发现

自字节跳动和香港大学的研究团队推出了 Mini-o3，一个旨在复现OpenAI强大但未公开的o3模型能力的开源系统。Mini-o3的核心目标是扩展模型与工具的交互能力，使其能够执行长达数十步的深度推理...

蚂蚁技术研究院正式推出LLaDA2.0系列离散扩散大语言模型（dLLM），并同步公开技术报告。LLaDA2.0 包含 MoE 架构的 16B (mini) 和 100B (flash) 两个版本，打破...

谷歌发布的一款 ai 驱动 自动化工具Workspace Studio，支持用户通过自然语言描述即可创建、管理和分享 AI 智能体（AI Agents）的新工具，通过自动化实现简化工作流程。支持智能任...

随着科技的飞速发展，越来越多的技术工具涌现出来，LensGo凭借其强大的功能和简洁的操作界面，受到了广大用户的青睐。用户可以轻松实现图像的编辑、优化、分享等操作，提升工作效率和创作体验。允许用户通过简...

Meta 推出了 WorldGen，这是一种端到端系统，可仅凭单条文本提示词，自动生成可交互、可导航的三维世界，不仅具备高度沉浸感，更支持用户真正步入其中、自由探索。WorldGen 融合了程序化逻辑...

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...

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...

上海交通大学的研究团队推出了一种名为 SceneGen 的新颖框架，在这一领域取得了突破性进展。它以一张场景图像和图中物体的分割掩码作为输入，能够在一次前向传播中，同时生成场景内多个3D资产的几何、纹...

TapNow 是一个多功能平台，提供AI精准控制生图与生视频功能，支持涂鸦生图、涂鸦生视频及姿势控制。用户可上传图片并标注区域，通过英文提示词实现多主体交互、添加特效（如蓝色火焰）或修改背景。它能指代...

近日，中国科学院自动化研究所科研团队成功研发出首款类脑脉冲大模型SpikingBrain-1.0。SpikingBrain-1.0在多个性能方面实现突破：实现极低数据量高效训练、实现推理效率数量级提升...