SigLIP 2 – 谷歌 DeepMind 推出的多语言视觉语言编码器模型
SigLIP 2是什么 SigLIP 2 是Google DeepMind 提出先进的多语言视觉-语言模型 ，是 SigLIP 的升级版本，提升图像与文本之间的对齐能力。通过改进的训练方法和架构，显著...
排序
Chat2SVG – 文本描述实现高质量矢量图形的生成框架
Chat2SVG是什么 Chat2SVG 是创新的文本到矢量图形（SVG）生成框架，通过结合大型语言模型（LLMs）和图像扩散模型，实现高质量 SVG 图形的自动化创作。通过多阶段流程，首先基于 LL...
SNOOPI – AI文本到图像生成框架，提升单步扩散模型的效率和性能
SNOOPI是什么 SNOOPI是创新的文本到图像生成框架，基于增强单步扩散模型的指导提升模型性能和控制力。SNOOPI包括PG-SB（适当指导 – SwiftBrush）和NASA（负向...
Cooragent – 清华 LeapLab 开源的 AI Agent 协作框架
Cooragent是什么 Cooragent是由清华大学LeapLab团队推出的开源AI Agent协作框架。用户基于简单的一句话描述快速创建Agent，支持Agent之间的协作，完成复杂任务。Coo...
OpenThinker-32B – 斯坦福、UC 伯克利等机构联合开源的推理模型
OpenThinker-32B是什么 OpenThinker-32B 是斯坦福、UC 伯克利、华盛顿大学等机构联合开发的开源推理模型，拥有 328 亿参数，支持 16,000 token 的上下文长度...
Video Alchemist – AI视频生成模型，具备多主体开放集合个性化能力
Video Alchemist是什么 Video Alchemist是Snap公司等推出的新型视频生成模型，具备多主体、开放集合个性化能力，能根据文本提示和参考图像生成视频，无需在测试时进行优化。模型...
Scenethesis – 英伟达推出的交互式3D场景生成框架
Scenethesis是什么 Scenethesis 是 NVIDIA 推出的创新框架，用在从文本生成交互式 3D 场景。框架结合大型语言模型（LLM）和视觉感知技术，基于多阶段流程实现高效生成，用 ...
GenCast – 谷歌DeepMind推出的AI气象预测模型
GenCast是什么 GenCast是DeepMind推出的革命性AI气象预测模型，基于扩散模型技术，提供长达15天的全球天气预报。GenCast在97.2%的预测任务中超越全球顶尖的中期天气预报系统...
SEMIKONG – 专为半导体领域设计的大型语言模型
SEMIKONG是什么 SEMIKONG是专门为半导体行业定制的大型语言模型（LLM），是Aitomatic、FPT Software和东京电子有限公司联合推出的。基于深入的领域知识，解决半导体制造和...
OpenDeepSearch – AI搜索工具，支持深度网络搜索和信息检索
OpenDeepSearch是什么 OpenDeepSearch 是开源的深度搜索工具，基于开源推理模型和推理代理提升搜索性能，专为 Hugging Face 的 SmolAgents 无缝集成进行优...