VitaBench – 美团推出的大模型Agent评测基准
Top
AI视频 19小时前 • 120

VitaBench – 美团推出的大模型Agent评测基准

VitaBench是什么VitaBench 是美团 LongCat 团队发布的面向复杂问题的大模型智能体评测基准。以外卖点餐、餐厅就餐、旅游出行等高频生活场景为载体，构建了包含66个工具的交互式评测环境，设计了跨场景综合任务，从深度推理、工具使用与用户交互三大维度衡量智能体表现。首次量化拆解智能体任务，构建大规模真实环境数据库，引入真实用户模拟器，通过原子化评估准则（Rubric）实现细粒度行

AI中国
Read more
AI视频 1天前

KoalaQA – 开源AI售后服务社区，能7×24小时服务

KoalaQA是什么KoalaQA 是AI大模型驱动的开源售后服务社区，支持智能问答、语义搜索和自动运营等功能。KoalaQA 能帮助团队实现 7×24 小时服务，显著降低人工成本，提升客户满意度与响应效率，助力实现零接触解决（ZCR）目标。KoalaQA 适用售后客服、产品答疑、需求反馈等场景，通过知识库管理和 AI 辅助创作，进一步优化用户体验。KoalaQA的主要功能AI 智能回

AI中国 AI中国
204 0
AI视频 1天前

DeepSeek-OCR – DeepSeek团队开源的视觉语言模型

DeepSeek-OCR是什么DeepSeek-OCR 是 DeepSeek 团队推出的视觉语言模型，专注于通过光学压缩技术高效处理长文本内容。模型由 DeepEncoder 编码器和 DeepSeek3B-MoE 解码器组成，能在保持高分辨率输入的同时，显著降低激活内存和视觉标记数量。模型在 10 倍压缩比下 OCR 精度可达 97%，在 20 倍压缩比下仍能保持 60% 的准确率。Deep

AI中国 AI中国
90 0
AI视频 1天前

Dexter – AI金融研究Agent，自动进行金融任务规划

Dexter是什么Dexter 是自主金融研究智能代理（Agent），专为处理复杂金融问题而设计。工具能将复杂查询分解为清晰的分步骤研究计划，通过实时市场数据进行分析。Dexter 用多Agent架构，包括规划Agent（分解任务）、执行Agent（获取数据）、验证Agent（检查结果）和回答Agent（整合答案）。Dexter 支持智能任务规划、自主执行、自我验证，内置安全机制防止无限循环。

AI中国 AI中国
118 0
AI视频 2天前

PaddleOCR-VL – 百度飞桨开源的多模态文档解析模型

PaddleOCR-VL是什么PaddleOCR-VL是百度飞桨团队开源的多模态文档解析模型，参数量仅0.9B，专为低算力设备优化。在国际权威评测OmnidocBench V1.5中以92.6分登顶全球第一，超越GPT-4o等主流模型。模型采用双阶段架构：PP-DocLayoutV2负责版面分析，PaddleOCR-VL-0.9B完成内容识别，支持109种语言，能精准处理表格、公式、图表等复杂

AI中国 AI中国
162 0
AI视频 4天前

Coral NPU – 谷歌推出的全栈开源AI平台

Coral NPU是什么Coral NPU 是谷歌推出的全栈开源AI平台，专为低功耗边缘设备（如智能手表、AR 眼镜等）设计，能解决性能、碎片化和隐私三大挑战。Coral NPU基于 RISC-V 指令集，包含标量核心、向量执行单元和矩阵执行单元，能高效支持机器学习推理任务。Coral NPU 提供统一的开发者体验，支持 TensorFlow、JAX 和 PyTorch 等框架，通过硬件强制的

AI中国 AI中国
144 0
AI视频 4天前

LongCat-Audio-Codec – 美团开源的语音编解码方案

LongCat-Audio-Codec是什么LongCat-Audio-Codec 是美团 LongCat 团队开源的语音编解码方案，专为语音大语言模型（Speech LLM）设计。通过语义和声学双 Token 并行提取机制，兼顾语音的语义理解与声学特征保留，解决了传统方案中语义与声学信息难以平衡的问题。低延迟流式解码器支持实时交互，将解码延迟控制在百毫秒级，满足车载语音助手、实时翻译等场景的

