小米开源47亿参数机器人模型Xiaomi-Robotics-0，采用MoT混合架构，通过“大脑”与“小脑”协同工作，在消费级显卡上实现实时推理，解决现有VLA模型因推理延迟导致动作迟缓的问题，提升机器人控制效率与泛化能力。
灵波科技开源具身大模型LingBot-VLA，在真实与仿真场景中均表现优异，尤其在GM-100基准测试中展现强大泛化能力，并开放完整训练代码库以降低研发门槛。
蚂蚁集团旗下灵波科技开源具身大模型LingBot-VLA，作为机器人操作的“智能基座”，具备跨本体和跨任务泛化能力，显著降低后训练成本，推动“一脑多机”工程化落地。在GM-100评测基准中，该模型在三个真实机器人平台上表现优异。
NVIDIA与斯坦福大学联合发布通用游戏AI智能体NitroGen，在1000多款游戏、4万小时数据上训练而成，具备强大跨游戏泛化能力。研究团队将开源数据集和模型权重，推动全球AI与游戏研究发展。
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。
低成本强化视觉语言模型的泛化能力，仅需不到3美元。
零样本视觉跟踪模型，具有运动感知记忆。
学习野外音频视觉数据的机器人操控
Anthropic
$105
Input tokens/M
$525
Output tokens/M
200
Context Length
Moonshot
$4
$16
256
Baidu
-
32
Xai
$1.4
$10.5
Openai
$8.75
$70
400
$1.75
$14
$21
Alibaba
$0.5
128
Tencent
$1
$3
4
Huawei
$2
Google
$0.35
$0.7
131
$1.6
Minimax
Chatglm
$100
Baichuan
GilbertAkham
这是一个基于DeepSeek-R1-Distill-Qwen-1.5B的多任务微调模型，通过LoRA适配器在多个数据集上进行训练，具备强大的多任务泛化和推理能力，能够处理广泛的自然语言和基于推理的任务。
lerobot
π₀.₅是由Physical Intelligence开发的视觉-语言-动作模型，具备开放世界泛化能力，能够在训练时从未见过的全新环境和场景中执行机器人任务。
mldi-lab
Kairos-10M是一款专为跨领域零样本预测设计的时间序列基础模型，拥有约1000万参数。它能处理不同信息密度的异构时间序列数据，无需微调即可在不同领域实现强大的泛化能力。
Kairos-50M是一个拥有5000万参数的时间序列基础模型，专门用于跨不同领域的零样本预测。它采用自适应分词和位置编码技术，能够处理具有不同信息密度的异构时间序列数据，无需微调即可在不同领域实现强大的泛化能力。
XiaomiMiMo
MiMo Audio是一款基于大规模预训练的音频语言模型，在语音智能和音频理解基准测试中取得了开源模型的SOTA性能。该模型展现出强大的少样本学习能力，能够泛化到训练数据中未包含的任务，支持语音转换、风格迁移和语音编辑等多种音频任务。
samuelsimko
这是一个基于Transformer架构的预训练模型，具体功能和特性需要根据实际模型信息补充。模型支持多种下游任务，具备良好的泛化能力。
MonkeyDAnh
这是一个基于RoBERTa-base微调的AI文本检测模型，专门用于区分AI生成文本和人类撰写文本。模型在多个数据集上进行了顺序微调，具备高精度的检测能力和良好的泛化性能。
RedHatAI
专为Qwen/Qwen3-8B设计的推测解码模型，采用EAGLE-3算法提升文本生成效率和质量，通过多个优质数据集训练获得优秀的泛化能力
lhjiang
AnySplat是一种先进的3D高斯散点渲染模型，能够从不同视角的图像高效生成高质量的3D场景。该模型具有快速推理能力和良好的泛化性能，为3D重建和渲染提供了创新的解决方案。
unsloth
Whisper是一个预训练的自动语音识别(ASR)和语音翻译模型，通过68万小时标注数据训练，具有强大的泛化能力。
Whisper是OpenAI开发的最先进的自动语音识别(ASR)和语音翻译模型，在超过500万小时的标记数据上训练，具有强大的零样本泛化能力。Turbo版本是原版的修剪微调版本，解码层从32层减少到4层，速度大幅提升但质量略有下降。
Mungert
AceMath-RL-Nemotron-7B 是一个完全通过强化学习训练的数学推理模型，基于 Deepseek-R1-Distilled-Qwen-7B 进行训练，在数学推理任务中表现出色，同时在编码任务上也有一定的泛化能力。
ConicCat
这是一个实验性的小型思维模型，旨在8GiB消费级显卡上运行，具备通用推理能力。通过监督微调（SFT）和高质量推理轨迹训练，模型能够将推理能力泛化至多种任务。
wi-lab
LWM 1.1是专为无线信道特征提取设计的升级版预训练模型，支持多样化信道配置，提升特征提取质量与泛化能力。
bigscience
T0++是基于T5架构的自然语言处理模型，通过多任务提示训练实现零样本任务泛化能力，在多种NLP任务上超越GPT-3且体积更小。
facebook
感知编码器是通过视觉语言训练实现的最先进图像视频理解编码器，具有强大的泛化能力。
Ricky06662
Seg-Zero-7B是一个基于推理链引导的图像分割模型，采用解耦架构，包含推理模型和分割模型，通过GRPO强化学习训练实现零样本泛化能力。
3DAIGC
LHM是一个前馈模型，可在数秒内从单张图像重建可动画的3D人体。通过在大规模视频数据集上使用图像重建损失进行训练，我们的模型对多样化的现实场景展现出强大的泛化能力。
CYFRAGOVPL
PLLuM 是一个专注于波兰语及其他斯拉夫/波罗的海语言的大型语言模型家族，同时融入英语数据以实现更广泛的泛化能力。
PLLuM 是专门针对波兰语及其他斯拉夫/波罗的海语言优化的大型语言模型家族，兼具英语泛化能力，通过高质量数据训练和先进对齐技术开发而成。
Safetensors%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
