AI工作站

AI行业资讯

Qwen Image Edit 2511模型官网 - 阿里Qwen团队推出的开源AI图像编辑模型主打高一致性、生产级、多模态精准编辑，解决传统AI修图易出现的人物变脸、风格漂移、多人混乱等痛点，支持人像、产品、场景、文字、几何等全场景编辑，可免费体验与本地部署。
OmniWeaving视频生成框架 - 浙大 × 腾讯混元 × 南洋理工联合发布统一视频生成框OmniWeaving是由浙江大学、腾讯混元、南洋理工大学联合推出的统一视频生成框架，突破传统开源模型单一任务局限，实现多模态自由组合与推理增强生成。
Gemini 3.1 Flash Live语音模型使用入口，Google推出的高质量实时语音交互模型模型在多项音频基准测试中表现领先，支持复杂任务执行与多语言实时对话，同时内置SynthID水印技术，确保AI生成音频可追溯，有效防范虚假信息传播。
Suno v5.5 AI音乐生成模型，Voices声音定制、Custom Models自定义模型、My Taste个性化用户可将AI生成内容作为创作素材，通过音轨分离、片段重组、风格混合等深度编辑操作，再导出分轨文件进行专业后期制作；同时音质全面升级，乐器分离更清晰、混音更精致。
Wan 2.7 AI通用多模态AI视频生成平台，支持上传九宫格图像生成视频Wan 2.7是一款专注于高质量视频创作的通用多模态AI平台，以图像、视频、音频为控制信号，核心实现主体身份持续一致与智能视频延续功能。
MiniMax Office Skills生产级办公文档引擎，docx、xlsx、pdf和pptxMiniMax Office Skills是稀宇科技开源的生产级办公文档引擎，由四大核心组件构成：MiniMax-docx（Word）、MiniMax-xlsx（Excel）、MiniMax-pdf（PDF）、PPTX-generator（PPT）。
PrismAudio音频框架官网，阿里通义实验室研发的Video-to-Audio视频生成音频框架该模型首创分解式思维链技术，先对声音内容、时机、质感与空间位置进行推理规划，再完成音频生成；同时引入语义、时序、美学、空间四大维度评估机制，实现多维度精准优化。
Composer 2新一代AI编程模型使用入口，价格仅$2.50 / 百万输入tokenComposer 2是Cursor推出的新一代AI编程模型，该模型首次采用持续预训练与规模化强化学习技术，已在Cursor平台正式上线，无需额外配置即可直接使用。
Qwen3.5-Max-Preview模型使用入口，LMArena评测平台以1464分跻身全球前五、国内第一Qwen3.5-Max-Preview 是阿里通义千问团队推出的旗舰大模型预览版，也是核心技术人员林俊旸离职后阿里推出的首个原创大模型。
StepClaw云端AI助手，阶跃AI基于OpenClaw架构推出的云端AI智能体平台搭载Step 3.5 Flash大模型，配备双核CPU、4GB内存与40GB存储，兼顾复杂任务处理与长期记忆能力，内置阶跃自研搜索工具与丰富技能生态，为个人与企业提供高效、稳定的AI自动化解决方案。
SongGeneration 2音乐生成模型，腾讯×清华开源·4B参数音乐生成大模型SongGeneration 2是腾讯与清华大学联合开源的4B参数多模态音乐生成大模型，采用混合LLM‑扩散架构与分层表征设计，实现商业级音乐生成质量。
Gemini Embedding 2模型使用入口，谷歌推出的首个原生多模态嵌入模型Gemini Embedding 2是谷歌推出的首个原生多模态嵌入模型，基于Gemini统一架构构建。其核心能力是将文本、图像、视频、音频、文档五类数据全部映射到同一向量空间。
Yuan3.0 Ultra万亿参数多模态基础模型，激活参数68.8B，基于MoE混合专家架构打造Yuan3.0-Ultra模型总参数达1.01T、激活参数68.8B，基于MoE混合专家架构打造，深度集成视觉编码器与多模态对齐模块，实现视觉与语言信息的协同建模。
Helios视频生成模型入口，北大与字节等机构联合研发的14B参数实时长视频生成模模型不依赖KV缓存、量化、因果掩码等传统加速方案，通过统一历史注入、深度压缩流、对抗分层蒸馏等原创技术，将计算成本降至1.3B模型级别，在生成速度、内容质量、长时序连贯性上全面领
《动手学大模型》系列编程实践教程该项目还联合华为昇腾推出了国产化《大模型开发全流程》系列课程，覆盖初级、中级、高级不同阶段，提供PPT、实验手册、视频等多形式教程，基于昇腾基础软硬件讲解大模型全流程开发与调

1
2
3
4
5
6
7