探索我们精心策划的AI文章集合，涵盖人工智能、机器学习、AI工具等多个领域
P1-VL，开源视觉语言模型，专门用于物理推理，基于 Qwen3-VL-235B-A22B-Thinking 构建，并通过在精选的物理竞赛数据上进行多阶段强化学习进行优化。
MOSSAudioTokenizer，离散音频分词器，基于 Cat（Causal Audio Tokenizer with Transformer）架构。可扩展至 16 亿参数，作为统一的离散接口，既提供无损质量重建，也实现高级语义对齐。
MiniMax-M2.5，MiniMax开源的最新型号模型，在编码、代理工具使用与搜索、办公工作及其他一系列经济价值任务方面达到了 SOTA.
DeepGen 1.0，轻量级统一多模态模型，支持通用图像生成、通用图像编辑、推理图像生成、推理图像编辑和文本渲染。
Xiaomi-Robotics-0，小米开源的视觉-语言-行动模型，参数为 47 亿，专为高性能机器人推理和无缝实时执行而设计。
通过高精度非线性流蒸馏释放两步文本转图像生成，一种几步蒸馏框架，明确采用非线性流轨迹来近似预训练教师的轨迹。
Ming-flash-omni 2.0，开源的多模态模型，支持视觉百科知识、沉浸式语音合成以及高动态图像生成与编辑等。
UI-Venus 1.5，端到端 GUI 代理，专为强大的现实世界应用设计。该模型家族包括两种密集型（2B/8B）和一种 MoE 型（30B-A3B）变体，以满足各种下游场景。
