三花AI

阿里开源 OmniAvatar：音频驱动数字人模型 OmniAvatar[1] 是阿里开源的一款基于 Wan 2.1 的音频驱动数字人模型。用户只需上传图片、音频和脚本，即可生成嘴型精准匹配、带有自然

百度开放23款大模型：Ernie 4.5性能比肩OpenAI O1 Ernie 4.5[1]重磅发布 23 款开放权重大模型，包括 VLM 和 LLM 两大系列。 从官方数据显示，LLM版本超越Dee

腾讯开源 LeVo 音乐生成模型直逼 Suno V4.5 LeVo 是腾讯开源的唱歌模型，其能力逼近 SunoV4.5 且大幅度领先其他开源模型，训练用了 200万首歌曲（大约11万小时），支持唱中文

Black Forest Labs 开源最强图像编辑模型 FLUX.1 Kontext [dev] 黑森林团队(Black Forest Labs)[1] 昨日宣布开源 FLUX.1 Kontext

谷歌 Gemini CLI 开源命令行工具 谷歌 Gemini CLI[1] 是一款对标 Claude Code 的开源命令行工具，提供免费使用额度：每分钟支持 60 次模型请求，每日上限 1000

DeepSite V2 发布：基于 DeepSeek-R1 的智能网页重构工具 DeepSite 正式推出 V2 版本，这是一款专注于网页生成的 Vibe Coding 工具。新版本可以选择接入 De

海螺 AI 发布 Minimax Agent 测试版：开源 M1 模型性能比肩 DeepSeek R1 海螺 AI 发布的 Minimax Agent[1] 是一款类似 Manus 的产品，他们还开源

Midjourney V7 更新：全新风格参考功能 Midjourney V7 版本[1] 更新了新风格参考(Style References)功能。新增了--sref random功能，提供更多的变

腾讯混元 3D 2.1 发布：首个全链路开源工业级 3D 生成大模型 腾讯混元3D 2.1[1]开源了业界首个全链路工业级3D生成大模型，本次不仅开源了模型权重、训练代码和数据处理流程，还完整公开了核

OpenAI 为 ChatGPT Canvas 新增多格式导出功能 OpenAI[1] 终于为 ChatGPT Canvas 带来了用户期待已久的下载功能！现在你可以轻松导出创作内容：文档类支持 PD

Higgsfield AI 整合 Flux.1 Kontext：一站式创意工作流解决方案 Higgsfield AI通过整合Flux.1 Kontext，将照片编辑、电影级动画、视觉特效（VFX）和虚

Eleven Labs 发布 Eleven v3 语音模型：支持 70+ 语言与情感语音 Eleven Labs 官方[1] 宣布推出 Eleven v3（alpha 版本），这个语音模型支持 70

ComfyUI 子工作流功能：一次编辑全局更新 ComfyUI 即将推出革命性的子工作流功能，让复杂的工作流管理变得前所未有的简单。 通过将常用工作流封装为可重复使用的节点，实现一次编辑即可全局更新的

谷歌 SignGemma 实现手语与文本实时互译 谷歌最新发布 SignGemma 手语翻译模型，基于 Gemma，专用于美国手语(ASL)与英语的实时双向互译。目前只开放了申请测试[1]，预计今年晚

DeepSeek R1 完成 0528 版本迭代升级，性能比肩 o3 DeepSeek 在官方微信群发布消息称，其 R1 模型已完成小版本迭代升级（版本号 DeepSeek-R1-0528）[1]。用

MMaDA 多模态扩散模型实现文本推理+视觉理解+文生图 MMaDA[1] 是一款开源的多模态扩散模型，同时具有文字推理、图片理解、文字生成图片的能力。 感兴趣的佬们可以通过官方的在线演示[2]体验。

Mistral AI 发布高精度 Document AI：支持公式手写多语言解析 Mistral AI[1] 最新推出企业级 Document AI 解决方案，基于 OCR 技术实现高精度文档解析。

Head AI：全球首个 AI 市场营销专家 Head AI[1] 是全球首位人工智能营销专家，其官网号称在过去一个月内已为超过 50,000 个品牌提供服务，覆盖电商、科技、游戏和 AI 等多个领域

谷歌 I/O 2025 开发者大会内容总结 下面是今年的谷歌I/O上发布的所有产品和更新，主要聚焦AI方向大发力： Gemini 2.5 模型更新 Gemini 2.5：Google 的最新 AI 模