AI項目和框架

Speech 2.5 是 MiniMax 推出的新一代語音生成模型，在多語種表現力、音色復刻和語言覆蓋范圍上實現重大突破。模型支持40種語言，能精準還原不同語言和口音的...

dots.vlm1 是小紅書 hi lab 開源的首個多模態大模型。基于一個從零訓練的 12 億參數視覺編碼器 NaViT 和 DeepSeek V3 大語言模型（LLM），具備強大的視覺感知...

GPT-OSS 是 OpenAI 推出的開源推理模型系列，包含 gpt-oss-120b 和 gpt-oss-20b 兩個版本。gpt-oss-120b 擁有1170億參數，激活參數約51億，能在單張 80GB GPU...

Genie 3是谷歌DeepMind推出的新一代通用世界模型，能實時生成高度動態且連貫的虛擬世界。模型具備模擬物理現象、自然生態系統、奇幻場景和歷史場景的能力，支...

Claude Opus 4.1 是 Anthropic 公司最新推出的大型語言模型，是 Claude Opus 4 的升級版本。模型在多個方面進行優化和提升，包括推理質量、指令遵循能力及整...

Chunkr 是 Lumina AI 推出的開源文檔處理 API，專為 RAG（檢索增強生成）和知識庫場景設計。Chunkr 能將復雜文檔（如 PDF、PPT、Word、圖片等）轉換為結構化...

AudioGen-Omni是快手推出的多模態音頻生成框架，框架能基于視頻、文本等輸入生成高質量的音頻、語音和歌曲?？蚣芡ㄟ^統一的歌詞-文本編碼器和相位對齊各向異...

LangExtract 是谷歌開源的用在從非結構化文本中提取結構化信息的 Python 庫。LangExtract 用大型語言模型（LLM），自動處理臨床筆記、報告等材料，識別并組織...

Qwen-Image 是阿里通義千問團隊開源的 20B 參數MMDiT模型，是通義千問系列中首個圖像生成基礎模型，模型在復雜文本渲染和精確圖像編輯方面表現出色，支持多行...

MiDashengLM是小米開源的高效聲音理解大模型，具體參數版本為MiDashengLM-7B 。模型基于 Xiaomi Dasheng 音頻編碼器和 Qwen2.5-Omni-7B Thinker 解碼器構建，...

RedOne 是小紅書推出的首個面向社交網絡服務（SNS）領域的定制化大語言模型（LLM）。模型通過三階段訓練策略，注入社交文化知識，強化多任務能力，并對齊平臺...

Windows-MCP 是輕量級、開源的 AI Agent與 Windows 系統集成工具。Windows-MCP作為 MCP 服務器，讓大語言模型（LLM）能直接操作 Windows，實現文件瀏覽、應用...

Skywork MindLink是昆侖萬維推出開源的推理大模型。具有自適應推理機制，可根據任務復雜度靈活切換推理模式，簡單任務快速生成，復雜任務深度推理，兼顧效率...

ScreenCoder 是開源的智能 UI 截圖轉代碼系統，支持將任何設計截圖快速轉換為整潔、可編輯的 HTML/CSS 代碼。ScreenCoder用模塊化多智能體架構，結合視覺理解...

FastDeploy 是百度基于飛槳（PaddlePaddle）框架開發的高性能推理與部署工具，專為大語言模型（LLMs）和視覺語言模型（VLMs）設計。FastDeploy 支持多種硬件...