AI中国 AI中国
134 0
AI视频 4天前

RTFM – 李飞飞团队推出的实时生成式世界模型

RTFM是什么RTFM（Real-Time Frame Model）是李飞飞团队推出的实时生成式世界模型。模型能在单块H100 GPU上运行，实时生成3D场景，支持持久交互。RTFM通过观看大量视频数据学习光影、材质和空间关系，将复杂的物理渲染问题转化为基于数据的感知问题。RTFM为每一帧赋予空间坐标，用“上下文腾挪”技术，只关注附近帧生成新画面，实现高效且持久的世界构建。RTFM展示了未来世

AI中国 AI中国
135 0
AI视频 5天前

UniPixel – 香港理工联合腾讯推出的像素级多模态大模型

UniPixel是什么UniPixel是香港理工大学和腾讯ARC Lab团队开发的首个统一像素级多模态大模型，专注于图像/视频的精细理解与交互。能在单个模型中完成对象指代、像素级分割和区域推理三大任务，通过创新设计的”对象记忆机制”和统一视觉编码方式，实现了对视频中目标的精准追踪与语义理解。模型基于Qwen2.5-VL框架，支持点、框、掩码三种交互方式，在9项视觉任务基准测试中超越72B参数的

AI中国 AI中国
115 0
AI视频 5天前

豆包语音2.0 – 字节跳动推出的升级版AI语音模型

豆包语音2.0是什么豆包语音2.0是字节跳动推出的升级版AI语音模型，包含两大核心模型：豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）和豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0）。语音合成模型2.0支持对话式合成，可精准理解语义和情感，实现复杂公式朗读，准确率高达90%。声音复刻模型2.0仅需5秒即可复刻音色，支持多语种，在交互中传递情感，分饰多角色。两

AI中国 AI中国
191 0
AI视频 5天前

豆包大模型1.6 lite – 字节跳动推出的轻量级AI模型

豆包大模型1.6 lite是什么豆包大模型1.6 Lite（Doubao-Seed-1.6-lite）是字节跳动推出的轻量级人工智能模型。模型相比旗舰版豆包1.6更轻量、推理速度更快，性价比更高。在企业级场景测评中，性能较豆包1.5 Pro提升14%，使用成本在0 – 32k输入区间内降低53.3%。模型支持思考程度可调节，有minimal、low、medium、high四种模式，用户能根据需

AI中国 AI中国
162 0
AI视频 5天前

DiaMoE-TTS – 清华联合巨人网络开源的多方言TTS框架

DiaMoE-TTS是什么DiaMoE-TTS 是清华大学和巨人网络联合推出的多方言语音合成（TTS）框架。框架基于国际音标（IPA）统一输入体系，结合方言感知的 Mixture-of-Experts（MoE）架构和低资源适配策略（PEFT），实现低成本、低门槛的多方言语音合成。框架支持多种方言和小语种，能在少量数据下快速建模，兼具高效性和灵活性。DiaMoE-TTS数据、代码和方法全面开源，

AI中国 AI中国
204 0
AI视频 5天前

Claude Haiku 4.5 – Anthropic最新推出的小型AI模型

Claude Haiku 4.5是什么Claude Haiku 4.5 是 Anthropic 公司最新推出的高性能、低成本的小型 AI 模型。模型在编码性能上与之前的旗舰模型 Claude Sonnet 4 相当，且在某些任务中表现更优，成本仅为三分之一，速度提升两倍多。模型具备出色的对齐性和安全性，被评为 AI 安全等级 2（ASL-2）。模型支持通过 Claude API、Amazon

