Qwen3-Omni – 阿里通义开源的原生端到端全模态大模型，支持119种文本语言交互
Qwen3-Omni模型的发布，标志着开源多模态人工智能领域的一个重要里程碑。该报告旨在对Qwen3-Omni进行全面深入的技术剖析，通过先进的深度学习技术，输入的视频、音频、文本直接进入核心模型，中...
排序
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...
SSVAE – 智谱AI开源的频谱结构化变分自编码器，提供快速生成视频的能力
ssvae（spectral-structured vae）是智谱ai研发的一种面向视频生成任务优化的新型变分自编码器。SSVAE 在相同生成质量下，收敛速度提升3倍，仅用1.3B参数量就超越了4B参...
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...
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...
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...
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...
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...
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...
Claude-Mem – 开源Claude Code记忆插件，开启长期记忆功能
Claude-Mem是一款智能插件，旨在为 Claude AI 提供长期记忆功能。该插件能够自动捕获在编码会话期间Claude的所有操作，通过AI进行压缩，并将相关的上下文信息注入未来的会话中，实现持...