VideoCrafter基于扩散模型与机器学习技术，支持文本到视频（Text2Video）、图像到视频（Image2Video）两大核心能力，即使是无视频编辑或动画经验的新手，也能轻松制作出媲美专业水准的视频内容。
Audio2PhotoReal生成的虚拟人物不仅视觉质感逼真，更能细腻复刻对话中的各类微动作与表情——无论是指点、手腕抖动、耸肩等肢体姿态，还是微笑、嘲笑等面部神情，都能精准呈现，打破“音频-视觉”的生成壁垒。
Make-A-Character是一款文本驱动的3D数字人生成工具，核心能力是通过一句话描述，精准捕捉脸型、五官、发型等人物特征，高效规模化生成具备全栈式美术能力的超写实3D数字人。
Personalized Restoration是一项聚焦面部图像精准修复与个性化编辑的创新技术，核心优势在于既能高效复原受损图像的细节，又能精准捕捉并重现个人独特面部特征，实现“清晰自然”与“身份忠实”的双重保障。
MedGemma 1.5是谷歌推出的开源多模态医学专用模型，专为处理医学影像与文本数据设计，深度整合高维影像解读、医学文档理解、电子健康记录（EHR）分析等核心能力。
阿里巴巴达摩院团队研发的DDColor，作为魔搭大模型生态下的新一代图像上色算法，凭借创新的双解码器技术，实现了图像上色领域的变革性突破。无论是历史黑白照片、动漫场景还是游戏风景，都能输出色彩自然、细节逼真的彩色图像，尤其在多物体、复杂上下文场景中表现突出。
LibreChat是一款免费开源的增强版ChatGPT替代平台，核心优势是深度整合全球主流AI模型与丰富扩展功能，既还原ChatGPT的直观交互体验，又突破单一模型的能力局限。
DiffusionGPT是字节跳动研发的大语言模型驱动型文本生成图像多合一系统，核心目标是精准解析各类文本提示，智能匹配最优图像生成模型，输出高质量、高契合度的图像内容。
Lumiere是谷歌研究院研发的时空文本到视频扩散模型，核心创新在于采用空间时间U-Net架构——摒弃传统模型逐帧合成的模式，通过单次传递即可生成视频的完整时间序列，从根源上保障视频的全局时间一致性与画面逼真度，赋能多元内容创作与视频编辑任务。
SupIR是一项通过模型规模扩容实现图像修复能力跃升的突破性技术，依托生成先验与多模态融合技术，支持文本提示驱动的智能修复，大幅提升图像修复的质量、精细度与智能化水平，为图像复原、画质增强领域带来全新解决方案。
ctoCodingBench是MiniMax推出的Coding Agent专项评测集，核心目标是评估代码生成Agent在真实软件开发场景中的指令遵循能力。
DuckDB-NSQL是一款针对 DuckDB 数据库定制的文本到SQL专用模型，核心能力是将用户的自然语言查询需求，精准转换成可直接执行的DuckDB SQL代码——让你无需掌握SQL语法，仅用日常语言就能与数据库“对话”，大幅简化数据查询与处理流程。
司农大语言模型是南京农业大学依托自身学科优势打造的农业领域垂直大模型，收集了涵盖多农业学科的超40亿token数据，包括书籍、论文、政策等。
WhisperFusion是一款基于开源工具WhisperLive与WhisperSpeech打造的实时对话解决方案，核心优势在于实现人与AI聊天机器人的超低延迟交互。
PixVerse R1是爱诗科技（PixVerse）推出的全球首个通用实时世界模型，它重新定义了实时视频生成的效率与交互体验：Omni原生多模态基础模型实现文本、图像、音频、视频的一体化生成。
