Mureka V7.5 - 昆仑万维推出的全新AI音乐生成大模型
Mureka V7.5 是昆仑万维推出的 AI 音乐生成模型，擅长创作高质量的中文歌曲。模型基于优化的 ASR 技术，精准分析唱词和演唱细节，生成自然且富有情感的歌声。...
DINOv3 - Meta AI开源的视觉基础模型
DINOv3 是 Meta AI 推出的自监督视觉基础模型，采用自监督学习范式，无需标注数据即可学习图像特征。通过改进数据准备和引入 Gram anchoring 解决了特征退化...
Skywork Deep Research Agent v2 - 昆仑万维重磅升级的深度研究智能体
Skywork Deep Research Agent v2 是昆仑万维推出的先进的深度研究智能体，集成多模态信息处理能力，能够同时处理文本、图片和视频等多种数据形式。Skywork De...
Hunyuan-GameCraft - 腾讯混元开源的游戏AI视频生成框架
Hunyuan-GameCraft 是腾讯 Hunyuan 团队开源的交互式游戏视频生成框架。框架支持从单张图片和提示生成高动态的游戏视频，支持用户通过键盘和鼠标实时控制。
Skywork UniPic 2.0 - 昆仑万维开源的多模态融合模型
Skywork UniPic 2.0 是昆仑万维开源的高效多模态模型，专注于图像生成、编辑与理解。模型基于 2B 参数的 SD3.5-Medium 架构，通过大规模高质量数据预训练，结...
RynnRCP - 阿里开源的机器人上下文协议
RynnRCP 是阿里达摩院开源的机器人上下文协议，能降低具身智能开发门槛，打通从数据采集到动作执行的全流程。RynnRCP包含 RCP 框架和 RobotMotion 两大模块。
RynnEC - 阿里达摩院推出的多模态交互世界理解模型
RynnEC是阿里巴巴达摩院推出的世界理解模型，专注于具身智能领域。模型能够通过视频序列和自然语言指令，从多个维度解析场景中的物体，包括位置、功能和数量...
Matrix-3D - 昆仑万维最新推出的全景3D世界生成框架
Matrix-3D 是昆仑万维 Skywork AI 团队推出的一款开源框架，专注于生成可探索的全景 3D 世界。框架结合全景视频生成和 3D 重建技术，支持用单张图像或文本提...
GLM-4.5V - 智谱开源的多模态视觉推理模型
GLM-4.5V是智谱推出的视觉推理模型。模型基于106B参数规模构建，拥有12B激活能力，是目前领先的视觉语言模型（VLM）。模型在视觉理解、推理以及多模态交互方...
Matrix-Game 2.0 - 昆仑万维SkyWork AI自研的世界模型
Matrix-Game 2.0 是昆仑万维 SkyWork AI 推出的自研世界模型。是业内首个开源的通用场景实时长序列交互式生成模型，采用视觉驱动的交互方案，通过 3D 因果变...
MiDashengLM-7B - 小米开源的声音理解大模型
MiDashengLM-7B 是小米发布的开源声音理解大模型，参数规模为 70 亿。模型基于 Xiaomi Dasheng 音频编码器和 Qwen2.5-Omni-7B Thinker 解码器，采用创新的通...
AudioGen-Omni - 中矿联合快手推出的多模态音频生成模型
AudioGen-Omni 是中国矿业大学和快手科技联合开发的先进的多模态音频生成模型，基于多模态扩散变换器（MMDit）架构，能根据输入的视频、文本或两者的结合，生...