AI大模型

千帆慧金是百度智能云自主研发的​​金融行业垂直大模型​​，聚焦金融场景的智能化需求，以“专业、可靠、可扩展”为核心，为金融机构提供从基础能力到场景化应用的全链路智能化解决方案，助力行业从“数字化”向“智能化”深度升级。

商量拟人大模型是商汤科技推出的一款AI拟人大模型，它支持个性化角色创建与定制、知识库构建、长对话记忆、多人群聊等功能，可实现行业领先的角色对话、人设及剧情推动能力。该模型广泛应用于情感陪伴、影视/动漫/网文IP角色、明星/网红/艺人AI分身、语言角色扮演游戏等拟人对话场景。

Janus-Pro是由 DeepSeek AI 开发的先进多模态 AI 模型，专注于实现图像理解与图像生成的无缝结合。Janus-Pro 通过优化的训练策略、扩展的训练数据和更大的模型规模，在多模态理解和文本到图像生成方面取得了显著进步。

Segment Anything是一个基于深度学习的图像分割模型，它可以根据用户的输入提示（如点或框）生成高质量的物体遮罩。它可以用于为图像中的任何物体生成遮罩，无论是常见的物体（如人、车、猫等），还是罕见的物体（如火箭、恐龙、魔法棒等）。

昇思MindSpore是由华为自研的一种适用于端边云场景的全场景深度学习框架，MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。

序列猴子是出门问问自研的一款大语言模型，它以语言为核心的能力体系涵盖了知识、对话、数学、逻辑、推理和规划等六个维度。

Etna大模型是七火山科技推出的一个文生视频的AIGC模型，它能够根据简短的文本描述生成相应的视频内容。七火山科技发布的Etna文生视频模型支持生成视频时长达到8~15秒，每秒可达60帧，分辨率最高可达4K（3840*2160），画面细腻逼真。

Tarsier是由字节跳动研发的大规模视频语言模型家族，旨在生成高质量的视频描述，并具备良好的视频理解能力。Tarsier 采用了简单的模型结构，结合了 CLIP-ViT 编码帧和 LLM 模型来建模时间关系。通过精心设计的两阶段训练策略，Tarsier 展现出了强大的视频描述能力和视频理解能力，在多个公共基准测试中取得了最先进的成果。

EduChat是一个教育领域的对话大模型，提供开放问答、作文批改、启发式教学和情感支持等教育特色功能，助力实现因材施教、公平公正、富有温度的智能教育。

AnyText是阿里云开源的一种基于扩散的多语言视觉文本生成和编辑模型，它利用了深度学习、自然语言处理、计算机视觉等技术，实现了对图像中文本的检测、识别、生成和编辑。

PuLID是由字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，能够在无需调整模型的情况下轻松生成个性化写真。该技术能够保持高身份(ID)保真度，同时最大限度地减少对原始图像风格和背景的干扰，支持用户通过文本提示轻松编辑图像，生成逼真且个性化的图像结果。

Outfit Anyone是阿里巴巴推出的一种虚拟试穿技术，它可以让用户在照片上穿上任何衣服。利用先进的人工智能和机器学习技术，提供高质量和细节一致的虚拟试穿效果。它可以适应不同的姿势和身材，甚至可以在动漫角色上试穿服装。

Yi大模型是由李开复博士领导的AI公司“零一万物”发布的一款开源的中英双语预训练大模型。这个模型在多个性能指标上取得了国际最佳性能认可，被称为“全球最强开源模型”。Yi-34B模型特别之处在于它拥有全球最长的200K上下文窗口，能够处理40万汉字的超长文本输入，这在语言模型中是非常重要的，因为它对于理解和生成与特定上下文相关的文本至关重要...

