谷歌发布医学多模态开源模型MedGemma：支持图像与文本理解，支持X光CT分析
谷歌近日推出了一款面向医疗领域的开源模型系列 —— MedGemma，该模型基于 Gemma 3 构建，在医学图像识别与文本理解方面表现出色，标志着医疗 AI 在开源方向上的重要进展。 MedGemm...
排序
字节跳动推出全新视频生成框架 ATI：用“画轨迹”控制视频运动，对象、视角、局部变形一应俱全！
字节跳动 AI 实验室发布了一项令人眼前一亮的视频生成技术 —— ATI（Any Trajectory Instruction），它让普通人也能通过“画轨迹”的方式，精准控制视频中物体的运动、镜头的移...
蚂蚁集团开源全新统一多模态大模型 Ming-Lite-Omni：支持图像、文本、音频、视频
近日，蚂蚁集团旗下的 百灵大模型（Ling）团队 正式宣布开源其最新推出的统一多模态大模型 —— Ming-Lite-Omni。这是一款基于 Ling 系列轻量模型构建的 MoE 架构全模态 AI 模...
Snowflake 开源两款 AI 工具Arctic-Text2SQL-R1 和 Arctic Inference，专治企业最头疼的两个难题！
生成式 AI 发展到今天，很多问题已经解决，但仍有两大“顽疾”困扰着企业用户： 文本转 SQL 的准确性问题：AI 写出来的 SQL 看起来像模像样，但在真实数据库上却执行失败； AI 推理的速度与成...
DeepSeek R1 升级：推理能力逼近顶尖模型，小模型也迎来突破
DeepSeek 最新发布了其旗舰模型 DeepSeek R1 的升级版本 —— DeepSeek-R1-0528。这次更新不仅在推理深度上有了显著提升，还在幻觉控制、函数调用支持和代码生成体验等方面...
DeepSeek推出基于Qwen3-8B的小型推理模型：DeepSeek-R1-0528-Qwen3-8B
深度求索在本周对DeepSeek R1进行了升级，还开源了此版本模型DeepSeek-R1-0528，官方还推出了一个基于Qwen3-8B的小型推理模型：DeepSeek-R1-0528-Qwen3...
Black Forest Labs 推出新一代上下文感知图像生成模型FLUX.1 Kontext，支持图像生成及编辑
继 FLUX.1 系列大获成功后，Black Forest Labs（黑森林实验室） 在今天正式发布其最新力作 —— FLUX.1 Kontext。 这是一套全新的上下文流匹配生成模型（Context...
腾讯混元项目组推出数字人头像生成模型 HunyuanPortrait ：用于高度可控且逼真的肖像动画生成
腾讯混元项目组推出基于扩散模型的条件控制方法 HunyuanPortrait ，用于高度可控且逼真的肖像动画生成。该方法通过隐式表示来控制肖像动画，能够利用单张肖像图像作为外观参考和视频片段作为驱动模...
Resemble AI推出首个情感可控的开源TTS模型Chatterbox
Resemble AI正式发布了其首个生产级开源TTS模型——Chatterbox。这是目前市面上少有的、具备高质量语音合成能力并支持情感控制的开源项目。目前仅支持英文。 GitHub：https...
OmniConsistency：解决图像风格化中“一致性”难题的通用插件，提升了图像风格化的一致性与美学质量
在图像风格化领域，扩散模型已经取得了显著进展。然而，两个核心问题始终困扰着研究者与开发者： 如何在复杂场景下保持一致的风格化效果？ 尤其是在身份、构图和细节上的保留。 如何防止图像到图像（I2I）流水...
腾讯混元推出HunyuanVideo-Avatar：音频驱动、情感可控、支持多角色的虚拟人视频生成模型
近年来，音频驱动人物动画（Audio-driven Avatar Animation）取得了显著进展，但仍有几个关键挑战尚未完全解决： 如何在保持角色一致性的前提下生成高度动态的视频； 实现角色与音频...
别让好模型消失，这个 WAN2.1 LoRA 合集值得收藏”
近日，CivitAI 在 Visa 和 Mastercard 的压力下进一步收紧内容政策，导致平台上大量 模型被删除。这些模型中包含了许多创作者精心训练的作品，尤其是 NSFW类内容。 地址：http...
