AI项目和框架
- LLaVA-OneVision-1.5：Lab开源的高性能低成本开源多模态模型
LLaVA-OneVision-1.5在多模态权威基准测试中表现优异，且全链条技术资源透明开放，代码、数据与模型权重一键获取，助力开发者低成本复现与二次创新。
- SAIL-VL2：抖音 × 新加坡国立大学联合开源的视觉语言模型
SAIL-VL2是抖音团队与新加坡国立大学联合研发的开源视觉语言基础模型，模型由SAIL-ViT视觉编码器、视觉-语言适配器与大语言模型三大核心模块构成，创新性采用渐进式训练框架，从视觉预训练、多模态融合，到最终的SFT-RL混合范式优化，实现性能阶梯式跃升。
- Get Jobs：开源简历投递自动化工具，多平台高效求职利器
Get Jobs是一款开源自动化简历投递工具，专为求职者打造高效求职解决方案。工具支持Boss直聘、猎聘、拉勾、51job、智联招聘等主流招聘平台。
- Ming-UniAudio：蚂蚁集团推出的开源音频多模态大模型
Ming-UniAudio构建了端到端语音语言模型，精准平衡语音生成与语义理解性能；搭配扩散头技术，保障语音合成的高自然度与高还原度。尤为突出的是，模型首创指令引导的自由形式语音编辑框架，支持复杂的语义与声学修改，无需手动标定编辑区域，大幅降低操作门槛。
![FLUX.2 [klein]：Black Forest Labs开源的高效图像生成与编辑模型](/uploads/2026/01/flux-2-klein.jpg)
- FLUX.2 [klein]：Black Forest Labs开源的高效图像生成与编辑模型
FLUX.2 [klein]是Black Forest Labs推出的开源高效图像生成与编辑模型，凭借突破性的架构设计与优化技术，实现0.5秒内完成高质量图像生成与编辑的亚秒级推理速度，支持文生图、图生图及多参考生成三大核心功能。
- TranslateGemma：谷歌Gemma 3生态力作，多模态开源翻译模型
TranslateGemma是谷歌基于Gemma 3大模型架构推出的新一代开源翻译模型系列，该模型提供4B、12B、27B三种参数规模版本，分别适配移动设备、消费级笔记本、云端高性能计算平台，真正做到全场景灵活部署。
- Ling-1T：蚂蚁集团开源万亿参数旗舰模型，高效推理引领开源第一梯队
Ling-1T是蚂蚁集团重磅推出的万亿参数级开源语言模型，定位为“旗舰级非思考模型”。依托先进的 MoE（Mixture of Experts）混合专家架构，模型总参数量高达 1 万亿，推理时仅激活约 510 亿参数，在兼顾极致性能的同时大
- Gemini 2.5 Computer Use：让AI自主操控浏览器的智能自动化工具
Gemini 2.5 Computer Use是谷歌DeepMind基于Gemini 2.5大模型打造的智能计算机操作模型，突破性实现AI对浏览器的直接控制，可自主执行点击、滚动、输入等交互动作。依托强大的视觉理解与逻辑推理能力，模型能精准
- Imagine v0.9：xAI重磅发布，20秒生成电影感视频的高效创作工具
Imagine v0.9是xAI公司推出的新一代视频生成模型，该模型可在20秒内生成6秒左右的高质量视频，支持精准运动控制、动态相机特效、自然对话与歌声合成，更配备语音优先交互界面，用户通过语音指令即可快速完成创作。
- FunAudio-ASR：阿里达摩院出品，企业级语音识别痛点的端到端大模型
FunAudio-ASR是阿里巴巴达摩院研发的端到端语音识别大模型，聚焦企业落地场景中的核心痛点，通过创新的Context增强模块，从根源上优化了语音识别领域的“幻觉”“串语种”等行业难题。
- GPT-5-Codex：OpenAI重磅推出重构软件工程全流程的智能编程助手
GPT-5-Codex-Mini是OpenAI打造的经济高效型轻量版本。作为GPT-5-Codex的紧凑迭代，其模型体积更小、使用成本更低，完美适配基础代码生成、功能模块添加等轻量级编程需求。目前，该模型已上线CLI工具与IDE扩展插件，为开发者提供灵活、高性价比的智能编程选择。
- Mini-o3：字节跳动 × 香港大学联合开源，攻克复杂视觉搜索难题
Mini-o3在VisualProbe、V* Bench等多个权威视觉搜索基准测试中斩获SOTA（State-of-the-Art）性能，全套代码、预训练模型及数据集已完全开源，为全球研究者提供可复现、可拓展的技术底座。
- UnifoLM-WMA-0：宇树科技开源跨机器人架构，赋能通用机器人自主学习与决策
UnifoLM-WMA-0架构已成功部署于真实机器人，实现动作可控生成与长期交互生成的双重突破，显著提升机器人在复杂动态环境中的自主学习与决策能力。
- PromptEnhancer：腾讯混元开源提示重写框架，解锁T2I模型精准生成新潜能
PromptEnhancer是腾讯混元团队重磅开源的文本到图像（T2I）提示重写框架，核心聚焦于解决T2I模型对复杂指令理解不足、生成内容与用户意图偏差的行业痛点。
- 通义DeepResearch：阿里开源深度研究智能体，赋能长周期复杂任务高效突破
通义DeepResearch无需人工干预即可生成高质量训练数据集，突破传统智能体的数据瓶颈；构建“智能体持续预训练（Agentic CPT）—监督微调（SFT）—强化学习（RL）”的端到端完整训练链路，确保模型能力的系统性迭代。
