字节跳动推出 X-UniMotion：首个能精准复刻手部动作的视频生成模型
字节跳动研究团队发布了一项令人瞩目的视频生成新成果 —— X-UniMotion。该模型能够基于参考人物和驱动动作视频，实现对全身动作（尤其是复杂手部动作）的高精度复现，几乎看不出瑕疵，尤其在手部细节...
排序
字节跳动推出多模态文档图像解析模型Dolphin
在复杂文档图像理解和结构化提取任务中，如何准确识别并组织交织的文本段落、公式、表格和图像，一直是业界的技术难点。 GitHub：https://github.com/bytedance/Dolphin...
字节跳动推出统一优化数据质量与多样性的LLM预训练框架QuaDMix
大语言模型（LLM）的性能和泛化能力在很大程度上依赖于其预训练数据的质量和多样性。然而，传统的数据整理方法往往将质量和多样性视为独立的目标，先进行质量过滤，再平衡领域分布。这种顺序优化忽略了两者之间的...
新型自动化 GUI交互模型 UI-TARS：能够通过感知屏幕截图作为输入，并执行类似人类操作的交互任务（如键盘输入和鼠标操作）
字节跳动与清华大学的研究人员推出新型自动化 GUI（图形用户界面）交互模型 UI-TARS，它是一种原生的 GUI 代理模型，能够通过感知屏幕截图作为输入，并执行类似人类操作的交互任务（如键盘输入和鼠...
字节跳动推出专注于提升多模态理解与推理能力的视觉-语言基础模型Seed1.5-VL
字节跳动正式推出 Seed1.5-VL，这是一款专注于提升多模态理解与推理能力的视觉-语言基础模型。Seed1.5-VL 不仅在视觉和视频理解任务中表现出色，还在智能体相关任务及复杂推理挑战中展现了卓...
字节跳动发布豆包大模型 1.5 Pro，性能超越 GPT-4o 和 Claude 3.5 Sonnet
字节跳动今日正式发布了其最新的豆包大模型 1.5 Pro（Doubao-1.5-pro），该模型在多个测评基准上，包括知识、代码、推理和中文等方面，展现了优于 GPT-4o 和 Claude 3.5 ...
字节跳动旗下AI编程工具Trae带来一系列令人瞩目的更新：聊天与构建器的融合、上下文能力的拓展等
字节跳动旗下AI编程工具Trae带来一系列令人瞩目的更新，这些改进将极大地提升开发体验，重塑 AI 开发的未来。 1. 聊天与构建器的融合 Trae v1.3.0版本将聊天（Chat）和构建器（Bui...
字节跳动发布 InfiniteYou官方 ComfyUI 插件ComfyUI_InfiniteYou
字节跳动发布了其基于FLUX的身份保持模型InfiniteYou 的官方 ComfyUI 原生节点 —— ComfyUI_InfiniteYou，为开发者和创作者提供了更便捷的集成方式，支持在 Com...
字节跳动推出Seed-Coder：轻量级开源代码大模型，性能媲美更大规模模型
字节跳动近日发布了全新的开源代码大语言模型（LLM）系列——Seed-Coder，标志着其在开源大语言模型生态系统中的首次重要贡献。这一系列模型以轻量化和高性能为核心特点，包括基础模型、指令模型和推理...
字节跳动发布 Seed LiveInterpret 2.0：首个中英同传延迟与准确率接近人类水平的端到端语音翻译系统
在跨语言实时沟通的长期挑战中，机器能否真正替代人类同声传译？字节跳动 Seed 团队给出了迄今为止最接近“是”的答案。 今日，字节跳动正式发布 Seed LiveInterpret 2.0 —— 一款...
字节跳动旗下AI助手豆包上线「深度思考」推理模式
在2025年3月5日，字节跳动旗下的AI助手豆包宣布正式上线了名为「深度思考」的推理模式。这一更新全面覆盖了问答、搜索、写作和阅读等应用场景，旨在为用户提供更加透明和详细的AI决策过程展示。用户只需简...
字节跳动开源UMO：统一多身份优化框架，让AI准确“认出”每个人
在图像定制领域，个性化生成已逐渐从“一个人一个风格”迈向“多人协同场景”的复杂需求。然而，当一张图中需要同时呈现多个真实人物时，模型常常出现“张冠李戴”——面部特征混淆、身份错位，导致输出失真。这不仅...
