最新AI教程资讯
Embodied Reasoner – 浙大联合阿里等机构推出的具身交互推理模型
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杂任务。模型基于模仿学习、自我探索和自我修正的三阶段训练方法，生成多样化的思考过程（如情境分析、空间推理、自我反思等）。
2025-05-13 12:37:40
风宇 – 中国气象局联合华为和南昌大学推出的空间天气大模型
风宇是中国气象局联合南昌大学和华为共同推出的全球首个全链式空间天气大模型。模型基于创新的链式训练结构，结合卫星观测数据与数值模式数据，实现太阳风、磁层和电离层的全链式耦合模拟，突破传统模型的算力与实时响应瓶颈。
2025-05-13 12:15:12
RepText – Liblib AI联合Shakker Labs推出的多语言视觉文本渲染框架
RepText 是Shakker Labs 和 Liblib AI推出的多语言视觉文本渲染框架，基于复制字形而非理解文本内容实现高质量的文本渲染。框架基于预训练的单语言文本到图像生成模型，引入 ControlNet 结构、Canny 边缘检测、位置信息及字形潜变量复制技术，精准地渲染用户指定字体和位置的多语言文本。
2025-05-13 11:54:38
Xiaomi MiMo – 小米开源的首个推理大模型
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用创新的强化学习算法，显著提升数学推理和代码生成能力。
2025-05-13 11:25:45
F-Lite – Freepik联合FAL开源的文生图模型
F-Lite是Freepik团队联合FAL开源的10B参数的文生图模型。基于Freepik内部80M有版权的数据集训练，支持商业用途。F-Lite将T5-XXL作为文本编码器，基于抽取第17层特征注入到DiT模型中。
2025-05-13 10:57:19
ACI.dev – 为AI智能体设计的开源MCP基础设施平台
ACI dev 是开源的基础设施平台，专为 AI 智能体设计，提供强大的工具调用支持。集成了 600 多种预构建工具，涵盖 Gmail、Slack、Notion 等常见应用，支持通过函数调用或 MCP 服务器灵活访问。
2025-05-13 10:29:18
URM – 阿里妈妈推出的世界知识大模型
URM（Universal Recommendation Model）是阿里妈妈推出的世界知识大模型，基于知识注入和信息对齐，将LLM的通用知识与电商领域的专业知识相结合，解决传统LLM在电商推荐场景中表现欠佳的问题。
2025-05-13 10:03:33
DeepSeek-Prover-V2 – DeepSeek推出的开源数学推理大模型
DeepSeek-Prover-V2 是深度求索团队 DeepSeek 开源的专注于数学推理的超大规模语言模型。包含两个版本：DeepSeek-Prover-V2-671B 和 DeepSeek-Prover-V2-7B，分别拥有6710亿和70亿参数。
2025-05-13 09:41:35
Rowboat – 开源AI编程工具，快速构建多智能体助手
Rowboat 是开源的低代码 AI IDE，专注于构建多智能体助手的 MCP（多云平台）工具。通过可视化界面和 AI 辅助开发功能，帮助用户快速设计、配置和测试智能体工作流程。用户可以用自然语言描述需求，Rowboat 的 AI Copilot 能自动生成智能体结构和工具配置，支持实时交互测试。
2025-05-13 09:18:27
Qwen2.5-Omni-3B – 阿里 Qwen 团队推出的轻量级多模态 AI 模型
Qwen2 5-Omni-3B 是阿里巴巴 Qwen 团队推出的轻量级多模态 AI 模型。是 Qwen2 5-Omni-7B 的精简版，专为消费级硬件设计，支持文本、音频、图像和视频等多种输入功能。参数量从 7B 缩减到 3B，多模态性能仍保持了 7B 模型 90% 以上，在实时文本生成和自然语音输出方面表现突出。
2025-05-12 17:06:37
