多语言支持

Mistral OCR 是 Mistral AI 最新推出的一款光学字符识别（OCR）工具，专为处理复杂文档而设计。该工具能够全面解析文档中的文本、图像、表格和数学公式，支持多种语言和字体，准确率高达99.02%。在各项基准测试中，Mistral OCR 的表现超越了 Google Document...

SuperGPQA是由字节跳动豆包大模型团队与M-A-P联合推出的一个全面的知识推理基准测试集。该测试集涵盖了285个研究生级学科，包含26529道专业题目。项目旨在解决传统评测基准在学科覆盖不足、题目质量参差不齐及评测维度单一等问题。通过专家与大语言模型的协同构建，SuperGPQA保证了题目高质...

NotaGen – 音乐学院联合北航、清华等推出的音乐生成模型 NotaGen是音乐学院、北京航空航天大学和清华大学等机构合作开发的音乐生成模型。这一模型受到大型语言模型（LLM）训练方法的启发，旨在创作高质量的古典乐谱。NotaGen采用了预训练、微调和强化学习的结合方式，其预训练阶段吸收了超过1...

NextGenAI为OpenAI发起的全球性合作项目，联合了15所著名高等学府和研究机构，旨在利用人工智能技术推动教育与研究的进展。这一联盟得到OpenAI提供的5000万美元资金支持、计算资源和API接口。各成员机构在医疗、教育和图书馆等领域展开多项创新应用，例如加速罕见疾病的诊断和数字化稀有文献...

Platus是一家专注于运用人工智能和无代码平台优化企业法律流程的创新法律科技初创企业。该平台为中小企业和法律团队提供高效且自动化的法律基础设施，涵盖了文件起草、审查、签署和公证等多项服务。用户可以通过直观的拖放界面快速构建和管理法律工作流，而AI工具则能自动识别重要条款和潜在风险，确保合规性。此外...

Liquid是一款由华中科技大学、字节跳动和香港大学联合开发的多模态生成框架。该框架利用VQGAN技术将图像转换为离散的视觉token，并与文本token共享同一词汇空间，从而使得大型语言模型（LLM）在视觉生成和理解任务中发挥作用，而无需对模型结构进行修改。 Liquid的主要功能包括视觉生成、视...

AVD2 是一个由清华大学与香港科技大学、吉林大学、南京理工大学、北京理工大学、复旦大学等多所机构共同开发的自动驾驶事故视频理解与生成框架。该框架旨在提高自动驾驶事故视频的理解能力，通过生成与详细自然语言描述相对齐的视频来增强对复杂事故场景的解析效果。AVD2整合了视频生成与事故分析技术，能够生成具...

Promptimize AI是一款专注于提升AI提示词质量的工具，旨在通过精准的提示词优化，帮助用户提高AI输出的效率和效果。作为一款浏览器插件，它兼容多种主流AI平台，如ChatGPT和Gemini，允许用户一键优化提示词，使其更具针对性和连贯性。该工具包括一键增强提示词、动态变量管理及提示词库保...

《Manus – Monica.im 推出的全球首款通用型 AI Agent》 Manus是由Monica团队开发的全球首款通用型AI Agent。相比传统人工智能，Manus不仅具备思考、规划和执行复杂任务的能力，还能够自主完成任务规划到执行的全过程，覆盖文件处理、数据分析、代码编写和内容创作等多...

MiniMax推出的Image-01是一款文本到图像生成模型，具备卓越的图像生成技术。用户提供文本描述后，该模型能够精确转化为高质量的图像，支持多种纵横比和高分辨率输出，适用于社交媒体、商业项目等多种场景。 Image-01是MiniMax推出的先进文本到图像生成模型，具备出色的图像生成能力。该模型...

MindLLM是由耶鲁大学、达特茅斯学院和剑桥大学共同研发的一种先进的人工智能模型，能够将脑部功能性磁共振成像（fMRI）信号解码为自然语言文本。通过结合主体无关的fMRI编码器和大型语言模型（LLM），以及引入脑指令调优（BIT）技术，MindLLM成功捕捉了fMRI信号中的丰富语义信息。在众多基...

MIT团队研发的新型自学习人工智能框架PRefLexOR融合了偏好优化和强化学习概念，通过推理提升自我学习能力。其核心算法是递归推理，模型通过多轮推理、反思和优化生成更准确结果。使用基于优势比偏好优化（ORPO）和直接偏好优化（DPO）的技术，协调推理路径并提升质量。 PRefLexOR的功能包括动...

智元机器人推出了一款名为AgiBot Digital World的机器人仿真框架，旨在支持机器人操作技能的研究与应用。这一框架结合了大量真实的三维资产、多样化的专家轨迹生成机制以及全面的模型评估工具，通过高度逼真的模拟和全链路的自动化数据生成，能够快速构建多样化的机器人训练场景。 AgiBot Di...

Shandu是一款开源的人工智能研究自动化工具，融合了LangChain和LangGraph的先进技术，能够高效地进行多层次的信息挖掘与分析，从而生成结构化的研究报告。用户只需通过简单的命令行输入研究主题，并设定深度和广度参数，便能快速生成包含引用的Markdown格式报告。Shandu支持多个搜索...

ViDoRAG是由阿里巴巴通义实验室与中国科学技术大学、上海交通大学共同开发的视觉文档检索增强生成框架。该框架利用多智能体协作及动态迭代推理技术，克服了传统方法在处理复杂视觉文档时面临的检索与推理的局限性。ViDoRAG通过高斯混合模型（GMM）实现多模态混合检索策略，能够动态调整检索结果的数量，从...

