Kaleido – 智谱AI开源的多主体视频生成框架，支持多张参考图像和文本提示进行视频生成
智谱开源团队联合合肥工业大学和清华大学提出了一种名为Kaleido的开源多主体参考视频生成框架，旨在解决现有开源S2V模型在多主体场景中保持一致性及背景解耦的难题。利用深度学习和计算机视觉技术，能够生...
排序
DeepSearchQA – 谷歌开源的AI研究Agent测试基准，精准衡量智能体在真实研究场景中的综合能力
谷歌开源全新网络研究智能体基准DeepSearchQA，成为AI界对抗GPT-5.2的爆款工具。涵盖17个领域的900项人工设计的因果链任务，其中每个步骤都依赖于先前的分析。首次引入过程性评估指标，通...
GWM-1 – Runway推出的首个通用世界模型，实时生成和模拟虚拟世界
Runway推出首个通用世界模型GWM-1，采用自回归式建模方式，按帧顺序预测视频内容，具备实时响应与交互能力。其核心理念在于让AI系统在内部构建一套对现实世界运行机制的完整模拟。这就好比让计算机拥有...
Gemini Deep Research – 谷歌推出的深度研究Agent，能深入复杂信息环境中获取精准数据
谷歌推出Gemini Deep Research深度研究智能体，基于Gemini 3 Pro构建，专为长周期内容收集与综合任务优化打造，其幻觉率较此前模型降低40%，是谷歌迄今“最具事实性”的智能模型...
GPT-5.2 – OpenAI最新推出的通用AI模型系列，能高效处理长文档，支持端到端工作流
OpenAI正式推出其迄今最强模型GPT-5.2，专为专业工作和复杂任务设计。在通用智能、长文本处理、智能体工具调用和视觉等方面得到显著提升。在制作电子表格、制作演示文稿、图像感知、编写代码以及理解长...
Qwen3-Omni-Flash – 阿里通义推出的全模态大模型，支持119种文本语言、19种语音识别语言和10种语音合成语言
qwen3-omni-flash（qwen3-omni-flash-2025-12-01）是阿里巴巴qwen团队全新发布的全模态大语言模型。可实现文本、图像、音频和视频的无缝输入与同步输出。模型支持1...
GLM-TTS – 智谱开源的AI文本转语音模型，支持多种方言和特殊语音的合成
智谱正式发布工业级语音合成系统 GLM-TTS，只需录音3秒，或者上传3秒-10秒的录音文件，即可快速克隆你自己的声音。在通用朗读、情感配音、教育评测、电子书、有声客服等场景中，实现自然流畅、贴近真人...
GLM-ASR – 智谱开源的语音识别系列模型，模型能将语音实时转换为文字
GLM-ASR是由智谱AI开发的开源语音识别模型系列，结合了自然语言处理（NLP）和语音识别（ASR）的先进技术。不仅可以实现精准的语音转文字，还可以在输入法中直接调用大模型能力，完成翻译、改写、情绪...
Devstral 2 – Mistral AI开源的新一代编程模型系列，支持在大型代码库中进行复杂的代码修改和重构
Mistral AI 推出新一代编程模型家族 Devstral 2，支持端到端自动化编程，相比参数规模更大的闭源模型，其成本效率高达7倍以上，特别适合大规模自动化编码任务，其核心优势在于支持跨文件协同...
CyberCut – 快手StreamLake推出的AI视频剪辑工具，提升视频创作效率
快手推出 CyberCut ——一款面向短视频创作者的 AI 视频剪辑工具，专为创作者和营销团队设计。它通过智能规划、自动化剪辑和文本驱动编辑，帮助用户提升内容生产效率，尤其适合电商、营销、直播切片等...