模型

解决源图像信息过度注入问题，实现更可控的图像与视频编辑 由中山大学、香港中文大学、香港大学与南洋理工大学联合提出，ProEdit 是一种高精度、即插即用的基于反转（inversion-based）的视...

阿里通义实验室近日开源 MAI-UI —— 一个面向真实世界部署的 通用 GUI（图形用户界面）智能体基座模型系列，涵盖 2B、8B、32B 和 235B-A22B 四种规模。其 32B 版本在 Sc...

洛桑联邦理工学院（EPFL）的研究团队推出 Stable Video Infinity（SVI） ——一款能够生成任意长度视频的人工智能模型。它通过一项名为 “错误回收微调（Error-Recycli...

生成一段包含多个镜头、角色一致、场景连贯、时长达一分钟的叙事视频，是当前视频生成模型的重大挑战。主流方法要么局限于单镜头，要么在跨镜头切换时出现角色崩坏、场景断裂等问题。 由南洋理工大学与字节跳动联合...

当前的大语言模型（LLMs）在处理短视频时已表现出强大能力，但面对数小时甚至跨集的长视频（如讲座系列、纪录片、剧集），它们往往力不从心——上下文窗口有限、计算成本高、跨场景语义断裂。 GitHub：h...

在视频生成领域，一个长期挑战是：如何让用户通过简单指令（如文本、草图或相机轨迹），灵活定制视频中一个或多个主体的外观、动作与空间关系？ 由约翰·霍普金斯大学、Adobe 研究院、香港大学、香港中文大学...

在推出专为智能体和代码任务设计的 M2 模型仅数月后，MiniMax 正式发布其增强版本 —— M2.1。 M2 本就以极低成本（约为 Claude Sonnet 的 8%）和高推理速度著称，更引入了...

Liquid AI 正式推出 LFM2-2.6B-Exp —— 一个基于纯强化学习（RL）训练的实验性语言模型。它在指令遵循、常识推理和数学任务上表现突出，尤其值得注意的是：其 IFBench 评测分...

通义实验室旗下语音团队 通义百聆（Tongyi Bailin）正式推出 Fun-Audio-Chat —— 一款专为自然、低延迟语音交互设计的端到端大型音频语言模型（Audio Language Mo...

阿里通义实验室 Qwen 项目组正式发布 Qwen-Image-Edit-2511，这是继 9 月发布的 Qwen-Image-Edit-2509 后的增强版本。从版本号“2511”可见，该模型原计划...

智谱AI最新发布的 GLM-4.7 在多个关键维度实现突破，特别是在开发者关注的编程、工具调用与复杂推理能力上，带来可观的性能提升。本文将系统梳理 GLM-4.7 的主要改进，并说明如何快速接入与使用...

英伟达正式推出 Nemotron 3 开源模型系列，聚焦多智能体协作场景，包含 Nano、Super、Ultra 三个版本，覆盖从轻量推理到超大规模智能体系统的全栈需求。 模型：https://hug...