大模型

DeepSeek V3.1正式发布：长文档分析、代码理解能力大幅增强，R2仍需等待 近日，DeepSeek发布了其全新的V3.1版本，带来了多项重要的功能提升，尤其在上下文长度、推理任务的处理...

在动漫制作流程中，绘制与上色一直是最耗时的环节。如今，基于生成式 AI 的创新工具 ToonComposer 为创作者带来了全新的解决方案。只需提供 一张草图和一帧彩色图像，系统即可自动生成完整的...

今天凌晨，Qwen 正式发布 Qwen-Image-Edit —— 这是 Qwen-Image 的图像编辑版本。新模型基于 200 亿参数的 Qwen-Image 模型 进一步训练，将其独特的 文...

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 AI 生成视频领域可谓热闹非凡，各类工具如雨后春笋般不断涌现。今天，Tomda 用心梳理了...

OmniPart：可解耦3D建模新技术 香港大学、哈尔滨工业大学与浙江大学联合推出了 OmniPart 技术，这一成果为 3D建模领域 带来了重要突破。OmniPart能够实现 3D模型部件的...

阿里推出WebWatcher：多模态深度研究智能体 阿里巴巴自然语言处理团队正式推出了 WebWatcher，这是一个 开源的多模态深度研究智能体。该智能体旨在突破现有闭源系统和开源Agent...

AudioGenie横空出世：重新定义AI音频生成 腾讯正式发布 AudioGenie，这是一款具备 多模态音频生成能力 的AI工具，能够根据 视频、文本、图像 等多模态输入，一键生成 电影级...

香港大学开源OpenCUA框架：打造个性化智能助手 香港大学联合多家机构开源了 OpenCUA 框架，旨在帮助开发者构建个性化的 计算机使用智能体（CUA），提升用户工作效率。该框架通过提供丰...

Meta发布DINOv3：自监督学习的AI视觉突破 Meta AI 最近开源了 DINOv3，这是新一代的通用 图像识别模型，基于 自监督学习，无需人工标注即可实现卓越的性能，标志着AI视觉技...

腾讯云发布CloudBase AI CLI：提升开发效率，减少编码量 腾讯云推出了 CloudBase AI CLI，一款深度集成云开发平台的 AI命令行工具。该工具旨在为开发者提供更高效、便...

昆仑万维推出Mureka V7.5与MoE-TTS语音模型：AI音乐与语音合成的新突破 2025年8月15日，昆仑万维集团 在 SkyWork AI技术发布周 上发布了 Mureka V7.5...

快手可灵2.1模型发布：提升视频创作体验 快手推出了 可灵2.1模型，新增了 首尾帧功能，显著提升了视频生成的效果与流畅度。该模型在动态表现、语义理解和生成效率等方面都有明显的提升，尤其是在 ...

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...

谷歌推出基于Gemini的AI图像编辑功能：优化背景替换与扩展 谷歌近日推出了基于 Gemini 技术的两项新 AI图像编辑功能，专为 Google Slides 和 Vids 设计。这些功能...

智元机器人发布Genie Envisioner平台：开创机器人操控新模式 智元机器人于上海发布了 Genie Envisioner（GE） 平台，这一平台通过整合 未来帧预测、策略学习 与 仿...

Kimi K2模型即将推出全球版PPT生成功能 Kimi K2模型 以其强大的性能和开源特性，在人工智能领域取得了显著成就。作为Kimi的最新成果，K2模型不仅在多个AI任务中表现出色，还将推...

字节跳动发布M3-Agent-Control：高性能AI模型 字节跳动最新推出的 M3-Agent-Control 模型，基于 Qwen 3 32B 训练，拥有 328亿参数，采用 BF16张...

Nano-Banana：超越FLUX Kontext的图像编辑新突破 Nano-Banana 模型在图像编辑领域表现出色，特别是在 角色还原、场景重构 和 图像融合 等关键技术上，超越了 FL...

腾讯混元推出Hunyuan-GameCraft：游戏视频生成框架 腾讯混元团队推出的 Hunyuan-GameCraft 是一款基于 HunyuanVideo底模 的 高动态交互式游戏视频生成...

