全部标签

AI大模型

最新最多浏览

MatterGen：微软推出的无机材料设计AI模型，辅助生成新材料

🔬 材料研发迎来"ChatGPT时刻"！AI三天搞定传统三年实验还在用"炒菜式"试错法研发新材料？微软研究院推出的MatterGen正在彻底改变游戏规则。这个基于扩散架构的生成式AI模型，能够根据目标属性直接生成新型无机材料结构，把传统需要3年的研发周期压缩到3天。从新能源电池到航空航天材料，它正在颠覆整个材料研发行业。官方博客：https://www.…
gpt-realtime – OpenAI最新推出的语音模型

OpenAI GPT-Realtime语音AI：实现自然实时对话，支持情感识别和多语言无缝切换。提升智能客服与语言学习体验，立即了解革命性语音技术。
Skywork R1V：昆仑万维开源的多模态视觉思维链推理模型

给AI装上“火眼金睛”：Skywork R1V让机器真正看懂世界 👁️ 想象一下，AI不仅能识别图片中有只猫，还能推断出这只猫的品种、年龄，甚至从背景细节判断出拍摄地点和季节——这就是Skywork R1V带来的革命性突破。这个由昆仑万维开源的多模态视觉推理模型，正在让机器真正具备“看懂”世界的能力。最新评测显示，R1V在复杂视觉推理任务上的表现已经超越了许多闭源商业模型，其中在数学视觉推理测试…
Hyper-SD：字节跳动推出的基于SD的图像生成框架

🚀 Hyper-SD：字节跳动的AI图像加速王，1步出大片！ Hyper-SD是字节跳动2025年推出的AI图像生成核武器，专治“出图慢如龟”“显卡烧冒烟”的痛点！它用轨迹分段蒸馏+人类审美驯化黑科技，把Stable Diffusion繁琐的20步生成压榨到1-8步搞定——输入“赛博猫咪”，1秒输出带机械义耳的光污染神图，速度碾压传统模型3倍，电费省下80%！项目主页：https://hyper…
Open-Sora: Colossal-AI开源的类Sora架构视频生成模型

开源视频生成革命 Open-Sora是由潞晨科技推出的开源视频生成模型，采用扩散Transformer架构，支持文本生成高清视频。最新2.0版本以20万美元低成本训练11B参数模型，性能逼近OpenAI Sora，支持720p/24fps视频生成，显著降低行业技术门槛。官网与开源地址：https://github.com/hpcaitech/Open-Sora 核心架构与技术突破 1. 高效多模…
讯飞星火开源大模型

讯飞星火开源大模型核心解析讯飞星火开源大模型（iFlytekSpark-13B）是科大讯飞推出的130亿参数开源大语言模型，基于全国产化算力平台“飞星一号”训练，提供基础模型（iFlytekSpark-13B-base）和精调对话模型（iFlytekSpark-13B-chat），支持文本生成、代码编写、数学推理等通用任务，深度优化中文场景及行业应用。访问官网：星火开源社区核心能力与评测表现…
混元TurboS：腾讯混元推出的新一代快思考模型

AI响应太慢？腾讯混元TurboS：毫秒级推理引擎，首字延迟220ms，成本仅GPT-4-turbo的1/4。支持高并发处理，提升代码生成与智能客服效率。企业级应用首选，立即体验极致速度与性价比。
商汤商量拟人大模型

🤖 商量拟人大模型是什么？商汤科技打造的AI角色对话天花板，堪称“虚拟人造梦工厂”！只需简单设定，它就能生成活灵活现的虚拟角色——从高冷霸总到话痨闺蜜，从仙侠师尊到赛博侦探，人设台词全拿捏。2025年升级多人群聊剧情推演和跨平台分身同步功能，让纸片人真正“活”过来陪你聊天搞事～官网直达：https://character.sensetime.com/ 🛠️ 2025核心功能：从捏人到飙戏一条龙…
Octopus V2-斯坦福推出的可在设备上运行的大模型

端侧AI新标杆：Octopus v2模型深度解析 ——手机能跑的大模型，比GPT-4更快更准 ⚙️ 核心功能亮点 1. 性能碾压主流模型推理速度：在安卓设备上，单次函数调用响应仅需1.1-1.7秒，比云端GPT-4快168%，比“Llama7B+RAG方案”快36倍。准确率：函数调用精准度达99.5%，超越GPT-4和RAG方案31%。能效优化：上下文长度减少95%，相同电量下支持37倍更多…
Ferret-UI：苹果公司推出的多模态AI模型

🔍 专攻手机界面的“视觉大脑” 苹果自研的多模态交互引擎Ferret-UI是苹果专为移动端打造的AI模型，能像人类一样“看懂”手机屏幕。它不仅能识别App图标、按钮等微小元素，还能根据用户指令自动操作界面——比如一句“订美团外卖”，它就能跳转应用完成下单，彻底告别手动点按。官网直达：https://arxiv.org/pdf/2404.05719.pdf开发者社区：https://discord…
Seed-Music：字节跳动推出的AI音乐大模型，支持一键生成高质量歌曲

🎵 Seed-Music：会写歌的AI音乐伙伴，让每个人都是作曲家想不想让你写的词变成真正的歌曲？Seed-Music就是这样一个神奇的AI音乐生成工具，由字节跳动豆包大模型团队打造。它能把你的歌词、灵感甚至随便哼唱的旋律，变成完整的音乐作品，无论你是音乐小白还是专业制作人，都能用它玩转音乐创作。官网体验：https://seed.bytedance.com/zh/special/seed-m…
MovieLLM-通过AI生成电影来增强长视频理解的框架

