SAIL-VL2：字节跳动开源的视觉语言模型，高效推理与细粒度视觉理解兼备
SAIL-VL2 是字节跳动开源的视觉语言模型，以 2B/8B 参数规模实现了行业顶尖性能，在 106 个数据集上验证了其在视觉问答、文档理解、图表解读等多任务中的有效性。该模型通过...
LLaVA-OneVision-1.5：EvolvingLMMs-Lab 推出的全流程多模态模型开发工具链
LLaVA-OneVision-1.5 是由 EvolvingLMMs-Lab 开发的全开源多模态模型框架，专注于通过原生分辨率图像训练实现高性能、低成本的大型多模态模型（LMMs）。该项目提供从数据处...
Anthropic 发布 Claude Haiku4.5：小型 AI 模型展现强大实力与性价比
10 月 16 日，人工智能领域迎来新动态，知名人工智能公司 Anthropic 在其官网正式发布了新款小型 AI 模型 Claude Haiku4.5。这款模型凭借独特优势，一经推出便备受瞩目。...
字节跳动发布FaceCLIP：多模态AI人脸生成技术实现身份一致性新突破
近日，字节跳动在Hugging Face平台正式开源了FaceCLIP——一款专注于人脸理解与生成的视觉-语言模型。该工具通过文本提示与参考图像结合，可生成身份特征高度保留且表情、姿...
Youtu-Embedding：腾讯优图开源通用文本表示模型，领跑 CMTEB 基准的协同 - 差异化学习方案
Youtu-Embedding是腾讯优图实验室开发的业界领先通用文本表示模型，开源于GitHub平台。该模型通过“LLM预训练→弱监督对齐→协同-判别式微调”三阶段创新流程，在权威中文文...
AIxiezuo：基于LangChain的开源AI小说生成系统，支持多模型交互与全流程创作管理
AIxiezuo一款开源的AI小说生成系统，基于LangChain框架构建，核心定位为“专业化AI辅助小说创作工具”。该系统支持DeepSeek、OpenAI（GPT-3.5/4）、Claude、Gemini等主流大...
XunLong (寻龙)：基于多智能体架构的多模态内容生成系统
XunLong (寻龙) 是一个基于大语言模型 (LLM) 的多智能体内容生成系统，能够根据自然语言指令自动生成高质量的研究报告、小说和演示文稿 (PPT)。通过 LangGraph 实现智能体协...
dInfer：蚂蚁集团推出的扩散语言模型专用高性能推理框架
dInfer 是蚂蚁集团开源的针对扩散语言模型（dLLMs）的高效可扩展推理框架，该框架通过模块化设计将推理流程拆解为模型、扩散迭代管理器、解码策略、KV 缓存管理四大组件，支...
谷歌Nano Banana图像编辑功能上线，AI与Lens整合带来创新体验
近日，谷歌正式推出Nano Banana图像编辑功能，并在其Gemini应用中收获了良好反响。这一功能现已集成至AI模式和Google Lens，为用户提供更便捷的图像编辑与生成服务。根据...
Cursor估值飙至270亿美元：AI编码助手如何改写开发工具市场规则
据The Information报道，全球估值最高的AI编码助手公司Anysphere正与Coatue、Accel等顶级投资机构洽谈新一轮融资，融资规模至少10亿美元，融资前估值已飙升至270亿美元。这...