-
豆包·视觉理解模型：豆包推出的多模态AI大模型
豆包·视觉理解：能“看懂”图片的AI，到底有多聪明？ 豆包·视觉理解模型是字节跳动推出的一款多模态AI大模型，它的核心能力是让AI不仅能读懂文字，还能真正“理解”图片内容。你可以直接上传一张照片，它能描述画面、回答关于图片的问题，甚至能根据图片写诗或广告文案，在中文场景下的识别准确度处于行业领先水平。 官网入口：火山引擎豆包视觉理解模型（https://www.volcengine.com/pro… -
Kimi-Audio：Kimi开源的通用音频模型，支持语音识别、音频理解、语音对话等多种任务
AI音频处理新突破！Kimi-Audio开源模型：整合语音识别、音频理解与对话，支持多任务，免费商用。开发者必备，提升音频处理效率。 -
SpeciesNet – 谷歌开源的AI模型，助力野生动物识别和保护
红外相机照片识别难？SpeciesNet：谷歌开源AI模型，自动识别2000+野生动物物种，准确率92%，结合地理数据避免误判。提升保护效率，免费使用。立即了解。 -
AniSora – Bilibili开源的动漫视频生成模型，一键生成多种风格动漫视频镜头
🎬 AniSora：一键生成动漫视频的AI魔法工具箱 AniSora是哔哩哔哩（B站）推出的开源动漫视频生成模型，专门为二次元内容创作量身定制。它能够根据文本描述或单张图片，一键生成多种风格的高质量动漫视频，包括番剧片段、国创动画、漫画改编、VTuber内容和鬼畜动画等。这个模型代表了2025年动漫视频生成领域的最新技术突破，让每个人都能轻松成为动画导演。 访问AniSora官方GitHub仓库，… -
SkySense-蚂蚁集团开发的多模态遥感基础模型
SkySense++全景解读 遥感大模型的最新进化 2025年8月，武汉大学与蚂蚁集团联合推出新一代语义增强遥感大模型SkySense++，相关成果发表于国际顶级期刊《自然·机器智能》。此次升级旨在攻克遥感技术在动态地球观测中的三大瓶颈：多模态数据融合效率低、下游任务依赖大量微调数据、语义信息挖掘不足。 新模型基于11个卫星载荷的2700万组多模态遥感影像，创新采用两阶段渐进式学习策略：第一阶段通… -
荀子古籍大语言模型：让普通人也能读懂文言文的AI工具
让古籍"活"起来：这款AI工具让普通人也能读懂文言文 南京农业大学与中华书局古联公司联手打造的荀子古籍大语言模型，就像一位博古通今的智能学者。这个专攻古籍处理的AI系统，基于20亿字古籍语料训练而成，能自动完成古籍标点、翻译、诗歌创作等一系列任务，让晦涩难懂的文言文变得平易近人。 可以在GitHub和ModelScope等网站免费下载使用。 基座模型XunziALLM：http… -
Claude 3.5-Anthropic推出的新一代AI大模型
🤖 Claude 3.5是什么？ Claude 3.5 Sonnet是Anthropic在2025年AI大战中的王炸级产品，作为Claude 3.5家族的首发型号，它用中端价格干翻顶级性能——推理速度比自家上代旗舰Opus快2倍，成本却只有1/5！在编程、视觉解析、长文本处理上碾压GPT-4o，被开发者称为“性价比卷王”💥。2025年8月最新升级版已支持代码实时协作和多模态工作流，成为企业级AI的… -
-
SkyReels-V1：昆仑万维开源的AI短剧创作视频生成模型
🎬 SkyReels-V1是什么？ 昆仑万维开源的中国首个AI短剧生成神器，专攻影视级人物表演！它能精准操控角色口型、表情和动作，自带33种微表情和400+自然动作库，连“不屑挑眉”“绝望瘫坐”这种细节都能拿捏。更绝的是支持图生视频——上传一张汉服少女草图，直接输出竹林舞剑的动态片段，好莱坞级光影质感拉满。 官网直达（2025开源免费版）：skyreels.ai 🚀 核心功能：让普通人秒变AI导演… -
阅文妙笔大模型：国内首个网文大模型
网文创作进入"辅助驾驶"时代：这款AI工具让写作效率翻倍 阅文妙笔就像为网络文学作家配备了一位全天候创作助理！这是阅文集团推出的国内首个网文垂类大模型，专门为网文作者打造。通过角色生成、世界观构建、场景描写等AI辅助功能，它将创作模式从"手动写作"升级为"智能辅助"，让作家能够更专注于创意本身。 公司官网：https://www.yuew… -
ACE-Step：阶跃星辰和ACE Studio联合发布的开源音乐基础模型
AI一键生成爆款BGM？ACE-Step开源音乐模型20秒创作专业级配乐，支持中文歌词和结构精准控制。免费商用，立即体验音乐制作革命。 -
Mind GPT：理想汽车发布的多模态大模型
车载多模态认知大模型 Mind GPT是理想汽车全栈自研的车载AI系统，深度融合语音交互、环境感知与车辆控制能力。无需唤醒词即可响应全车指令，覆盖111个用车场景的千余项专属功能，实现“人车自然对话”的智能座舱体验。 车主中心入口：https://www.lixiang.com/owner 核心能力解析 1. 场景化交互革命 全时免唤醒：全车四音区直接下达指令（例：“后排空调调至24度”） 方言自… -