MovieLLM是什么？复旦与腾讯联合研发的AI电影引擎，专攻复杂剧情视频理解。它能生成风格统一的长视频，解决影视行业高质量训练数据稀缺的痛点。2025年开源版本已支持8K超清生成。 https://movie-llm.fudan.edu.cn 核心技术解析 1. 剧本智能生成输入题材关键词（如“赛博朋克爱情”），GPT-4自动输出分镜剧本+角色对话，含场景细节描述与情绪标注。 2. 画风锁定…
CogAgent-可免费商用的带 Agent 能力的视觉模型

🤖 CogAgent：GUI操作神器，看图秒懂界面！ CogAgent是清华大学与智谱AI联手打造的视觉界面通灵师，2025年全新进化版已化身跨平台操作外挂！它能像人类一样“看懂”电脑和手机界面——无论是微信复杂的设置菜单，还是《原神》游戏任务面板，截张图问它“怎么跳过这个动画？”，0.5秒就给你箭头标注点击位置，手残党打游戏/搞办公的救星！马上试玩在线Demo 💥 三招让效率原地起飞界面扫描…
LaVie：上海人工智能实验室开源的视频生成模型

小白秒变特效师？这款国产黑科技彻底杀疯了还在为视频制作头疼？剪辑复杂、渲染太慢、特效不会做？试试清华系团队打造的LaVie——输入文字直接生成4K电影级视频，抖音百万播放量有手就能做！ >> 官方免费体验：LaVie开源项目地址 2025新版LaVie强在哪？打字出电影：输入“赛博朋克少女雨中战斗”，30秒生成10秒高清视频照片变动画：上传静态图自动生成动态场景（如让风景照云流动…
Mora-微软等推出的多智能体视频生成框架

微软开源Mora视频AI实测：多智能体框架支持文生视频/图生视频/视频编辑等6大任务，性能接近Sora且完全免费！附2025年与Runway/Pika/Stable Video全系竞品对比表，立即获取开源替代方案。
Step1X-Edit：阶跃星辰推出的开源图像编辑大模型

告别修图烦恼！Step1X-Edit开源AI图像编辑工具，通过自然语言指令自动换背景、改材质、美颜，保持形象一致性。免费开源，提升创作效率，立即体验专业级编辑。
Gemma 3-谷歌发布的开源AI模型，小尺寸可商用

Gemma 3：谷歌开源多模态AI模型，支持128K长文本处理，适配PC/移动端，经LMArena评测STEM准确率提升35%，适合科研与多语言场景。
k0-math：月之暗面推出的新一代数学推理模型

🧠 k0-math：月之暗面推出的数学AI，解题能力超乎想象 k0-math是月之暗面（Moonshot AI）公司推出的一个专攻数学推理的新一代AI模型。它不像普通的聊天AI，而是更像一个专门的“数学大脑”，背后用上了全新的强化学习和思维链推理技术，专门模拟人脑在解数学题时一步步思考、甚至解完还会“检查一遍”的反思过程。这就让它处理复杂数学难题的能力大幅提升，不管是考试题还是竞赛题，都能帮你搞定…
ChatGLM：智谱 AI 发布的中英双语千亿对话模型

🤖 ChatGLM是什么？ ChatGLM是智谱AI打造的中英双语千亿级对话大模型，2025年已升级为全栈开源家族！最新推出的GLM-4-32B推理模型仅用320亿参数就媲美671B参数的顶级模型，更以200 tokens/秒的推理速度登顶国内商业模型效率榜首，价格却只有竞品DeepSeek-R1的1/30，堪称“性价比屠夫”💥。 https://z.ai ✨ 五大超能力，打工人直呼真香逻辑推理…
GLM-Realtime：智谱最新推出的端到端AI模型，支持2分钟记忆和清唱功能

GLM-Realtime：智谱AI端到端多模态模型，支持清唱与毫秒级响应，适配智能硬件/教育/医疗场景，经评测响应速度领先，提升实时交互体验。
昆仑大模型：中国石油等联合发布的能源行业大模型

昆仑大模型是什么？专为能源行业打造的大型AI系统，由中国石油、中国移动、华为和科大讯飞联合研发。它像“能源行业超级大脑”，能处理地质勘探、设备管理、客户营销等专业任务，推动油田、炼化等场景的智能化升级。官网：https://www.kunlunai.com 🔧 核心能力拆解分层架构精准适配专业层：地震解释、测井分析等垂直模型，直接服务地质工程师（如自动解析地下岩层数据）行业层：油气知识库…
Genesis：生成式物理引擎，一句话生成完整精确的模拟物理世界

Genesis生成式物理引擎：顶尖机构联研，支持多物理耦合仿真与语言驱动场景生成，单卡4300万帧/秒性能突破，适配科研级精度需求，经百度算法认证赋能工业机器人训练场景。
Qwen2-Audio：阿里推出的开源音频语言大模型

Qwen2-Audio是什么？阿里通义开源的智能音频大模型，能直接“听懂”人声、音乐、环境音，并给出文字回答或分析报告。比如你说一段话，它能帮你总结重点；录一段雨声，它能判断是否伴随雷电。无需文字转写，跨语言交流也支持。 Qwen2-Audio团队在 Hugging Face 和 ModelScope 上开源了 Qwen2-Audio-7B 以及 Qwen2-Audio-7B-Instruct，…
BenTsao本草-中文医学大模型

🏥 BenTsao本草：更懂中文医学的AI大模型 BenTsao本草（原名华佗-Llama-Med-Chinese）是一个专门针对中文医学领域优化的开源大语言模型。它基于LLaMA架构，通过海量医学知识图谱和GPT-3.5生成的指令数据进行微调，显著提升了在医疗问答、诊断推理和医学知识检索方面的准确性和可靠性。简单说，它就是一位「AI医学助手」，能理解专业术语、回答健康咨询、辅助医生进行文献分析，…