产品库

日志和可视化计算机视觉数据

Rerun是一个用于记录计算机视觉和机器人数据的SDK，配有可视化工具，用于随时间查看和调试数据。它可以帮助您以最少的代码调试和理解系统的内部状态和数据。Rerun提供灵活、快速和可移植的功能，适用于实时应用和数据探索。

为 Diffusion Transformer 提供高效灵活的控制框架。

EasyControl 是一个为 Diffusion Transformer（扩散变换器）提供高效灵活控制的框架，旨在解决当前 DiT 生态系统中存在的效率瓶颈和模型适应性不足等问题。其主要优点包括：支持多种条件组合、提高生成灵活性和推理效率。该产品是基于最新研究成果开发的，适合在图像生成、风格转换等领域使用。

高保真可动画 3D 人类重建模型，快速生成动画角色。

LHM（大规模可动画人类重建模型）利用多模态变压器架构进行高保真 3D 头像重建，支持从单张图像生成可动画的 3D 人类形象。该模型能够详细保留服装几何和纹理，尤其是在面部身份和细节恢复方面表现优异，适合对 3D 重建精度有较高要求的应用场景。

一种无混叠的任意尺度超分辨率方法。

Thera 是一种先进的超分辨率技术，能够在不同尺度下生成高质量图像。其主要优点在于内置物理观察模型，有效避免了混叠现象。该技术由 ETH Zurich 的研究团队开发，适用于图像增强和计算机视觉领域，尤其在遥感和摄影测量中具有广泛应用。

基于Gemini 2.0的机器人模型，将AI带入物理世界，具备视觉、语言和动作能力。

Gemini Robotics是Google DeepMind推出的一种先进的人工智能模型，专为机器人应用而设计。它基于Gemini 2.0架构，通过视觉、语言和动作（VLA）的融合，使机器人能够执行复杂的现实世界任务。该技术的重要性在于它推动了机器人从实验室走向日常生活和工业应用的进程，为未来智能机器人的发展奠定了基础。Gemini Robotics的主要优点包括强大的泛化能力、交互性和灵巧性，使其能够适应不同的任务和环境。目前，该技术处于研究和开发阶段，尚未明确具体的价格和市场定位。

通过多实例扩散模型将单张图像生成高保真度的3D场景。

MIDI是一种创新的图像到3D场景生成技术，它利用多实例扩散模型，能够从单张图像中直接生成具有准确空间关系的多个3D实例。该技术的核心在于其多实例注意力机制，能够有效捕捉物体间的交互和空间一致性，无需复杂的多步骤处理。MIDI在图像到场景生成领域表现出色，适用于合成数据、真实场景数据以及由文本到图像扩散模型生成的风格化场景图像。其主要优点包括高效性、高保真度和强大的泛化能力。

智元发布首个通用具身基座大模型GO-1，开创性提出ViLLA架构，推动具身智能发展。

智元通用具身基座大模型GO-1是智元推出的一款革命性的人工智能模型。该模型基于创新的Vision-Language-Latent-Action（ViLLA）架构，通过多模态大模型（VLM）和混合专家（MoE）系统，实现了从视觉和语言输入到机器人动作执行的高效转换。GO-1能够利用人类视频和真实机器人数据进行学习，具备强大的泛化能力，能够在极少数据甚至零样本下快速适应新任务和环境。其主要优点包括高效的学习能力、强大的泛化性能以及对多种机器人本体的适配性。该模型的推出标志着具身智能向通用化、开放化和智能化方向迈出了重要一步，有望在商业、工业和家庭等多个领域发挥重要作用。

Quadratic 是一款利用 AI 技术帮助用户分析数据的产品。

Quadratic AI 是一款专注于数据处理与分析的生产力工具。它通过先进的 AI 技术，帮助用户快速理解、分析和可视化数据，从而提高工作效率和决策质量。该产品适用于需要处理大量数据的企业和个人，能够显著提升数据分析的速度和准确性。其背景是随着数据量的爆发式增长，传统数据分析方法已难以满足需求，AI 技术的引入为数据处理带来了新的突破。Quadratic AI 定位为高端数据分析工具，价格可能相对较高，但其强大的功能和高效的分析能力使其物有所值。

