技术厉害了，该技术通过结合 LLM 生成的知识图谱和图机器学习，显著提升了对私有数据集的理解和分析能力，特别是在处理复杂信息和提供全面答案方面展现出其优势。

允许用户以 3D 交互式观察和理解一个 GPT 风格的大语言模型在进行推理时的工作原理，对学习了解 LLM 非常有帮助，也可用于教学演示。，作者还有一个正在开发的。

是一个用于生成角色一致性视频的文生视频模型（IPT2V）。通过参考角色图片，该模型能够生成身份一致的视频。这个模型现已完全开源，包括数据集，并且提供了一个。

是一个开放、免费且未经审查的视觉语言模型（VLM），其最大的特点是多样性和完全支持 NSFW 内容。Readme 的介绍很有意思。

的一个 LLM 路由框架，它通过分析不同模型的性能和成本将任务分配给合适的模型，能够在保持高质量的同时显著降低成本。例如一些简单问题就调用 Llama2 来处理，对于有难度的问题才去调用 GPT-4o 来处理，可以有效的降低成本。是 LMSYS 基于其大模型竞技场（Chatbot Arena）数据。

是一个号称专门为 AI 设计的搜索引擎，使用 transformers 技术，不仅基于关键词，还能通过语义理解公司、新闻、论文、Twitter、博客、PDF、Github 代码、个人网站或自定义分类进行内容搜索。此外，Exa 获得了 1700 万美元的融资，目前已开放 API，如果你在做 AI 搜索引擎，不妨接入试试，当然，如果你是普通用户，也可以直接。，不过它与现有的 Perplexity 之类

是一个开源的人体动作生成模型，能够生成符合自然物理规律的复杂人体动作，如奔跑、翻滚、跳跃、瑜伽等各种精通和运动姿势。，强烈推荐你们玩一下，可以用来调整世界的重力、风，角色的姿势、动作，或者编程动作。

NVIDIA 推出的 Describe Anything Model (DAM)[3] 是一款多模态大语言模型，它能够为图像或视频中的特定区域生成详细描述，支持通过点击、框选、涂鸦或遮罩等多种交互方式指定目标区域。OmniAvatar[1] 是阿里开源的一款基于 Wan 2.1 的音频驱动数字人模型。从目前已有的开源数字人模型来看，OmniAvatar 的表现算是相当出色了。EasyEdit[2]

在各种基准测试中，phi-4 对比同参数量的模型表现优异，甚至在 GPQA 和 MATH 基准测试中超过了 GPT-4o。这个模型最初于去年 12 月 12 日发布，现在竟然直接开源了，并且基于 MIT 协议，可商用。是微软刚刚开源的最强小参数模型，其参数仅为 14B。

是首款可玩的 AI 生成式游戏，基于《我的世界》训练的实时互动世界模型。玩家可以通过键盘输入生成帧，进行移动、跳跃、破坏方块等操作，每次游戏都能构建和探索全新的地图。目前开发团队正在计划开源模型架构、权重和研究。官网可以直接玩，不过我试了好久只能渲染第一帧，不知道为啥，你们快试试看。