三花AI

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...

Hugging Face 官方教程：消费级显卡实现 FLUX.1-dev 微调 Hugging Face[1] 官方发布教程《LoRA Fine-Tuning FLUX.1...

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...

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 M...

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 r...

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...

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...

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...

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...

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...

OpenAudio S1：支持多语言情感控制的专业级 TTS 模型 OpenAudio S1 是由 OpenAudio 团队开发的文本转语音（TTS）模型，它能像专业配音演...

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...

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...

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...

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...