Meta AI发布SAM 3：支持文本/图像双提示，图像视频分割性能翻
Meta 近日推出 Segment Anything 系列新一代模型——SAM 3，首次实现文本、图像示例双提示驱动的开放式概念分割，可精准识别并分割“带红色条纹的雨伞”等细粒度概念，在图像与视频分割...
排序
Meta AI发布SAM 3D：单图生成3D模型，开源全工具链+商业落地同步推进
Meta AI近日推出 Segment Anything 模型家族的全新成员——SAM 3D，这是首个具备常识级 3D 理解能力的模型，可直接将普通 2D 照片转化为细节丰富的 3D 重建结果。此次发...
SteadyDancer：用 I2V 范式解决首帧失真，生成身份一致的高保真人像动画
人体图像动画技术迎来颠覆性突破！南京大学、腾讯与上海AI实验室联合推出的SteadyDancer框架，通过彻底摒弃传统参考图到视频（R2V）范式，转向图像到视频（I2V）全新思路，从根源上解决了长期困...
685B参数DeepSeekMath-V2开源！IMO/CMO金牌+Putnam近满分，颠覆数学推理范式
数学推理领域迎来里程碑式突破！DeepSeek AI 正式发布开源数学模型 DeepSeekMath-V2，这款基于 685B 参数专家混合（MoE）架构的模型，不仅在 IMO 2025、CMO 20...
阿里通义发布Z-Image-Turbo：60 亿参数高效图像模型，支持中英双语文本渲染与亚秒级生成
在图像生成模型多依赖“大参数堆料”的行业趋势下，阿里通义MAX项目组推出的Z-Image，以60亿参数的轻量化体量实现了颠覆性突破。这款通过系统性优化打造的图像生成基础模型，不仅在照片级真实感生成、中...
腾讯开源HunyuanOCR：以1B参数覆盖9大场景，支持百种语言
在OCR领域常陷入“大参数换高性能”的内卷时，腾讯混元于11月25日开源的HunyuanOCR，以1B的轻量化参数实现了颠覆性突破。这款依托混元原生多模态架构打造的端到端OCR专家模型，不仅在多项权威...
腾讯开源HunyuanVideo-1.5：83亿参数实现顶级画质，14G显存消费级显卡即可运行
在视频生成模型多追求大参数堆料的当下，腾讯混元项目组推出的HunyuanVideo-1.5走出了一条“小而精”的差异化路线。这款仅搭载83亿参数的轻量级视频生成模型，不仅实现了开源领域顶尖的视觉质量与...
Kandinsky 5.0 全系列开源：190亿参数视频Pro+轻量版，支持中俄双语+5-10秒HD生成
来自俄罗斯的AI企业Sber AI，正式推出新一代扩散模型家族 Kandinsky 5.0，以“全场景覆盖+开源开放”为核心亮点，涵盖视频生成（T2V/I2V）、图像生成（T2I）、图像编辑三大核心能...
黑森林实验室发布FLUX.2 ：支持400万像素编辑+10图参考，开放权重模型刷新视觉AI上限
在视觉AI领域，能够真正适配现实世界创意工作流的工具，往往比单纯的“演示级模型”更具价值。近日，黑森林实验室正式推出新一代视觉智能系统 FLUX.2，不仅在图像生成质量、细节还原度上实现突破，更以多参...
微软推出Fara - 7B模型：70亿参数本地运行，专为计算机使用代理 (CUA) 设计的小型语言模型
微软正式推出首款专为计算机使用代理（CUA）设计的小型语言模型Fara - 7B。这款仅70亿参数的模型跳出了对大规模云端模型的依赖，凭借可本地运行的特性，在降低延迟的同时筑牢数据隐私防线，更以独特的...
Anthropic 发布 Claude Opus 4.5：宣称全球最佳编程模型，API 降价+多平台同步上线
Anthropic 今日正式发布旗舰级 AI 模型 Claude Opus 4.5，聚焦编程、代理任务与计算机使用场景，凭借多项核心突破重塑行业标杆。该模型不仅在 SWE-bench Verified...
艾伦AI研究所发布Olmo 3系列模型：完全开放的推理模型，训练数据与中间步骤全透明
在开源AI领域，“开放”往往局限于最终模型权重的分享，而模型训练的数据、流程、中间检查点等核心环节仍处于“黑箱”状态。Ai2（艾伦人工智能研究所）最新发布的 Olmo 3 系列模型，彻底打破了这一现状...
