Satori – 开源的大语言推理模型，具备自回归搜索和自我纠错能力
Satori是什么 Satori是 MIT、哈佛大学等机构研究者推出的 7B 参数的大型语言模型，专注于提升推理能力。基于Qwen-2.5-Math-7B，Satori通过小规模的格式微调和大规模的增...
排序
Goku – 港大和字节联合推出的最新视频生成模型
Goku是什么 Goku是香港大学和字节跳动联合发布的最新视频生成模型，专为图像和视频的联合生成设计。基于先进的rectified flow Transformer框架，支持文生视频、图生视频及文生图...
AnythingLLM – 开源的全栈 AI 客户端，支持本地部署和API集成
AnythingLLM是什么 AnythingLLM 是开源免费且支持多模态交互的全栈 AI 客户端。AnythingLLM支持文本、图像和音频等多种输入方式，将任何文档或内容转化为上下文，供各种语言...
VideoCaptioner – AI视频字幕处理工具，支持字幕样式调整和多格式导出
VideoCaptioner是什么 VideoCaptioner（中文名：卡卡字幕助手）是基于大语言模型（LLM）的智能字幕处理工具，能简化视频字幕的生成与优化流程。VideoCaptioner支持语...
Zonos – ZyphraAI 开源的多语言 TTS 模型
Zonos是什么 Zonos是Zyphra推出的高保真文本到语音（TTS）模型。Zonos包含两个模型：16亿参数的Transformer模型和SSM混合模型，均在Apache 2.0许可下开源。Zo...
InspireMusic – 阿里通义实验室开源的音乐生成技术
InspireMusic是什么 InspireMusic 是阿里巴巴通义实验室开源的音乐生成技术，通过人工智能为用户生成高质量的音乐作品。基于多模态大模型技术，支持通过简单的文字描述或音频提示快速生成...
YAYI-Ultra – 中科闻歌推出的混合专家模型
YAYI-Ultra是什么 YAYI-Ultra （雅意）是中科闻歌研发的企业级大语言模型的旗舰版本，具备强大的多领域专业能力和多模态内容生成能力。支持数学、代码、金融、舆情、中医、安全等多个领域的专...
HUGWBC – 上海交大联合上海 AI Lab 推出的人形机器人全身控制器
HUGWBC是什么 HUGWBC（Humanoid Unified and General Whole-Body Controller）是上海交通大学、上海AI Lab联合推出的人形机器人全身控制器...
TPO – AI优化框架，动态调整推理模型的输出，更符合人类偏好
TPO是什么 TPO（Test-Time Preference Optimization）是新型的AI优化框架，在推理阶段对语言模型输出进行动态优化，更符合人类偏好。TPO通过将奖励信号转化为文本反馈...
PDF to Podcast – 英伟达推出的 PDF 转音频内容 AI 工具
PDF to Podcast是什么 PDF to Podcast是NVIDIA推出的PDF转音频的AI工具，基于NVIDIA NIM微服务架构的，能将PDF文档转换为生动的音频内容，如播客。基于大型语...