AI中国 AI中国
131 0
AI视频 5天前

Veo 3.1 – 谷歌推出的AI视频生成模型

Veo 3.1是什么Veo 3.1 是谷歌推出的最新 AI 视频生成模型，在Veo 3基础上进行了重大升级，带来更丰富的音频支持、更强的叙事控制及更逼真的质感还原。通过原生音频生成和更精细的编辑能力，Veo 3.1 让用户能直接在生成阶段完成视频创作，无需后期处理。模型支持多种输入类型，包括文本提示、图像和视频片段，能生成高质量的 720p 或 1080p 视频。Veo 3.1 的目标是简化创

AI中国 AI中国
145 0
AI视频 6天前

Pyscn – AI代码质量分析工具，快速发现和清理代码问题

Pyscn是什么Pyscn 是专为 Python 开发者设计的智能代码质量分析工具，帮助开发者快速发现并清理代码中的问题，如死代码、重复代码、复杂代码结构等。通过控制流图（CFG）检测死代码，利用树编辑距离技术识别代码克隆，分析代码的耦合度和圈复杂度。Pyscn 的分析速度快，可达 100,000+ 行/秒，支持多种安装方式，包括 pipx 和 Go 安装。Pyscn 提供全面的分析功能，支持

AI中国 AI中国
182 0
AI视频 6天前

Local-NotebookLM – 开源PDF转播客AI工具，自定义音频

Local-NotebookLM是什么Local-NotebookLM 是开源的本地 AI 工具，能将 PDF 文档转换为引人入胜的音频内容，如播客、访谈、辩论等。支持多种输出格式和内容风格，用户可以根据需求选择不同的音频长度和风格，如短篇、中篇、长篇，以及正常、轻松、正式、技术、学术等风格。支持多种 LLM 提供商，如 OpenAI、Groq、Azure OpenAI 等，以及文本到语音转换

AI中国 AI中国
117 0
AI视频 6天前

FS-DFM – 苹果联合俄亥俄州立大学推出的扩散语言模型

FS-DFM是什么FS-DFM（Few-Step Discrete Flow-Matching）是苹果联合俄亥俄州立大学推出的用在快速生成长文本的扩散语言模型。模型通过将采样步数作为显式参数进行训练，使模型能在较少的步骤内生成高质量的文本。FS-DFM结合可靠的更新规则和强大的教师指导，确保概率更新准确且不会过度调整。在语言建模基准测试中，FS-DFM用8步采样达到1024步离散流基线的困惑度

AI中国 AI中国
94 0
AI视频 1周前

Kandinsky 5.0 – 俄罗斯AI-Forever开源的视频生成模型

Kandinsky 5.0是什么Kandinsky 5.0 是俄罗斯 AI 研究实验室 AI-Forever 开发的文本到视频生成模型，具有强大的生成能力和高效的性能表现。核心版本 Kandinsky 5.0 Video Lite 是一款参数量为 20 亿的轻量级模型，生成质量优异，甚至优于一些更大规模的模型。支持多种变体，包括 SFT 模型（生成质量最高）、CFG 蒸馏模型（推理速度提升约

AI中国 AI中国
181 0
AI视频 1周前

SongBloom – 腾讯AI Lab推出的全长度歌曲生成模型

SongBloom是什么SongBloom 是腾讯 AI Lab 开发的全长度歌曲生成框架，结合了自回归草图绘制和基于扩散的细化技术，通过交错生成范式（Interleaved Generation）交替生成语义和声学上下文，生成高质量的完整歌曲。模型只需输入 10 秒音频样本和对应歌词，即可生成长达 2 分 30 秒的双通道、48kHz 音频。SongBloom 在音频质量和歌词准确性方面表现

AI中国 AI中国
143 0
AI视频 1周前

MAI-Image-1 – 微软推出的首款自研图像生成式AI模型

MAI-Image-1是什么MAI-Image-1是微软推出的首款自研图像生成式AI模型。模型以“创作者导向”为核心设计理念，擅长生成逼真的自然光照效果和复杂场景图像，如闪电、风景等。与一些更大、更慢的模型相比，MAI-Image-1能更快地处理请求并生成图像。微软在研发过程中征求了专业创意人士的反馈，以避免程式化输出。目前，MAI-Image-1正在LMArena平台上测试。MAI-Im

