Pixtral Large – Mistral AI开源的超大多模态模型
Pixtral Large是什么 Pixtral Large是法国Mistral AI开源的1240亿参数超大多模态模型，具备前沿级图像理解能力，支持128K上下文，能理解文本、图表和图像。Pixtr...
排序
Qwen2.5-Turbo – 阿里推出的长文本模型，支持上下文长度1M tokens
Qwen2.5-Turbo是什么 Qwen2.5-Turbo是阿里推出的先进模型，将上下文长度从 128k 扩展到了 1M tokens ，相当于100万个英文单词或150万个汉字。扩展让模型能处理更...
StableV2V – 中国科技大学开源的视频编辑项目
StableV2V是什么 StableV2V是中国科技大学推出的开源视频编辑项目，基于文本、草图、图片等输入实现视频中物体的精准编辑和替换。项目用形状一致的编辑范式，基于三个主要组件：Prompted...
SongCreator – AI音乐模型，能理解、生成和编辑歌曲
SongCreator是什么 SongCreator是清华大学深圳国际研究生院、香港中文大学等机构推出的AI音乐生成模型，能从歌词出发生成包含声乐和伴奏的完整歌曲。基于双序列语言模型（DSLM）和注意...
Teacher2Task – 谷歌推出的多教师学习框架
Teacher2Task什么 Teacher2Task是谷歌团队推出的多教师学习框架，引入教师特定的输入标记和重新构思训练过程，消除对手动聚合启发式方法的需求。框架不依赖聚合标签，将训练数据转化为N...
DynaSaur – Adobe 推出的大语言模型代理框架
DynaSaur是什么 DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成和...
AutoTrain – Hugging Face 开源的无代码模型训练平台
AutoTrain是什么 AutoTrain（AutoTrain Advanced）是Hugging Face推出的开源无代码平台，能简化最先进模型的训练过程。支持用户无需编写代码即可创建、微调和部署...
EMOVA – 华为诺亚方舟联合多所高校共同推出的多模态全能处理模型
EMOVA是什么 EMOVA（EMotionally Omni-present Voice Assistant）是多模态全能模型，是香港科技大学、香港大学和华为诺亚方舟实验室等机构共同推出的。EMOV...
OminiControl – AI图像生成框架，实现图像主题控制和空间精确控制
OminiControl是什么 OminiControl是高度通用且参数高效的图像生成框架，为扩散变换器模型如FLUX.1设计，实现对图像生成过程的精细控制。OminiControl支持主题驱动控制和...
Project Mariner – 谷歌推出的浏览网站智能体，能帮用户操作表格、在线购物
Project Mariner是什么 Project Mariner 是谷歌 DeepMind 推出的浏览器助手。Project Mariner基于 Gemini 2.0 技术，用 Chrome 扩展...