AI项目和框架

V-JEPA 2 是Meta AI推出的世界大模型，基于视频数据实现对物理世界的理解、预测和规划。V-JEPA 2 用于 12 亿参数的联合嵌入预测架构（JEPA），基于自监督学习...

豆包大模型1.6（Doubao-Seed-1.6）是字节跳动推出的多模态深度思考大模型。模型支持auto、thinking和non-thinking三种思考模式，能处理文字、图片、视频等多...

Reor是开源的本地化AI个人知识管理应用。应用支持自动链接相关笔记、语义搜索和Q&A功能，用户基于类似Obsidian的Markdown编辑器进行笔记编辑。Reor基于Ol...

Seedance 1.0 是字节跳动Seed团队推出的视频生成基础模型。模型支持文字与图片输入，能生成多镜头无缝切换的1080p高品质视频，具备原生多镜头叙事能力，能进...

o3-pro 是OpenAI推出的强大推理模型，作为 o3 的升级版，在处理复杂问题和提供精准回答方面表现出色，尤其在科学研究、编程、教育和写作等场景中优势明显。o3...

Magistral 是 Mistral AI 推出的推理模型，核心聚焦在透明、多语言和特定领域的推理能力。模型包含 Magistral Small（开源版）和 Magistral Medium（企业版）...

Vui 是 Fluxions-AI 团队开源的轻量级语音对话模型，基于 LLaMA 架构。模型经过 4 万小时对话训练，能模拟真实对话中的语气词、笑声和停顿，提供沉浸式交互体...

Krea 1 是 Krea AI 推出的 AI 图像生成模型，解决传统 AI 图像生成中的“AI 美学”问题。模型能生成高度逼真、纹理清晰的图像，支持多种艺术风格，提供风格参考...

InftyThink是创新的大模型推理范式，突破传统模型在长推理任务中的局限性。通过分段迭代的方式，将复杂的推理过程分解为多个短片段，在每个片段后生成中间总...

SmolVLA 是 Hugging Face 开源的轻量级视觉-语言-行动（VLA）模型，专为经济高效的机器人设计。拥有4.5亿参数，模型小巧，可在CPU上运行，单个消费级GPU即可...

ContentV是字节跳动开源的80亿参数文生视频模型框架。将Stable Diffusion 3.5 Large的2D-VAE替换为3D-VAE并引入3D位置编码，使图像模型快速获得视频生成能力。

PartCrafter 是先进的3D生成模型，能从单张RGB图像中生成多个语义明确且几何形态各异的3D网格。通过组合潜在空间表示每个3D部件，使用层次化注意力机制在部件...

MaskSearch是阿里巴巴通义实验室推出的新型通用预训练框架，提升大型语言模型（LLM）的智能体搜索能力。通过检索增强掩码预测（RAMP）任务，让模型在输入文本...

MAS-Zero是 Salesforce 推出的多智能体系统（MAS）设计框架，能在无需人类监督的情况下自动设计和优化MAS。框架基于元级设计，在推理时动态地对每个问题实例...

MultiTalk 是中山大学深圳校区、美团和香港科技大学联合推出的新型音频驱动多人对话视频生成框架。框架根据多声道音频输入、参考图像和文本提示，生成包含人...