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
UniVideo，开源的视频统一理解、生成与编辑，支持视频/图像理解，文本/图像→图像/视频生成，自由形式图像/视频编辑，参考驱动的图像/视频生成/编辑。
Qwen3-VL-Embedding，Qwen3-VL-Reranker，多模态嵌入和重新排序模型，支持文本、图片、截图、视频及混合模态输入，实现高级信息检索和跨模态理解。
NextFlow，统一顺序建模激活多模态理解与生成，训练于 6T 交错的文本-图像令牌上。它弥合了单一架构内理解与生成之间的鸿沟，重新定义了顺序建模。
DreamStyle，视频风格化的统一框架，支持文本引导，样式-图像-引导，首帧引导视频风格化。
MiroThinker v1.5，开源搜索代理，通过交互式扩展技术推进工具增强推理，将模型训练为处理更深层次、更频繁的代理-环境交互，作为性能提升的第三维度，超越模型规模和上下文长度。
LTX-2，开源的基于 DiT 的音视频基础模型，旨在在同一模型内生成同步的视频和音频，支持文生视频与图生视频。
AntAngelMed 是蚂蚁健康开源的医疗语言模型，在中国权威基准 MedAIBench 中排名第一，并在 OpenAI 的 HealthBench 上超越多数开源与专有模型。其通过三阶段训练流程——医学语料预训练、监督微调和基于 GRPO 的强化学习，具备扎实医学知识、复杂诊断推理能力及安全伦理规范。
DreamID-V，通过扩散变换器弥合图像与视频之间的高保真面部交换差距，实现了在多重难度场景下的高精度面部切换，包括头发遮挡、复杂光影、多元族群以及显著的面部形状变化。
