SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型，突破传统密集型模型的限制
抖音SAIL团队与LV-NUS Lab联合推出的多模态大模型SAIL-VL2。它能高效地将视觉输入对齐到语言模型的表示空间。整个系统由三个核心部分组成：视觉编码器SAIL-ViT、视觉-语言适配器和大...
排序
xLLM – 京东开源的智能推理框架，实现5倍效率提升和90%成本优化
京东正式开源其自研大模型推理引擎xLLM。据悉，该引擎基于国产芯片深度优化，是一款专注于大模型高效推理的基础软件。xLLM在内部多场景应用中实现的5倍效率提升和90%成本优化，已经强有力地证明了其技术...
Vidi2 – 字节跳动推出的多模态视频理解与生成模型，自动剪辑、智能分镜、智能字幕等多种功能
字节跳动推出的视频理解模型Vidi2，通过精准捕捉与识别，在基准测试中取得了显著领先成绩，尤其适用于长视频处理。Vidi2引入了新的基准测试VUE-STG和VUE-TR-V2，以更好地评估STG能力...
Navos – 钛动科技推出的首款出海营销AI Agent，覆盖出海营销的策划、投放、数据分析等全链路
钛动科技推出的Navos是全球首个营销AI Agent，专为中国品牌出海设计，整合市场洞察、创意生成、广告优化等功能，通过多智能体架构提升营销效率。Navos不只是一个通用语言模型，更是一位深谙出海营...
可灵O1 – 可灵AI推出全球首个统一多模态视频生成模型，轻松生成和编辑视频内容。
全球首个大一统的多模态视频、图片创作工具“可灵O1”正式上线。模型通过创新的多模态视觉语言（MVL）架构，实现视频生成、编辑与理解的无缝融合。可灵O1基于全新的视频和图像模型，以自然语言作为语义骨架...
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...
LangExtract – 谷歌开源的结构化信息提取工具，能从非结构化文本中高效提取结构化信息。
LangExtract 是一款高精度信息抽取工具，本质是一个开源Python库，利用大型语言模型，从长文档中自动提取结构化信息，并且提供可视化来源定位。谷歌开源的 LangExtract 则利用大模型...
A2UI – 谷歌开源Agent生成用户界面的声明式协议，支持定制化
a2ui（agent-to-user interface）是谷歌推出的开源协议，专为ai agent与用户界面之间的高效、安全交互而设计。核心是让AI生成“界面描述数据”，而非可执行代码，客户端通过预...
GitHub推出–Agent HQ 集成AI智能体平台，助你快速打造专业级智能体
GitHub 推出Agent HQ，将 AI 编程助手彻底整合进平台，让开发者能像管理团队一样指挥多个 AI 代理。这是首款突破原生界面限制、直接嵌入编辑器的合作伙伴智能体，其核心目标是统一管理各类 ...
混元图像2.1 – 腾讯开源的文生图模型，支持2K分辨率的图像生成
腾讯Hunyuan团队正式开源HunyuanImage2.1，该模型支持原生2048x2048分辨率输出，并显著提升文本生成能力，尤其在双语（中英）支持和复杂语义理解上表现出色。该模型增强了语义一致性...