大模型

点击蓝字关注我? 一个爱代码的设计师在运营,不定时分享干货、学习方法、效率工具和AIGC趋势发展。个人网站：tomda.top 最近刷遍各大社交平台的 AI 手办模型（上一篇文章），是不是让你...

在人工智能领域，多智能体系统的协作能力一直是一个备受关注的研究方向。京东近日开源了JoyAgent-JDGenie框架，并在GAIA基准测试中以75.15%的准确率位居领先，展示了其强大的多智能体...

近日，国产大模型公司 MiniMax 宣布已通过 港交所上市聆讯，有望成为首家登陆资本市场的国产大模型企业。这一消息不仅标志着大模型企业在资本市场迈出重要一步，也引发业内对于 大语言模型与多模态生...

月之暗面发布Kimi-Dev-72B开源模型，打破编程基准记录，现已在Hugging Face和GitHub提供下载 月之暗面（MoonshotAI）再次引领了开源AI技术的前沿，推出了全新开源编程模...

苹果最近发布了其最新的多模态 AI 模型 UniGen 1.5，在图像处理领域实现了重大的突破。UniGen 1.5 将 图像理解、生成与编辑功能 集成于一体，并通过创新的“编辑指令对齐”技术，显...

在 AI 技术狂飙突进的当下，"安全增强必损性能" 已成为行业公认的两难困境 —— 传统大模型为提升有害信息防御能力，往往需牺牲 15%-30% 的通用推理性能，这种取舍严重制约了 AI 在金融...

IBM推出Granite-Docling-258M：高效文档AI模型提升文档转换精度 随着文档处理需求的不断增加，如何高效、准确地将文档内容转化为机器可读的格式成为许多行业的重要任务。为了解决...

科大讯飞正式发布了全新一代星火 X1.5 大模型，标志着中国AI产业在国产算力与智能算法融合方面迈出了关键一步。星火 X1.5在多语言处理、计算效率与模型精度上实现全面提升，不仅性能对标国际主流模...

豆包App在视觉推理领域实现了重大的功能升级，推出了全新的深度思考模式，使得其图片分析功能更加智能、精准。这个更新不仅提高了图片搜索的准确性，还能够帮助用户对图片中的细节进行更精细的处理和分析，带...

通义千问（Qwen）正式发布了其全新的机器翻译模型——Qwen-MT，该模型基于 Qwen 3 架构开发，旨在提供快速、精确且低成本的多语言翻译服务。Qwen-MT 支持 92种语言互译，覆盖全球...

稀宇科技推出视频生成模型Hailuo02，降门槛提升创作质量 稀宇科技自豪地推出了其全新的视频生成模型Hailuo02，这一创新性模型基于Noise-aware Compute Redistribut...

作为昆仑万维 “算力基础设施 — 大模型算法 —AI 应用” 全产业链布局的重要一环，其旗下 AI 音乐创作平台 Mureka 近日正式推出「Agent Studio」功能，进一步降低音乐创作门槛...

Open AI正式发布了其最新的GPT-5模型，并推出了官方的提示词指南，为开发者和用户提供了一整套优化策略。这些策略帮助用户充分挖掘GPT-5的潜力，在复杂任务、编程和多模态交互方面取得更高的效...

在人工智能领域，月之暗面的最新发布——Kimi K2大语言模型，无疑是一次重磅的技术突破。这款模型的参数规模达到1万亿，结合创新的混合专家架构，展现了强大的计算能力与智能体执行能力。最令人瞩目的是，K...

英伟达（NVIDIA）研究团队近日正式发布了全新的语音对语音对话模型 PersonaPlex-7B-v1。该模型以全双工（Full-Duplex）语音交互为核心设计目标，通过端到端 Transfo...

OpenAI再次推出开源模型，发布了两款突破性的GPT-oss系列大模型，即GPT-oss-120b和GPT-oss-20b，为AI领域带来了巨大的创新和发展潜力。这两款模型不仅在性能上与现有...

智谱公司近日推出了全新的开发效率工具——Zread.ai，该工具基于最新的GLM-4.5大语言模型，旨在帮助开发者更高效地理解代码结构、生成技术文档，并提升团队协作效率。作为一款集成了先进AI技术...

随着语言学习工具的不断发展，WordPecker脱颖而出，成为基于人工智能的创新语言学习平台。借助**LLM（大语言模型）和TTS（文本转语音）**技术，WordPecker不仅提供了个性化的词汇...

一、文心ERNIE-5.0-0110正式发布：多模态与推理能力全面提升 百度正式推出全新大语言模型 ERNIE-5.0-0110，该版本在多项国际权威评测中表现卓越，尤其在数学推理与计算能力方...

为什么"深度搜索"与众不同？ 关键技术突破 语义理解层： 采用深度神经网络对用户query进行多维度解析 支持复杂长句、隐含意图的精准识别 实现上下文关联理解 知识图谱构建： 整合超过10亿级别的实体...

