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...
排序
GLM-OCR – 智谱开源的轻量级多模态OCR模型，仅 0.9B 参数
智谱正式发布并开源 GLM-OCR。据介绍，该模型仅 0.9B 参数规模，支持 vLLM、SGLang 和 Ollama 部署，模型基于GLM-V架构，集成自研CogViT视觉编码器与轻量跨模态连接层...
PixVerse V5.5 – 爱诗科技推出的视频生成大模型，支持音频和视频同步生成
PixVerse V5.5是爱诗科技推出的最新一代AI视频生成大模型，模型基于自研的多模态视觉语言（MVL）架构，采用Diffusion与Transformer混合设计，支持音画同步生成，简化从构思到...
商汤开源的首个实时视频生成推理框架–LightX2V ，支持多种视频生成任务
商汤开源了行业首个能实现实时视频生成的推理框架LightX2V，支持低资源部署，通过DiT蒸馏加速、轻量化 VAE、稀疏注意力等优化，实现低成本、强实时的视频生成。框架支持多种硬件部署，提供 Grad...
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...
GLM-4.6V – 智谱开源的多模态大模型系列，支持云端、本地及多种硬件环境部署
智谱正式上线并开源 GLM-4.6V 系列多模态大模型，该模型支持高达 128k tokens 的超长上下文，在视觉理解精度方面处于同规模模型的领先梯队，并首次将工具调用能力深度原生集成至视觉架构中...
Piktochart – AI设计工具，支持通过文字输入快速生成多种视觉内容
Piktochart 是一款专注于信息图表设计的在线平台，专为快速创建视觉内容设计。旨在帮助用户轻松创建信息图表、报告、演示文稿、海报、传单等视觉内容。Piktochart 提供丰富的模板和资源，适合...
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...
Seekdb – OceanBase开源的首款AI原生混合搜索数据库，支持向量、混合检索
OceanBase发布并开源其首款AI数据库OceanBase seekdb，全方位拉低AI开发门槛。seekdb支持向量、全文、标量及空间地理数据的统一混合搜索，深度融合AI推理与数据处理，并兼容H...
CWM – Meta开源的代码世界模型，自动化修复代码中的错误
Meta 刚发布的这个 CWM，是一个 320 亿参数的开放权重 LLM，以推动基于世界模型的代码生成研究。该模型通过模拟代码执行过程，不仅生成代码，还能理解代码的动态行为，预测执行结果，并具备自我调...