百度PaddleOCR-VL文档解析模型
PaddleOCR-VL 是百度 2025 年 10 月开源的全球最强文档解析模型，仅用 0.9B 参数即可在复杂版面、手写、表格、公式、图表等全场景实现 SOTA 级“看懂+读懂”。
数据统计
相关导航
理想同学App下载地址
理想汽车基于自研多模态认知大模型Mind GPT开发的AI智能助手，具备知识问答和视觉感知能力，为用户提供智能化服务。
ViViD
虚拟试衣技术 ViViD 是一个创新的视频虚拟试穿框架，它利用扩散模型技术，结合服装编码器和姿态编码器，为用户提供逼真的视频试穿体验。
Google Antigravity
谷歌新一代 AI 原生集成开发环境 Google Antigravity 是谷歌伴随 Gemini 3 发布的一款以 “代理优先” 为核心设计理念的 AI 原生集成开发环境，能将 AI 从代码助手升级为主动合作伙伴，适配多主流模型，助力提升开发者效率并解决智能体交互中的信任问题。
Multi-SWE-bench
首个多语言代码修复基准数据集 首个专门针对多语言代码修复的基准数据集，旨在为代码修复研究提供高质量的数据支持，推动多语言编程环境下的代码修复技术发展。
华为开发者学堂
一站式开发者学习与认证平台 华为开发者学堂是华为面向开发者提供的学习、认证和职业发展的人才生态平台，旨在帮助开发者快速掌握华为技术栈，提升专业技能，助力职业进阶。
阿里
Qwen3.5 开源大模型 Qwen3.5 是阿里巴巴即将推出的新一代开源基座大模型，采用全新混合注意力机制，大概率为原生视觉理解 VLM 模型，计划春节期间开源并推出多规格模型版本，目前已完成多个主流 AI 开发框架的适配开发。
字节跳动
LatentSync 端到端唇同步技术 一种基于音频条件的潜在扩散模型的端到端唇同步框架，能够直接建模复杂的音视频关联.
暂无评论...