最新AI教程资讯
Dive3D – 北大联合小红书推出的文本到3D生成框架
Dive3D是北京大学和小红书公司合作推出的文本到3D生成框架。框架基于分数的匹配（Score Implicit Matching，SIM）损失替代传统的KL散度目标，有效避免模式坍塌问题，显著提升3D生成内容的多样性。
2025-07-16 09:32:14
PreenCut – 开源的AI视频剪辑工具，支持自然语言进行检索定位
PreenCut是开源的AI视频剪辑工具，基于WhisperX实现高精度语音转录，结合DeepSeek和豆包API提供语义化搜索和智能剪辑功能。工具具备自动语音转录、AI智能分段、自然语言搜索、智能剪辑导出、批量处理等核心功能。
2025-07-16 09:08:14
Lingshu – 阿里推出的医疗多模态语言模型
Lingshu是阿里巴巴达摩院推出的专注于医学领域的多模态大型语言模型。模型支持超过12种医学成像模态，包括X光、CT扫描、MRI等，在多模态问答、文本问答及医学报告生成等任务上展现出卓越的性能。Lingshu基于多阶段训练，逐步嵌入医学专业知识，显著提升在医学领域的推理和问题解决能力。
2025-07-15 17:02:28
Ring-lite – 蚂蚁技术开源的轻量级推理模型
Ring-lite是蚂蚁技术AntTech团队推出的基于MoE架构的轻量级推理模型。模型用Ling-lite-1 5为基础，基于独创的C3PO强化学习训练方法，在多项推理Benchmark上达到SOTA效果，仅用2 75B激活参数。
2025-07-15 16:38:28
PosterCraft – 港科大联合美团等推出的美学海报生成框架
PosterCraft是香港科技大学（广州）和美团等机构推出的用在生成高质量美学海报的统一框架。框架摒弃模块化设计流程和固定的预定义布局，支持模型自由探索连贯且视觉上引人入胜的构图。
2025-07-15 16:14:29
子曰3（Confucius3-Math） – 网易有道开源的数学推理模型
Confucius3-Math是网易有道开源的“子曰3”系列大模型中的数学模型，是国内首个专注于数学教育的开源推理模型。具有140亿参数，专为K-12数学教育场景优化，可在单块消费级GPU（如RTX 4090D）上高效运行，推理性能约为DeepSeek R1的15倍，服务成本每百万token低至0 15美元，远低于大多数通用大模型。
2025-07-15 15:50:28
Mu – 微软推出的小参数语言模型
Mu是微软推出的小参数语言模型，仅3 3亿参数，支持在 NPU 和边缘设备上高效运行。模型基于编码器解码器架构，基于硬件感知优化、模型量化及特定任务微调，实现每秒超100 tokens的响应速度。
2025-07-15 15:26:28
Hunyuan-GameCraft – 腾讯混元推出的交互式游戏视频生成框架
Hunyuan-GameCraft 是腾讯 Hunyuan 团队和华中科技大学共同推出的高动态交互式游戏视频生成框架。基于将键盘和鼠标输入统一到共享的相机表示空间，实现精细的动作控制，支持复杂的交互输入。框架推出混合历史条件训练策略，能自回归地扩展视频序列，保留游戏场景信息，确保长期的时间连贯性。
2025-07-15 15:02:28
ImmerseGen – 字节跳动联合浙大推出的3D世界生成框架
ImmerseGen是字节跳动的PICO团队和浙江大学联合推出的创新3D世界生成框架。框架根据用户输入的文字提示，基于Agent引导的资产设计和排列，生成带有alpha纹理的紧凑Agent，创建全景3D世界。
2025-07-15 14:38:28
Gemini Robotics On-Device – 谷歌推出的首个本地具身智能模型
Gemini Robotics On-Device是谷歌DeepMind推出的首个可在机器人本地运行的视觉-语言-动作（VLA）模型。模型具备强大的离线操作能力，能遵循自然语言指令完成精细任务，如拉开袋子、叠衣服等。模型支持多种机器人本体部署，响应延迟低，适合对延迟敏感的应用。
