让视频"无中生有"的AI魔术师！PISCO：基于稀疏控制的精确视频实例插入技术
想象一下，你拍了一段空无一人的街道视频，现在想把一只奔跑的猫放进画面里——不仅要让它看起来真实，还要让它和周围环境产生互动：地上要有影子，经过水坑要有倒影，被路灯照到要反光。更神奇的是，你只需要告诉A...
排序
京东开源 JoyAI-LLM-Flash：3B 激活参数 MoE 模型，专为智能体与高吞吐场景优化
京东在 Hugging Face 正式开源其最新大语言模型 JoyAI-LLM-Flash，标志着其在高效、低成本、智能体友好型 AI 基础模型领域的重大进展。 模型：https://huggingf...
字节跳动发布豆包大模型2.0：数学推理顶尖，复杂任务执行强，API价格仅为竞品五分之一
继 Seedance 2.0 视频模型和 Seedream 5.0 Lite 图像模型后，字节跳动于 2 月 14 日正式推出 豆包大模型 2.0（Doubao-Seed-2.0）系列。新版本针对大规...
Kyutai 开源 Hibiki-Zero：3B 参数实时语音翻译模型，无需词级对齐，支持音色迁移
实时语音翻译的核心挑战在于如何在翻译质量与系统延迟之间取得最佳平衡。传统方法通常需要大量精细标注的词级对齐数据来指导模型何时开始翻译，这不仅成本高昂，也极大地限制了模型向新语言的扩展能力。 为彻底解决...
蚂蚁集团 inclusionAI 团队发布统一生成模型Ming-omni-tts：统一语音、音乐与声音生成，实现高精度细粒度可控音频合成
蚂蚁集团 inclusionAI 团队近期正式发布了 Ming-omni-tts，这是一款设计简洁、运行高效的统一音频生成模型。它不仅可以在单一框架内合成高质量的语音，还能同时生成音乐与各类环境声音...
蚂蚁集团开源 ZwZ 模型：无需迭代缩放，单次 glance 实现细粒度多模态感知SOTA
当前主流的“图像思考”方法，虽能通过迭代放大感兴趣区域提升细粒度感知能力，却存在致命短板——重复的工具调用与视觉重新编码，导致推理延迟居高不下，难以适配实际应用场景。 针对这一痛点，蚂蚁集团 incl...
蚂蚁集团发布Ming-flash-omni 2.0 ：100B MoE 多模态全能模型，支持视觉百科、沉浸式语音、高动态图像生成与编辑
蚂蚁集团 inclusionAI 团队正式推出 Ming-flash-omni 2.0，搭载全新 Ling-2.0 混合专家（MoE）架构，以总参数 100B、激活参数 6B 的高效配置，在开源全能型...
蚂蚁集团发布 LLaDA2.1：支持实时自我修正的开源扩散语言模型
当大语言模型不再只能逐词生成，而是可以实时编辑自己已经生成的内容，会带来怎样的变革？ 蚂蚁集团 inclusionAI 团队正式推出 LLaDA2.1——一款彻底打破自回归模型主导地位的文本扩散大模型...
蚂蚁集团 inclusionAI 团队推出Ring-2.5-1T：全球首个万亿参数混合线性注意力思维模型
蚂蚁集团 inclusionAI 团队正式推出 Ring-2.5-1T，这是全球首个基于混合线性注意力架构的开源万亿参数思维模型，标志着向通用人工智能体迈出关键一步。 Hugging Face ：ht...
Nanbeige4.1-3B：在保持小参数规模的同时，实现强大推理、偏好对齐与高效智能体能力
Nanbeige4.1-3B 基于 Nanbeige4-3B-Base 架构构建，是Nanbeige团队此前推出的推理专用模型 Nanbeige4-3B-Thinking-2511 的全面增强迭代版本...
图像编辑模型FireRed-Image-Edit：小红书团队出品，让图片编辑像说话一样简单
小红书智能创作基础技术团队正式推出 FireRed-Image-Edit——一款通用图像编辑模型，凭借原生编辑架构、精准指令遵循能力，在广泛场景下实现高保真、视觉一致的编辑效果，既打破了专业修图的门槛...
阿里国际发布 Ovis2.6-30B-A3B：MoE 架构多模态大模型，低成本实现高性能视觉理解
阿里国际正式推出 Ovis2.6-30B-A3B 多模态大语言模型，作为 Ovis 系列的最新迭代版本，它在 Ovis2.5 基础上全面升级主干架构与多模态能力，以更低推理成本实现更强的长上下文、高分...
