LiveCC–字节联合新加坡国立大学开源的实时视频解说模型
AI工具百科：
LiveCC是什么
LiveCC 是新加坡国立大学Show Lab 团队联合字节跳动推出的实时视频解说模型，基于自动语音识别（ASR）字幕进行大规模训练。LiveCC像专业解说员一样快速分析...
TripoSF–VASTAI开源的新一代3D基础模型
AI工具百科：
TripoSF是什么
TripoSF是VAST推出的新一代3D基础模型，突破传统3D建模在细节、复杂结构和扩展性上的瓶颈。采用SparseFlex表示方法，结合稀疏体素结构，仅在物体表面附近...
SkyReelsV2–昆仑万维开源的无限时长电影生成模型
AI工具百科：
SkyReelsV2是什么
SkyReelsV2是昆仑万维SkyReels团队推出的无限时长电影生成模型，基于扩散强迫（Diffusionforcing）框架，结合多模态大语言模型（MLLM）、多阶段预训练...
XiaomiMiMo–小米开源的首个推理大模型
AI工具百科：
Xiaomi MiMo是什么
Xiaomi MiMo 是小米开源的首个推理（Reasoning）大模型，支持提升模型在复杂推理任务中的表现。模型基于联动预训练和后训练，挖掘大量富推理语料并采...
TokenFD–上海交大联合美团推出的细粒度图文对齐基础模型
AI工具百科：
TokenFD是什么
TokenFD是上海交通大学联合美团推出的细粒度图文对齐基础模型，主要用于文档理解任务。通过Token级对齐，实现了图像Token与语言Token在同一特征空间中的共...
BAGEL–字节跳动开源的多模态基础模型
AI工具百科：
BAGEL是什么
BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。采用混合变换器专家架构（MoT），通过两个独立编码器分别捕捉图像的像素级和语...
EmbodiedReasoner–浙大联合阿里等机构推出的具身交互推理模型
AI工具百科：
Embodied Reasoner是什么
Embodied Reasoner是浙江大学、中国科学院软件研究所、阿里巴巴集团等机构推出的新型的具身交互推理模型，基于视觉搜索、推理和行动协同完成复...
Gemma3–谷歌最新推出的开源多模态AI模型
AI工具百科：
Gemma 3是什么
Gemma 3 是谷歌最新推出的开源人工智能模型，专为开发者设计，支持多种设备上的人工智能应用开发。支持超过 35 种语言，具备分析文本、图像及短视频的能力...
Dream7B–港大联合华为诺亚方舟开源的扩散推理模型
AI工具百科：
Dream7B是什么
Dream7B是香港大学和华为诺亚方舟实验室联合推出的扩散式推理模型，是目前最强大的开源扩散大语言模型。Dream7B训练数据涵盖文本、数学和代码，预训练使用...
TxGemma–谷歌推出的通用医学治疗大模型
AI工具百科：
TxGemma是什么
TxGemma 是谷歌推出的用于药物发现的通用人工智能模型，通过 AI 技术加速药物研发进程。基于 Google 的 Gemma 框架开发，能理解常规文本以及化学物质、分...
Kiss3DGen–基于图像扩散模型的3D资产生成框架
AI工具百科：
Kiss3DGen是什么
Kiss3DGen是创新的3D资产生成框架，通过重新基于预训练的2D图像扩散模型来高效生成、编辑和增强3D对象。核心在于生成“3D Bundle Image”，将多视图图像及...
UNO–字节跳动推出的创新AI图像生成框架
AI工具百科：
UNO是什么
UNO是字节跳动推出创新的AI图像生成框架，突破传统模型在多主体生成中的局限。通过“少到多”的泛化方法，能高质量地生成单主体和多主体图像，解决了多主体场景...
