互联网梗百科 - 爱思词典

互联网梗百科

Gemini 3 Flash

Gemini 3 Flash 是谷歌推出的高速、低成本的前沿智能模型。模型基于 Gemini 3 开发，性能显著提升，具备强大的推理能力和多模态理解能力。在多项基准测试中，Flash 的表现接近甚至超...查看更多

Nicole Aniston

12-22

SAM Audio

SAM Audio是Meta开源的音频分割模型，能通过文本、视觉和时间片段等多模态提示，从复杂的音频混合中分离出特定的声音。核心技术是Perception Encoder Audiovisual（PE...查看更多

sexyivyivy

12-22

Step-GUI

Step-GUI 是阶跃星辰推出的AI Agent系列模型，包含云侧模型 Step-GUI 和端侧模型 Step-GUI Edge（原名：Gelab-Zero）。云侧模型擅长复杂任务处理，端侧模型轻量...查看更多

DT02

12-22

A2UI

A2UI（Agent-to-User Interface）是谷歌开源的基于Agent的接口协议，用于AI与用户界面之间的交互。A2UI通过AI生成的JSON描述，让客户端原生渲染交互界面，无需AI编写...查看更多

sweetwendybebe

12-22

Molmo 2

Molmo 2 是艾伦人工智能研究所（Ai2）推出的开源视频分析模型，专注于视频理解、指向和追踪。模型基于 Qwen 3 和 Olmo 架构，具备强大的视频分析能力，能在视频中精准定位事件、追踪多目标...查看更多

404HotFound

12-22

MiMo-V2-Flash

MiMo-V2-Flash 是小米开源的高性能语言模型，具有3090亿总参数和150亿激活参数。专为智能体AI设计，采用混合注意力架构，结合滑动窗口注意力（SWA）和全局注意力（GA），窗口大小为12...查看更多

Little Caprice

12-22

LongCat-Video-Avatar

LongCat-Video-Avatar 是美团 LongCat 团队推出的音频驱动角色动画模型。模型能生成超逼真、口型同步的长视频，保持人物身份一致性和自然动态。LongCat-Video-Avat...查看更多

牛奶泡芙

12-22

VTP

VTP（Visual Tokenizer Pre-training）是MiniMax视频团队开源的视觉生成模型预训练框架。框架聚焦优化视觉tokenizer，通过融合对比学习、自监督学习和重建学习等方...查看更多

DA38

12-22

TRELLIS.2

TRELLIS.2是微软开源的40亿参数3D生成模型，专为从单张图片高效生成高保真3D资产设计。核心创新在于采用O-Voxel稀疏体素架构，能处理复杂拓扑结构（如开放表面、非流形几何），支持完整PBR...查看更多

糖心小唯

12-22

GPT-5.2-Codex

GPT-5.2-Codex 是 OpenAI 推出的智能体编程模型，专为复杂软件工程和防御性网络安全设计。模型是 GPT-5.2 的升级版，提升了指令遵循、长语境理解等能力，在代码重构、迁移等大型变更...查看更多

ladyyuan

12-22

EcomBench

EcomBench 是通义实验室联合 SKYLENAGE 推出的针对电商场景的 AI 能力评测基准。EcomBench 基于真实世界数据构建，涵盖政策咨询、成本估算、选品决策等七大类电商任务，全面衡量...查看更多

12-22

Kairos 3.0

Kairos 3.0（开悟世界模型3.0）是大晓机器人推出的行业首创的ACE具身研发范式、首个开源且商业应用的世界模型。Kairos 3.0是开源的高效世界基础模型，专注于学习真实世界的动态、因果关系...查看更多

糖心小唯

12-22

下一页