FS-DFM – 苹果联合俄亥俄州立大学推出的扩散语言模型，速度提升128倍
苹果提出 FS-DFM 扩散模型，仅需 8 轮快速迭代，即可生成与传统模型上千轮迭代质量相媲美的文本，且写入速度比同类模型最多可提高 128 倍。FS-DFM 在扩散模型的基础上进行了进一步简化，目标...
排序
微软推出的首款自研图像生成式AI模型–MAI-Image-1 ，能处理复杂的图像生成任务
微软正式发布了其首款自主研发的图像生成 AI 模型 ——MAI-Image-1。这一创新模型不仅在生成逼真图像方面表现优异，还能模拟自然光照效果，为用户带来更为生动的视觉体验。该模型在保证生成质量的同...
腾讯AI Lab推出的全长度歌曲生成模型–SongBloom ，仅需 10 秒音频样本和对应歌词
SongBloom 是一个由腾讯 AI Lab 联合顶尖高校研发的开源歌曲生成模型。它采用自回归扩散模型，将扩散模型的高保真度与语言模型的可扩展性相结合，能够快速生成完整歌曲，支持双通道、48kHz ...
Get Jobs – 开源的AI简历投递工具，自动化多平台投递简历
Get Jobs 是一款一键自动化投递Boss/猎聘等岗位的神器，支持AI生成JD匹配招呼语+秒发简历，智能过滤无效职位。就是用自动化脚本 + AI 匹配帮你把简历一键海投到 Boss 直聘、前程无忧...
SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型，突破传统密集型模型的限制
抖音SAIL团队与LV-NUS Lab联合推出的多模态大模型SAIL-VL2。它能高效地将视觉输入对齐到语言模型的表示空间。整个系统由三个核心部分组成：视觉编码器SAIL-ViT、视觉-语言适配器和大...
Hitem3D – AI 3D模型生成工具，一键生成高精度三维模型
Hitem3D AI是一款由人工智能驱动的下一代3D模型生成平台，支持用户上传图片后，一键生成高精度三维模型。这一技术突破让复杂模型从原需数日建模压缩到3分钟，并且可输出多种生产所需格式。 Hitem...
LLaVA-OneVision-1.5 – EvolvingLMMS-Lab开源的多模态框架，实现跨模态的信息检索
LLaVA-OneVision-1.5 是由 EvolvingLMMS-Lab 开发的全开源多模态框架，旨在通过高效训练和高质量数据实现多模态任务的高性能和低成本。该模型支持基于文本查询图像或基于图像...
MineContext – 字节开源的主动式上下文感知 AI 工具，支持多模态信息处理
MineContext是字节跳动开源的主动式上下文感知AI工具，通过屏幕截图和内容理解帮助用户管理数字工作环境，支持自动生成摘要、待办清单等功能，所有数据本地处理以保障隐私安全。它会根据用户的上下...
Qwen3-VL Cookbooks – 阿里推出的多模态任务开发指南，支持多种应用场景
Qwen3-VL Cookbook是一份为开发者准备的多模态实践指南，涵盖从文档解析到视频理解的各类应用场景。核心能力包括万物识别、文档解析、OCR+关键信息提取、视频理解、智能体控制和空间理解3D定...
UserLM-8b – 微软开源的用户对话模拟模型，支持生成多种用户话语
userlm-8b 是由微软发布的一款专注于模拟对话中“用户”行为的语言模型，与传统扮演“助手”角色的模型不同。该模型基于大量真实对话数据进行训练，能够生成贴近真实用户表达方式的对话内容。具备生成用户...