AI项目和框架

Step-Audio-TTS-3B 是 Stepfun-AI 团队推出的高性能文本到语音（TTS）模型，具有强大的语音合成能力。基于海量合成数据训练，参数量达到30亿，能生成自然流畅...

SWE-Lancer 是 OpenAI 推出的大模型基准测试，评估前沿语言模型（LLMs）在自由职业软件工程任务中的表现。包含来自 Upwork 的 1400 多个任务，总价值达 100 ...

DynamicCity 是上海AI Lab推出的大规模动态场景生成的4D生成框架。DynamicCity 专注于生成具有语义信息的动态 LiDAR 场景，能处理大规模空间（80×80×6.4 m³）...

MoBA（Mixture of Block Attention）是 Moonshot AI 提出的新型注意力机制，提高大型语言模型（LLMs）处理长上下文任务的效率。通过将上下文划分为多个块（bl...

RSIDiff 是用于提升文本到图像扩散模型性能的递归自训练（RSI）框架。通过迭代优化模型，基于模型自身生成的数据进行训练，解决传统自训练中常见的训练崩溃问...

Kimi Latest是月之暗面Kimi推出的实时更新AI模型，为用户提供同步对标Kimi智能助手的模型体验。支持128k上下文长度，可根据输入自动选择8k、32k或128k模型进...

Omnitool是开源的AI桌面环境，为用户提供统一的交互界面，能快速接入和使用多种AI模型。Omnitool支持本地运行，能在Mac、Windows或Linux设备上安装，数据存储...

Qihoo-T2X 是360 AI 研究院和中山大学推出的基于代理标记化扩散 Transformer（PT-DiT）的高效多模态生成模型，Qihoo-T2X引入稀疏代理标记注意力机制，显著降...

Grok-3是埃隆·马斯克旗下xAI公司推出的最新一代人工智能模型，模型被马斯克称为“地球上最聪明的人工智能”，推理能力在多项基准测试中超越了包括ChatGPT和Deep...

LangFlow 是低代码、可视化的 AI 应用构建工具，用于快速搭建和实验 LangChain 流水线。通过拖拽式界面，用户能轻松创建复杂的 AI 工作流，无需编写大量代码...

SkyReels-A1是昆仑万维开源的中国首个SOTA（State-of-the-Art）级别的基于视频基座模型的表情动作可控算法。SkyReels-A1能实现更精准可控的人物视频生成，能...

Mistral Saba 是法国 Mistral AI 推出的专注于中东和南亚地区语言及文化的区域定制 AI 模型。模型拥有 240 亿参数，规模虽小，在处理阿拉伯语和印度起源语言...

Finedefics 是北京大学彭宇新教授团队推出的细粒度多模态大模型，提升多模态大语言模型（MLLMs）在细粒度视觉识别（FGVR）任务中的表现。模型通过引入对象的...

Step-Audio是阶跃星辰团队推出的首个产品级的开源语音交互模型，能根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，能和用户自然地进行高...

Matrix3D 是南京大学、苹果公司和香港科技大学合作推出的新型的统一摄影测量模型，能在一个模型中完成多个摄影测量子任务，包括姿态估计、深度预测和新视图合...