大型语言模型

专为业务用户打造的无代码自助式AI预测分析平台 Wand AI帮助企业将业务数据转化为AI预测能力，区别于传统需要技术人员开发的AI分析工具，它主打无代码、自助式操作，无需技术背景就能使用，覆盖销售营销、人力资源、风险合规等多业务领域，让业务人员无需依赖技术团队，就能自主获取贴合业务需求的AI解决方案。

面向复杂视觉推理任务的开源多模态链式思维框架 Cantor是一款针对复杂视觉推理任务设计的多模态链式思维框架，采用感知决策架构结合视觉上下文获取与逻辑推理。它先作为决策生成器对齐视觉输入与实际情境，再调用大语言模型高级认知能力增强链式思维生成，无需微调或真实理由即可提升推理性能，已通过公开数据集验证有效性。

Y Combinator孵化推出的LLM驱动多格式高精度文档解析工具 AnyParser Pro是YC孵化的初创公司CambioML开发的文档解析工具，基于大语言模型技术，可从PDF、PPT、图像类文件中提取完整文本内容，和传统OCR类解析工具相比，处理速度更快、解析准确率更高，能减少人工校对整理的工作量，提升文档处理效率，目前开放免费试用，支持API密钥调用。

联发科推出的开源7B大语言模型，精准处理中文细节响应快速 MediaTek Research推出的开源7B参数大语言模型，相比前代BLOOM-3B训练量提升20倍，针对传统中文的文化、语言细微差别处理做了专项优化，处理速度优于同类型其他模型，支持中英文处理，面向开发者免费开放，可适配多类中文NLP开发场景。

面向LLM的开放集成协议，标准化连接AI与外部资源 Model Context Protocol（MCP）是免费开放的标准化协议，用于解决大语言模型应用对接外部数据源、工具时标准不统一、集成成本高的痛点。它可为不同开发场景提供统一对接方案，支持构建AI IDE、增强AI聊天界面、搭建自定义AI工作流等需求，拥有社区支持，降低开发者集成门槛。

多机构联合开发的基于扩散模型的高性能文本到音频生成技术 Make-An-Audio 2由浙江大学、字节跳动、香港中文大学研究人员联合开发，是基于扩散模型的文本到音频生成技术。它借助预训练大语言模型解析文本，优化语义对齐与时间一致性，提升生成质量；设计前馈Transformer扩散去噪器，改善变长音频生成性能；还通过大语言模型转换标签数据，解决时间数据稀缺问题。

面向专家混合架构大模型的高效定制微调方法，降低资源存储消耗 传统全量微调MoE架构大模型需要调整全部参数，资源成本极高。Expert Specialized Fine-Tuning（ESFT）针对MoE架构特性，仅调整与目标任务相关的专家模块参数，无需改动模型全部参数，在保证任务适配性能的前提下，大幅降低微调算力消耗，同时减少微调后模型的存储占用，解决了MoE大模型定制化落地的资源门槛问题。

大型语言模型知识编辑领域的综合性多任务基准评估框架 当前知识编辑领域缺乏统一的标准化评估体系，该工具提供综合评估框架，可测试对比不同知识编辑方法在修改特定领域LLM行为时的有效性，同时验证方法对LLM整体性能的影响。该基准包含六类不同数据集，覆盖多种编辑类型，填补了多场景统一评估的空白。

面向领先企业赋能，提供高精度高性能定制化AI解决方案 Upstage AI聚焦为各行业领先企业提供AI赋能服务，依托大型语言模型技术，主打高精度、高性能的AI落地能力，针对不同企业的业务需求输出定制化解决方案，核心能力覆盖企业文档处理场景，可帮助企业优化业务流程，减少重复人工投入，针对性提升企业整体工作效率，区别于通用AI工具更适配头部企业的个性化业务需求。

基于大语言模型的AI同声传译系统，平衡翻译质量与延迟 CLASI针对同声传译场景中翻译质量与输出延迟难以兼顾的痛点，采用新颖的数据驱动读写策略实现二者平衡，引入多模态检索模块增强特定领域术语翻译效果，依托大型语言模型生成容错翻译，可融合输入音频、历史上下文、检索信息生成结果。实测中英、英中翻译有效信息比例分别达81.3%、78.0%，表现领先同类系统。

基于LLaVA构建的多参数规模多模态视觉语言模型项目 MiniGemini是基于LLaVA搭建的多模态视觉语言模型，采用双视觉编码器结构，分别输出低分辨率视觉嵌入与高分辨率候选区域，通过补丁级信息挖掘融合图文信息。支持2B到34B参数的密集型、MoE两类大语言模型，同时具备图像理解、推理、生成能力，可通过多个主流视觉理解基准测试，适配不同规模大模型底座需求。

开源前沿多模态大语言模型，文本性能超原有主干模型 NVLM 1.0是一系列前沿多模态大型语言模型，在视觉-语言任务上取得了可媲美领先专有模型与开放模型的成果。不同于多数同类模型，NVLM 1.0经多模态训练后，文本性能反而超过了原LLM主干模型，项目已向社区开源完整模型权重与代码。

