AI项目和框架
- Gemini 3.1 Pro：基于Gemini 3系列架构深度优化，是对Gemini 3 Deep Think能力的全面革新
Gemini 3.1 Pro定位为更强智能、更高性能的新一代基线模型，核心推理能力实现显著进化，尤其擅长处理逻辑严谨、步骤复杂、多环节推理的高难度任务。
- Voxtral Mini 4B Realtime 2602：Mistral AI正式开源的实时流式语音识别模型
Voxtral-Mini-4B-Realtime-2602是Mistral AI正式开源的实时流式语音识别模型，仅40亿参数，即可在保持高精度的前提下，实现500ms以内超低延迟，并原生支持中文等13种语言。
- Ming-omni-tts音频生成模型官网使用入口，优于SeedTTS、GLM-TTS
Ming-omni-tts模型通过统一连续音频Tokenizer与Diffusion Transformer架构，以12.5Hz帧率处理多模态音频，并借助「Patch-by-Patch」压缩策略将LLM推理帧率降至3.1Hz，在保证高音质的同时大幅降低延迟。
- Lyria 3模型使用入口，30秒快速生成带歌词、伴奏与定制封面的完整原创音乐片段
Lyria 3是谷歌DeepMind研发的新一代AI音乐生成模型，现已原生集成到Gemini，支持文本、图片/视频多模态输入，30秒快速生成带歌词、伴奏与定制封面的完整原创音乐片段。目前处于测试阶段，面向全球18岁以上用户开放。
- DeepGen 1.0模型使用入口，浙江大学等联合推出的轻量级统一多模态模型，仅50亿参数
DeepGen 1.0是由中国科学技术大学、西湖大学与南加州大学等联合推出的轻量级统一多模态模型，仅50亿参数，却在通用图像生成、编辑及复杂逻辑理解任务中实现超越级表现，多项指标击败参数量为其3–16倍的国际顶级模型。
- BitDance模型使用入口，字节跳动正式开源的140亿参数离散自回归多模态基础模型
BitDance是字节跳动正式开源的140亿参数离散自回归多模态基础模型。凭借创新的二进制Token编码机制与并行扩散预测范式，模型在保持高分辨率、高保真画质的前提下，实现了颠覆性的生成速度，效率较传统自回归模型提升30倍以上，甚至超越多款主流扩散模型。
- Capybara模型使用入口，一款单一架构、全功能整合的全能型AI系统
Capybara一款单一架构、全功能整合的全能型AI系统，它以先进扩散模型与Transformer架构为核心底座，将文本到图像/视频生成、指令式精细编辑、上下文条件生成及关键帧传播等多元能力深度融合，打破传统AI任务需多模型、多接口切换的壁垒——无论是从零启动的创意生成。
- Tiny Aya模型使用入口，Cohere Labs正式发布的开源多语言模型
Tiny Aya系列是企业级AI独角兽Cohere旗下Cohere Labs正式发布的开源多语言模型，专为真实场景落地打造。该系列支持70余种语言，仅33.5亿参数，即可在笔记本电脑、智能手机等终端设备上流畅运行，且支持完全离线使用。
- Claude Sonnet 4.6模型官网入口， Anthropic全新推出的新一代AI模型
Sonnet 4.6突破性支持100万Token超长上下文窗口，单次请求即可轻松处理完整代码库或数十篇学术论文；创新引入“自适应思考”专属机制，能够根据任务复杂度动态调配推理资源，避免算力浪费。在OSWorld计算机使用基准测试中，其得分从4.5版本的61.4%飙升至72.5%，性能表现已趋近人类操作水平，适配更多复杂实用场景。
- JoyAI-LLM-Flash模型官网入口，京东开源的中型指令大模型
JoyAI-LLM-Flash是京东开源的中型指令大模型，模型创新性引入FiberPO优化框架——首次将纤维丛理论应用于强化学习，结合Muon优化器完成SFT、DPO及RL全阶段训练；同时搭载稠密多Token预测（MTP）技术，吞吐量较非MTP版本提升1.3-1.7倍。
- FireRed-Image-Edit模型官网入口，小红书Super Intelligence团队开源的通用图像编辑模型
FireRed-Image-Edit是小红书Super Intelligence团队开源的通用图像编辑模型，模型具备精准的指令遵循能力、高质量图像输出表现及出色的视觉一致性，尤其在文字风格保留方面优势突出，编辑效果可媲美主流闭源方案；同时在多个权威评测集上斩获SOTA成绩，广泛适配创意设计、电商内容创作等多元化场景。
- TADA模型使用入口，通过激活引导微调音频扩散模型
TADA的核心目标是打开AI音乐模型的”黑盒”，定位控制各类音乐属性的独立”开关”，让用户像调节音响旋钮一样，对速度、情绪、音色等维度进行精准、解耦的细粒度控制。
- Qwen3.5模型使用入口，开源版本Qwen3.5-397B-A17B采用创新混合架构
Qwen3.5通过早期文本-视觉融合、M-RoPE及3D位置编码技术，统一支持文本、图像、视频多任务处理，语言覆盖从119种扩展至201种。权威评测中表现顶尖：MMLU-Pro得分87.8超越GPT-5.2，GPQA得分88.4高于Claude 4.5，IFBench指令遵循评分76.5刷新行业纪录。
- Qwen-Image-Edit-Causal模型使用入口，Light AI优化版图像编辑模型
Qwen-Image-Edit-Causal V1.0是Light AI针对Qwen-Image-Edit-2511推出的关键优化版本，核心突破在于引入分块因果注意力机制，实现“编辑质量不打折、推理速度大幅提升”的双重优势，既延续了前代模型的精准编辑能力，又解决了图像编辑中“耗时久、效率低”的核心痛点，适配更多实时编辑与批量处理场景。
- Kimi Claw模型使用入口，月之暗面Moonshot AI云端AI智能体服务
Kimi Claw是月之暗面推出的云端AI智能体服务，核心是Kimi K2.5大模型与开源AI Agent平台OpenClaw的深度集成方案，堪称当前性价比顶尖的“模型+Agent”组合。它既保留OpenClaw的自动化助手核心能力，又无需用户进行本地部署与维护——在Kimi平台几秒内即可完成部署。
