开源项目

小米开源的70亿参数推理大模型，以小博大，在数学推理和代码竞赛中超越OpenAI o1-mini等模型，性能卓越。

腾讯混元开源语音数字人模型，上传图片音频即生成多风格、高动态的个性化动态视频。

Google 推出的轻量级开源大语言模型，兼具高性能与易部署，适合本地开发和多场景应用。

一款支持文本生成与图像编辑的多模态模型，具备强大的上下文理解与创作能力。

阿里开源的代码大模型，支持全流程编程与复杂任务规划，性能超 GPT-4.1，成本更低。

阿里通义千问开源的200亿参数图像生成模型，擅长中英文高保真文本渲染与复杂场景细节处理，支持多风格图片生成。

一款小于 25 MB、可在普通 CPU 实时运行的开源轻量级文本转语音模型，支持多种自然音色并可离线使用。

字节跳动开源的 360 亿参数长上下文大语言模型，支持 512K tokens、可控思维预算，在推理、代码与 Agent 任务中表现卓越，并采用 Apache-2.0 许可证可自由商用。

Waver 1.0是款开源全功能视频生成模型，能轻松实现文本/图像到高清视频的创作，高效便捷且质量出众。

腾讯推出的业界首个支持原生3D重建与超长漫游的开源世界模型，可基于单图或文本快速生成可交互的沉浸式3D场景。

腾讯推出的开源生图模型，原生支持2K高清生图，精准解析复杂语义，可高效生成中英文融合的高质量图像。

腾讯开源的中文文本到图像提示词增强框架，可优化用户输入的 prompt，提高生成模型的图像质量和语义准确性。

腾讯AI Lab等联合研发的开源歌曲生成模型，10秒音频+歌词秒变2分30秒高质音乐，媲美商业水准。

百度推出的轻量级多模态文档解析模型，0.9B 参数实现 109 种语言复杂文档精准识别与结构化输出，性能全球领先。

阿里开源的SmartResume是一款基于OCR与轻量化大模型的高精度简历解析系统，可秒级将PDF/图片等12种格式简历转化为结构化数据，准确率达93.1%。

Meta开源的革命性单图3D生成模型，支持一键从2D照片生成高保真、可交互的3D模型，覆盖物体/人体场景，赋能电商、AR/VR、影视等多行业降本增效。

OceanBase 开源的全球首款 AI 原生数据库，以多模态混合搜索、极简开发与极致安全为核心，重新定义数据与 AI 的融合方式，助力开发者一键构建高性能智能应用。

全球首个以开源形式达到国际数学奥林匹克（IMO）金牌水平的数学推理大模型，通过自验证框架实现推理严谨性与高难度数学题求解能力。

英伟达推出的开源AI模型系列，含Nano、Super、Ultra三规格，专为智能体应用设计，高效精准。

阿里开源的AI图像分层编辑神器，自动拆图层、精准改内容，无需抠图，高效专业！

阿里开源的AI信息图引擎，用声明式语法+197+模板，1行代码生成专业图表，适配数据可视化、新闻配图等全场景。

一款基于 Firefox 内核的开源桌面浏览器，主打垂直标签、工作区与分屏视图，强调隐私保护与高效专注的现代浏览体验。

开源语音输入工具，支持多语言与智能文本优化，能将输入效率提升数倍，兼顾本地隐私与云端便捷，高效办公人群的得力助手。

北大研发的AI工具，能将论文/文本自动转为可编辑的PPT与架构图，支持多模态输入，高效解决科研绘图与长文档转汇报的痛点。

Meta推出的全球首款支持文本、视觉、时间提示的统一多模态音频分离模型，可精准从复杂音视频中分离目标声音。

谷歌开源的轻量化多模态翻译模型，支持55种语言及图像翻译，性能超越更大模型，兼顾移动端与云端部署，助力全球化高效沟通。

Mistral AI 推出的开源低延迟文本转语音模型，支持跨语言音色克隆，延迟低至 70ms，可边缘部署。

开源AI舆情工具，多Agent协作分析全网数据，能精准洞察趋势、预测走向，适用于品牌公关、市场研究等多种场景。

开源免费的 AI 视频翻译与配音工具，支持多语言语音识别、字幕翻译及自然配音，助力内容创作者和企业轻松实现视频全球化传播。

2026年开源的AI视频生成标杆，以单流Transformer架构实现文本/图像到1080p高清视频的极速生成，并原生支持多语言唇同步与音效生成，登顶全球性能榜单。