手把手教你部署 SAM 3 模型：从环境搭建到 Web 界面运行
手把手教你部署 SAM 3 模型！从环境搭建、模型下载到 Web 界面运行，完整教程覆盖 Ubuntu + Conda + Gradio 部署全流程，支持文本/点/框多模态分割提示，低显存友好，即刻体...
MMSI-Video-Bench：上海AI Lab开源的视频空间智能评测基准
MMSI-Video-Bench是一款开源的视频空间智能专项评测基准。该基准聚焦多模态大模型（MLLMs）在视频场景下的空间智能能力评估，构建了覆盖“感知-规划-预测-跨视频推理”的四...
LTX-2：Lightricks开源的全功能音视频生成基础模型
LTX-2是由Lightricks团队开源的音视频生成基础模型项目，不同于传统音视频生成模型“音频+视频”分离式设计，LTX-2从底层架构上实现了音视频同步生成，且无需依赖多个独立模...
阿里Wan2.2-Animate-14B本地部署教程：一键生成AI动画视频（图文详解）
阿里巴巴Wan团队开源Wan2.2-Animate-14B模型，支持静态图生成高保真角色动画。本文详解Ubuntu系统下基于ComfyUI的本地部署全流程，涵盖环境配置、依赖安装、模型下载与运行...
Open Interpreter：开源本地运行的大语言模型代码执行工具
Open Interpreter是一款开源的大语言模型代码执行工具，核心解决OpenAI官方Code Interpreter托管式、闭源、限制多的痛点，支持在本地环境运行Python、Javascript、Shell等多...
DLCM：字节跳动开源的动态大概念模型，自适应语义压缩与高效概念级推理
DLCM（Dynamic Large Concept Models）是字节跳动等机构联合推出的开源分层语言建模框架，打破传统LLM的token级均匀计算范式，通过端到端学习语义边界，将计算资源从冗余to...
RedInk（红墨）：AI驱动的小红书图文创作工具，一键生成风格统一的封面与内容页
RedInk（中文名：红墨）是一款面向内容创作者的开源AI图文创作工具，核心定位是解决小红书等社交平台图文创作效率低、风格不统一、内容构思难等问题。该项目以“一句话生成...
Vibe Kanban：BloopAI 开源的 AI 编码代理看板工具
Vibe Kanban是由BloopAI开源的一款专为开发者设计的AI编码代理协作与项目管理工具，基于看板模式提供可视化任务管理界面。它支持Claude Code、Gemini CLI等主流AI编码代理的...
StoryMem：基于记忆条件控制的开源多镜头长视频生成工具
StoryMem是一款开源的多镜头长视频叙事生成工具，依托记忆条件控制的单镜头视频扩散模型，能够根据含逐镜头文本描述的故事脚本，生成时长约一分钟、角色高度连贯且具备电影...
InstanceAssemble：开源布局感知图像生成框架，精准匹配稀疏/密集布局约束
InstanceAssemble是一款面向布局到图像（Layout-to-Image）生成的开源轻量级框架，该项目聚焦解决传统图像生成技术中“空间布局控制不精准”的核心痛点——无论是稀疏布局（...