上传数据文件，即可进行数据清洗、转换、可视化、分析、建模或生成报告。

DataSci Pro 是一款专注于数据处理与分析的在线工具，旨在帮助用户快速将数据转化为有价值的见解。它通过提供一站式的数据处理服务，包括数据清洗、转换、可视化、分析、建模以及报告生成等功能，极大地简化了数据科学的工作流程。该产品主要面向数据科学家、分析师以及对数据处理有需求的商业用户，其优势在于便捷性、高效性和易用性，用户无需复杂的编程技能即可完成复杂的数据分析任务。目前尚不清楚其具体价格和定位，但从其功能来看，可能定位于中高端用户群体。

NeoBase 是一款开源的 AI 数据库助手，让你用自然语言与数据库交互。

NeoBase 是一款创新的 AI 数据库助手，通过自然语言处理技术让用户能够以对话的方式与数据库进行交互。它支持多种主流数据库，如 PostgreSQL、MySQL、MongoDB 等，并且可以与 OpenAI、Google Gemini 等 LLM 客户端集成。其主要优点是简化了数据库管理流程，降低了技术门槛，使非技术用户也能轻松管理和查询数据。NeoBase 采用开源模式，用户可以根据自身需求进行定制和部署，确保数据安全性和隐私性。它主要面向需要高效管理和分析数据的企业和开发者，旨在提高数据库操作的效率和便捷性。

Clone是一款具有革命性人工肌肉技术Myofiber的类人机器人，能够自然行走。

Clone是一款由Clone Robotics开发的类人机器人，代表了机器人技术的前沿水平。它采用了革命性的人工肌肉技术Myofiber，能够模拟自然动物骨骼的运动。Myofiber技术在重量、功率密度、速度、力量与重量比以及能效方面达到了前所未有的水平，使机器人具备了自然的行走能力、强大的力量和灵活性。Clone不仅在技术上具有重要意义，还为未来机器人在家庭、工业和服务领域的应用提供了新的可能性。其定位为高端科技产品，目标受众是对前沿科技感兴趣的个人、科研机构和企业。

一个高效的无边界3D城市生成框架，使用3D高斯绘制技术实现快速生成。

GaussianCity是一个专注于高效生成无边界3D城市的框架，基于3D高斯绘制技术。该技术通过紧凑的3D场景表示和空间感知的高斯属性解码器，解决了传统方法在生成大规模城市场景时面临的内存和计算瓶颈。其主要优点是能够在单次前向传递中快速生成大规模3D城市，显著优于现有技术。该产品由南洋理工大学S-Lab团队开发，相关论文发表于CVPR 2025，代码和模型已开源，适用于需要高效生成3D城市环境的研究人员和开发者。

MLGym是一个用于推进AI研究代理的新框架和基准。

MLGym是由Meta的GenAI团队和UCSB NLP团队开发的一个开源框架和基准，用于训练和评估AI研究代理。它通过提供多样化的AI研究任务，推动强化学习算法的发展，帮助研究人员在真实世界的研究场景中训练和评估模型。该框架支持多种任务，包括计算机视觉、自然语言处理和强化学习等领域，旨在为AI研究提供一个标准化的测试平台。

Magma 是一个能够理解和执行多模态输入的基础模型，可用于复杂任务和环境。

Magma 是微软研究团队推出的一个多模态基础模型，旨在通过视觉、语言和动作的结合，实现复杂任务的规划和执行。它通过大规模的视觉语言数据预训练，具备了语言理解、空间智能和动作规划的能力，能够在 UI 导航、机器人操作等任务中表现出色。该模型的出现为多模态 AI 代理任务提供了一个强大的基础框架，具有广泛的应用前景。