Mochii AI是一款多功能智能助手，利用先进的人工智能技术来提高用户的工作效率和创造力。它整合了各种高级AI模型，如GPT-4、Claude 3.5和Gemini，可提供智能对话、语音交互、文档分析和网页总结等多项服务。用户可以通过浏览器插件、桌面应用或移动设备随时访问Mochii AI。 Mo...

海螺AI推出的 T2V-01-Director 是一款文本到视频生成工具，旨在通过自然语言指令实现精准的镜头控制。该工具使用户能够轻松创建电影级的视频效果，支持多种镜头组合，如左移、右摇、推进和拉远，满足复杂场景拍摄需求。 T2V-01-Director 是海螺AI（MiniMax）推出的创新性文本...

Mobius是一项由重庆邮电与美团等合作推出的无缝循环视频生成技术。这种先进技术利用人工智能算法，将文字描述转化为无限循环的视频内容。其关键在于强大的AI模型，能够自动识别视频中的关键元素，生成平滑过渡的循环片段，无需用户进行繁琐编辑。Mobius简化了视频创作过程，适合各种技能水平的创作者，并在广...

俄亥俄州立大学推出的检索增强生成框架HippoRAG 2旨在弥补传统RAG系统在模拟人类长期记忆动态性和关联性方面的不足。其使用个性化PageRank算法实现深度段落整合和更高效的在线大型语言模型（LLM）应用，使在知识检索和生成过程中更贴近人类记忆效果。 HippoRAG 2作为一种创新型的检索增...

百川智能推出的Baichuan-Audio是一款先进的端到端音频大语言模型，具备无缝音频理解与生成的能力，能够实现高质量、可控的实时中英文对话。该模型采用多码本离散化技术，成功将音频信号转化为离散标记，保留语义和声学信息，并通过音频处理模块增强音频特征的识别能力。Baichuan-Audio基于双阶...

Pika 2.2是由Pika Labs最新推出的升级版AI视频生成工具。利用深度学习技术，将图像或文字提示转换为高质量的视频内容。与旧版本相比，Pika 2.2在功能和性能上都有显著提升。支持生成长达10秒的视频，并提供1080p的高清分辨率。此外，引入了"Pikaframes"功能，通过关键帧过渡...

3FS – DeepSeek推出的高性能分布式文件系统是专为人工智能训练和推理任务而设计的效率高效的文件系统。利用现代SSD和RDMA网络技术，3FS能够整合大量SSD的吞吐量和存储节点的网络带宽，实现高达6.6 TiB/s的读取吞吐量。该系统具有强一致性并提供通用文件接口，用户无需学习新的存储AP...

Phi-4-Mini是微软推出的一款专注于文本任务的小型语言模型，是 Phi-4 系列的最新成员，拥有 38 亿参数。该模型建立在密集的解码器-only Transformer 架构之上，结合了分组查询注意力、20 万词汇量和输入输出嵌入的共享，旨在提高速度和效率。Phi-4-Mini 在文本推理、...

R1-Onevision是一款开源的多模态大语言模型，专注于处理复杂的视觉推理任务。它基于 Qwen2.5-VL 进行微调，能够有效整合视觉和文本数据，实现精准的多模态信息解析。在数学、科学、深度图像理解和逻辑推理等领域表现优秀，超越了竞争模型 Qwen2.5-VL-7B 和 GPT-4V。 R1-...

IndexTTS 是 B 站推出的文本转语音模型，它结合了 XTTS 和 Tortoise 模型的先进技术，采用了 GPT 风格的生成技术。这个系统在将文本转换为自然流畅的语音方面表现出色，尤其擅长处理中文文本。IndexTTS 不仅支持拼音纠正汉字发音，还可以利用标点符号来精准控制停顿，有效解决多...

All Voice Lab是一个全球领先的AI语音创作平台，致力于为用户提供一站式的智能语音解决方案。该平台基于趣丸科技与香港中文大学（深圳）共同研发的MaskGCT语音大模型，旨在帮助全球创作者跨越语言和技术障碍，实现内容创作和国际传播的高效性。All Voice Lab支持中文、英语、法语、德语...

Flame是一款开源的多模态AI模型，专为将UI设计截图转化为高质量的现代前端代码而设计。该模型利用视觉语言建模、自动化数据合成以及结构化训练流程，能够生成符合React等现代前端框架标准的代码，支持组件化、状态管理及动态交互功能。相较传统模型仅生成静态代码的方式，Flame采用创新的数据合成方法，...

元镜是一款基于人机共生引擎的AI视频创作系统，旨在将创意构思快速转化为成品视频。该系统具有自动化脚本生成、统一角色风格、多模态融合和智能化工作流程等功能，能显著提升创作效率，满足短视频、广告、教育和影视等多个行业的需求。 元镜的主要功能包括：创意视频脚本生成，提供多模态创意分镜设计，以及分镜一键成片...

PromptNice是一个专注于高质量提示语交易的市场，旨在为Midjourney、DALL·E、GPT等AIGC模型提供卓越服务。用户可以在该平台购买或出售专为这些AI模型设计的提示语，实现高效的内容生成，同时显著降低API使用成本。 PromptNice是一个高品质提示语交易平台，专为AIGC模...