Glyph：开源视觉-文本压缩框架，突破大模型长上下文处理瓶颈
Glyph是一个创新的开源框架，通过视觉-文本压缩技术解决大模型长上下文处理难题。其核心逻辑是将超长文本渲染为紧凑图像，借助视觉-语言模型（VLMs）实现高效语义理解，在降...
Agent Squad：AWS Labs 开源多代理编排框架，智能处理复杂对话与团队协作
Agent Squad 是 AWS Labs 开发的一款灵活、轻量的开源框架，专注于实现多个 AI 代理（Agents）的高效协作与任务编排，以处理复杂对话场景。它具备智能意图分类、动态代理路...
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...
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...
TANGO：CyberAgent AI Lab开源的语音同步手势视频生成框架
TANGO 是一个由 CyberAgent AI Lab 开发的开源项目，专注于从音频和参考视频生成同步语音手势的全身视频。该项目结合了分层音动嵌入和扩散插值技术，实现了高质量的动作生成...
MagicTryOn：基于扩散 Transformer 的服装保真视频虚拟试穿开源框架
MagicTryOn是一个开源的视频虚拟试穿框架，其核心定位是“基于扩散Transformer的服装保真型虚拟试穿工具”——区别于传统仅支持单张图像的虚拟试穿方案，该框架首次将“大规...
Hunyuan3D-Omni：腾讯混元开源的多模态条件控制 3D 资产生成框架
Hunyuan3D-Omni是腾讯混元团队推出的开源3D资产生成框架，该框架通过统一的控制编码器，能够接收多种不同类型的控制信号，实现对3D资产生成过程的精确引导。。它不仅能根据...