Adobe发布全新Firefly AI平台 打造创意设计新范式 全球创意软件巨头Adobe近日正式推出新一代Firefly平台，通过深度整合OpenAI和Google的先进AI模型，为Creative...

一、Midjourney Niji 7：动漫AI创作的又一里程碑 AI绘画领域正快速发展，而在动漫与插画风格生成方面，Midjourney 一直处于领先地位。全新的 Niji 7 模型，是Mi...

随着人工智能（AI）技术的持续进步，AI在各个领域的应用已经不仅仅局限于传统的对话助手。近期，月之暗面Kimi开放平台发布了Kimi Playground，这标志着AI技术的一个重要进化——从单纯...

Adobe 和谷歌这波联动，直接把 AI 修图的期待值拉满！ 官方确认，谷歌全新图像 AI 技术 “Nano Banana”（正式名Gemini 2.5 Flash Image），即将作为可选工具登陆...

在当今信息爆炸的时代，高效、准确的文本处理成为各行业的关键需求。八斗智能通过大规模神经网络语义理解模型，凭借其领先的预训练技术和多行业知识库迁移学习，为企业在处理大规模文本数据时提供了强有力的支持。 ...

Hugging Face近期发布了其最新的小型开源模型——SmolLM3，该模型具有30亿参数，在性能上超越了同类开源模型如Llama-3.2-3B和Qwen2.5-3B。SmolLM3不仅支持多语言...

阿里通义 Qwen3-ASR-Toolkit：开源音视频转录工具新选择 阿里通义 Qwen 团队近期推出的 Qwen3-ASR-Toolkit，是一款基于 Python 命令行开发的开源音视频...

在求职过程中，我们常陷入 “思路单一”“忽略风险”“犹豫不前” 的困境 —— 比如只盯着 “大厂光环” 忽略适配性，简历优化只关注内容却没考虑 HR 视角，拿到 offer 却纠结到错过截止日期...

智谱公司宣布推出并开源了全球100B级效果最佳的视觉推理模型——GLM-4.5V。该模型是智谱在通向通用人工智能（AGI）道路上的又一重要探索性成果。GLM-4.5V总参数达到106B，并在41个...

美团正加速推进AI战略布局，旗下AI编程工具“NoCode”即将上线，定位于“Vibe Coding”赛道，通过对话式交互实现应用构建，面向非程序员用户，致力于让每个人都能用自然语言轻松开发、部署和修...

[项目主页直达：https://matrix-game-homepage.github.io] 中国AI技术研发迎来重要节点——昆仑万维集团正式宣布开源Matrix-Game大模型体系，标志着全球首个...

全面升级的GPT-4.1系列模型 OpenAI最新发布了GPT-4.1系列，包含三个不同定位的版本：全功能的GPT-4.1旗舰版、轻量级的GPT-4.1 mini和高效经济的GPT-4.1 nano...

谷歌放大招！Gemini CLI开源发布，免费提供AI编程助手挑战Cursor 在AI开发工具日益激烈竞争的背景下，谷歌再度出手，正式开源发布了全新的Gemini CLI。作为一款面向开发者的强大AI...

> DeepSeek 官方刚刚发布通知：R1 模型已完成小范围版本升级。 > 目前已在官方网站、APP 及小程序（开启深度求索）开启测试体验。 > 由于官方模型卡尚未更新，本次升级的...

腾讯混元SRPO技术：提升AI图像质量与真实感 在人工智能图像生成领域，如何让生成的图像更加真实且细腻，尤其是在人物皮肤质感的呈现上，一直是技术发展的难题。为了应对这一挑战，腾讯混元团队与香港...

阿里巴巴集团开源发布MNN TaoAvatar，将高保真3D虚拟形象和实时交互能力引入移动设备，为直播、虚拟社交、AR应用开创无限可能。 ? 核心亮点 ✨ 真3D虚拟角色 实时生成与驱动 手机上流畅运...

在2025年Build大会上，微软重磅宣布：Visual Studio Code（VS Code）将转型为全球首款开源AI编辑器，并将GitHub Copilot Chat扩展完全开源。这一举措不仅彰...

百度近日发布了其最新的AI平台——“绘想”，并推出了其新产品MuseSteamer。这一平台依托于生成式AI与多模态技术，提供了一个全面的视频生成解决方案，特别适用于搜索、广告等多个场景。更为重要的是...

作为一名游戏美术设计师，我对腾讯混元游戏视觉生成平台的上线感到非常兴奋。这一平台依托混元大模型打造，将AI技术深度融合进游戏美术创作流程，极大提升了内容生产的效率和创意空间。 官方网址：? https...

1月15日，千问App正式宣布全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务，并在全球首次实现点外卖、买东西、订机票等AI购物功能。 这一动作标志着千问App已经超越了传统意义上的“聊天机器...

