Ruyi – 图森未来推出的图生视频大模型

Large Action Models – 微软推出的行动大模型开发框架

Leffa – Meta 开源的图像生成框架，精确控制人物的外观和姿势

LatentLM – 微软联合清华推出的多模态生成模型

Lyra – SmartMore联合多所高校推出的增强多模态交互能力

Manga Image Translator – 开源漫画图片文字翻译工具，多语言翻译无缝嵌入原图

Ivy-VL – AI Safeguard联合卡内基梅隆和斯坦福开源的轻量级多模态模型

ColorFlow – 清华和腾讯共同推出的图像序列着色模型

NodeTool – AI工作流可视化构建器，拖放节点设计复杂工作流

VMB – 中科院联合多所高校机构推出增强多模态音乐生成的框架

豆包3D生成模型 – 豆包推出3D生成模型，自然语言交互实时生成3D场景图

MV-Adapter – 北航联合 VAST 等开源的多视图一致图像生成模型

FACTS Grounding – 谷歌推出的评估大模型能力的基准测试

MarkItDown – 微软开源的多功能、多格式文档转Markdown工具

EMMA-X – 新加坡科技设计大学推出的具身多模态动作模型

WeaveFox – 蚂蚁推出 AI 前端研发平台，根据设计图直接生成源代码

UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架

X-AnyLabeling – AI图像标注工具，支持图像和视频多样化标注样式

Explorer – AI 3D世界生成模型，文本图像秒变3D渲染场景

Gemini 2.0 Flash Thinking – 谷歌推出的实验性推理模型，展示详细思考过程