GPT-Live：OpenAI推出的全双工实时语音对话大模型，支持同步听说与多模态交互
GPT-Live 是 OpenAI发布的新一代全双工端到端实时语音大模型，全面替代旧版 Advanced Voice Mode，作为 ChatGPT 全系语音交互底层引擎，面向全球用户分双版本开放。
SenseNova-Vision：商汤开源统一多模态视觉大模型，单基座兼容检测分割深度三维重建
SenseNova-Vision是商汤科技OpenSenseNova团队开源的统一多模态视觉生成大模型，依托论文《Vision as Unified Multimodal Generation》落地，开源仓库配套完整训练、推理、...
GPT-Realtime-2.1：OpenAI推出的新一代低延迟多模态实时语音模型
GPT-Realtime-2.1 是 OpenAI全新发布、面向API开发者的高性能端到端实时多模态语音大模型，为上一代 GPT-Realtime-2 的迭代升级版本，配套同系列轻量化模型 gpt-realtime-2...
Seedream 5.0 Pro：字节跳动推出的商用高精度AI图像生成模型
Seedream 5.0 Pro 是字节跳动 Seed 团队发布的旗舰级商用多模态图像生成大模型，定位专业商业视觉内容生产工具，是 Seedream 5.0 轻量化版本的高阶专业分支，对标海外 GPT-...
EdgeBench：字节开源的长时序AI智能体评测基准，支持12小时迭代闭环打分
EdgeBench是字节跳动Seed开源的长周期AI智能体评测基准，配套SForge双容器隔离评测引擎，支持12小时迭代式测试，包含134项真实工业任务，用于大模型、自主智能体能力标准化...
ArcReel：开源AI多智能体视频工作台，小说全自动生成短剧分镜与成片
ArcReel 是一款开源AI视频工作台，基于Claude Agent多智能体，小说一键生成分镜、角色、视频，兼容火山方舟、OpenAI、Gemini，Docker私有化部署，支持剪映草稿导出，自媒体...
SemanticAudio：分层语义空间AI音频框架，支持零训练文本引导音效修改
SemanticAudio是分层Flow Matching架构AI音频生成框架，独立语义空间提升文本音效匹配度，支持零训练音频修改，对比AudioLDM音质与语义对齐效果更强，提供在线音效试听Demo...
LiveWorld：浙大与阿德莱德大学等联合开源的解耦式视频世界模型
LiveWorld 是阿德莱德大学、浙江大学、澳大利亚国立大学等多校联合团队发布的解耦式生成视频世界模型，项目配套自研行业首个针对视野外动态评测的基准数据集 LiveBench，用...
VS Code Copilot 接入 DeepSeek API 完整实操教程
本文分享 VS Code Copilot 替换 DeepSeek API 完整实操步骤，无需付费 Copilot，教你配置 API 密钥、插件安装、接口调试、报错排查，低成本实现本地代码补全、代码解释、AI...
RubyLLM：Ruby开源大模型统一封装库，跨厂商AI接口标准化调用工具
RubyLLM是开源Ruby Gem库，统一封装OpenAI、Gemini、Ollama、DeepSeek等全主流大模型接口，支持对话、多模态、AI Agent、RAG向量，原生适配Rails。