Mamoda2.5：字节跳动开源的多模态AI生成编辑一体化框架
Mamoda2.5 是字节跳动 Mamoda 团队自研推出的开源统一多模态大模型，依托 DiT-MoE 稀疏混合专家架构 打造，采用 AR-Diffusion 统一建模范式，实现多模态理解、内容生成、智...
OpenLess：开源跨平台语音输入工具，语音转写一键生成结构化AI提示词
OpenLess 是一款基于 Tauri 2 框架开发的跨平台开源全局语音输入工具，适配 Windows、macOS 主流桌面操作系统，主打语音实时转文字、AI 智能润色、口语一键生成结构化提示词...
2026 四大 AI 生图工具怎么选？GPT Image 2、Gemini、豆包、即梦实测对比
想在 2026 年挑选最佳 AI 生图工具？本文通过实测，对比 GPT Image 2、Gemini、豆包、即梦在出图质量、速度、免费策略等方面表现，助您精准选择适合自己需求与场景的 AI 生...
Codex 自定义 AI API 配置实战：从 0 到 1 一步步接入你的专属模型
想接入专属AI模型却卡壳？本文手把手教你Codex自定义AI API配置：从API密钥申请、环境准备，到参数调试、模型对接，0基础也能一步步落地，个人开发者/小团队快速掌握定制化...
SenseNova-U1：商汤日日新开源的轻量化MoE多模态AI创作大模型
SenseNova-U1 是商汤 OpenSenseNova 团队正式开源的原生统一多模态大模型，依托自研 NEO-Unify 架构打造，打破传统多模态模型“视觉编码器+语言模型”拼接式设计，实现图像...
HY-Embodied-0.5-X：腾讯开源的轻量化具身大模型，赋能机器人全流程智能交互
HY-Embodied-0.5-X 是腾讯混元Hunyuan团队联合腾讯Robotics X实验室共同研发并正式开源的具身多模态基础大模型，项目完整托管于GitHub开源社区，全程开源开放，面向全球开发...
MuseTalk：腾讯音乐开源的AI音频驱动唇形同步生成模型
MuseTalk是腾讯音乐娱乐集团Lyra Lab开源的实时高保真音频驱动唇形同步模型，基于latent空间修复技术，支持中文/英文/日语等多语言音频输入，可对256×256人脸区域精准唇形...
GenericAgent：复旦大学知识工场实验室开源的自进化AI智能体框架
GenericAgent是复旦大学知识工场实验室推出的极简自进化自治智能体开源框架，核心代码仅约3300行，通过9个原子工具与92行Agent Loop，赋予大语言模型本地计算机系统级控制能...
Seed3D 2.0：字节自研端到端3D生成大模型，高精度几何建模与写实材质一体化生成
Seed3D 2.0 是字节跳动重磅迭代升级的第二代端到端通用3D生成大模型，依托字节多年多模态大模型技术沉淀打造，聚焦解决传统AI三维生成模型几何结构畸形、边缘细节模糊、材质...
MOSS-TTS-Nano：轻量级多语言零样本TTS模型，CPU实时语音合成
MOSS-TTS-Nano 是由 OpenMOSS 团队开源的一款超轻量级多语言文本转语音（TTS）模型，依托 MOSS 大模型生态构建，主打小体积、低延迟、低硬件门槛与高音质输出，是面向端侧设...