2025-07-15 14:14:29
OmniAvatar – 浙大联合阿里推出的音频驱动全身视频生成模型
OmniAvatar是浙江大学和阿里巴巴集团共同推出的音频驱动全身视频生成模型。模型根据输入的音频和文本提示，生成自然、逼真的全身动画视频，人物动作与音频完美同步，表情丰富。
2025-07-15 13:50:28
AnimaTensor – 吐司AI等推出的二次元图像生成模型
AnimaTensor是CagliostroLab团队和TensorArt共同推出的二次元图像生成模型。基于创新的V-Prediction技术，用预测图像生成过程中的“速度”优化噪声调度和采样策略，提高图像质量和生成效率。
2025-07-15 13:26:28
DAMO GRAPE – 阿里达摩院联合浙江肿瘤医院推出的早期胃癌识别模型
DAMO GRAPE是浙江省肿瘤医院与阿里巴巴达摩院联合推出的全球首个基于平扫CT识别早期胃癌的AI模型。DAMO GRAPE突破传统影像学限制，基于深度学习分析非增强CT影像，实现对胃癌的高效筛查。
2025-07-15 13:02:29
Seed1.6 – 字节跳动推出的通用模型系列
Seed1 6是字节跳动Seed团队推出的通用模型系列，融合多模态能力，支持256K长上下文深度推理。Seed1 6沿用Seed1 5稀疏MoE探索成果，经纯文本预训练、多模态混合持续训练、长上下文持续训练三阶段，提升文本和视觉能力。
2025-07-15 12:38:28
Gemini CLI – 谷歌开源的AI编程工具，免费用Gemini 2.5 Pro模型
Gemini CLI 是谷歌开源的终端AI编程工具，免费用Gemini 2 5 Pro模型。Gemini CLI提供强大 AI 功能，如代码理解、文件操作、命令执行及动态排查问题，助力开发者高效编写代码、修复错误、构建功能和迁移代码。
2025-07-15 12:14:29
AlphaGenome – 谷歌推出的AI基因变异预测模型
AlphaGenome是谷歌DeepMind推出的全新AI模型，能更深入地理解基因组。模型能接收长达100万个碱基对的DNA序列输入，预测数千种表征其调控活性的分子特性，评估基因变异的影响。
2025-07-15 11:50:28
Claudia – 专为 Claude Code 设计的开源桌面端程序
Claudia 是为 Claude Code 设计的桌面应用程序和工具包，通过直观的图形界面提升 AI 辅助开发的效率和安全性。支持项目与会话管理，用户可以轻松浏览、恢复过去的编码会话，通过智能搜索快速定位项目。
2025-07-15 11:26:28
DRA-Ctrl – 浙大联合蚂蚁等机构推出的跨模态图片编辑框架
DRA-Ctrl（Dimension-Reduction Attack）是浙江大学联合蚂蚁集团等机构推出的创新跨模态图片编辑框架。框架借助视频生成模型的视觉、时间、空间和因果等多维度高维特征表示，实现对图片主体的状态预测与精准编辑。
2025-07-15 11:02:28
Kwai Keye-VL – 快手推出的多模态大语言模型
Kwai Keye-VL 是快手自主研发的多模态大语言模型，基于 Qwen3-8B 语言模型整合SigLIP初始化的视觉编码器，支持动态分辨率输入。模型能深度融合和处理文本、图像、视频等多模态信息，凭借创新的自适应交互机制与动态推理能力，致力于为用户打造更智能、更全面的多模态交互新范式。
2025-07-15 10:38:28
Twocast – AI双人播客生成器，模拟真实双人对话形式
Twocast是AI驱动的双人播客生成器，支持生成双人对话形式的播客内容。生成器支持多语言、多音色，且能基于主题、链接、文档等多种方式快速生成3-5分钟的播客。
2025-07-15 10:14:28
人气排行
24小时排行