AI中国 AI中国
144 0
AI视频 1周前

Youtu-Embedding – 腾讯优图开源的通用文本嵌入模型

Youtu-Embedding是什么Youtu-Embedding 是腾讯优图实验室开源的面向企业级应用的通用文本表示模型。模型通过大规模语料训练和创新的微调框架，具备强大的语义理解能力，能胜任文本检索、意图理解、相似度判断等六大任务。Youtu-Embedding 避免传统模型在新领域容易出现的“负迁移”问题，支持即插即用和基于业务数据的定制化训练。模型在中文语义评测基准 CMTEB 上表现

AI中国 AI中国
61 0
AI视频 1周前

Get Jobs – 开源的AI简历投递工具，支持多平台投递

Get Jobs是什么Get Jobs是开源的自动化简历投递工具，能帮助用户高效地在多个招聘平台（如Boss直聘、猎聘、拉勾、51job、智联招聘等）上投递简历。工具通过AI技术能实现岗位匹配和个性化打招呼语生成，支持定时投递、智能过滤、黑名单管理等功能，能有效提高投递精准度和效率。Get Jobs的主要功能自动化投递简历：支持多个招聘平台，自动批量投递简历，减少手动操作。AI

AI中国 AI中国
146 0
AI视频 1周前

SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型

SAIL-VL2是什么SAIL-VL2 是抖音团队和新加坡国立大学联合开发的开源视觉语言基础模型，专注于多模态理解和推理。由视觉编码器 SAIL-ViT、视觉-语言适配器和大语言模型组成，采用渐进式训练框架，从视觉预训练到多模态融合，最终通过 SFT-RL 混合范式提升性能。SAIL-VL2 在架构上引入了混合专家（MoE）架构，突破了传统密集型模型的限制，显著提升了效率和性能。SAIL-

AI中国 AI中国
57 0
AI视频 1周前

nanochat – Karpathy开源的低成本自建ChatGPT全栈项目

nanochat是什么nanochat是AI领域专家Andrej Karpathy发布的开源项目，以极低成本和高效流程训练小型语言模型，实现类似ChatGPT的对话功能。仅需约100美元（使用8张H100 GPU训练4小时），即可训练出能进行基础对话、创作故事/诗歌、回答简单问题的小型模型。若增加预算至1000美元（训练约41.6小时），模型性能可显著提升，能解决简单数学/代码问题并参与多项选

AI中国 AI中国
68 0
AI视频 1周前

LLaVA-OneVision-1.5 – EvolvingLMMS-Lab开源的多模态模型

LLaVA-OneVision-1.5是什么LLaVA-OneVision-1.5 是开源的多模态模型，通过高效训练和高质量数据实现高性能、低成本和强复现性。采用自研的 RICE-ViT 作为视觉编码器，结合 2D 旋转位置编码和区域感知注意力机制，支持可变输入分辨率，增强对象和 OCR 能力。语言模型基于 Qwen3，通过三阶段训练流程（语言–图像对齐、高质量知识中期预训练和视觉指令对齐）进

AI中国 AI中国
159 0
AI视频 1周前

MineContext – 字节开源的主动式上下文感知 AI 工具

MineContext是什么MineContext 是字节跳动开源的主动式上下文感知 AI 工具，通过挖掘数字生活中的“方块”，帮助用户高效管理知识和信息。每 5 秒截取一次屏幕，经过处理后，批量发送给视觉语言模型（VLM）分析，提取出人物、产品、公司档案等六种结构化上下文，主动生成日报、待办、洞察等高质量信息，非被动等待用户提问。多模态信息处理能力，未来还将支持文档、图片、视频等多种数据来源

