EdenLive：VAST开源实时生成式渲染模型
EdenLive 是 VAST-AI-Research 推出的开源实时生成式渲染模型，隶属于 Project Eden 世界模型项目。它采用世界状态逻辑与视觉渲染解耦的架构，上游程序负责维护场景规则、物...
Matrix-Game 4.0：昆仑万维开源的Harness架构AI游戏世界模型
Matrix-Game 4.0是昆仑万维推出的开源AI游戏世界模型，依托Harness架构，单张RTX5090消费显卡实现480p 60FPS实时游戏交互，端到端延迟低于150ms，支持自然语言编写游戏规则...
HelixWorld：NoizAI联合港科大推出实时交互式音视频世界模型
HelixWorld 是由 NoizAI 联合香港科技大学发布的实时交互式音视频世界模型，属于原生音画一体化生成的AI世界模型项目。
PixelUMM：NVIDIA联合滑铁卢大学开源的MoT混合专家多模态大模型
PixelUMM是NVIDIA TLabs联合滑铁卢大学开源的多模态大模型，移除VAE与独立视觉编码器，采用MoT混合专家架构，一套模型支持图像视频理解、文生图、视频续写，适合科研原型实...
YuE2：港科大开源的AI音乐生成模型套件
YuE2 是由香港科技大学、M·A·P、Tokenwave.AI、MBZUAI 联合发布的开源音乐模型套件。不同于主流直接生成音频的音乐大模型，YuE2 采用先构建可编辑符号乐谱，再渲染完整歌...
PixRestore：开源像素空间DiT图像恢复模型，多退化图片一键修复
PixRestore是香港理工大学与OPPO研究院联合开源统一图像恢复框架，基于无VAE像素DiT，支持老照片修复、图像去模糊去噪，支持一步快速推理，附带完整训练推理代码。
Zing-0.5：Seedleap推出的开源实时交互式因果世界模型
Zing‑0.5是Seedleap开源的实时交互式因果视频世界模型，采用Apache‑2.0开源协议发布。该模型主打持续流式视频推演，支持动作+文本双路实时控制，可不断向前生成虚拟世界画...
Shieldstral：Mistral AI推出的开源多模态动态策略内容安全审核模型
Shieldstral是Mistral AI发布的3B参数多模态安全分类开源模型，它允许在推理阶段通过自然语言自定义审核规则，无需微调重训模型，同时兼顾文本、图片、图文混合内容的风险识...
FeyNoBg：Feyn Labs开源的新一代高精度AI抠图模型
FeyNoBg 是 Feyn Labs 发布的SOTA级开源自动图像背景移除（AI抠图）模型，配套自研标准化Python开发库 NoBg，整套方案完全开源免费，面向开发者、设计师、AI研究人员提供高...
MiniMax H3：稀宇科技推出的通用全模态音视频生成模型
MiniMax H3是MiniMax（稀宇科技）于2026年7月31日正式推出的通用全模态生成大模型，也是MiniMax首款计划开源的多模态视频生成基座模型。官方宣布将于8月3日开放模型权重，支...
UniWorld-View：大联合兔展智能等开源的单输入通用4D世界新视角生成模型
UniWorld-View 是北大联合兔展智能等开源的单输入通用4D世界新视角生成模型，依托视频扩散架构，仅依靠单张图片、普通短视频作为输入，即可重建完整三维场景，并生成任意自...
Mage-Flow：微软开源的4B整流流图像生成模型
Mage-Flow 是微软亚洲研究院开源的基于 Rectified Flow（整流流）架构的4B参数多模态图像生成模型，项目依托全新 NR-MMDiT 扩散Transformer结构，搭配自研轻量化 Mage-VAE ...
Qwen-Image-3.0：阿里千问推出的第三代AI图像生成模型
Qwen-Image-3.0是阿里2026年7月21日发布的第三代图像生成基础模型，支持4.5k token超长输入、10px小字精准渲染、12国语言和20余款字体，可一键生成九宫格知识图解、复杂UI、...
MuScriptor：开源AI多乐器音频转录模型，混音音乐自动识别生成多声部MIDI
MuScriptor 是由 Kyutai 与 Mirelo 联合开源的混音音频多乐器自动转录项目，它是依托17万首覆盖古典、摇滚、重金属、流行等多元曲风真实音乐数据集训练而成的AI模型，核心目...
ABot-World：高德开源的交互式世界模型，单RTX5090显卡实现无限长时序实时场景推演
ABot-World 是高德地图CV实验室（amap-cvlab）开源的单桌面GPU无限交互式世界推演模型，核心版本为5B因果学生模型 ABot-World-0-5B-LF，配套开放本地Gradio演示程序与线上交...