AI文章 - 最新AI资讯、AI工具教程与模型动态 - 第259页

2026.10.18

imgAK – AI图像处理工具，提供老照片修复、无损放大等多功能

imgAk是一站式的AI图像处理工具，提供多种功能，包括老照片修复、黑白照片上色、模糊照片变清晰、真人照片转Q版卡通图片、一键抠图以及AI照片风格转换等。用户可以将照片转换成3D、卡通、动漫、电影等多种艺术风格。

2026.10.18

VideoChat-Flash – 上海 AI Lab 等机构推出针对长视频建模的多模态大模型

VideoChat-Flash 是上海人工智能实验室和南京大学等机构联合开发的针对长视频建模的多模态大语言模型（MLLM），模型通过分层压缩技术（HiCo）高效处理长视频，显著减少计算量，同时保留关键信息。

2026.10.18

WebWalker – 阿里推出用于评估LLMs在网页浏览任务中性能的基准工具

WebWalker是阿里巴巴自然语言处理团队开发的用于评估和提升大型语言模型（LLMs）在网页浏览任务中性能的工具。通过模拟网页导航任务，帮助模型更好地处理长上下文信息。

2026.10.18

Textoon – 阿里通义实验室推出的文本提示生成2D卡通人物工具

Textoon 是阿里巴巴集团通义实验室推出的创新项目，首个能根据文本提示生成Live2D格式2D卡通角色的方法。基于先进的语言和视觉模型，能在一分钟内生成多样化且可交互的2D角色。

2026.10.18

DiffEditor – 北大联合腾讯推出的细粒度图像编辑工具

DiffEditor是北京大学深圳研究生院与腾讯PCG的研究团队提出的基于扩散模型（Diffusion Model）的图像编辑工具，通过引入图像提示（image prompts）和文本提示，结合区域随机微分方程（Regional SDE）和时间旅行策略，显著提升了图像编辑的准确性和灵活性。

2026.10.18

DITTO-2 – Adobe 联合加大推出的音乐生成模型

DITTO-2 是 Adobe 和加州大学研究人员联合推出的新型音乐生成模型，通过优化扩散模型的推理时间，实现快速且可控的音乐生成。模型基于扩散模型的推理时间优化（Inference-Time Optimization, ITO），通过模型蒸馏技术（如一致性模型 Consistency Model, CM 和一致性轨迹模型 Consistency Trajectory Model, CTM），将生成速度提升至比实时更快。

2026.10.18

Step-1o Vision – 阶跃星辰推出的原生端到端视觉理解模型

Step-1o Vision 是阶跃星辰最新研发的原生端到端多模态生成与理解一体化模型中的视觉版本。专注于视觉任务，具备强大的图像识别、感知、推理和指令跟随能力，能处理复杂的视觉输入并生成准确的文本描述或进行逻辑推理。

2026.10.18

VideoWorld – 字节联合交大等机构推出的自回归视频生成模型

VideoWorld是北京交通大学、中国科学技术大学和字节跳动合作开展的一项研究项目，探索深度生成模型是否能仅通过未标注的视频数据学习复杂的知识，包括规则、推理和规划能力。

2026.10.18

DeepSeek R1-Zero – DeepSeek推出的开源推理模型，基于纯强化学习训练

DeepSeek R1-Zero 是 DeepSeek 团队开发的完全依赖纯强化学习（RL）训练的推理模型，未使用任何监督微调（SFT）数据。在推理任务上表现出色，在 AIME 2024 数学竞赛中，其 pass@1 分数从 15.6% 提升至 71.0%，接近 OpenAI-o1-0912 的水平。

2026.10.18

书生·浦像 – 上海AI Lab 联合港中文和浙大推出的超高动态成像算法

书生·浦像是上海人工智能实验室联合香港中文大学、浙江大学等机构研发的超高动态成像算法，核心为浦像HDR（UltraFusion HDR）。算法结合了AIGC技术和HDR技术，通过曝光融合与生成式大模型，能在曝光差异高达9档的极端条件下，修复图像细节，生成高质量图像。

2026.10.18

清影 – 智谱推出升级版清影2.0，AI视频生成能力全面提升

清影2.0是智谱AI推出的升级版AI视频生成工具，基于CogVideoX模型开发。支持生成10秒、4K分辨率、60帧的超高清视频，具备以下特点，模型能力全面提升，能更好地理解复杂文本提示，生成更逼真的视频。

2026.10.18

Roop-Unleashed – AI换脸工具，支持批量换脸、VR换脸、直播换脸

Roop-Unleashed 是基于 Roop 的开源项目，专注于深度伪造（Deepfake）技术的实现与优化。用户无需进行复杂的训练过程，可快速实现图像和视频中的面部替换。通过浏览器图形界面（GUI）提供简单易用的操作体验，支持跨平台运行，适用于 Windows、Linux 和 macOS 系统。