Pippo 是一个从单张照片生成高分辨率多人视角视频的生成模型。

Pippo 是由 Meta Reality Labs 和多所高校合作开发的生成模型，能够从单张普通照片生成高分辨率的多人视角视频。该技术的核心优势在于无需额外输入（如参数化模型或相机参数），即可生成高质量的 1K 分辨率视频。它基于多视角扩散变换器架构，具有广泛的应用前景，如虚拟现实、影视制作等。Pippo 的代码已开源，但不包含预训练权重，用户需要自行训练模型。

AI驱动的数据分析工具，无需SQL即可实现商业智能

camelAI是一个由Y Combinator支持的AI驱动的数据分析平台，旨在帮助企业用户无需编写SQL代码即可快速从数据中获取洞察。它通过自然语言处理技术，允许用户以对话形式提出问题，并即时生成图表和分析报告。camelAI支持多种数据源连接，包括Postgres、BigQuery、MongoDB等，确保用户可以轻松整合现有数据。其主要优点是操作简单、分析高效，适合希望快速获取数据洞察但缺乏技术背景的商业用户。camelAI提供免费试用，具体定价需根据用户需求咨询。

VideoWorld是一个探索从无标签视频中学习知识的深度生成模型。

VideoWorld是一个专注于从纯视觉输入（无标签视频）中学习复杂知识的深度生成模型。它通过自回归视频生成技术，探索如何仅通过视觉信息学习任务规则、推理和规划能力。该模型的核心优势在于其创新的潜在动态模型（LDM），能够高效地表示多步视觉变化，从而显著提升学习效率和知识获取能力。VideoWorld在视频围棋和机器人控制任务中表现出色，展示了其强大的泛化能力和对复杂任务的学习能力。该模型的研究背景源于对生物体通过视觉而非语言学习知识的模仿，旨在为人工智能的知识获取开辟新的途径。

AI原生的商业智能平台，通过自然语言生成数据可视化和仪表板

Basedash是一个AI原生的商业智能平台，它通过自然语言处理技术，帮助用户快速生成数据可视化图表和仪表板。该平台无需用户编写SQL代码，即可从550多个数据源中提取数据，并生成直观的图表。Basedash的主要优点是其强大的AI驱动功能，能够理解用户的自然语言需求，自动调整和优化数据查询。它适用于各种规模的企业，帮助他们快速获取业务洞察。目前，Basedash处于Beta阶段，用户可以免费试用。

基于LLM和LangChain的全栈应用，用于检索股票数据和新闻

该产品是一个全栈应用，通过LLM（大型语言模型）和LangChain技术，结合LangGraph实现股票数据和新闻的检索与分析。它利用ChromaDB作为向量数据库，支持语义搜索和数据可视化，为用户提供股票市场的深入洞察。该产品主要面向投资者、金融分析师和数据科学家，帮助他们快速获取和分析股票相关信息，辅助决策。产品目前开源免费，适合需要高效处理金融数据和新闻的用户。

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos

Video Depth Anything 是一个基于深度学习的视频深度估计模型，能够为超长视频提供高质量、时间一致的深度估计。该技术基于 Depth Anything V2 开发，具有强大的泛化能力和稳定性。其主要优点包括对任意长度视频的深度估计能力、时间一致性以及对开放世界视频的良好适应性。该模型由字节跳动的研究团队开发，旨在解决长视频深度估计中的挑战，如时间一致性问题和复杂场景的适应性问题。目前，该模型的代码和演示已公开，供研究人员和开发者使用。

通过玩游戏训练AI机器人，轻松创建定制化游戏机器人。

StractiAI是一个游戏AI训练平台，用户可以通过简单的游戏过程训练AI机器人。它无需编程知识，即可创建定制化的游戏机器人，具有操作简单、易于上手的特点。StractiAI提供免费试用，同时也有付费版本Stracti PRO，价格为每月49美元，适合希望在游戏中获得自动化帮助的用户。

将枯燥数据转化为引人入胜的演示文稿。

Presenton.ai 是一款基于人工智能的在线演示文稿生成工具。它能够将复杂的数据、报告、分析等转化为简洁、有趣且具有互动性的演示文稿，帮助用户节省时间，提高工作效率。该产品主要面向商务专业人士、教育工作者、学生以及创作者等，提供免费和付费两种版本，其中付费版本提供更多高级功能，如无限制的演示文稿创建、无水印等。

