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...
排序
ViMax – 港大开源的多智能体视频生成框架，导演、编剧、制片人和视频生成器
ViMax 是一个多智能体视频生成框架，支持自动化多镜头视频生成，并确保角色与场景的一致性。该框架集导演、编剧、制片人和视频生成器功能于一体，支持多种模式生成分钟级长视频，保持人物与场景一致性。ViM...
FLUX.2 – Black Forest Labs开源的AI图像生成与编辑模型，支持同时参考多达10张图片
视觉智能实验室 Black Forest Labs 推出了其新一代图像生成模型 FLUX.2，该模型专为实际创作工作流程设计。该模型在细节生成、风格一致性、文本渲染和复杂指令遵循方面均有显著提升。模...
零一万物联合开源中国发布–Open AgentKit 平台，支持高效架构设计和协作，快速搭建复杂的Agent系统。
零一万物与开源中国联合发布的Open AgentKit（OAK）平台，一款专为开发者打造的AI Agent一站式开发开源解决方案。该平台支持对接多种开源大模型，旨在与全球开发者共同打造一款开放、通用的...
全球 首个AI原生社交平台 –焦圈儿，分支追问 与 “一键复刻” 两大核心功能
全球首个AI原生社交平台——“焦圈儿” 正式亮相。通过其首创的 “分支追问” 与 “一键复刻” 两大核心功能，首次将“群体智慧”引入人机交互过程，标志着AI应用从“工具能力竞赛”迈入“使用效率革命”的...
AI Research Foundations – 谷歌与UCL联合推出的AI研究基础课程，手把手教你如何构建和微调技巧。
谷歌与伦敦大学学院（UCL）合作推出的“AI研究基础”（AI Research Foundations）课程是一套免费的、面向大学水平的学习资源，旨在通过实用的、专门构建的内容，赋予学习者进行高影响力...
LongCat-Flash-Omni – 美团开源的实时交互全模态大模型，支持文本、语音、图像和视频的多模态输入与输出
美团正式发布LongCat-Flash-Omni，业界首个实现全模态覆盖、端到端架构、大参数量高效推理于一体的开源大语言模型。，LongCat-Flash-Omni 在全模态基准测试中达到开源最先进水...
SWE-1.5 – Cognition 推出的高性能AI编程模型，支持多轮交互式编程
SWE-1.5 是由 AI 编程公司 Cognition 推出的最新高性能 AI 编程模型，其模型本身、推理过程与智能体框架经过协同设计，共同构成一个统一系统，以此同时实现高速与智能。旨在为软件工程任...
Game-TARS -字节跳动推出的通用型游戏智能体，提升任务完成率和交互智能
字节跳动Seed团队打造的通用型游戏智能体Game-TARS，打破了传统游戏AI的局限。Game-TARS的核心创新，就是彻底抛弃了这种定制化思路，让AI像人一样通过最底层的键盘和鼠标动作与游戏交互...
LTX-2 – Lightricks推出的AI视频生成模型，推理效率比前代模型快2 – 3倍
Lightricks推出开源AI视频模型LTX-2，支持原生4K分辨率与同步音频生成。LTX-2模型采用原生4K生成技术，无需后期放大即可输出50fps高帧率视频，生成速度超越播放速度，实现"6秒视频...