基于大语言模型的机器人模拟任务生成工具，助力多任务策略训练 GenSim依托大语言模型生成大规模机器人模拟任务，将现有基准扩展10倍以上，支持超100个任务，提供目标导向和探索性两种生成模式，可微调GPT、Code Llama等大模型生成任务代码，预训练策略经最小适配后，真实场景转移能力超基线25%，支撑多任务策略训练与任务泛化研究。

企业级安全私密大语言模型应用开发与合规服务平台 Cape Privacy主打让企业在自有环境中调用大语言模型能力，解决企业AI应用的数据隐私顾虑。平台为终端用户提供CapeChat、为开发人员提供Cape API，自带多类企业数据连接器，支持自动化业务流程的AI机器人搭建，同时提供全流程审计、观测能力，满足企业合规管控要求。

谷歌研发的大模型驱动零样本视频生成AI工具 由谷歌研究院开发的大模型视频生成工具，无需额外视觉或音频输入指导即可完成生成，支持文本生成视频、图像扩生成视频、视频风格化、修复、编辑等多种任务，生成视频质量较高，可适配多类专业内容创作场景。

支持多大型语言模型的隐私AI平台，可打造个性化AI代理 BrainSoup可基于用户自有数据提升AI能力，同时全程保障用户数据隐私与安全。平台兼容ChatGPT、Bard、Claude、Llama等多个主流大型语言模型，支持用户搭建自定义AI代理，实现工作流程自动化，无需上传敏感数据给第三方大模型服务商，兼顾个性化体验与数据安全。

汇聚各类AI大语言模型的查询对比表格工具 Models Table部署于lifearchitect.ai，整理汇总不同参数、不同场景的主流大型语言模型信息，以结构化表格形式呈现，方便用户快速对比不同模型的能力、适配场景、授权信息，区别于零散的模型资讯，省去用户自行整理对比的时间，适配NLP领域从业者的检索需求。

基于大模型的知识处理框架，分离推理与数据处理提升任务性能 KPU是利用大模型能力的专有知识处理框架，采用推理与数据处理分离的开放架构，由推理引擎、执行引擎、虚拟上下文窗口三大组件构成，可让大模型专注推理，解决幻觉、数据处理滞后、最新信息检索难等缺陷，提升复杂任务处理质量，应对大数据量、多模态内容等处理挑战。

CodeSignal推出的面向全层级学习者的专业提示工程学习路径 这是CodeSignal Learn打造的体系化提示工程学习路径，同时覆盖零基础初学者与有经验的AI实践者，系统性讲解有效提示构建技术，帮助学习者掌握控制LLM输出、调整生成内容规格、遵循复杂指令的技巧，打造精准上下文感知提示，获得符合预期的大模型输出，内容完整成体系，区别于网络零散经验内容。

开源大语言模型提示评估工具，可视化简化LLM评估流程 ChainForge是面向提示工程的开源大语言模型评估工具，打破传统依赖零散案例验证大模型效果的模式，支持批量调用多个大语言模型，对比响应差异、验证研究假设，可低门槛完成提示与模型质量的评估与可视化输出，开箱支持多种常见LLM测试场景，支持结果导出便于后续分析。

x.ai开发的高性能大语言模型，主打长文本理解与复杂推理 Grok-1.5是x.ai开发的新一代大型语言模型，侧重长文本理解、多领域复杂推理能力优化，在数学运算、代码编写、复杂问题解决任务上表现突出。项目配套开放相关数据集、评估框架与部署工具，支持开发者开展大模型训练、评估与二次开发，区别于通用对话大模型，更侧重专业任务能力提升。

基于LLaVA构建的多模态视觉语言模型，支持多参数LLM双视觉编码 MiniGemini是一款多模态视觉语言模型，支持2B到34B参数的密集型与MoE大型语言模型。它基于LLaVA构建，采用双视觉编码器输出低分辨率视觉嵌入与高分辨率候选区域，通过补丁信息挖掘融合图文信息，支持图像理解、推理与生成任务，已在多个主流视觉基准测试验证。

基于AI合成数据训练系统优化的开源大型语言模型 WizardLM-2是一款采用创新训练方案的大型语言模型，依托AI驱动的合成数据训练系统，通过数据分析、加权抽样、渐进式学习、AI互校AI等方法优化模型性能，可自动生成高品质指令与响应，具备多样化对话能力，专门适配各类编程开发场景，相比依赖人工标注的模型，训练数据成本更低、质量可控性更强。

Cloudflare推出的面向开发者的大型语言模型交互式实验平台 该平台依托Cloudflare Workers AI的边缘基础设施，为开发者与AI研究人员提供免部署的LLM实验学习环境，用户无需准备高性能硬件，即可在线交互测试大型语言模型的生成能力，探索模型特性，对比不同提示词、参数下的输出效果，相比需要本地部署的同类工具，入门门槛更低，使用更便捷。