-
InfiMM-WebMath-40B – 字节联合中科院开源的超大规模多模态数据集
InfiMM-WebMath-40B项目简介 InfiMM-WebMath-40B 是字节跳动和中国科学院联合开源的超大规模多模态数据集，旨在提升多模态模型的图文混合推理能力，在数学领域。数据集从 Common Crawl 中提取，经过严格的筛选、清洗和标注，包含 2400 万个网页、8500 万个图像 URL 和 400 亿个文本标记，涵盖了丰富的数学和科学相关内容。InfiMM-WebMath…- 2
-
Cradle – 通用计算机控制的多模态AI Agent框架
Cradle项目简介 Cradle是面向通用计算机控制（General Computer Control, GCC）的多模态AI Agent框架，由昆仑万维携手北京智源人工智能研究院、新加坡南洋理工大学、北京大学等顶尖名校机构推出的通用计算机控制框架，使AI Agent无需训练便能像人一样直接控制键盘鼠标，不依赖任何内部API，实现任意开闭源软件交互。 Cradle是迄今为止第一个既能玩多种商业游…- 1
-
DiffBrush – 北邮联合清华等机构推出的图像生成与编辑框架
DiffBrush项目简介 DiffBrush是北京邮电大学、清华大学、中国电信人工智能研究所和西北工业大学推出的，无需训练的图像生成与编辑框架，支持用户基于手绘草图直观地控制图像生成。DiffBrush用预训练的文本到图像（T2I）模型，基于颜色引导、实例与语义引导及潜在空间再生等技术，精准控制生成图像的颜色、语义和实例分布。DiffBrush兼容多种T2I模型（如Stable Diffusio…- 1
-
AI-Infra-Guard – 腾讯开源的 AI 基础设施安全评估工具
AI-Infra-Guard项目简介 AI-Infra-Guard是腾讯开源的高效、轻量级易于使用的 AI 基础设施安全评估工具，能发现和检测 AI 系统中的潜在安全风险。AI-Infra-Guard支持 28 种 AI 框架指纹识别，涵盖 200 多个安全漏洞数据库，支持快速扫描、识别漏洞。工具开箱即用，无需复杂配置，提供灵活的 YAML 规则定义和匹配语法。AI-Infra-Guard核心组件…- 3
-
LanDiff – 浙大联合月之暗面推出的文本到视频生成混合框架
LanDiff项目简介 LanDiff是用于高质量的文本到视频（T2V）生成的创新混合框架，结合了自回归语言模型（LLM）和扩散模型（Diffusion Model）的优势，通过粗到细的生成方式，有效克服了单一方法在语义理解和视觉质量上的局限性。在VBench T2V基准测试中取得了85.43的高分，超越了包括13B的Hunyuan Video在内的多个开源和商业模型。 LanDiff优势介绍 高…- 0
-
Claude 3.5 Haiku – Anthropic推出的响应最快的AI模型
Claude 3.5 Haiku项目简介 Claude 3.5 Haiku 是 Anthropic 公司推出的一款新型人工智能模型，保持与前代 Claude 3 Haiku 相近的速度和成本的同时，实现了在各项能力上的提升，在多项基准测试中超越了 Claude 3 Opus。Claude 3.5 Haiku 专注于提供快速响应和改进的推理能力，适合需要速度和智能并重的任务，例如快速准确的代码建议、…- 0
-
JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架
JanusFlow项目简介 JanusFlow是DeepSeek推出的 Janus 系列，用在多模态理解和生成任务的模型，整合自回归语言模型与校正流技术，在单一模型中实现图像理解和生成。框架基于解耦的视觉编码器和表示对齐策略，提升模型在不同任务上的性能，在多个标准基准测试中显示出与专业模型相当或更优的结果，在视觉理解上，超过了LLaVA-v1.5、Qwen-VL-Chat，在图像生成上，超过Sta…- 0
-
CustomCrafter – 腾讯联合浙大推出的自定义视频生成框架
CustomCrafter项目简介 CustomCrafter 是腾讯和浙江大学联合提出的自定义视频生成框架，能基于文本提示和参考图像生成高质量的个性化视频，同时保留了运动生成和概念组合的能力。CustomCrafter通过设计一系列灵活的模块，实现了无需额外视频，通过少量图像学习，就能生成所需的视频。CustomCrafter 支持自定义主体身份和运动模式，通过保留运动生成和概念组合能力来生成带…- 2