Opensource

Black Forest Labs（简称 BFL）推出其全新的 AI 图像生成模型：FLUX.2。定位为“前沿视觉智能系统（Frontier Visual Intelligence）”。 其核心目标是将图像生成模型从“展示级”工具，提升为“生产级”视觉基础设施。 为什么它被称为“前沿视觉智能

一款基于 🍌Nano Banana Pro 与 Gemini 3 的一站式 AI 小红书图文生成器 slogan：“一句话一张图片，生成整套小红书内容” RedInk 的核心目标是让用户仅通过一句自然语言描述（如“秋季显白美甲”），即可自动生成一整套 风格统一、排版清晰、可直接发布的小

Meta AI 发布 SAM 3D 个用于从单张图像中恢复真实世界三维结构的系统性框架。 此次发布包含两项核心模型： 1. SAM 3D Objects：从单张图片中重建物体的3D形状、纹理和布局 2. SAM 3D Body：从单张图片中恢复人体的完整三维姿态与体型 该模型能够从单

MiroMind 团队推出了一款全新的开源智能体模型——MiroThinker v1.0。 它的最大创新是提出了一个新概念： “深度交互 Scaling（Interactive Scaling）” ——让 AI 不只是“大”，而是能“更聪明地行动和思考”。 这个概念突破了传统“模型规模越

Cambrian-S 是由 Meta、NYU、Google Brain 与斯坦福学者（包括 Yann LeCun、Li Fei-Fei、Saining Xie 等）联合推出的最新多模态模型， 目标是推动 视频理解进入“空间超感知（Spatial Supersensing）”时代。 这套模型不仅能

Meta AI（FAIR团队）发布了 Omnilingual ASR（全语种自动语音识别系统）：一个覆盖超过 1600 种语言 的开源语音识别框架，其中包括 500 种此前从未被 AI 系统识别过的低资源语言。 这项计划的目标十分宏大： > 让任何语言都能被机器理解，让任何人都能用自己的语

一个精选的 Claude Skills 列表，用于扩展 Claude 的功能，使其能执行特定任务并整合进真实工作流。” 精选合集，包含真实世界案例（不只是演示） 什么是 Claude Skills？ Claude Skills 是一种「可编排的自定义工作流模块」，让 Clau

传统聊天式AI在教育中主要通过文本交互完成答疑，但这种方式的表现力有限，尤其在 STEM（科学、技术、工程、数学） 学科中，缺乏图形演示、公式推导与逻辑操作的支撑。 ChatTutor 的设计初衷正是弥补这一空白： > “为AI教师配备电子白板和交互工具，使其具备‘视觉教学’能力。”

StepFun AI （阶跃科技）发布 Step-Audio-EditX 语音开源模型，这是世界上第一个 LLM 级别的音频编辑模型。 它不仅能合成语音，还能编辑声音的情绪、语气、风格，让生成的语音更自然、更有表现力。 - 一个 基于大语言模型（LLM）架构 的音频模型； - 30亿参

Inworld TTS 是一款面向实时语音交互与数字角色开发的高端语音AI系统，集成： - Text-to-Speech（TTS）语音合成 - Voice Cloning（声音克隆） - 多语言与情感语音控制 - 实时流式生成（Streaming） - 非语言表达（no