AI项目和框架
- [推荐] 豆包网页版：支持AI聊天，AI图片生成，AI漫画生成，AI写作等
字节跳动开发的一款多功能人工智能工具，基于云雀模型（豆包大模型）构建。它不仅是一个AI聊天机器人，还具备多种功能，包括写作助手、英语学习助手、音乐生成、编程助理等。
- Vidu Q2：生数科技重磅推出的新一代图生视频大模型
Vidu Q2最新上线参考生图、文生图和图像编辑功能，旨在提高图像生成的一致性和实用性。模型提供一站式多参工作流，从参考生图到一键转主体，再到参考生视频，无需更换平台能完成整个创作过程。
- FLM-Audio：北京智源等联合开发的原生全双工音频对话大模型
FLM-Audio是由北京智源人工智能研究院携手Spin Matrix、新加坡南洋理工大学联合研发的原生全双工音频对话大模型，全面支持中英双语交互，凭借突破性技术架构与训练范式，重新定义智能语音对话的自然流畅体验。
- Spark Chemistry-X1-13B：科大讯飞开源的化学专业大语言模型
Spark Chemistry-X1-13B是科大讯飞推出的化学领域专业大语言模型，依托讯飞星火X1-0420大模型基座构建，通过多类型化学任务数据集的定向微调，既具备卓越的复杂化学问题解决能力，又保留了通用大模型的灵活交互特性。
- GDPval：OpenAI研发推出的全新AI模型经济价值评估框架
GDPval是OpenAI研发的全新AI模型评估体系，核心目标是衡量AI模型在真实经济价值任务中的实际表现。该框架从对美国GDP贡献最大的9大行业中，筛选出44类典型知识型职业，针对性设计1320个真实工作任务，
- CoF：DeepMind 提出的视频模型时空推理新范式
CoF是DeepMind推出的视觉推理新概念，类比语言模型领域的链式思维技术。这一范式赋予视频模型跨时间与空间的推理能力，通过逐帧生成连贯视频序列的方式，解决复杂视觉任务。
- Manzano：苹果推出的统一图像理解与生成多模态大语言模型
Manzano是苹果公司研发的新型多模态大语言模型，核心突破在于实现图像理解与图像生成的能力统一。模型创新性采用混合视觉分词器，将图像同步转化为两类特征表示：用于理解任务的连续嵌入向量，以及用于生成任务的离散图像标记。
- Sora 2：OpenAI新一代多模态音视频生成模型
Sora 2是OpenAI推出的新一代AI音视频生成模型，该模型实现三大核心技术突破：依托多模态联合训练，首次达成环境音效与画面动态的实时同步生成。
- Logics-Parsing：阿里巴巴开源的多模态端到端文档解析模型
Logics-Parsing是阿里巴巴推出的开源端到端文档解析模型，基于多模态大模型Qwen2.5-VL-7B构建。该模型创新融合监督微调与布局中心型强化学习技术，攻克复杂文档的结构解析与内容理解难题。
- Tinker API：面向语言模型微调的极简开发与托管平台
Tinker API提供`forward_backward`、`sample`等底层操作原语，支持开发者灵活构建自定义微调或强化学习算法；兼容从小型到超大参数量的全品类开放权重模型，模型切换仅需修改代码中一个字符串参数。
- xLLM：京东开源的国产芯片适配型高效智能推理框架
xLLM可广泛适配大语言模型、多模态模型及生成式推荐等多类场景，能够提供高性能、低成本的推理服务，助力智能客服、实时推荐、内容生成等业务高效落地，推动大语言模型在国产芯片生态上的规模化应用。
- Meta ARE：Meta出品，面向AI Agents的动态模拟研究与评估平台
Meta ARE是Meta推出的专业研究平台，聚焦于AI Agents的训练与系统性评估。该平台通过构建随时间动态演变的模拟环境，还原真实世界的复杂多步骤任务场景，要求Agents能够根据新信息的出现和环境条件的变化，实时调整决策策略。
- FireRedChat：小红书智创音频团队自研全双工智能语音交互系统
FireRedChat是小红书智创音频团队打造的全双工语音交互系统，系统采用高灵活性的模块化架构，涵盖转录控制模块、交互模块、对话管理器等核心组件，支持级联与半级联两种部署模式，可按需适配不同业务场景。
- TRUEBench：三星电子面向真实场景的AI生产力基准测试工具
TRUEBench是三星电子推出的AI基准测试工具，聚焦人工智能在实际工作场景中的生产力评估，针对性解决现有AI基准测试的核心局限性，例如以英语为中心的单一语言覆盖、局限于单轮问答的简单任务结构等问题。
- GLM-4-32B：智谱新一代开源基座大模型，支持HTML/CSS/JS/SVG等语言
GLM-4-32B是智谱推出的新一代开源基座模型，参数版本为GLM-4-32B-0414。该模型基于15T高质量数据完成预训练，重点强化代码生成、逻辑推理与工程任务处理能力，支持HTML、CSS、JS、SVG等多类语言的实时代码展示与运行。
- Step-Audio-R1.1：阶跃星辰开源原生语音推理模型
Step-Audio-R1.1是阶跃星辰推出的全球首个开源原生语音推理模型。该模型凭借96.4% 的超高准确率登顶全球权威语音推理榜单，性能全面超越业界众多一线模型。