DeepSeek-R2模型发布计划被否认 关于 DeepSeek-R2模型 的8月发布计划，官方已经进行了明确的否认。此前有传言称，DeepSeek-R2 模型将于 8月15日至30日 之间发...

腾讯混元Large-Vision：全新多模态理解突破 腾讯混元团队近日发布了 Large-Vision，这是一款采用 MoE（Mixture of Experts） 架构的全新 多模态理解模型...

Skywork UniPic 2.0正式开源 昆仑万维集团在 SkyWork AI技术发布周 正式宣布开源Skywork UniPic 2.0，该模型融合了轻量化生成与编辑模块以及多模态理解联...

昆仑万维近日开源了Matrix-3D大模型，这是一个能够由单张图像生成360°可漫游全景视频的AI系统。与以往依赖多视角采集的3D重建方法不同，Matrix-3D仅需一张输入图片，即可生成轨迹一致...

全球首发的DiT大模型字幕擦除技术 字节跳动近日推出了全球首个基于 DiT（Diffusion Transformer）大模型 的视频字幕无痕擦除方案，在视频后期处理和跨语言内容分发领域实现了...

360智脑Light-IF系列模型正式发布 360智脑近期推出了全新的Light-IF系列模型，该系列以“预览-自检式推理+信息熵控制”框架为核心，针对当前大语言模型在复杂任务中常见的“懒惰推...

阿里巴巴集团高德地图与通义实验室联合发布全球首个AI原生地图，推出全新的智能体“小高老师”。该智能体实现了全链路语音交互与复杂任务推理导航，为用户提供更加智能和便捷的导航体验。 小高老师智能体...

阿里达摩院在世界机器人大会上宣布开源三项自研核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及机器人上下文协议RynnRCP。这一举措旨在推动数据、模型与机器人本体的兼...

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...

Kitten TTS是一款开源的轻量级文本转语音模型，其参数量仅为1500万，体积小于25MB，非常适合在各种设备上进行部署。该模型不仅支持无GPU运行，还能够在普通的CPU上实现高质量语音合成...

苹果公司近日宣布，ChatGPT-5将集成至即将发布的iOS 26系统中。这一更新将显著提升Apple智能设备的性能，并带来一系列全新功能，包括实时翻译和内容搜索优化等。用户无需OpenAI账户即...

微软宣布，Windows 11和Windows 10中的Copilot应用现已全面支持GPT-5智能模式，用户无需更新即可启用该功能。与ChatGPT相比，Copilot的使用限制更加宽松，进一步...

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...

昆仑万维集团正式发布了基于DiT视频扩散模型的SkyReels-A3，该模型通过音频驱动数字人创作，能够将静态图像或视频中的人物根据语音内容进行动态表演，包括开口说话和唱歌。SkyReels-A3...

在线生成风格化图案工具是一款功能强大的图像转字符艺术工具，用户只需上传图像，便可将其转化为具有风格化效果的字符图案。该工具提供了三种不同的配色风格，支持字符、颜色、颗粒度等多种设置，帮助用户创造出...

HiPixel 是一款专为 macOS 用户打造的 AI 图像超分辨率处理工具。这款应用程序使用 SwiftUI 构建，并集成了强大的 Upscayl AI 模型，可以帮助用户将低分辨率的图像提升...

阿里云近日宣布，旗下的AI编程智能体 Qwen Code现已提供每日2000次免费运行权限，并且无需 Token 限制。此举为中国大陆用户提供了更加灵活且高效的AI编程支持，让开发者能够利用AI智...

微软近期在其Edge浏览器中推出了一个新的实验性功能——Copilot模式，标志着Edge浏览器从传统的网页浏览器，逐步转变为一款智能AI原生浏览器。该功能通过集成人工智能技术，能够为用户提供更加智能...

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...

百度宣布计划在2025年8月底前推出全新的推理模型，并同步发布升级版文心5.0大模型。这一举措旨在应对不断加剧的AI市场竞争，同时进一步提升用户体验与产品性能。 核心亮点 ? 全新推理模型...

Cursor近日正式发布CLI版本，为开发者带来一种全新的命令行AI编程体验。这款工具的推出，意味着在没有图形界面的环境中，例如远程Linux服务器、Docker容器或云端开发平台，开发者也能流畅...