TesserAct – AI 4D具身世界模型，能预测3D场景的动态演变
TesserAct 是创新的 4D 具身世界模型，能预测 3D 场景随时间的动态演变，响应具身代理的动作。通过训练 RGB-DN（RGB、深度和法线）视频数据来学习，超越了传统的 2D 模型，能将详细的形状、配置和时间变化纳入预测中。
2025-05-12 16:06:37
VoltAgent – 开源的AI Agent构建和编排框架
VoltAgent 是开源的 TypeScript 框架，用在构建和编排 AI Agent。VoltAgent 提供构建 AI 应用的基础结构和工具，简化与大语言模型（LLM）的交互、状态管理、外部工具连接和工作流编排的复杂性。
2025-05-12 15:06:37
Aero-1-Audio – LMMs-Lab 推出的轻量级音频模型
Aero-1-Audio 是 LMMs-Lab 开发的轻量级音频模型，基于 Qwen-2 5-1 5B 构建，仅包含 1 5 亿参数。专为长音频处理设计，能支持长达 15 分钟的连续音频输入，无需分段，同时保持上下文连贯性。
2025-05-12 14:06:37
DianJin-R1 – 阿里云通义点金联合苏大推出的金融推理大模型
DianJin-R1是阿里云通义点金团队与苏州大学联合推出的金融领域推理增强大模型，专为金融任务设计，融合了先进的技术和全面的数据支持。模型通过推理增强监督和强化学习提升金融推理任务的表现，核心是DianJin-R1-Data数据集，整合了CFLUE、FinQA和中国合规检查（CCC）数据集，涵盖多样化的金融推理场景。
2025-05-12 13:06:38
X-Fusion – 加州大学联合Adobe等机构推出的多模态融合框架
X-Fusion 是加州大学洛杉矶分校、威斯康星大学麦迪逊分校和 Adobe Research 联合提出的多模态融合框架，将预训练的大型语言模型（LLMs）扩展到多模态任务中，保留其语言能力。框架采用双塔架构，冻结语言模型的参数，同时为视觉模态引入独立的权重，处理视觉信息。
2025-05-12 12:06:37
Phi-4-reasoning – 微软推出的Phi-4推理模型系列
Phi-4-reasoning 是微软推出的 140 亿参数的推理模型，专为复杂推理任务设计。通过监督微调（SFT）训练而成，使用了 OpenAI 的 o3-mini 模型生成的高质量推理演示数据。模型能生成详细的推理链，在推理时有效利用计算资源。
2025-05-12 11:06:37
HoloTime – 北大联合鹏城实验室推出的全景4D场景生成框架
HoloTime 是北京大学深圳研究生院和鹏城实验室推出的全景 4D 场景生成框架，基于视频扩散模型将单张全景图像转化为具有真实动态效果的全景视频，进一步重建为沉浸式的 4D 场景。
2025-05-12 10:06:37
OpenAI o4-mini – OpenAI推出的小型推理模型
OpenAI o4-mini 是OpenAI推出的小型推理模型，专为快速、经济高效的推理而优化。OpenAI o4-mini 在数学、编程和视觉任务方面表现出色，是 AIME 2024 和 2025 基准测试中表现最佳的模型。OpenAI o4-mini 支持高容量、高吞吐量的推理任务，适合快速处理大量问题。
2025-05-12 09:06:37
Codex CLI – OpenAI 开源的AI编程智能体
Codex CLI 是 OpenAI 推出的轻量级终端运行编码智能体。Codex CLI基于自然语言指令帮助开发者高效生成代码、执行文件操作和进行版本控制。Codex CLI 支持代码生成、重构、测试，及数据库迁移和文件批量操作等功能。
2025-05-11 21:33:52
Neural4D 2o – DreamTech 推出支持多模态交互的 3D 模型
Neural4D 2o 是 DreamTech 推出的全球首个支持多模态交互的 3D 大模型。模型基于文本、图像、3D 和运动数据的联合训练，实现 3D 生成的上下文一致性、高精准局部编辑、角色 ID 保持、换装和风格迁移等功能。
2025-05-11 20:33:52
人气排行
24小时排行
