AI 模型库：大模型、Agent 与开发工具

ZDTaichu5.0-9B – 紫东太初开源的一代通用多模态大模型

ZDTaichu5.0-9B是由紫东太初（Taichu-AI）开源的新一代通用多模态大模型，专为物理世界理解与具身智能场景设计。模型在九大国际空间基准测试中斩获8项同参数组别全球第一，MindCube-tiny得分达78.27，大幅领先同级别模型；同时图文理解、OCR、数学推理、代码生成等通用能力保持第一梯队。模型采用自适应循环推理机制，通过熵门控对不确定性高的Token追加循环计算，将算力精准投...

Vidu S2 – 生数科技推出的实时交互与编辑视频模型

Vidu S2是生数科技推出的实时视频生成与编辑模型，发布即开放体验。该模型包含两大核心组件：S2-Editing支持对正在播放的视频流实时修改风格、进行虚拟换装、更换角色与背景，依赖帧对齐稀疏注意力技术确保高速运动场景下画面不穿帮；S2-Avatar以720P、25-42FPS的规格实现数字人实时互动，支持随时插入参考图与换装操作，并具备全身动作跟随能力。模型引入独创的SRF训练技术以解决长时生...

Gemini 3.8 Live – 谷歌推出的原生实时语音对话模型深度评测

Gemini 3.8 Live 是谷歌推出的原生实时语音对话模型系列，包含 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两个变体。该系列采用端到端语音对语音架构，摒弃了传统"语音识别→文本大模型→语音合成"的级联管道，直接在音频层面完成输入输出处理，显著降低交互延迟并保留语调、语速等声学细节。模型支持97种语言的自动检测与无缝切换，具备近...

Step Audio 3 – 阶跃星辰推出的语音大模型系列

Step Audio 3是阶跃星辰推出的新一代语音大模型系列，基于单一技术底座派生Realtime、ASR、TTS、Gen与Music五款专用模型，覆盖从实时语音交互、高精度转写、拟人化合成、多元素音频生成到完整音乐创作的全链路能力。其中，Realtime在Artificial Analysis榜单中以99.7%的语音推理准确率位列全球第一，ASR以1.7%的词错误率同样登顶全球榜首。该系列的核心...

YuE2：港科大与 M-A-P 联合开源的符号规划式音乐生成模型深度评测

YuE2是由香港科技大学与多模态艺术计划团队联合研发的开源音乐生成模型，其核心设计理念是在文本/音频条件与最终波形之间引入一层显式的符号乐谱规划，以ABC记谱法呈现旋律与和弦。该模型采用约36亿参数的混合Transformer架构，能够依据歌词和风格提示先生成可编辑的乐谱，再将其渲染为48kHz完整歌曲，将音乐创作从不可控的黑盒生成转变为白盒可控的作曲过程。在WildSongBench基准测试中，...

HiDream-O1-Video-1.0 – 智象未来推出的全模态视频生成模型

HiDream-O1-Video-1.0（简称HD-V1）是智象未来（HiDream.ai）推出的原生全模态视频生成模型，支持文本、图片、视频等多模态输入，可一键直出5至20秒1080p高清视频。该模型在物理规律导向生成与音画原生一体化方面实现了架构级突破，在Artificial Analysis图生视频榜（With Audio）位列全球第四、Arena.ai盲测榜第八，标志着中国AI视频生成技术...

UnifoLM-WLA-1.0 – 宇树科技推出的具身多模态大模型

UnifoLM-WLA-1.0是宇树科技推出的6B参数具身多模态大模型，基于约2500小时真机操作数据训练，将视觉感知、语言理解与动作执行统一建模，单模型统筹64项桌面与全身移动操作任务。该模型采用统一VLA架构，以视觉语言模型为骨干，通过RVQ离散动作表示将连续控制问题转化为token预测问题，并引入ER-Flow层的未来动态预测机制，让机器人在执行动作前先"想象"操作引发的场景变化。模型开源了...

书生-S2 – 上海 AI Lab 开源的多模态基础大模型

书生-S2是上海人工智能实验室于2025年12月开源的多模态基础大模型，拥有高达397B的参数量，被定位为"最懂科学"的基础模型。与传统模型不同，书生-S2引入革命性的Memory Decoder架构，通过可插拔的专业记忆模块实现领域知识的动态扩展，在不重训主模型的前提下持续融入生物学、材料科学等前沿学科知识。该模型在通用能力上保持开源第一梯队的水平，同时科学评测表现大幅领先现有开闭源旗舰模型，数...

Kimi K2.8 Preview 评测：月之暗面新一代主力模型深度解析

Suno v6 – Suno 推出的一代 AI 音乐生成模型系列

Suno v6是由AI音乐生成平台Suno推出的新一代模型系列，包含旗舰模型v6（面向Pro/Premier付费用户）、实验性模型v6-wild以及免费开放的v6-mini。相比前代，v6系列在生成速度上实现了量级提升，支持自然语言局部编辑、多音频源混音、采样提取以及从音频和图片直接生成歌曲等多项创新能力。与此同时，Suno官方宣布与华纳音乐、BMG达成授权合作，针对不同创作者群体提供分层模型套件...