发现

可灵AI推出视频生成可灵2.5 Turbo模型，同步更新文生视频、图生视频两大功能。可灵 2.5 Turbo 最核心的突破在于文本理解能力的代际升级。与仅能处理简单指令的 2.1 版本不同，新模型可深...

mimo-v2-flash 是小米推出的开源高性能大语言模型，整体参数量达3090亿，其中每轮推理激活参数为150亿。仅用了309B的参数规模，该模型就展现出了极高的效能密度，在多项权威综合评测中均取...

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...

WebWalker是阿里巴巴通义实验室提出的一个用于提升大型语言模型（LLM）网页信息检索能力的框架，它是一个基于阿里通义大模型（通义千问）的开源框架，旨在通过对话式AI助手（Agent）来提升用户与...

talkcody 是一款开源的 ai 编程助手，旨在提升开发者在软件开发过程中的效率。支持Ollama离线模型和自定义提示，将复杂调试化繁为简。采用 Rust 和 Tauri 构建，具备原生性能和低资...

谷歌正式推出 Coral NPU，一个面向边缘人工智能（Edge AI）的开源全栈平台。旨在解决性能、碎片化和隐私这三大核心挑战，而这些挑战限制了功能强大、始终在线的 AI 技术在低功耗边缘设备和可穿...

腾讯混元团队推出了混元 3D-Omni，一个基于 Hunyuan3D 2.1 构建的统一多模态可控 3D 生成框架。该框架不仅支持图像作为输入，还可接受点云、体素、边界框与骨骼姿态等多种控制信号，支持...

Androidify是谷歌推出的一项开源计划，旨在帮助开发者深入了解如何在 android 平台上打造由人工智能驱动的应用程序。用户可以通过上传个人照片或输入文字描述，生成专属的安卓机器人形象，并自由...

腾讯发布了一个全新的开源项目——Stand-In，它是一个轻量级、即插即用的身份保留视频生成框架，不仅支持生成具有高保真度的文本到视频（Text-to-Video，T2V）内容，还能进行换脸、姿态控制...

字节开源的Humo模型支持文生视频、图生视频及音频生成视频，可结合文本、图像与音频多模态输入，并支持多图参考合成。HuMo 框架具备强大的多模态输入处理能力，可以同时利用文本、图像和音频三种信息，协同...