Emu3.5 – 智源研究院推出的多模态世界大模型，速度提升了近20倍
智源研究院正式发布了“悟界 EMU3.5”多模态世界大模型，标志着人工智能从“语言学习”向“多模态世界学习”演进的新纪元。Emu3.5 在图像生成和编辑任务上取得了与Gemini 2.5 Flash ...
排序
Music 2.0 – MiniMax推出的新一代音乐创作模型，支持多种唱法与风格切换
MiniMax正式发布新一代音乐生成模型MiniMax Music 2.0。这一模型在音乐理解与声学表现能力上实现升级，能够精准捕捉人声情绪与器乐动态，为用户提供专业级音乐创作体验。在人声表现上接近真...
Firefly Image 5 – Adobe推出的最新图像生成模型，支持400万像素原生输出
Adobe上线其最新一代图像生成与编辑模型Firefly Image 5，新模型支持400万像素原生输出，提供图像分层编辑等图像功能，还新增视频和音频生成工具。其细节锐度与色彩表现大幅提升，特别是在人...
Gambo – AI游戏开发Agent，支持创作者自定义游戏场景和关卡设计，增强游戏的可定制性。
Gambo，自称为“全球首个Game Vibe Coding Agent”，用户只需通过简单的文字描述，能快速生成完整的游戏，包括场景、角色、音效和交互逻辑。为用户提供了一种全新的游戏创作方式。Gam...
Sonic-3 – Cartesia推出的实时语音对话模型，支持多种语言的自然语音输出
Cartesia 公司推出新一代实时对话文本转语音模型 Sonic-3，该模型基于 State Space Model（SSM）架构打造，推理延迟低至 90 毫秒，端到端响应仅需 190 毫秒，是最快...
FlowithOS – Flowith推出的全球首个智能体操作系统，自动执行复杂任务
flowithOS 是全球首个为 Agent 原生设计的智能体操作系统，可以根据用户们发出的任务指令，进行多网页搜索，通过“代码+视觉”的方式来理解用户屏幕画面，并进行自主地思考与执行，完成各种操作...
SoulX-Podcast – Soul推出的多人语音合成模型，自然地切换不同说话人的语音
Soul App AI团队（Soul AI Lab）正式开源播客语音合成模型SoulX-Podcast，它不仅能稳定生成超过60分钟的多人对话，更在多语种、多方言甚至笑声、叹息等“副语言”的控制上，取...
GitHub推出–Agent HQ 集成AI智能体平台，助你快速打造专业级智能体
GitHub 推出Agent HQ，将 AI 编程助手彻底整合进平台，让开发者能像管理团队一样指挥多个 AI 代理。这是首款突破原生界面限制、直接嵌入编辑器的合作伙伴智能体，其核心目标是统一管理各类 ...
GigaBrain-0 – 最新开源VLA具身模型，打造了全球首个最全具身智能数据体系
最新推出的GigaBrain-0是一款基于世界模型（World Model）的视觉-语言-动作（VLA）基础模型，专为机器人复杂操作任务设计。GigaBrain-0通过加入深度信息的输入，提升了物体3...
FIBO – 开源的图像生成模型，支持快速迭代和精准控制，提升创意效率。
FIBO是一个开源的文本生成图像模型，专为长结构化描述训练而成，能够根据用户输入的文本描述快速生成高质量的图像。支持将简短的文本提示扩展为详细的结构化JSON描述，能将简短的文本提示自动扩展为长达千字...