AI文章
模型进展、开源项目和 AI 工具教程，读懂新东西能帮你做什么。
已收录 7,595 篇
文章列表，第 263 页
LlamaV-o1 – 多模态视觉推理模型，采用逐步推理学习方法解决复杂任务
LlamaV-o1是阿联酋穆罕默德·本·扎耶德人工智能大学等机构提出的新多模态视觉推理模型，提升大型语言模型的逐步视觉推理能力。引入视觉推理链基准测试VRC-Bench，包含超4000个推理步骤，全面评估模型推理能力；提出新评估指标，以单步粒度衡量推理质量；采用多步课程学习方法训练，任务按序组织，逐步掌握技能。
Product Avatar – Topview AI推出全球首个支持生成手拿产品的数字人工具
Product Avatar 是 TopView 推出的 AI 工具，能将产品图片转化为由虚拟人物手持展示的视频。用户只需上传产品图片，选择虚拟人物模板，AI 能生成逼真的展示视频，无需真人模特拍摄。
Pipecat – 构建语音和多模态对话代理的开源框架
Pipecat是开源的Python框架，专注于构建语音和多模态对话代理。基于内置的语音识别、文本转语音（TTS）和对话处理功能，简化AI服务的复杂协调、网络传输、音频处理和多模态交互，让开发者能专注于创造引人入胜的用户体验。
Flowise – 开源AI应用构建工具，拖拽式构建工作流
Flowise 是开源的低代码/无代码工具，帮助用户快速构建和部署基于大语言模型（LLM）的应用程序。通过可视化界面，让用户以拖拽的方式轻松搭建复杂的工作流，无需编写大量代码。
Monoxer Junior – AI学习应用，根据学习水平和记忆状态智能出题
Monoxer Junior 是面向小学新生的AI家庭学习应用，日本公司Monoxer开发。基于AI技术根据儿童的学习水平和记忆状态智能出题，提供假名、汉字等丰富学习内容，学习进度可视化，方便家长了解。
MiniCPM-o 2.6 – 面壁智能开源的多模态大模型，性能媲美GPT-4o
MiniCPM-o 2.6 是MiniCPM-o 系列最新、性能最佳的多模态大模型，具有 8B 参数量。MiniCPM-o 2.6在视觉、语音和多模态直播等多个领域表现出色，达到与 GPT-4o 相当的性能水平。模型支持实时双语语音识别，超越了 GPT-4o 实时识别的表现，且支持 30 多种语言。
Relevance AI – AI应用开发平台，零代码构建和管理AI应用和代理
Relevance AI 是无代码的 AI 平台，帮助企业快速构建和管理 AI 应用及智能代理。无需编程知识，通过可视化界面让用户轻松创建具有特定技能和触发条件的 AI 代理，实现工作流程自动化。
CoachON – AI教育平台，分析学生学习水平和风格、定制个性化学习计划
CoachON是韩国首尔的教育科技公司 Seomjae 推出的教育平台，专注于基于 AI 大模型技术为中小学生提供数学学习解决方案。通过分析学生的学习水平和风格，为每个学生定制个性化学习计划，配备 AI 辅导老师，以自然语言交互的方式实时答疑解惑，帮助学生理解数学概念和解题思路。
律呗 – 专为法律专业人士设计的智能办案平台
律呗是专为法律专业人士设计的智能办案平台，南京法奔信息科技有限公司自主研发。平台集律所管理、法律大数据和专业法律应用为一体，将可视化、大数据和人工智能三大前沿技术融入每一个模块，旨在提高律师专业判断的准确度，增强客户享受法律服务的满意度，全方位提升律师的办案生产力。
moonshot-v1-vision-preview – 月之暗面推出的多模态图片理解模型
moonshot-v1-vision-preview 是月之暗面推出的多模态图片理解模型，模型完善了 moonshot-v1 模型系列的多模态能力，具备强大的图像识别能力，能精准区分复杂细节，如相似的蓝莓松饼和吉娃娃图片。在文字识别方面，模型表现优异，能准确识别潦草手写内容，如收据单、快递单等。
LearnCoach – 专为 K12 学生设计的AI学习辅导平台
LearnCoach 是专为 K12 学生设计的AI学习辅导平台，通过 AI 老师为学生提供个性化学习体验，根据学生的学习情况定制课程，以辅导课和视频播放列表两种模式，帮助学生从基础知识到考试实战全方位提升。
星火语音同传大模型 – 科大讯飞推出的端到端语音同传大模型
星火语音同传大模型是科大讯飞于2025年1月15日发布的国内首个具备端到端语音同传能力的大模型。模型在内容完整度、信息准确度以及语言质量上均处于行业领先水平，超过谷歌Gemini 2.0和OpenAI GPT-4o，最快实现5秒以内的同传时延，达到人类专家译员的水平。
明犀AI – AI图像增强工具，文本驱动提升图像修复质量
明犀AI是AI图像增强工具。明犀AI基于图像生成先验和大模型能力，实现在文本提示引导下恢复图像的功能，能用负面提示和修复引导采样方法提升修复质量。明犀AI能一键将模糊、有噪点的照片提升为高清图像。
讯飞星火X1 – 科大讯飞推出的首个全国产深度推理大模型
讯飞星火X1是科大讯飞于2025年1月15日发布的国内首个基于全国产算力平台训练的具备深度思考和推理能力的大模型。在解题过程中更接近人类的“慢思考”方式，仅用更少的算力就实现了业界一流的效果，多项指标国内第一。
Titans – 谷歌推出的新型神经记忆架构
Titans是谷歌推出的新型神经网络架构，能突破Transformer在处理长序列数据时的记忆瓶颈。Titans引入神经长期记忆模块，模拟人脑记忆机制，特别强化对意外事件的记忆能力。Titans架构包含三种变体：MAC（记忆作为上下文）、MAG（记忆作为门）和MAL（记忆作为层），分别用不同的方式整合记忆模块。
Prometheus – 浙大联合蚂蚁等高校推出的3D感知潜在扩散模型
Prometheus是创新的3D感知潜在扩散模型，专门用于快速生成文本到3D场景的内容。能在几秒钟内完成对象和场景级别的3D生成，同时保持高质量的输出和良好的泛化能力。核心在于基于2D先验知识来驱动高效且可泛化的3D合成过程。
ChatGPT Tasks – OpenAI推出的AI Agent，自动化处理任务
ChatGPT Tasks是OpenAI推出的新功能，属于OpenAI Agent的初步形态。ChatGPT Tasks赋予ChatGPT执行力，用户能在ChatGPT聊天界面的“4o与计划任务”模式中，用自然语言描述想要执行的任务及时间等信息，系统根据用户提示建议其他任务，但需用户批准。
MiniMax-01 – MiniMax开源的全新系列模型
MiniMax-01是MiniMax推出的全新系列模型，包含基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01。MiniMax-01首次大规模实现线性注意力机制，打破传统Transformer架构限制，参数量达4560亿，单次激活459亿，性能比肩海外顶尖模型，能高效处理全球最长400万token上下文。