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...
Seedance 2.0：字节跳动AI视频生成模型，电影级全流程生成与多模态叙事引擎
Seedance 2.0 是由字节跳动旗下 Seed 团队研发并在即梦平台上线的新一代多模态视频生成模型。它不仅仅是一个“文生视频”工具，而是被官方定义为“电影级全流程生成引擎”。...
PaperBanana：北大联合谷歌开源的学术插图自动生成框架
PaperBanana是由北京大学与谷歌云AI研究院联合研发的开源智能体框架，核心定位是为AI科学家及科研工作者提供出版级学术插图的全自动化生成服务，解决科研过程中方法流程图、...
ACE-Step 1.5：ACE Studio与StepFun联合开源的AI音乐生成模型，4GB显存即可生成专业级音频
ACE-Step 1.5是一款由ACE Studio与StepFun联合开发的开源音乐生成基础模型，主打在消费级硬件上实现商用级别的音乐生成能力，仅需4GB显存即可本地运行，兼具极速生成、多语...