Step-Video-TI2V：阶跃星辰开源的AI图生视频模型
🎬 Step-Video-TI2V：开源图生视频新王者，运动可控+102帧长视频生成 Step-Video-TI2V是阶跃星辰（StepFun）在2025年3月开源的一款重磅图生视频模型，它基于300亿参数的Step-Video-T2V训练而成。简单说，你给它一张图片和一段文字描述，它就能帮你生成一段最长102帧（约4-5秒）、540P分辨率的动态视频，而且你对视频里的“动感”程度和镜头运动方式还… -
Grok 3：马斯克旗下XAI发布的新一代AI大模型
🚀 马斯克的最新AI神器来了！Grok 3能否挑战ChatGPT？ 听说过能解数学题、写代码、还能做科学研究的AI吗？埃隆·马斯克旗下的xAI团队刚刚发布了Grok 3，这个被称为"最强大脑"的新一代语言模型，正在科技圈掀起一阵风暴。它用了10万张英伟达H100显卡进行训练，总算力消耗高达2亿GPU小时，相当于一台普通电脑不停运转2万多年！ 官网体验：https://grok.… -
-
Champ-基于3D的人物图像到动画视频生成框架
🤖 Champ是什么？ 阿里+南大+复旦联手打造的虚拟人动作黑科技！Champ可不是普通动画工具，它能把你随手拍的小视频变成专业级3D动画——无论跳舞、打拳还是走猫步，AI都能精准捕捉每个关节运动，连头发丝飘动都真实到离谱！最绝的是还能玩“灵魂转移”：把A的舞姿完美复制到B身上，网红拍同款神舞再也不用苦练啦～ 👉 官网直达：https://fudan-generative-vision.githu… -
ALLaM – 专为阿拉伯语设计的AI大语言模型
阿拉伯语AI听不懂方言？ALLaM模型：专为阿拉伯语优化，精通沙特方言与文化适配，支持古籍数字化与智能客服。提升40%处理效率，开发者与企业首选。立即了解。 -
Kimi K2：月之暗面开源的万亿参数 MoE 架构基础模型
想找既强大又免费的开源AI模型？这个国产大模型实力接近GPT-4！ 还在为使用国外AI模型的高昂费用发愁吗？Kimi K2可能就是你在寻找的解决方案！这个由月之暗面推出的万亿参数开源大模型，不仅完全免费可商用，在编程和数学推理方面的表现更是接近顶级商业模型，让每个人都能用上强大的AI能力。 ✨ 核心能力超强悍 🏗️ 超大规模架构 Kimi K2拥有万亿级参数规模，采用创新的混合专家架构。就像有一个… -
-
Seele AI- 全球首个AI生成3D游戏多模态大模型
不会编程也能做3D游戏？这款AI工具让你用文字描述就能创造世界 想做游戏但被编程和建模劝退？有绝妙的游戏创意却苦于没有技术能力实现？现在，只需用文字描述你的想法，AI就能自动生成完整的3D游戏世界——这就是Seele带来的革命性体验。无论是角色设计、场景构建还是玩法机制，统统可以用自然语言搞定，游戏开发从未如此简单。 https://www.seeles.ai 核心功能：一句话生成完整3D游戏 S… -
Audiobox-Meta推出的新一代音频生成模型
Meta Audiobox是什么？ Meta推出的新一代AI音频生成工具，用声音+文字指令就能定制各类音效、人声和环境音。比如录一段自己说话，输入“变成新闻主播腔调，背景加入雨声”，就能生成带场景的播报音频。2025年新增中文支持，个人创作者和影视团队都在用。 https://ai.meta.com/audiobox 核心功能：声音自由定制 1. 语音克隆+风格迁移 上传10秒人声样本→生成相同音… -
Gen-4：Runway推出的新一代AI视频生成模型
想快速制作专业视频？Runway Gen-4：AI视频生成模型，支持文本/图像生成影视级内容，精准动态控制与200+风格。提升广告片、特效制作效率，降低90%成本。立即了解，实现高质量视频创作。 -
火山方舟-一站式大模型服务平台
火山方舟是什么？企业级大模型服务平台 火山方舟是字节跳动火山引擎推出的一站式大模型服务平台，专门为企业提供模型训练、推理、评测和精调等全栈式AI服务。平台通过安全沙箱和硬件加密技术保障数据安全，集成了多家顶尖机构的大模型，让企业能够像使用水电煤一样方便地调用AI能力，大幅降低AI应用的门槛和成本。 官网地址：https://www.volcengine.com/product/ark ✨ 核心功能… -
ThinkSound – 阿里通义开源的AI音频生成模型
🔍 ThinkSound是什么？ ThinkSound是阿里巴巴通义实验室在2025年7月正式开源的音频生成模型，它不仅是阿里在音频AI领域的一次重大突破，更是全球首个将思维链（CoT）技术应用于音频生成的开源模型。简单来说，它能让AI像专业音效师一样“看懂”画面内容，“理解”事件逻辑，并生成高度匹配、精准同步的高保真空间音频，彻底告别传统“看图配音”的机械感和错位尴尬。 ThinkSound的官…
