UniTok–字节联合港大、华中科技推出的统一视觉分词器
AI工具百科：
UniTok是什么
UniTok 是字节跳动联合香港大学和华中科技大学推出的统一视觉分词器，能同时支持视觉生成和理解任务。基于多码本量化技术，将视觉特征分割成多个小块，每块...
DDiT–耶鲁大学联合字节Seed等机构推出的多模态扩散模型
AI工具百科：
DDiT是什么
DDiT（Dual Diffusion Transformer）是卡内基梅隆大学、耶鲁大学和字节跳动Seed实验室推出的多模态扩散模型，能统一图像生成和理解任务。
模型结合连续图...
MercuryCoder–InceptionLabs推出的商业级扩散大型语言模型
AI工具百科：
Mercury Coder是什么
Mercury Coder 是 Inception Labs 推出的首个扩散型大语言模型（dLLM），是 Mercury 系列中专门用在代码生成的模型。
Mercury Coder基于“从粗到...
MIDI–AI3D场景生成技术，能将单张图像转化为360度3D场景
AI工具百科：
MIDI是什么
MIDI（MultiInstance Diffusion for Single Image to 3D Scene Generation）是先进的3D场景生成技术，能在短时间内将单张图像转化为高保真度的3D场景。通过智...
GLM432B–智谱开源的新一代基座模型
AI工具百科：
GLM432B是什么
GLM432B是智谱公司开源的新一代基座模型，参数版本为GLM432B0414。GLM432B经过15T高质量数据预训练，强化代码生成、推理和工程任务能力，支持HTML、CSS、J...
Dolphin–字节跳动开源的文档解析大模型
AI工具百科：
Dolphin是什么
Dolphin 是字节跳动开源的轻量级、高效的文档解析大模型。基于先解析结构后解析内容的两阶段方法，第一阶段生成文档布局元素序列，第二阶段用元素作为锚点...
Macaly–无代码AI应用开发工具，自然语言描述创建应用
Ai工具百科：
Macaly是什么
Macaly 是创新的无代码应用开发工具，通过自然语言处理技术，让用户能将想法转化为可运行的应用程序。可以通过简单的文字描述或语音指令，直接参与到应用的...
DeepMesh–清华和南洋理工推出的3D网格生成框架
AI工具百科：
DeepMesh是什么
DeepMesh 是清华大学和南洋理工大学研究人员提出的 3D 网格生成框架，基于强化学习和自回归变换器生成高质量的 3D 网格。
通过两项关键创新来优化网格...
WeGen–中科大联合上海交大等推出的统一多模态生成模型
AI工具百科：
WeGen是什么
WeGen 是中国科学技术大学联合上海交通大学、微信团队、中国科学院等机构推出的统一多模态生成模型，基于自然对话实现多样化的视觉生成任务。
WeGen结合...
SpatialVLA–上海AILab联合上科大等推出的空间具身通用操作模型
AI工具百科：
SpatialVLA是什么
SpatialVLA 是上海 AI Lab、中国电信人工智能研究院和上海科技大学等机构共同推出的新型空间具身通用操作模型，基于百万真实数据预训练，为机器人赋予...
StreamBridge–苹果联合复旦推出的端侧视频大语言模型框架
AI工具百科：
StreamBridge是什么
StreamBridge 是苹果公司与复旦大学联合推出的端侧视频大语言模型（VideoLLMs）框架，能帮助 AI 实时理解直播流视频。框架基于内存缓冲区和轮次衰减...
LangManus–AI自动化框架，多智能体协同完成复杂任务
AI工具百科：
LangManus是什么
LangManus 是 AI 自动化框架，基于分层多智能体系统设计。包含多种智能体，如协调员、规划员、研究员、程序员等，各司其职，协同完成复杂任务。
框架...
