模型

GOT-OCR-2.0模型：专为识别和处理各种字符而设计的OCR模型

阿里妈妈旗下Creative团队推出重绘 Controlnet模型FLUX-Controlnet-Inpainting

CogVideoX-Fun：基于CogVideoX结构修改后模型

JoyCaption：从零开始构建的免费、开放且未经审查的视觉语言模型

3D资产生成模型3DTopia-XL：根据文本或视觉输入生成高质量的3D模型

小红书推出图像生成模型StoryMaker：不仅能保持面部一致性，还能保持服装、发型和身体的一致性，从而通过一系列图像促进故事的创作

智谱 AI推出CogVideoX 系列图生视频模型 CogVideoX-5B-I2V

miniature-people：基于FLUX.1-dev的微型人物LoRA

Playground推出Playground v3：不仅在图形设计方面表现出色，还引入了一些新的能力，比如精确的RGB颜色控制和强大的多语言理解能力

新型目标检测模型Mamba-YOLO-World：能够理解并识别各种不同物体的智能系统，即使这些物体在训练时没有被明确标记

腾讯推出专为生成开放世界游戏量身定制的DiT模型GameGen-O：通过模拟各种游戏引擎特性，如创新角色、动态环境、复杂动作和多样事件，促进了高质量、开放领域的生成

基于FLUX.1-dev的LoRA 模型FilmPortrait：用来增强生成图像胶片质感的理解与还原度