Google DeepMind 开源多模态模型，11.95B参数支持文本+图像+音频，256K上下文，原生函数调用，Apache 2.0免费商用

阿里万相2.2图生视频，27B双专家MoE架构激活仅14B，支持480P/720P，电影级画质+复杂运动，Apache 2.0开源

想自己组装机器在本地跑顶级AI大模型，不依赖任何API？这份攻略从硬件选型到系统配置到模型推荐全讲清楚了，2千美元起步。

微软开源的前沿语音AI模型，支持60分钟长音频识别和90分钟多说话人语音合成

字节跳动开源多模态智能体，桌面/浏览器/手机自动化操作，游戏任务 SOTA

蚂蚁集团AGI团队出品，OpenRouter/Kilo限时免费。速度比Claude Sonnet 4.6快6倍，成本低约50倍，专为Agent场景原生设计。

将数据、嵌入、搜索结构和元数据打包成单个 .mv2 文件。无需数据库、无服务器，支持多语言 SDK 和跨平台。

微软开源中文 TTS，男声女声，RTF 0.5x，Agent 通过 SSH 一键生成并播放

传统命理文化与AI深度融合，支持八字、紫微、六爻、奇门遁甲等十余种命理体系

字节跳动开源的 3B 活跃参数原生统一多模态模型，支持图像/视频理解、生成与编辑。

AI模型云平台，聚合Flux/GPT-Image/Seedream/Claude等数千个模型，Python/Node/HTTP一行代码接入，支持微调和自定义部署，按用量付费

基于SigLIP微调的电商领域专用嵌入模型，vs通用SigLIP提升67%，vs Amazon Titan提升45%，支持文搜图/图搜图/商品去重

用手机拍视频走一圈，AI自动生成照片级真实3D场景，室内外通吃，免费Gaussian Splatting

Black Forest Labs出品，4步出图，质量接近Midjourney，Apache 2.0开源可商用

Black Forest Labs新作，一个9B模型统一生成与编辑，支持多图参考编辑，Qwen3编码器中文强，最快不到1秒

Lightricks出品22B DiT模型，单一模型同时生成同步视频+音频，支持图生视频/文生视频，蒸馏版8步出片

MoE仅激活4B，比原版Dense快8.7%且分数更高，263赞社区最认可的MLX免审查模型

32语言OCR、256K上下文、视觉Agent可操作GUI，MLX版5GB秒回看图

百度出品，基于DeepSeek-OCR改进，支持一次性解析超长文档、多页PDF，单图640切片+多页1024两种模式，SGLang部署兼容OpenAI API

不懂SQL也没关系，接上大模型后用大白话提问，自动帮你查数据库出图表，可自托管