FantasyWorld：高德地图联合北邮推出的几何一致型 3D 世界建模开源框架
FantasyWorld 是由高德地图（AMAP）与北京邮电大学联合研发的开源 3D 世界建模框架，核心围绕几何一致的世界建模目标，通过在冻结的视频基础模型上增设可训练的几何分支，实...
Spirit-v1.5：千寻智能推出的全球领先开源视觉 - 语言 - 动作具身智能基础模型
Spirit-v1.5是由千寻智能（Spirit AI）研发并开源的端到端视觉-语言-动作（VLA）具身智能基础模型，该模型在RoboChallenge Table30基准测试中以66.09分的综合得分和50.33%的...
UniVideo：滑铁卢大学与快手联合开源的多模态统一视频智能处理AI框架
UniVideo是由滑铁卢大学与快手Kling Team联合研发并开源的统一视频AI框架，基于Python语言构建，采用创新的双流架构融合多模态大语言模型（MLLM）与多模态扩散Transformer（...
Youtu-Tip：腾讯云开源的本地化、主动式离线桌面 AI 智能助手
Youtu-Tip 是由腾讯云开源的一款本地化、主动式、全离线运行的桌面 AI 智能助手，是腾讯自研桌面智能体体系 Youtu-Agent 的轻量化、易用性扩展版本。该项目将大语言模型的理...
AntAngelMed：开源医疗大语言模型，三阶段训练打造权威基准领先性能
AntAngelMed 是由浙江健康信息中心、蚂蚁医疗等联合研发的开源医疗大语言模型，是当前规模最大、性能最强的开源医疗语言模型之一。依托 Ling-flash-2.0 高效 MoE 架构，模型...
LandPPT：开源 AI 智能 PPT 生成工具，快速生成专业演示文稿
LandPPT 是一款基于大语言模型（LLM）驱动的开源智能 PPT 生成工具，核心解决传统 PPT 制作耗时、专业度要求高的痛点，支持从主题输入或多格式文档上传出发，一键生成包含大...
MMSI-Video-Bench：上海AI Lab开源的视频空间智能评测基准
MMSI-Video-Bench是一款开源的视频空间智能专项评测基准。该基准聚焦多模态大模型（MLLMs）在视频场景下的空间智能能力评估，构建了覆盖“感知-规划-预测-跨视频推理”的四...
EvoCUA：美团开源的多模态端到端计算机交互智能体
EvoCUA（Evolving Computer Use Agent）是由美团公司重磅开源的一款通用多模态计算机使用智能体，核心能力为基于实时桌面截图与自然语言指令，实现对主流桌面软件的端到端、...
VoiceSculptor：开源语音定制合成框架，自然语言指令驱动的音色设计与语音克隆工具
VoiceSculptor 是由西北工业大学音频语音与语言处理研究组 主导开发并开源的语音智能处理类开源项目，是一款专注于「自然语言可控的语音定制与语音合成」的全链路工具框架，...
ChatDev：OpenBMB开源的零代码多智能体编排平台
ChatDev 是由 OpenBMB 团队研发的一款重量级开源零代码多智能体编排平台，该项目摆脱传统编码开发门槛，通过可视化配置与 YAML 文件定义智能体角色、协作流程与任务逻辑，实...