三花AI

阿里发布 20B 参数 Qwen-Image-Edit：全能图像编辑模型 Qwen-Image-Edit[1] 是阿里 Qwen 团队基于 20B 参数 Qwen-Imag...

阿里 AIDC-AI 发布 Ovis2.5：集成NaViT的多模态模型 阿里AIDC-AI 推出了多模态模型 Ovis2.5，提供 9B 和 2B 两种参数量版本。该模型最...

Perplexity AI 推出基于订阅制的视频生成服务 Perplexity AI[1] 在全平台推出视频生成功能。根据订阅等级不同，Pro 用户每月可创建 5 个视频，...

OpenAI 发布 GPT-5：多榜单第一，性能超越 Gemini 2.5 Pro OpenAI 正式发布其下一代旗舰模型 GPT-5[1]，在 LMArena 多个类别榜...

OpenAI 明日凌晨直播：GPT-5 或将正式亮相 OpenAI 官方 X 账号[1]宣布，将于北京时间 8 月 8 日凌晨 1 点举行一场直播活动。从各种预热和爆料来看...

阿里 Qwen-Image：20B 参数开源文生图模型，文本渲染能力突出 阿里巴巴通义千问团队发布了其首个图像生成基础模型 Qwen-Image。该模型是一个拥有 20B ...

智谱 GLM-4.5 旗舰大模型开源 智谱 AI 重磅发布并开源新一代旗舰模型 GLM-4.5 系列。该系列采用创新的混合专家架构(MoE)，旨在统一推理、编码和 Agen...

阿里通义发布 4800 亿参数 Qwen3-Coder 代码大模型 媲美 Claude Sonnet4 Qwen3-Coder-480B-A35B-Instruct[1] ...

zAI 发布 Zread AI：智能分析开源项目 zAI 发布 Zread AI[1] ，这是一款专为开源项目生成文档的工具，提供原生中文支持。与 deepwiki 类似，...

谷歌 Veo 3 视频生成 API 开放付费预览 谷歌 Veo 3[1] 现已推出付费预览 API，该 API 目前可在 Gemini API 和 AI Studio 中付...

Mistral 开源 Voxtral：多语言语音转录模型，准确率超 Whisper v3 Voxtral 是 Mistral AI 最新开源的多语言语音转录模型，提供 24...

IndexTTS2 实现零样本语音克隆：精准控制+情感解耦 IndexTTS2[1] 是一个突破性的自回归语音合成模型，能在零样本条件下实现两大核心能力：精确的时长控制，以...

Qwen Chat 正式发布 Mac 客户端 阿里通义千问 Qwen Chat 正式发布 Mac 客户端版本，同时支持 ARM 和 x86_64 架构，支持 MCP，有需要...

马斯克：Grok4 大语言模型周四直播亮相 埃隆·马斯克今日宣布，将于北京时间（UTC+8）周四上午 11:00 通过 X 平台直播[1]发布 Grok4。 Grok4 的...

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...

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...

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（...

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 F...

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...

OmniGen2：开源自然语言图像编辑模型 OmniGen2[1] 是一个统一的多模态图像编辑模型，支持单图和多图编辑。 可以理解为开源领域的 Flux Context 替...