AI中国 AI中国
144 0
AI视频 1周前

Banana AI

💡 Banana AI 是什么？Banana AI Photo Editor 是一款基于 Nano Banana 技术 的高级生成式图像编辑平台，可将文字提示（text prompt）转化为高质量、风格多样的图像。其核心是 Nano Banana 引擎 —— 一种优化的AI渲染系统，能够理解场景语境、光影关系和色彩构成，从而生成具备摄影级真实感的视觉作品。官方定义：“Turn simpl

AI中国 AI中国
119 0
AI视频 1周前

Noah AI

💡Noah AI 是什么？Noah AI 是一款专为 生命科学和医学研究领域 打造的智能AI助手平台。它的核心使命是帮助 科学家、制药专家、投资分析师和临床医生 从海量科研与医疗信息中，快速获得可行性洞察与数据分析。Noah 的智能体（AI Agent）结合了 知识图谱、自然语言理解和专业数据库检索技术，能为用户自动化完成研究查询、数据整理、竞争分析与报告生成。官方定位：“AI Ag

AI中国 AI中国
164 0
AI视频 1周前

NeuTTS Air – Neuphonic开源的语音合成模型

NeuTTS Air是什么NeuTTS Air 是 Neuphonic 开发的超拟真、可离线运行的 TTS（文本到语音）模型。具备高拟真语音合成能力，声音自然流畅，几乎能以假乱真。支持本地运行，提供 GGML 格式，兼容 CPU，可部署在手机、笔电或树莓派等设备上，无需联网即可使用。NeuTTS Air 支持即时语音克隆，仅需 3 秒音频样本就能克隆说话者的声音。采用基于 LM + Codec

AI中国 AI中国
83 0
AI视频 1周前

Paper2Video – 国立大学推出的学术论文生成演示视频项目

Paper2Video是什么Paper2Video 是新加坡国立大学 Show Lab 开发的项目，从学术论文自动生成演示视频。通过 PaperTalker 多智能体框架，将论文转化为包含幻灯片、字幕、语音和演讲者头像的完整演示视频。框架包含幻灯片构建器、字幕构建器、光标构建器和演讲者构建器四个模块，分别负责幻灯片生成、字幕生成、光标定位和演讲者视频生成。Paper2Video 提供了首个高质

AI中国 AI中国
164 0
加载更多

推荐文章

OpenAI/微软争夺AGI控制权，重组谈判激烈，年底谈不成软银700亿或撤

OpenAI/微软争夺AGI控制权，重组谈判激烈，年底谈不成软银700亿或撤

1月前 • AI热点
千亿赛道新玩家：AI+玄学APP是下一个泛游戏风口？

千亿赛道新玩家：AI+玄学APP是下一个泛游戏风口？

1周前 • AI热点
阿里启动近千人招聘，涉及夸克、AI 眼镜等 C 端业务

阿里启动近千人招聘，涉及夸克、AI 眼镜等 C 端业务

2月前 • AI热点
速抢（2核2G）77元/年香港免备案服务器

速抢（2核2G）77元/年香港免备案服务器

0秒前 • AI热点
手把手教你玩转豆包AI，豆包AI全功能实测

手把手教你玩转豆包AI，豆包AI全功能实测

4月前 • 视频教程
越来越多人患上“AI精神依赖症”，微软AI负责人：停止将AI当人类对待

越来越多人患上“AI精神依赖症”，微软AI负责人：停止将AI当人类对待

2月前 • AI热点
【万字揭秘】2025年最大风口：Agent 智能体到底是什么？

【万字揭秘】2025年最大风口：Agent 智能体到底是什么？

4月前 • 视频教程
如何用AI快速制作像素风格的视频，小白5分钟学会像素风AI短视频教程

如何用AI快速制作像素风格的视频，小白5分钟学会像素风AI短视频教程

5月前 • 学习教程

热门标签

AI泛化能力 视觉-语言-动作 网站搭建 agent-framework-javascript 灵创平台 DATAxAI 画质提升 包装设计 GreenoaksCapital ResNet3DCNN

热门作者

作者头像

AI前沿

2.4k 粉丝

作者头像

机器学习实验室

1.8k 粉丝

作者头像

AI创业圈

3.1k 粉丝