StereoCrafter是腾讯AI实验室开发的一款开源框架，能够将普通的 2D 视频转换为沉浸式的 3D 视频。通过深度估计和立体视频修复技术，StereoCrafter 提供高质量的 3D 视频生成，支持多种视频源，包括电影、视频博客、3D 动画和 AI 生成内容。

NotaGen是由中央音乐学院与清华大学等机构联合研发的AI音乐生成模型，专注于生成高质量古典音乐乐谱，同时支持流行音乐创作。作为开源项目，其目标是推动音乐与人工智能的深度融合，为专业作曲家、教育机构及音乐爱好者提供创作辅助工具。

Idea-2-3D 是一个3D 内容生成框架，能够从多模态输入（如文本、图像和 3D 模型）中生成高质量的 3D 模型。该框架由三个基于大型多模态模型（LMM）的智能代理组成，分别负责生成提示、选择模型和反馈反映。通过这些代理的协作和批评循环，Idea-2-3D 能够自动生成与输入高度一致的 3D 模型。

书生·浦语 InternLM 是由商汤科技与上海AI实验室联合香港中文大学和复旦大学共同开发的新一代大型语言模型。它是在过万亿token数据上训练的多语千亿参数基座模型，具有较高的知识水平，尤其在中英文阅读理解、推理任务等需要较强思维能力的场景下性能优秀。

LMArena AI 是一个专注于众包 AI 基准测试的开放平台，由加州大学伯克利分校 SkyLab 和 LMSYS 研究团队打造。用户可以在平台上免费与 AI 聊天并进行投票，比较和测试不同的 AI 聊天机器人。LMArena AI 提供盲测模式、匿名对战、投票系统和风格控制等功能，确保评估的公平性和客观性。平台还支持多模态功能，允许用...

VISION XL是一款专注于解决视频逆问题的超高清视频修复工具。利用潜在图像扩散模型，VISION XL 高效处理视频去模糊、超分辨率和修复等任务，显著提升视频清晰度。支持多种降质形式和高分辨率重建，保证时间一致性。适用于视频修复、去模糊和超分辨率增强，让用户轻松实现高清视频的清晰化处理。

元象XChat是一款智能聊天助手，它基于元象通用大模型，可以与用户进行自然、流畅、有趣的对话。元象XChat不仅可以提供信息、解答问题，还可以创作内容，如诗歌、故事、代码、歌曲等。元象XChat的目标是成为用户的AI伙伴，帮助用户探索AI与3D的无限可能。

M2UGen是一个由腾讯和新加坡国立大学共同研发的多模态音乐生成模型，它具备音乐生成、理解和编辑的能力。具体来说，M2UGen可以接收文字、图片、视频或音频作为输入，然后生成与之相匹配的音乐。

Hallo是一个百度开源的AI对口型人脸视频生成框架，用户只需提供一段音频和所选人像，它利用人工智能技术，让图片中的人物能够根据语音的变化做出相应的面部表情和嘴唇动作。

Goku是一个基于流生成的视频生成基础模型，由香港大学和字节跳动研究团队共同开发。Goku 模型主要用于生成高质量的视频内容，尤其在广告和营销场景中表现尤为出色。

PengChengStarling是由 PengCheng Labs 开发的多语言自动语音识别工具，支持中文、英语、俄语、越南语、日语、泰语、印度尼西亚语和阿拉伯语。相比 Whisper-Large v3，PengChengStarling 的模型仅占其 20% 大小，但推理速度提高了 7 倍，且流式语音识别效果卓越。

DeepSpeed是一个由微软开发的开源深度学习优化库，它通过多种技术手段来加速训练，包括模型并行化、梯度累积、动态精度缩放、本地模式混合精度等。

Boximator是字节跳动推出的一款利用深度学习技术进行视频合成的先进工具。它使用文本提示和额外的盒子约束来生成丰富且可控制的视频运动，从而为用户创造独特的视频场景提供了灵活的运动控制。

AnimateZero是腾讯AI团队发布的一款AI视频生成模型，通过改进预训练的视频扩散模型(Video Diffusion Models)，能够更精确地控制视频的外观和运动，实现从静态图像到动态视频的无缝转换。

可图大模型KOLORS是一款快手自研的文生图大模型，支持文生图和图生图两类功能，已上线20余种AI图像玩法。

Darwin是一个开源项目，专注于自然科学领域的大型语言模型构建，主要涵盖物理、化学和材料科学。通过对科学文献和数据集进行预训练和微调，Darwin 在科学问答和多任务学习任务中表现优异。它结合了结构化和非结构化的科学知识，提升了语言模型在科学研究中的效能。

新一代智能体Agent开发平台，助力开发者快速搭建生产级智能体。