基于Transformer实现的ViTPose模型集合

ViTPose是一系列基于Transformer架构的人体姿态估计模型。它利用Transformer的强大特征提取能力，为人体姿态估计任务提供了简单而有效的基线。ViTPose模型在多个数据集上表现出色，具有较高的准确性和效率。该模型由悉尼大学社区维护和更新，提供了多种不同规模的版本，以满足不同应用场景的需求。在Hugging Face平台上，ViTPose模型以开源的形式供用户使用，用户可以方便地下载和部署这些模型，进行人体姿态估计相关的研究和应用开发。

将自然语言查询转化为可操作的SQL，助力数据团队快速获取数据库中的洞察。

Wren AI Cloud 是一款强大的生产力工具，旨在通过自然语言处理技术，帮助非技术团队轻松访问和分析数据库中的数据。它利用先进的SQL生成算法和多智能体工作流程，减少AI幻觉，提供可靠、准确的数据查询结果。产品主要面向企业数据团队、销售和市场团队，以及开源社区，支持多种数据库和SaaS工具的集成。其价格策略灵活，提供免费试用选项，旨在推动数据驱动的文化，加速决策过程。

输入公司网址即可获取详细研究信息，快速了解公司内部情况。

Company Researcher 是一款专为商业研究和分析设计的在线工具。它通过分析公司网址，提供关于公司的详细信息，包括公司概况、业务范围、市场地位等。该工具的主要优点在于其快速、准确地获取信息的能力，为用户提供了一个全面了解公司的平台。其背景信息显示，该产品由 Exa Labs 开发，旨在帮助用户在商业决策中做出更明智的选择。该工具目前是免费提供的，主要面向需要进行公司研究的商业人士、投资者和市场分析师。

NVIDIA Cosmos是用于物理AI开发的世界基础模型平台。

NVIDIA Cosmos是一个先进的世界基础模型平台，旨在加速物理AI系统的开发，如自动驾驶车辆和机器人。它提供了一系列预训练的生成模型、高级分词器和加速数据处理管道，使开发者能够更容易地构建和优化物理AI应用。Cosmos通过其开放的模型许可，降低了开发成本，提高了开发效率，适用于各种规模的企业和研究机构。

从穿着人身上生成平铺布料的模型

TryOffAnyone是一个用于从穿着人身上生成平铺布料的深度学习模型。该模型能够将穿着衣物的人的图片转换成布料平铺图，这对于服装设计、虚拟试衣等领域具有重要意义。它通过深度学习技术，实现了高度逼真的布料模拟，使得用户可以更直观地预览衣物的穿着效果。该模型的主要优点包括逼真的布料模拟效果和较高的自动化程度，可以减少实际试衣过程中的时间和成本。

AI驱动的智能信息图表生成器

EzyGraph是一个利用人工智能技术，将文本、博客内容或URL快速转换成信息图表的平台。它通过简化数据可视化的过程，帮助用户创建清晰、吸引人的视觉故事，提升内容的吸引力和传播效率。产品的主要优点包括一键式内容转换、智能图标匹配、自定义模板和轻量级而强大的编辑器。EzyGraph适合需要快速制作专业级信息图表的各类内容创作者，包括博主、教育工作者、营销团队和社交媒体经理等。

一站式大模型算法、模型及优化工具开源项目

FlagAI是由北京智源人工智能研究院推出的一站式、高质量开源项目，集成了全球各种主流大模型算法技术以及多种大模型并行处理和训练加速技术。它支持高效训练和微调，旨在降低大模型开发和应用的门槛，提高开发效率。FlagAI涵盖了多个领域明星模型，如语言大模型OPT、T5，视觉大模型ViT、Swin Transformer，多模态大模型CLIP等。智源研究院也持续将“悟道2.0”“悟道3.0”大模型项目成果开源至FlagAI，目前该项目已经加入Linux基金会，吸引全球科研力量共同创新、共同贡献。