模型框架

Stability AI 在2025年1月9日的CES展会上宣布推出了一种名为SPAR3D（Stable Point Aware 3D）的创新3D生成技术。SPAR3D是一种两阶段的3D生成方法，能够在不到一秒的时间内从单个图像中生成精确的3D对象，并支持实时编辑功能。这项技术为游戏开发者、产品设计师和环境构建者提供了全新的3D原型设计方式。 SPAR3D的主要功能和特点 技术…

微软于2025年1月8日在Hugging Face平台上开源了其小型语言模型Phi-4。Phi-4是微软2023年推出的小型语言模型系列的第四代产品，拥有140亿参数。该模型基于Transformer架构，采用仅解码器型架构，只关注单词之前的文本，减少了需要处理的数据量，从而降低了推理成本。 Phi-4在多个基准测试中表现优异，甚至超越了参数量更大的Llama 3.3 70B和…

北京智源人工智能研究院推出的See3D模型是一项创新的技术，它能够利用无标注的互联网视频进行3D内容的生成。以下是See3D模型的一些关键特点： See3D模型的推出为3D生成领域带来了新的可能性，特别是在降低成本和提高效率方面，它为3D数据的采集和应用提供了一种新的解决方案。 项目地址： https://vision.baai.ac.cn/see3d

根据您的请求，以下是关于端到端的社会视觉-语言-动作建模框架SOLAMI的详细介绍： SOLAMI的推出标志着视觉-语言-动作模型在社会交互领域的新进展，为3D自主角色的社交智能提供了新的解决方案。 项目地址： https://solami-ai.github.io

智谱AI最近推出了其首个免费的多模态模型——GLM-4V-Flash，这是一个重要的里程碑，标志着AI技术在多模态领域的进一步普及和应用。以下是GLM-4V-Flash的一些关键特点和功能： 智谱AI的GLM-4V-Flash模型的上线，无疑为AI领域带来了新的可能性，特别是在图像理解和多模态交互方面。 体验地址： https://www.bigmodel.cn/console…

DeepSeek AI 最近发布了其 DeepSeek V2 系列的最终版微调模型——DeepSeek-V2.5-1210。以下是该版本的主要特点和功能： 这些更新使得 DeepSeek-V2.5-1210 成为一个在多个领域都具有强大性能的 AI 模型，为用户提供了更加全面和高效的服务。 地址： https://huggingface.co/deepseek-ai/DeepS…

Adobe与MIT合作推出的CausVid视频生成模型是一项突破性技术，它能够实现实时视频生成，极大地提升了视频内容创作的效率。以下是CausVid的一些关键特性： CausVid的出现标志着视频生成领域的一次重大突破，它将彻底改变我们创作和消费视频内容的方式，开启一个充满无限可能性的未来。 项目地址： https://causvid.github.io

MMAudio是一项由伊利诺伊大学厄巴纳-香槟分校、Sony AI及Sony集团联合推出的新技术，它能够实现视频到音频的高质量合成。这项技术的核心创新在于利用视频和文本输入生成同步音频，从而拓展了音频生成的应用场景。MMAudio的设计使其能够在各种视听和音频文本数据集上进行训练，这种多模态联合训练的方式，不仅提高了合成音频的质量，还确保了生成的音频与视频帧之间的同步。 MMA…

谷歌已经正式发布了新一代的AI模型Gemini 2.0，这标志着谷歌在人工智能领域的又一重大进展。以下是Gemini 2.0的一些关键特性和亮点： Gemini 2.0的发布，展示了谷歌在构建更智能、更自动化的AI代理方面的雄心，这些代理能够理解环境、执行任务并在一定程度上独立做出决策。这不仅是技术上的一次飞跃，也为用户带来了更加丰富和便捷的智能体验。

家人们，好消息！Exo Labs带着他们的黑科技来了，现在你的Mac M4电脑也能变身强大的本地AI模型运行器啦！🌌 🍎【Apple M4芯片的力量】 Exo Labs利用Apple M4芯片，在本地计算集群上成功运行开源AI模型，这意味着我们可以告别昂贵的NVIDIA GPU，用我们手头的设备就能搞定！ 💼【成本与隐私】 本地运行AI模型不仅降低了成本，还提高了隐私安全，再也…