谷歌 Mixboard：AI 驱动的创意设计工具新选择 谷歌近期推出的 Mixboard，是一款聚焦 “情绪板创建” 的实验性 AI 工具。不同于传统设计工具对专业技能的高要求，它以 “降低创...

随着人工智能技术的不断演进，3D 内容生成开始进入更广泛的应用场景。2025 年 6 月，腾讯正式对外开源 混元3D 2.1 大模型，为游戏、美术、电影、电商等行业带来了更高质量的 3D 创作体验。本...

Kling 2.6 发布：原生音频加入、10秒1080P输出，AI视频全面迈入有声时代 随着 AIGC 视频技术不断进步，AI 视频创作从静态走向动态，再从无声迈向“可听”。在 Omni 生态周的首个...

今天，在2025世界人工智能大会腾讯论坛上，腾讯正式发布混元3D世界模型 1.0，并全面开源。 这是业界首个开源可沉浸漫游、可交互、可仿真的世界生成模型，为游戏开发、VR、数字内容创作等领域带来了...

百度飞桨团队正式发布PaddleOCR 3.0，带来全新一代的文字识别与文档解析能力。新版本在OCR精度、多语种与手写体识别、文档结构解析等方面实现重大突破，并新增对国产硬件的支持，进一步推动AI文档...

Photoshop作为全球最受欢迎的图像编辑软件之一，随着生成填充功能的扩展，进一步增强了其创作的灵活性和精准度。通过引入Google的Gemini 2.5 Flash Image（Nano Ba...

随着人工智能技术的不断发展，AI视觉生成领域迎来了重要的突破。Wan2.5-Preview的发布标志着AI视觉生成技术迈向了一个全新的阶段。该版本不仅提升了图像和视频生成能力，还实现了多模态输入...

在FORCE原动力大会上，火山引擎重磅推出豆包大模型1.6和Seedance1.0pro视频生成模型，开启AI云原生全栈服务新时代！ ? 豆包大模型1.6：性能升级，价格更亲民 ? 统一定价模式 价格...

多模态大模型的演进正在不断突破我们对技术边界的认知。从最初的 Qwen-VL 到如今的 Qwen2.5 -VL，我们在提升模型对图像内容的理解能力方面取得了一些进展。今天，我们正式推出 Qwen VL...

在人工智能模型持续迭代发展的当下，长文本处理效率与数据利用效能一直是行业内亟待攻克的难题。近期，中国科学院自动化研究所的李国齐、徐波团队成功推出全球首款大规模类脑脉冲大模型 SpikingBrai...

在 ima Open Day 活动上，腾讯正式发布了全新升级的 ima 2.0 版本。此次升级使 ima 从一个简单的搜索问答工具，变成了一个能够理解复杂任务并自动拆解执行的智能伙伴。新增的 ‘任...

昆仑万维发布Skywork Deep Research Agent v2：提升信息处理与用户体验 昆仑万维发布了 Skywork Deep Research Agent v2，该版本显著增强了...

近日，北京人形机器人创新中心宣布推出全球首个人形机器人Humanoid Occupancy视觉感知系统，这一技术突破标志着在机器人感知能力方面的重大进展。通过引入语义占用表征技术，该系统能够精准建...

Kimi K2 高速版的发布标志着该款产品在性能上的一次重要飞跃。在保持与原版相同参数的基础上，Kimi K2 高速版的输出速度实现了显著提升，从每秒10 Tokens提升至每秒40 Tokens...

点击蓝字关注我👆 一个爱代码的设计师在运营,不定时分享干货、学习方法、效率工具和AIGC趋势发展。个人网站：tomda.top 今天，弄一篇详细的白嫖Gemini 3 Pro 学生优惠教程。 成功解锁...

随着人工智能技术的迅速发展，AI写作工具已成为提升创作效率和文本质量的重要工具。从学术论文到广告文案、小说创作，再到SEO内容生成，AI写作工具为不同需求的用户提供了便利。本文将为您推荐几款功能强大的...

近日，我们通过 Qwen API 更新了 Qwen-TTS ( qwen-tts-latest or qwen-tts-2025-05-22 ) 的最新版本。此次，Qwen-TTS 新增支持生成三种中...

随着 AIGC 视频生成技术的快速发展，越来越多的创作工具开始加入高阶视频模型，提升用户的内容生产体验。近日，千问APP正式接入万相 Wan2.5 模型，其视频创作能力迎来全面升级，不仅支持音视频...

在当前的AI生成3D模型领域，虽然模型的视觉表现令人惊艳，但却缺乏真实的物理属性，导致模型在动态交互和真实感表现上存在明显的不足。为了解决这一问题，南洋理工大学与上海AI Lab联合推出了Phys...

Qwen3 Embedding 是基于 Qwen3 基础模型训练的文本嵌入模型系列，能够将离散的、高维的符号（如文字、图片、声音等）转化为低维、连续的数字向量（Vector）的转化技术。通过捕捉不同数...