北京时间凌晨 1 点，OpenAI 正式发布全新旗舰模型 GPT-5 —— 迄今为止最智能、最快速、最实用的 AI 系统。它首次引入 内置思维能力，将“专家级智能”普及到每一位用户手中。 颠覆...

国产AI大模型Seko：一分钟创作爆火短视频，解锁视频创作新体验 你能想象吗？仅凭一个创意想法，就能快速生成最近爆火的短片？这正是商汤科技旗下的国产AI大模型Seko所带来的创新——只需简单的...

FlowSpeech：全球首个书面语转口语的TTS，打造更自然的语音体验 FlowSpeech是一款创新的AI文本转语音（TTS）工具，突破了传统TTS技术的局限，能够将书面文字自然流畅地转化...

腾讯开源WeKnora，重塑文档理解与知识管理 腾讯近日正式开源了WeKnora，一款基于大语言模型的文档理解与检索工具。WeKnora能够智能解析多种格式的文档（如PDF、Word、图片等...

MiniCPM-V4.0开源发布：移动设备上的GPT-4V，轻量级多模态大模型 MiniCPM-V4.0作为一款轻量级多模态大模型，凭借卓越的性能和优化设计，在图像、视频理解和多轮对话等任务中...

Cursor 1.4版本正式发布，聚焦异步长程任务，加速大型代码库自动化进程 Cursor 1.4版本的发布标志着其在AI驱动开发工具领域的进一步领先。该版本通过增强异步任务和长程任务处理能力...

Midjourney推出全新HD视频模式，提升专业视频生成质量 Midjourney近日推出了全新的HD视频模式，为专业用户提供了更高清、更高质量的视频生成工具。与传统的SD模式相比，HD模式...

MiniMax Speech 2.5语音生成模型上线：多语种表现力更强 MiniMax发布了新一代Speech 2.5语音生成模型，该模型在多语种表现力、音色复刻和语种覆盖范围等方面实现了显著...

小红书发布开源多模态大模型dots.vlm1，NaViT视觉编码器引领行业发展 小红书Hi Lab近日发布了全新的开源多模态大模型dots.vlm1，该模型结合了NaViT视觉编码器和Deep...

阿里发布Qwen3-4B系列模型：小型语言模型突破，移动端AI应用迎来新纪元 阿里巴巴通义千问团队近日发布了全新的Qwen3-4B系列模型，该模型在小型语言模型领域取得了显著突破，为移动端AI...

百度智能云发布全球首批AI数字员工，赋能企业核心业务 在百度智能云AI Day开放日活动中，百度推出了全球首批AI数字员工。这些数字员工依托百度的AI全栈能力，涵盖多个核心业务职能，包括营销经...

Claude Opus 4.1重磅升级，编程能力达到74.5%新高 随着人工智能的不断发展，各大AI系统在各个领域中的表现也在不断提高。近日，Claude Opus 4.1发布了重要升级，特别...

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...

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...

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...

阿里通义千问近日开源了全新的文生图模型——Qwen-Image。该模型在文本渲染和图像编辑领域展现了巨大的技术突破，特别是在生成宫崎骏风格动漫场景和中文对联书法效果等方面，表现尤为出色。Qwen...

腾讯旗下的AI知识管理工具ima近日推出了多项新功能，旨在进一步提升用户的知识获取和管理体验。全新功能包括AI播客生成、文件夹一键导入、Xmind脑图导入及知识库内容置顶等，全面优化了用户在日常工...

音频理解是构建全场景智能生态的关键领域，在智能座舱、家居交互等场景均有广泛应用，是小米“人车家全生态”战略的核心技术组件。2024 年，小米发布的 Xiaomi Dasheng（https://git...

我们很高兴开源 Qwen-Image，一个20B的MMDiT模型。这是通义千问系列中首个图像生成基础模型，其在复杂文本渲染和精确图像编辑方面取得了显著进展。 Qwen-Image的主要特性包括： ...

昆仑万维近日发布并开源了最新的推理大模型——Skywork MindLink。该模型凭借创新的推理框架和独特的设计理念，在多个领域中展现了出色的推理能力，尤其在多轮对话和复杂任务处理方面，取得了显...