最新AI教程资讯
Hailuo 02 – MiniMax推出的全新AI视频生成模型，排名超越可灵和Veo 3
Hailuo 02 是 MiniMax 公司推出的全新AI视频生成模型，是Hailuo 01的升级版本。这个模型目前在图生视频、文生视频的榜单位于第二，超越快手的可灵以及谷歌的Veo3，仅次于字节上周刚刚发布Seedance 1 0 。
2025-07-17 09:32:39
OmniFlow – 松下联合加州大学推出的多模态AI模型
OmniFlow是松下与加州大学洛杉矶分校（UCLA）合作推出的多模态AI模型。模型能实现文本、图像和音频之间的任意到任意（Any-to-Any）生成任务，例如将文本转换为图像或音频，或将音频转换为图像等。OmniFlow扩展现有的图像生成流匹配框架，基于连接和处理三种不同数据特征，学习复杂的数据关系，避免简单平均不同模态数据特征的局限性。
2025-07-17 09:08:39
Bright Data MCP – 基于MCP的实时网络数据抓取工具
Bright Data MCP 是强大的模型上下文协议（MCP）服务器，专为公共网络访问设计。Bright Data MCP能让大型语言模型（LLMs）、agents 和应用程序实时访问、发现和提取网络数据，绕过地理限制和网站的反爬虫机制。
2025-07-16 16:44:14
SurveyForge – AI自动化学术综述生成框架
SurveyForge是上海AI Lab联合复旦大学、上海交通大学等机构推出的创新框架，用在自动化生成高质量学术综述。框架基于两阶段设计，大纲生成和内容生成。在大纲生成阶段，基于双数据库协同驱动（研究论文数据库和综述大纲数据库）的启发式学习机制，生成结构合理、逻辑清晰的综述框架。
2025-07-16 16:20:14
EmbodiedGen – 用于具身智能应用的生成式3D世界引擎
EmbodiedGen 是用于具身智能（Embodied AI）应用的生成式 3D 世界引擎和工具包。能快速生成高质量、低成本且物理属性合理的 3D 资产和交互环境，帮助研究人员和开发者构建具身智能体的测试环境。
2025-07-16 15:56:14
EX-4D – 字节跳动Pico团队推出的4D视频生成框架
EX-4D是字节跳动（ByteDance）旗下Pico团队推出的新型4D视频生成框架，能从单目视频输入生成极端视角下的高质量4D视频。框架基于独特的深度防水网格（DW-Mesh）表示，显式建模可见和被遮挡区域，确保在极端相机姿态下保持几何一致性。
2025-07-16 15:32:14
LinGen – Meta联合普林斯顿大学推出的文本到视频生成框架
LinGen是普林斯顿大学和Meta共同推出的新型文本到视频生成框架。框架基于线性复杂度的MATE模块（包含MA-branch和TE-branch），替换传统Diffusion Transformers中的二次复杂度的自注意力模块，实现在单个GPU上高效生成高分辨率、分钟级时长的视频。
2025-07-16 15:08:14
Midjourney V1 – Midjourney推出的首个AI视频生成模型
Midjourney V1 是 Midjourney 公司推出的首个AI视频生成模型。支持用户将静态图像转化为动态视频。用户上传图片或在 Midjourney 中生成图片基于“Animate”按钮转变为视频。模型提供自动和手动动画设置，及高、低运动模式，用户能根据需要选择合适的模式制作视频。
2025-07-16 14:44:14
Office-PowerPoint-MCP-Server – 基于MCP的开源PPT生成与编辑工具
Office-PowerPoint-MCP-Server 是基于 Model Context Protocol（MCP）的开源工具，专门用在演示文稿的自动化创建和编辑。工具基于 python-pptx 库实现对 PowerPoint 文件的精细操作，支持从零开始创建新演示文稿或对现有文件进行修改。
2025-07-16 14:20:14
MeWM – AI医学世界模型，精准模拟肿瘤演化
MeWM（Medical World Model）是创新的医学模型，由香港科技大学（广州）等机构提出，通过模拟疾病动态来辅助临床决策。由策略模型、动态模型和逆向动态模型组成。
2025-07-16 13:56:14
