每日 AI 项目与应用实例

SmolDocling 是一款轻量级的多模态文档处理模型，能够将图像文档高效转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。

Stable Virtual Camera 是 Stability AI 推出的 AI 模型，能够将 2D 图像转换为具有真实深度和透视感的 3D 视频，支持自定义相机轨迹和多种动态路径，生成高质量且

UniAct 是由清华、商汤、北大、上海AI Lab联合推出的具身基础模型框架，旨在解决不同机器人之间的行为异构性问题，通过学习通用行为实现跨平台控制。

LangManus 是一个基于分层多智能体系统的 AI 自动化框架，支持多种语言模型和工具集成，能够高效完成复杂任务，适用于人力资源、房产决策、旅行规划等多个场景。

Instella是AMD推出的30亿参数开源语言模型，基于自回归Transformer架构，支持多轮对话、指令跟随和自然语言理解，适用于智能客服、内容创作和教育辅导等多个领域。

GR00T N1 是英伟达推出的全球首个开源人形机器人基础模型，基于多模态输入和双系统架构，能够执行复杂操作任务，适用于物流、制造、零售等多个领域。

OLMo 2 32B 是 Allen Institute for AI 推出的最新开源语言模型，拥有 320 亿参数，性能超越 GPT-3.5-Turbo 和 GPT-4o-mini，支持多任务处理，

ReCamMaster 是由浙江大学与快手科技联合推出的视频重渲染框架，能够根据用户指定的相机轨迹重新生成视频内容，广泛应用于视频创作、后期制作、教育等领域，提升创作自由度和质量。

I2V3D 是由香港城市大学和微软联合开发的图像到视频生成框架，支持将静态图像转换为动态视频，基于3D几何引导实现精确的动画控制，适用于动画制作、视频编辑和内容创作等领域。

Hunyuan3D 2.0 是腾讯推出的大规模 3D 资产生成系统，专注于从文本和图像生成高分辨率的 3D 模型，支持几何生成和纹理合成。

amis 是百度开源的低代码前端框架，基于 JSON 配置快速生成后台页面，支持表单、表格、图表等功能，提供丰富的组件和可视化编辑器，极大提升开发效率。

Skywork R1V 是昆仑万维开源的多模态思维链推理模型，具备强大的视觉链式推理能力，能够在多个权威基准测试中取得领先成绩，推动多模态推理模型的发展。

Chirp 3 是谷歌云推出的高清语音合成模型，支持 248 种声音和 31 种语言，能生成自然流畅的语音，适用于智能语音助手、有声读物和视频配音等多种场景。

Mistral Small 3.1 是 Mistral AI 开源的多模态人工智能模型，具备 240 亿参数，支持文本和图像处理，推理速度快，适合多种应用场景。

OpenBioMed 是清华大学智能产业研究院（AIR）和水木分子共同推出的开源平台，专注于 AI 驱动的生物医学研究，提供多模态数据处理、丰富的预训练模型和多样化的计算工具，助力药物研发、精准医疗和

Claude 3.7 Max 是 Cursor 推出的最新 AI 模型，支持 200k 上下文窗口和 200 次工具调用，专为复杂代码任务设计，适合硬核开发者和大型项目。

AudioX 是香港科技大学和月之暗面联合推出的扩散变换器模型，能够从文本、视频、图像等多种模态生成高质量音频和音乐，具备强大的跨模态学习能力和泛化能力。

MedRAG是南洋理工大学推出的医学诊断模型，结合知识图谱与大语言模型，提升诊断准确率11.32%，支持多模态输入与智能提问，适用于急诊、慢性病管理等多种场景。

MM-Eureka 是由上海人工智能实验室、上海创智学院、上海交通大学和香港大学联合开发的多模态推理模型，通过基于规则的强化学习，显著提升了多模态推理能力，尤其在数据效率和推理准确性方面表现突出。

Open-LLM-VTuber 是一个开源的跨平台语音交互 AI 伴侣项目，支持实时语音对话、视觉感知和生动的 Live2D 动态形象，完全离线运行，保护用户隐私。