AI大模型
GPT-4oGPT-4o是OpenAI推出的一款强大的多模态语言模型，其名称中的“o”代表“Omni”，即全能的意思，凸显了其多功能的特性。能够实时进行音频、视觉和文本推理等多模态交互，该模型可以实时响应用户对话，甚至在语音对话中能捕捉用户声音中的情- GPTsGPTs（Generative Pre-trained Transformers）是由OpenAI开发的一系列基于生成式预训练变换器架构的人工智能模型。这些模型通过大规模的无监督学习，能够生成自然语言文本，并在多种自然语言处理任务中表现出色。
腾讯混元腾讯混元大模型（Tencent Hunyuan）是由腾讯公司全链路自主研发的通用大语言模型，具备强大的中文理解与创作能力、逻辑推理能力以及可靠的任务执行能力。该模型拥有万亿参数规模，采用混合
Gemini 2.0 ProGemini 2.0 Pro 是谷歌推出的高性能多模态 AI 模型，属于 Gemini 家族的最新成员。它在编程性能、复杂提示处理、多模态交互和深度推理能力等方面表现出色，是目前谷歌最先进的 AI 模型之一。
DALL·E 3DALL-E 3 是由 OpenAI 推出的最新一代文本生成图像模型，能够根据用户提供的文本描述生成高质量、细节丰富的图像。它在图像生成的精准度、细节处理以及文本与图像之间的关联性方面相较于前代产品有了显著提升。
MovieGenMovie Gen 是一套基础模型，旨在生成具有同步音频的高质量视频。这项研究的重点是扩展基于 Transformer 的模型，并使用 Flow Matching 进行训练，在文本到视频合成、视频个性化、视频编辑、视频到- Gemini谷歌Gemini是由Google DeepMind开发的下一代生成式人工智能模型家族，具有多模态能力，能够处理文本、图像、音频和视频等多种形式的输入。
GrokGrok 是马斯克旗下的xAI公司最新推出的多功能人工智能助手，一个与 ChatGPT 类似的聊天机器人，关键的区别之处在于 Grok 可以实时访问 
MegaTTS3MegaTTS3是由字节跳动与浙江大学联合开发的零样本语音合成系统，采用轻量级扩散模型，参数量仅为0.45亿。该系统能够高效生成高质量的语音，并支持中文、英文及中英混合语音合成。
360智脑360智脑是由360公司开发的千亿参数规模的通用大语言模型，具备强大的自然语言处理和多模态交互能力，能够覆盖大模型应用的所有场景。
通义千问通义千问是由阿里云自主研发的大语言模型，具备强大的自然语言处理和多模态数据理解能力，能够理解和分析用户输入的文本、图片、音频、视频等多种形式的数据，并提供高质量的回答和服务。
讯飞星火讯飞星火是由科大讯飞推出的新一代认知智能大模型，具有强大的跨领域知识和语言理解能力，能够基于自然对话方式理解与执行任务。
MiniMaxMiniMax 是由国内领先的通用人工智能科技公司 MiniMax 团队开发的一系列先进的人工智能模型，专注于多模态通用大模型的研发。
SoraSora是一个功能强大的视频生成模型，具备高分辨率支持、多模态输入、视频编辑和互动能力。它通过扩散 Transformer 模型和时空编码块技术，实现了高效且高质量的视频生成。
谷歌Veo 2谷歌的 Veo 2 是一款先进的人工智能视频生成模型，由 Google DeepMind 开发，旨在通过文本提示或图像生成高质量、逼真的视频。
可灵大模型可灵大模型（Kling）是由快手AI团队自主研发的先进视频生成大模型，专注于提供高质量视频内容生成服务。它采用多种先进技术，为用户带来独特的视频创作体验。
通义千问通义千问（英文：Qwen）是由阿里巴巴通义千问团队开发的大规模语言和多模态系列模型。它能够执行自然语言理解、文本生成、视觉理解、音频理解、工具调用、角色扮演、智能体等多种任务。
Agent TARSAgent TARS大模型是一个开源的多模态AI智能体，能够通过视觉解析网页内容，并与命令行和文件系统无缝集成。它支持多种操作系统，包括Windows、macOS、Android、iOS及网页应用等。
实在TARS实在智能的TARS大模型是面向垂直行业领域的自主训练的类ChatGPT大语言模型，基于垂直行业的千亿级高质量Tokens进行训练。
文心一言百度文心一言是百度推出的知识增强大语言模型，一款生成式对话产品，被誉为“中国版ChatGPT”。文心一言（ERNIE Bot）是百度基于文心大模型技术推出的一款生成式对话产品，它位于百度人工智能四层架构的模型层，具备跨模态、跨语言的深度语