么 DynVFX是创新的视频增强技术，能根据简单的文本指令将动态内容无缝集成到真实视频中。通过结合预训练的文本到视频扩散模型和视觉语言模型（VLM），实现…
Chatbox AI – 开源的AI客户端助手，支持多种主流AI模型
Chatbox AI是什么 Chatbox AI是开源的跨平台AI客户端应用和智能助手，支持 Windows、Mac、Linux、iOS、Android 和网页版，集成多…
WarriorCoder – 微软联合华南理工大学推出的代码生成大模型
WarriorCoder是什么 WarriorCoder 是华南理工大学计算机科学与工程学院和微软推出的代码生成大语言模型（LLM）。基于模拟专家模型之间的对抗生成高质量…
VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3是什么 VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型，专注于图像和视频理解。基于 Qwen 2.5 架构，结合了先进的视觉编码器（如 …
Zerox – 开源的OCR工具，零样本识别多种格式文件
Zerox是什么 Zerox是开源的本地化高精度OCR工具，基于GPT-4o-mini模型，无需提前训练实现零样本识别。Zerox支持PDF、DOCX、图片等多种格式文件…
Emotion-LLaMA – 多模态情绪识别与推理模型，融合音频、视觉和文本输入
Emotion-LLaMA是什么 Emotion-LLaMA是多模态情绪识别与推理模型，融合了音频、视觉和文本输入，通过特定情绪编码器整合信息。模型基于修改版LLaMA，…
Nexus-Gen – 魔搭联合华东师范等机构开源的全模态图像生成模型
Nexus-Gen是什么 Nexus-Gen 是魔搭团队、华东师范大学等机构推出的开源全能图像生成模型，支持同时完成图像理解、生成和编辑任务。Nexus-Gen融合强大的…
MME-CoT – 港中文等机构推出评估视觉推理能力的基准框架
MME-CoT 是什么 MME-CoT 是香港中文大学（深圳）、香港中文大学、字节跳动、南京大学、上海人工智能实验室、宾夕法尼亚大学、清华大学等机构共同推出的用于评估大型…
AI Dev Gallery – 微软推出面向Windows开发者本地运行AI模型的开源工具
AI Dev Gallery是什么 AI Dev Gallery是微软推出的开源AI工具包和示例库，集成在Visual Studio中，帮助Windows开发者轻松集成端…
Edicho – 蚂蚁集团联合港科大等高校推出的多图像一致性编辑方法
Edicho是什么 Edicho 是香港科技大学、蚂蚁集团、斯坦福大学和香港中文大学推出的，基于扩散模型的图像编辑方法，能在多图像间实现一致性编辑。Edicho用免训练的…
WebLI-100B – 谷歌 DeepMind 推出的1000亿视觉语言数据集
WebLI-100B是什么 WebLI-100B是Google DeepMind推出的包含1000亿图像-文本对的超大规模数据集，用在预训练视觉语言模型（VLMs）。We…
