可灵2.6 – 快手可灵推出音画同出的AI视频生成模型，支模型持文生音画和图生音画两种模式
可灵推出视频生成2.6模型，该模型提供了里程碑式的“音画同出”能力，彻底改变了传统AI视频生成模型“先无声画面、后人工配音”的工作流程，用户仅需输入一段文字或一张图片，即可自动产出融合自然语音、精准音...
Seedream 4.5 – 字节跳动推出的AI图像创作模型，精准响应复杂的文字指令
字节跳动最新发布的AI图像生成模型Seedream 4.5在火山引擎上线。新模型在主体一致性、指令遵循精准度、空间逻辑理解及美学表现力等方面实现迭代，进一步提升了图像生成的整体质量与稳定性。模型支持广...
MemMachine – 开源AI记忆系统，实现高效记忆管理
MemMachine是解决AI Agent长期记忆问题的开源项目，通过双层记忆系统实现真正的记忆功能，而非简单的RAG检索。MemMachine通过情景记忆、语义记忆和用户画像记忆，帮助AI应用学习...
Mistral 3 – Mistral AI推出的最新多模态大模型系列，同时处理文本和图像输入
Mistral 3 是由 mistral ai 正式发布的全新一代开源人工智能模型系列，支持256k超长上下文窗口，可轻松处理百万字长文档、模型支持多模态（文本和图像）与多语言功能。Mistral 3...
twitch官网入口，twitc登录教程
twitch是一款全球超火的游戏直播、教学、玩法攻略流媒体平台，它是美国最大的一家游戏视频直播网站，内容几乎涵盖了市面上所有游戏种类。对跨境电商卖家而言，Twitch是很好的营销引流平台。无论是游戏还...
NEO – 商汤联合南洋理工开源的全新多模态模型架构，训练仅需1/10数据量，达到顶尖的视觉感知能力
商汤科技联合南洋理工大学S-Lab发布并开源全新多模态模型架构NEO。该架构号称是行业首个实现深层次融合的原生视觉语言模型，通过原生图块嵌入、三维旋转位置编码和多头注意力机制创新，实现视觉与语言在底层...
Alpamayo-R1 – 英伟达发布首款推理版视觉-语言-动作模型
随着芯片成为AI发展的核心，英伟达发布了新的开源软件Alpamayo-R1，旨在利用人工智能（AI）中的一些最新“推理”技术加快自动驾驶汽车的开发。模型的核心创新包括：构建因果链（CoC）数据集，通过...
PixVerse V5.5 – 爱诗科技推出的视频生成大模型，支持音频和视频同步生成
PixVerse V5.5是爱诗科技推出的最新一代AI视频生成大模型，模型基于自研的多模态视觉语言（MVL）架构，采用Diffusion与Transformer混合设计，支持音画同步生成，简化从构思到...
可灵O1 – 可灵AI推出全球首个统一多模态视频生成模型，轻松生成和编辑视频内容。
全球首个大一统的多模态视频、图片创作工具“可灵O1”正式上线。模型通过创新的多模态视觉语言（MVL）架构，实现视频生成、编辑与理解的无缝融合。可灵O1基于全新的视频和图像模型，以自然语言作为语义骨架...
Vidi2 – 字节跳动推出的多模态视频理解与生成模型，自动剪辑、智能分镜、智能字幕等多种功能
字节跳动推出的视频理解模型Vidi2，通过精准捕捉与识别，在基准测试中取得了显著领先成绩，尤其适用于长视频处理。Vidi2引入了新的基准测试VUE-STG和VUE-TR-V2，以更好地评估STG能力...