Ling-2.6-flash：蚂蚁百灵推出的高智效比AI大模型，主打快速推理与低成本部署
Ling-2.6-flash是蚂蚁集团百灵大模型团队于2026年4月22日正式发布的高智效比AI大模型，核心定位为“快速推理+低成本部署”，彻底打破传统大模型“笨重、高价、难落地”的困...
LingBot-Map：蚂蚁灵波推出的实时流式3D重建AI模型
LingBot-Map是蚂蚁灵波科技于2026年4月开源的纯自回归流式3D重建基础模型，基于创新几何上下文Transformer（GCT）架构，仅需普通RGB摄像头即可实现20FPS实时推理与万帧级长...
GPT-Rosalind：OpenAI推出的生命科学领域专用AI大模型
GPT-Rosalind是OpenAI于2026年推出的、以生命科学家罗莎琳德·富兰克林命名的专用AI推理模型，专注服务于药物研发、基因组学、蛋白质研究、转化医学等生命科学领域。
MAI-Transcribe-1：微软自研高精度多语言语音转文字AI模型，25种语言精准转录与批量高速处理
MAI-Transcribe-1是微软公司发布的自研旗舰级语音转文字（Speech-to-Text，STT）AI模型，隶属于微软MAI系列自研AI模型矩阵（同期发布MAI-Voice-1语音生成、MAI-Image-2文生...
GPT-5.4 nano：OpenAI推出的极致轻量AI模型，低成本高吞吐适配分类与子智能体场景
GPT-5.4 nano是OpenAI推出的GPT-5.4系列轻量化AI模型，主打极致轻量、超低延迟、极致性价比，仅通过API提供服务，专为文本分类、数据提取、内容排序、简单子智能体等高频轻...
MODNet：开源AI人像抠图框架，无需绿幕与手动标注实现发丝级精准背景分离
MODNet是一款发表于AAAI 2022的开源实时无Trimap人像抠图框架，由香港城市大学与商汤科技联合研发，仅需RGB图像输入即可实现高精度人像分割，无需手动标注、无需绿幕、无需...
Capybara：开源统一视觉创作模型，一站式支持文生图/文生视频/指令级图像视频编辑
Capybara是由xgen-universe团队开源的统一视觉创作模型框架，基于先进扩散模型与Transformer架构，一站式支持文本生成图像（T2I）、文本生成视频（T2V）、指令驱动图像编辑...
ELMo是什么？一文读懂上下文感知词向量的革命性突破
ELMo（Embeddings from Language Models）模型，通过引入深度双向语言模型架构，首次实现了词向量的动态语境感知。本文AI铺子将从技术原理、架构创新、应用场景及局限性四个...
Claude Opus 4.5：Anthropic最新推出的全能型AI模型，覆盖编程/办公/企业级智能任务
Claude Opus 4.5是Anthropic推出的最新一代旗舰AI模型，于2025年11月25日正式发布。它以“智能、高效、安全”为核心特质，在编程、智能体运作、计算机工具使用三大领域确立...
Kimi-K2：Moonshot AI推出的开源万亿参数混合专家代理智能模型
Kimi-K2是由Moonshot AI开发的开源代理智能模型，基于混合专家（MoE）架构，总参数达1万亿，激活参数320亿，在15.5万亿token上训练而成。该模型专注于工具使用、复杂推理和...
FG-CLIP：360开源的中英双语细粒度视觉-文本对齐模型，实现跨模态精准匹配与理解
FG-CLIP是360开源的一系列细粒度视觉-文本跨模态对齐模型，专注于解决视觉与文本信息的精准匹配问题，尤其擅长细粒度特征对齐，且原生支持中英双语。该模型通过两阶段分层学...
SAIL-Embedding：字节跳动推出的全模态嵌入基础模型，支持跨模态检索与通用特征表示
SAIL-Embedding是字节跳动在Hugging Face平台开源的全模态嵌入基础模型，该模型突破传统单模态嵌入的局限，可将文本、图像等多类型数据映射至统一向量空间，实现跨模态特征...
DreamOmni2：开源多模态指令驱动的图像编辑与生成模型，支持跨模态参考与精准控制
DreamOmni2是一款开源多模态指令驱动图像编辑与生成模型，支持基于文本和图像参考的跨模态内容创作。其核心优势在于统一架构下兼顾生成与编辑任务，能精准保持对象身份、姿...
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。...
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...