全部标签

AI大模型

最新最多浏览

Matrix-Zero：昆仑万维发布的AI世界模型，支持单张图生成3D世界

平台定位与技术架构 Matrix-Zero是昆仑万维研发的下一代世界模型，包含两大核心技术模块：3D场景生成大模型和可交互视频生成大模型。通过AI将2D图像转化为可自由探索的3D空间，并支持用户实时交互操控视频生成过程，显著提升影视、游戏等领域的内容生产效率。官网链接：https://www.kunlun.com/matrix-zero 🧩 核心功能特性 🏗️ 3D场景生成大模型全局一致性：确…
360智脑

360智脑是什么？360智脑是由中国科技公司360集团开发的人工智能平台，专注于推动人机协作创新，激发用户创造力。该平台整合了多种AI技术，提供开放接口和工具集，支持开发者和企业用户构建智能应用。 360智脑官网 360智脑可以做什么？平台提供一系列AI驱动工具： API开放平台：允许开发者接入AI能力，开发定制应用。 360鸿图：AI作图工具，辅助数据可视化和创意设计。 360AI搜索：智能搜索…
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。
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…
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…
Matrix-Game：昆仑万维开源的交互式世界基础模型

🚀 颠覆想象：Matrix-Game 2.0开启实时交互虚拟世界新纪元昆仑万维在2025年8月发布的Matrix-Game 2.0，可不是个简单的模型升级，而是真正能“动起来”的开源交互式世界模型。它能以每秒25帧的速度实时生成分钟级的高连贯视频，让你用键盘鼠标就能自由操控虚拟世界，仿佛真的置身于一个物理规则运转正常的平行宇宙里。官方资源一键直达：项目主页：https://matrix-gam…
CoDi-多模态 AI 大模型

🌈 CoDi是什么？ CoDi（Composable Diffusion）是微软推出的跨模态生成模型黑科技，能像“AI魔术师”一样自由组合输入输出——你给它文字、图片、音频甚至视频中的任意组合，它就能生成同步对齐的多模态内容！比如输入一段海浪文字+钢琴曲片段，直接输出带海浪声的治愈系视频，彻底打破传统AI“单线程创作”的局限。官网直达：https://codi-gen.github.io/ ✨ …
OmniGen2 – 智源研究院推出的开源多模态生成模型

🎨 OmniGen2：能画会改的AI创意多面手 OmniGen2是北京智源人工智能研究院在2025年6月底推出的开源多模态生成模型，就像一个全能的AI艺术家，既能根据文字描述生成图像，也能精准编辑现有图片，甚至能理解图片内容并进行创意组合。它最大的特点是采用图文解耦架构，就像让AI学会了"分开思考"文字和图像，再巧妙地把它们融合在一起，这让它在处理复杂创意任务时更加得心应手。 …
CogVideoX-智谱推出的开源AI视频生成模型

🔍 CogVideoX是什么？ CogVideoX是智谱AI开发的视频生成大模型，只需输入文本或图片就能生成高质量视频。2025年8月开源的CogVideoX-2B是该系列首个模型，参数规模达20亿，与智谱的AI视频产品“清影”同源。它能根据最长226个英文token的提示词，生成6秒、720×480分辨率的视频，推理时显存消耗仅18GB（FP16精度），大幅降低了使用门槛。更强大的版本正在开发中…
Step-Audio：阶跃星辰推出的开源语音交互模型

🔊 中文语音天花板，开口就是戏精吉利联手阶跃星辰打造的开源神器Step-Audio是国内首个能同时处理方言、歌声、情感语调的语音大模型。无论是给游戏角色配音，还是让智能客服说话带温度，它都能搞定，连东北话、四川话都学得惟妙惟肖，堪称声音界的“百变星君”。官网直达：Step-Audio开源主页 🎭 五大核心能力，开口就惊艳方言歌声全能王支持20+种方言（粤语、川渝话等）、中英日韩多语种切换，甚…
Seaweed-APT：AI视频生成模型，单步生成2秒钟的1280×720 24fps视频

🚀 字节跳动Seaweed-APT：单步生成720P高清视频的AI黑科技用AI生成视频就像拍照一样简单？字节跳动推出的Seaweed-APT模型让这成为现实。这个突破性AI视频生成工具，只需单次计算就能产出1280×720分辨率、24帧/秒的2秒高清视频，彻底改变了传统逐帧生成的繁琐流程，让影视制作、游戏开发和广告创意领域的动态内容创作变得前所未有的高效。官网：https://seaweed-…
M2UGen-腾讯发布的多模态音乐生成模型

核心功能解析（2025最新版）文字→音乐输入“赛博朋克雨夜”等描述，20秒生成带鼓点、合成器的电子乐，支持MP3/WAV格式下载。图片→音乐上传风景照自动生成氛围音乐，山水图匹配古筝笛声，城市夜景触发电子律动。视频→配乐分析视频内容生成适配BGM，如战斗场景生成急促鼓点，浪漫片段生成钢琴旋律。智能音乐编辑一键移除人声、替换乐器（如吉他转琵琶）、调整节奏（80BPM→120BPM）。官网体…
百川大模型

百川AI Baichuan2-53B模型，中文基准测试超越LLaMA2，适配企业级AI集成场景，经顶尖团队研发，支持API开放赋能。
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…
Goku：港大字节推出的AI视频生成模型

Goku视频生成引擎：跨模态生成广告电商视频，香港大学与字节跳动联合研发，VBench综合得分TOP2，适配PC端高效制作需求，支持4K影视级输出。
Step-Video-T2V：阶跃星辰推出的开源视频生成大模型

Step-Video-T2V是什么？阶跃星辰与吉利联合开源的高性能视频生成模型，能根据文字描述直接生成540P高清视频。它擅长处理复杂动作（如舞蹈、打斗）、精准控制镜头运动（推拉摇移），并生成细腻的人物表情和皮肤质感，特别适合影视广告、游戏动画等创意领域。官网体验：https://yuewen.cn/videos 🔥 核心功能亮点高清长视频生成支持单次生成最长204帧视频（约8秒），分辨率达…
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。