Skywork-SWE-32B – 昆仑万维开源的自主代码智能体基座模型
Skywork-SWE-32B是昆仑万维开源的32B规模的软件工程（SWE）自主代码智能体基座模型。模型专注于软件工程任务，特别是仓库级代码修复能力，能在多轮交互和长文本处理的复杂场景中表现出色。
2025-07-16 13:32:14
Self Forcing – Adobe联合德克萨斯大学推出的视频生成模型
Self Forcing 是 Adobe Research 与德克萨斯大学奥斯汀分校联合推出的新型自回归视频生成算法，解决传统生成模型在训练与测试时的暴露偏差问题。通过在训练阶段模拟自生成过程，以先前生成的帧为条件生成后续帧，而非依赖真实帧，弥合训练与测试分布的差异。
2025-07-16 13:08:14
SongGeneration – 腾讯AI Lab开源的音乐生成大模型
SongGeneration是腾讯AI Lab推出的AI音乐生成大模型。模型支持解决音乐AIGC领域中的音质、音乐性与生成速度等关键问题，SongGeneration基于LLM-DiT融合架构，显著提升音质表现和生成速度，生成歌曲的质量在多个维度上优于多数开源模型，部分指标媲美商业闭源模型。
2025-07-16 12:44:14
OneRec – 快手推出的端到端生成式推荐系统
OneRec 是快手推出的新型端到端生成式推荐系统。采用编码器-解码器架构，通过稀疏 Mixture-of-Experts（MoE）技术提升模型容量，保持高效的计算性能。与传统级联推荐系统不同，OneRec 使用会话式生成方法，能生成上下文连贯的推荐结果，通过迭代偏好对齐模块结合直接偏好优化（DPO），进一步提升推荐质量。
2025-07-16 12:20:14
Kimi-Researcher – Kimi推出的深度研究Agent模型
Kimi-Researcher 是月之暗面旗下的 Kimi 推出的基于端到端自主强化学习（end-to-end agentic RL）技术训练的新一代 Agent 模型，专为深度研究任务而设计。能自主规划任务执行流程，通过澄清问题、深入推理、主动搜索和调用工具等步骤，最终交付高质量的研究成果。
2025-07-16 11:56:14
盘古大模型 5.5 – 华为推出的新一代AI大模型
盘古大模型5 5是华为在开发者大会（HDC 2025）上发布的最新一代人工智能大模型。模型强调“不作诗，只做事”，专注于解决实际产业问题，推动千行百业的智能化升级。
2025-07-16 11:32:14
Stream-Omni – 中科院联合国科大推出的语言视觉语音模型
Stream-Omni是中国科学院计算技术研究所智能信息处理重点实验室、中国科学院人工智能安全重点实验室及中国科学院大学联合推出的类似GPT-4o的大型语言视觉语音模型，能同时支持多种模态组合的交互。模型支持大型语言模型为骨干，基于序列维度拼接实现视觉文本对齐，基于CTC的层维度映射实现语音文本对齐，高效地将文本能力迁移到语音模态。
2025-07-16 11:08:14
MindOmni – 腾讯联合清华等机构推出的多模态大语言模型
MindOmni 是腾讯 ARC Lab 联合清华大学深圳国际研究生院、香港中文大学和香港大学等推出的多模态大型语言模型，基于强化学习算法（RGPO）显著提升视觉语言模型的推理生成能力。模型用三阶段训练策略，首先构建统一视觉语言模型，基于链式思考（CoT）数据进行监督微调，用 RGPO 算法优化推理生成。
2025-07-16 10:44:14
元智医疗大模型 – 联影智能推出的医疗领域多模态模型
元智医疗大模型是联影智能推出的面向医疗领域的多模态人工智能模型，通过融合文本、影像、视觉、语音等多种模态数据，为医疗场景提供深度智能化解决方案。
2025-07-16 10:20:14
RAG-Anything – 港大开源的多模态RAG系统
RAG-Anything是香港大学数据智能实验室推出的开源多模态RAG系统。系统支持处理包含文本、图像、表格和公式的复杂文档，提供从文档摄取到智能查询的端到端解决方案。系统基于多模态知识图谱、灵活的解析架构和混合检索机制，显著提升复杂文档处理能力，支持多种文档格式，如PDF、Office文档、图像和文本文件等。
2025-07-16 09:56:14
人气排行
24小时排行
