昆仑万维SkyReels平台推出V3模型，整合Sora2、Veo3.1等顶尖AI视频技术，提供一站式视频创作工具，助力开发者洞悉趋势和创新应用。
月之暗面团队推出Kimi Linear模型，在AIGC领域实现技术突破。该模型采用混合线性注意力架构，处理长上下文速度提升2.9倍，解码速度提高6倍，性能超越传统Softmax注意力机制，特别在上下文处理和强化学习等场景表现优异。
月之暗面推出“Kimi Linear”混合线性注意力架构，在短长距离信息处理和强化学习中性能优于传统全注意力方法。其核心Kimi Delta Attention优化了Gated DeltaNet，引入高效门控机制，提升有限状态RNN的记忆管理效率。架构由三份KDA和一份全局MLA组成。
OpenAI的Sora视频生成应用上线一个月后，因用户激增和算力成本压力，宣布缩减免费额度，同时推出付费套餐和创作者分成计划，标志着视频生成技术进入商业化深水区。
免费在线线稿生成器，支持图像、文本转线稿，8种艺术风格
AI辅助后端开发的首个AI对编程工具，通过AI构建Express.js后端服务。
AI生成撩人开场白，提升约会成功率
基于文本生成高质量图像的AI模型
moonshotai
Kimi Linear是一种混合线性注意力架构，在各种场景下包括短、长上下文以及强化学习扩展机制中，均优于传统的全注意力方法。它能有效解决传统注意力机制在长上下文任务中效率低下的问题，为自然语言处理等领域带来更高效的解决方案。
Kimi Linear是一种高效混合线性注意力架构，在短上下文、长上下文和强化学习场景中均优于传统全注意力方法。它通过Kimi Delta Attention (KDA)机制优化注意力计算，显著提升性能和硬件效率，特别擅长处理长达100万令牌的长上下文任务。
TareksLab
这是一个使用Linear DELLA方法合并的70B参数大语言模型，基于Llama-3.1-Nemotron-lorablated-70B基础模型，整合了多个高性能的Llama-3.3-70B变体模型，旨在提供更强大的语言理解和生成能力。
Tarek07
本项目通过融合多个70B规模的预训练语言模型，旨在创造出性能更优的语言模型。以Llama 3.3指令模型为基础，运用Linear DELLA融合方法进行模型融合。
line-corporation
由LY Corporation开发的日语CLIP模型，基于约10亿个网络收集的图像-文本对进行训练，适用于多种视觉任务。
artificialguybr
基于SD XL 1.0微调的漫画线稿风格LORA模型，具备强大的漫画线稿风格生成能力。
基于SD XL 1.0微调的漫画线稿风格LORA模型，具有强大的漫画线稿风格生成能力
由LINE株式会社开发的36亿参数日语语言模型，通过指令微调技术显著提升了对话性能，专门针对日语理解和生成任务进行了优化。
由LINE株式会社开发的17亿参数日语语言模型，经过指令微调训练，专门针对日语语言处理任务进行了优化，支持高质量的文本生成和对话任务。
由LINE Corporation开发的36亿参数日语语言模型，基于GPTNeoX架构，支持日语文本生成任务，训练数据约650GB，在日语C4验证集上困惑度为7.50
由LINE株式会社开发的17亿参数日语语言模型，基于GPT-2架构，专门针对日语文本生成任务进行训练。模型在约650GB的日语语料上训练，在日语C4验证集上达到8.57的困惑度。
基于131GB日语网页文本预训练的DistilBERT模型，由LINE株式会社开发
lineups-io
这是一个使用AutoTrain训练的多类别图像分类模型，在验证集上达到了78.6%的准确率。
这是一个通过AutoTrain平台训练的多类别图像分类模型，能够对输入的图像进行分类识别。
LINE Bot MCP Server是一个实现Model Context Protocol (MCP)的服务，用于将AI智能体与LINE官方账号连接，支持推送文本和富媒体消息、广播消息及获取用户资料等功能。
Linear MCP Server是一个已弃用的Model Context Protocol服务器，用于通过MCP协议与Linear问题跟踪系统集成，允许LLM与Linear问题进行交互。
Linear MCP Server是一个自定义实现的模型上下文协议服务器，提供与Linear API交互的工具，使AI代理能够通过Linear平台以编程方式管理问题、项目和团队。
一个集成Linear任务管理和TrackingTime时间追踪的MCP服务，通过自然语言自动化工作流程。
Linear MCP是一个为Linear平台提供的模型上下文协议服务器，用于问题追踪和项目管理。
该项目是一个基于Model Context Protocol (MCP)的Linear集成服务器，提供问题跟踪和项目管理功能，支持创建、搜索、更新问题以及管理冲刺周期等操作。
Windows命令行MCP服务器是一个安全的中介服务，允许AI模型在严格的安全控制下与Windows系统进行交互，包括执行命令、创建项目和获取系统信息等功能。
线性回归MCP项目展示了使用Claude和模型上下文协议（MCP）的端到端机器学习工作流程，包括数据预处理、模型训练和评估。
Linear MCP服务器为Linear资源提供MCP接口访问的实现
Linear MCP Server是一个实现Model Context Protocol的服务器，用于连接AI助手与Linear项目管理系统的GraphQL API，支持问题跟踪、项目管理等功能。
Linea MCP是一个为AI应用提供与Linea区块链交互工具的服务器，支持钱包管理、代币操作、智能合约交互等功能，兼容多种MCP客户端。
MCP DevTools是一套工具包集合，通过Model Context Protocol协议实现AI助手与外部工具服务的交互，目前提供Jira和Linear平台的集成支持。
MCP Linear是一个实现Linear GraphQL API的Model Context Protocol服务器，使AI助手能够与Linear项目管理工具交互。
Copilot Studio Agent Direct Line MCP Server 是一个本地MCP服务器，通过Direct Line 3.0 API让开发者能在代码编辑器中直接与Microsoft Copilot Studio Agents进行交互，提供对话管理、消息发送和历史记录等功能。
这是一个用于Linear的MCP服务器，允许Claude通过API管理Linear中的团队、问题、项目和周期，提供多种操作功能并支持安全认证。
该项目展示了使用Claude和模型上下文协议(MCP)进行端到端机器学习工作流的线性回归模型训练。用户只需上传CSV数据集，系统即可自动完成数据预处理、模型训练和评估(RMSE计算)全流程。
一个基于Node.js的Linear问题跟踪系统的MCP服务器实现，提供标准化接口让AI模型与Linear功能交互。
一个基于MCP协议的Linear问题追踪系统服务端实现，提供标准化接口访问Linear的功能
一个基于Python的LINE MCP服务器，通过标准化接口让语言模型能够读取和分析LINE对话消息。项目使用FastAPI框架，支持文本、贴图和图片消息处理，并提供了消息存储、API端点等核心功能。
一个通过MCP协议让LLM模型访问Linear API的服务端项目
%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)
