开源模型

美团最新开源虚拟人视频生成模型LongCat-Video-Avatar实现三大技术突破：支持文本/图片/视频多模式生成、5分钟长视频稳定生成、情感化动作表达。本文详解其解耦无条件引导、跨片段隐空间拼接...

阶跃星辰发布Step-GUI系列AI Agent，实现图形界面智能体规模化应用。技术包含云端模型、端侧开源模型及MCP协议，支持200+应用，10分钟手机部署，已与荣耀、OPPO等厂商合作，推动终端设...

通义大模型团队开源语音AI双模型Fun-CosyVoice3与Fun-ASR完成重大升级。Fun-CosyVoice3实现首包延迟降低50%、中英混说错误率下降56.4%，支持多语言方言与情感控制，其...

蚂蚁技术研究院2025年发布LLaDA2.0离散扩散大语言模型，参数规模突破千亿，采用WSD训练策略降低90%成本，推理速度达535 tokens/s，在代码生成与数学推理任务中超越传统模型。模型已开...

智谱科技发布开源工业级文本转语音模型GLM-TTS，实现3秒音色克隆、10万小时低数据训练需求，字错误率低至0.89%。模型已应用于教育、客服等场景，训练成本降低50%以上，助力语音合成技术普惠化。

智谱正式开源全球首个具备手机操作能力的AI Agent模型AutoGLM，支持外卖、订票等复杂任务，覆盖50+中文应用。开源包含完整框架、工具链及Demo，采用MIT许可证，推动AI手机技术普及与生态...

微软最新开源轻量级实时文本转语音模型VibeVoice-Realtime-0.5B，以仅5亿参数实现300毫秒首音延迟，支持中英文双语合成与4角色自然对话，适用于智能客服、数字人、电商直播等场景，推动...

阿里千问App以149.03%月活增速登顶全球AI应用增长榜，公测首周下载量突破1000万次。深度解析Qwen大模型技术如何超越GPT5，以及“AI规划→消费”闭环模式如何引领AI Agent商业化浪...

英伟达在NeurIPS 2025发布开源推理视觉语言动作模型Alpamayo-R1，专为L4级自动驾驶设计，实现多模态端到端融合，提升环境感知与决策能力。性能测试显示规划准确率提高12%，碰撞率降低2...

阿里巴巴开源Z-Image图像生成模型，采用60亿参数轻量架构，通过DMD解耦技术实现8步采样出图，支持复杂指令解析与双语文字渲染，显存占用仅16GB，兼容RTX 30系列显卡，推动AI绘图技术普惠化...