Step-GUI是什么 Step-GUI 是阶跃星辰推出的AI Agent系列模型，包含云侧模型 Step-GUI 和端侧模型 Step-GUI Edge（原名：Gelab-Zero）。云侧模型擅长复...

SAM Audio是什么 SAM Audio是Meta开源的音频分割模型，能通过文本、视觉和时间片段等多模态提示，从复杂的音频混合中分离出特定的声音。核心技术是Perception Encoder A...

Gemini 3 Flash是什么 Gemini 3 Flash 是谷歌推出的高速、低成本的前沿智能模型。模型基于 Gemini 3 开发，性能显著提升，具备强大的推理能力和多模态理解能力。在多项基准...

Seed1.8是什么 Seed1.8 是字节跳动推出的通用 Agent 大模型，具备强大的多模态能力，支持图文输入。模型集搜索、代码生成与 GUI 交互能力于一体，可在复杂工作流中高效完成任务。See...

SHARP是什么 SHARP 是苹果开源的 AI 模型，能在不到 1 秒内将单张 2D 照片转换为逼真的 3D 场景。模型通过 3D 高斯表示技术，用神经网络单次前馈传递，快速预测出场景的 3D 结构...

TRELLIS.2是什么 TRELLIS.2是微软开源的40亿参数3D生成模型，专为从单张图片高效生成高保真3D资产设计。核心创新在于采用O-Voxel稀疏体素架构，能处理复杂拓扑结构（如开放表面、非...

Laper是什么 Laper 是 AI 剧本创作工具，能为编剧提供精细化的创作平台。Laper支持多种剧本类型，如电影长片、短片和短视频故事，具备好莱坞标准格式的智能补全功能，可实时预测台词与动作描写...

VTP是什么 VTP（Visual Tokenizer Pre-training）是MiniMax视频团队开源的视觉生成模型预训练框架。框架聚焦优化视觉tokenizer，通过融合对比学习、自监督学习...

GPT-5.2-Codex是什么 GPT-5.2-Codex 是 OpenAI 推出的智能体编程模型，专为复杂软件工程和防御性网络安全设计。模型是 GPT-5.2 的升级版，提升了指令遵循、长语境理解...

MegaLLM是什么 MegaLLM 是为开发者提供统一API接口的人工智能平台，可快速接入70多个主流大语言模型（LLMs），如GPT-5、Claude、Gemini、Llama等。通过一个API密...