模型

谷歌DeepMind发布通用AI智能体下一代产品SIMA 2的研究预览，通过深度整合大语言模型Gemini的语言与推理能力，实现从“单纯遵循指令”到“理解环境并互动”的核心突破。这款由Gemini 2...

继8月GPT-5发布引发争议后，OpenAI今日正式推出旗舰模型更新版——GPT-5.1，通过双模型优化、8种个性语调预设、自适应推理等核心升级，旨在解决前代模型“体验平平”“缺乏个性化”的问题，让C...

百度正式开源 ERNIE-4.5-VL-28B-A3B-Thinking，一款专注于文档、图表与视频理解的多模态推理模型。尽管模型总参数达 约 30B，但通过稀疏激活机制，每次推理仅激活 3B 参数...

Maya Research 近期发布了一款突破性的开源文本到语音（TTS）模型——Maya1。这款仅3B参数的模型，不仅能将文本与自然语言描述转化为富有情感的24kHz高质量语音，还支持单GPU实时运...

Meta AI 近日发布了 Omnilingual ASR——一套开源、可扩展的多语言自动语音识别（ASR）系统，支持 1600 多种语言，并能通过零样本上下文学习泛化到 超过 5400 种语言，包括...

当前主流多模态基础模型在文本、图像理解、推理和生成任务上已取得显著进展，但在空间智能（Spatial Intelligence）方面仍存在系统性短板。具体表现为： 对物体尺度、距离、比例的估计不准确 ...

在企业招聘中，自动化处理海量简历是刚需，但简历格式千奇百怪——多栏排版、图文混排、表格嵌套，传统文本提取工具常会打乱语义顺序，导致关键信息错位。 针对这一难题，阿里巴巴企业智能团队发布了 SmartR...

阶跃星辰（Step AI）正式发布 Step-Audio-EditX —— 一款革命性的基于大语言模型（LLM）的音频编辑系统，首次实现对语音情感、说话风格与副语言特征的高精度、迭代式、零样本控制，并...

美团LongCat团队推出 LongCat-Video，这是一个基础视频生成模型，拥有 13.6B 参数，在文本到视频、图像到视频以及视频续接生成任务中表现出色。它特别擅长高效且高质量的长视频生成，标...

蚂蚁集团 百灵大模型团队近日发布 Ling 2.0 —— 一个系统性构建的 稀疏混合专家（MoE）语言模型系列，核心理念是：模型容量可无限扩展，但每个 token 的计算成本应保持恒定。该系列通过统一...

MiniMax 团队正式发布 MiniMax M2 —— 一款专为代码生成与 AI 代理工作流优化的混合专家（Mixture-of-Experts, MoE）模型。该模型以 MIT 开源许可 在 Hu...

美团 LongCat 团队近日开源了 LongCat-Flash-Omni —— 一款参数总量达 5600 亿、每 token 动态激活 270 亿参数 的 全模态大模型（Full-Modal LLM...