Helios：北大开源的实时长视频生成模型，单卡19.5FPS实现分钟级高质量无漂移创作
Helios是北京大学YuanGroup开源的140亿参数实时长视频生成模型，无需传统抗漂移与加速技巧，即可在单张H100显卡实现19.5FPS端到端推理，支持文本/图像/视频驱动的分钟级高质...
Zerox：开源AI视觉OCR框架，复杂文档一键转结构化Markdown
Zerox是一款面向AI数据摄入场景的开源光学字符识别工具，核心定位是用极简方式把各类视觉形态的文档，转换成AI可直接处理的结构化Markdown格式。它由getomni-ai团队开发并维...
19岁天才少年做AI应用年入2亿：被15所名校拒收，却用产品敲开巨头大门
近日，在美国头部营养追踪应用MyFitnessPal宣布完成对AI卡路里计算应用Cal AI的收购仅两天后，一笔高达3000万美元（约合人民币2亿元）的年收入数据震惊了科技圈。这不仅是一...
ImageCritic：南开大学开源的AI生成图像细节纠错工具
ImageCritic是由南开大学HVision实验室推出的开源AI图像后处理项目，基于参考引导的注意力对齐机制，专门解决扩散模型生成图像中常见的细节错位、纹理不匹配、结构不一致等...
LocoOperator：LocoreMind 推出的 4B 级本地代码库探索 AI 智能体
LocoOperator-4B是LocoreMind团队开源的一款专用代码探索子代理模型，属于轻量级代码智能体（Code Agent），它以Qwen3-4B-Instruct-2507为基座，通过知识蒸馏方式学习Qwen3...
OpenFang：开源AI智能体操作系统，Rust构建实现24/7自主运行
OpenFang是RightNow-AI团队开发的开源、生产级智能体操作系统（Agent Operating System），它并非传统聊天机器人框架、Python封装的大模型调用工具，也不是简单的多智能体编...
谷歌深夜发布生图模型Nano Banana 2，性能屠榜成本腰斩，AI生图进入“闪电时代”
2026年2月27日凌晨，谷歌在没有任何预热发布会的情况下，于Gemini平台悄然上线了新一代图像生成模型Nano Banana 2（官方代号Gemini 3.1 Flash Image）。这一被称为“深水炸...
InstantID：零样本单图身份保留生成模型，秒级高保真 AI 人像创作工具
InstantID是由InstantX团队联合小红书、北京大学开源的零样本、免微调、单图驱动的身份保留生成模型，基于Stable Diffusion XL与自研IdentityNet、解耦交叉注意力适配器实现...
DeepGen 1.0：上海创智研究院推出的5B参数多模态图像生成编辑模型
DeepGen 1.0是上海创智研究院DeepGen团队发布的轻量级统一多模态开源模型，聚焦于图像生成与编辑核心任务，是一款专为解决大参数量多模态模型训练成本高、部署门槛高、推理...
Ming-omni-tts：开源统一音频生成模型，精准可控语音/音乐/音效一体化合成
Ming-omni-tts是inclusionAI开源的高性能端到端统一音频生成模型，依托自研12.5Hz连续音频Tokenizer与Patch-by-Patch压缩策略，实现语音、音乐、环境音效单通道联合生成，支...