Genera.so
Genera.so是专注于AI图像生成模型落地的服务平台，核心定位是帮助AI模型开发者简化自定义图像生成模型的上线部署流程。平台核心功能包括GPU算力托管、模型一键部署、应用快速生成，无需开发者自行运维硬件资源，即可将微调后的Stable Diffusion等图像生成模型转化为可对外访问的在线应用。目标用户覆盖AI图像模型开发者、创意工作室、数字内容创作者、独立开发者等，可应用于自定义AI绘画工具搭建、创意生成demo对外展示、垂直领域图像生成工具商业化落地等多种场景。
Depth Anything
Depth Anything是专注于单目深度估计的技术项目官网，核心定位是提供可泛化的单目视觉深度估计基础模型。核心功能包括开源模型资源下载、零样本深度估计效果演示、不同微调版本的效果对比展示，同时提供配套的技术论文、训练数据说明文档。目标用户覆盖计算机视觉研究人员、自动驾驶算法开发人员、AR/VR内容创作者、影视后期制作人员等，可应用于3D场景重建、自动驾驶环境感知、AR虚实融合效果调校、影视景深特效生成等多个场景，为需要从单张图像获取深度信息的工作提供模型支撑。
PixelLLM
PixelLLM是一个专注于图像定位任务的视觉-语言模型展示站点，核心功能涵盖位置引导的图像描述生成、文本引导的像素坐标定位、多数据集性能结果查询。该站点面向计算机视觉研究者、AI算法开发人员、多模态学习领域学生，可用于学术研究参考、模型效果验证、相关任务技术选型等场景，帮助用户直观了解视觉与像素对齐技术的落地表现。
Pixel-Aware Stable Diffusion
Pixel-Aware Stable Diffusion（简称PASD）是发表于arXiv的学术研究成果网站，核心定位为面向计算机视觉领域的扩散模型优化方案，聚焦真实图像超分辨率与个性化风格化任务。核心功能包括像素感知交叉注意力计算、降级不敏感特征提取、现有扩散模型无缝集成三大模块，可帮助相关研究人员与开发者提升图像生成与重建任务的表现。目标用户涵盖计算机视觉领域研究者、AI图像算法开发工程师、图像处理相关从业人员、高校计算机相关专业学生等，适用于图像超分辨率算法迭代、个性化图像风格化工具开发、扩散模型性能优化、学术研究复现验证等多种场景。
文心大模型
文心大模型是百度推出的生成式AI服务平台，依托深度学习技术为用户提供多模态AI创作与交互能力。核心功能包括多轮智能对话、多风格文本生成、跨模态文生图、多模态理解分析等，可满足内容创作、创意策划、信息查询、知识学习等多类需求。目标用户覆盖内容创作者、学生、职场人士、科研人员、企业运营人员等，适用于文案撰写、创意构思、作业辅助、工作提效、行业解决方案搭建等多种场景。
心辰Lingo语音大模型
心辰Lingo语音大模型是西湖心辰推出的语音交互类AI模型产品，核心定位为面向多行业提供专业语音识别与语义理解解决方案。其核心功能包含高准确率多场景语音转写、多轮语音交互语义理解、多语种跨场景语音处理，支持实时语音流输入和批量音频文件处理。目标用户覆盖企业开发者、内容创作者、客服运营人员、教育从业者等群体，可应用于智能客服搭建、音视频内容字幕生成、语音教学工具开发、会议内容记录整理等多个场景，帮助用户降低语音交互类产品的开发门槛，提升语音内容处理的效率。
Neuralhub
Neuralhub是聚焦深度学习领域的综合协作平台，核心定位是降低AI研究与开发的参与门槛，为相关从业者提供一站式实验与交流空间。平台具备深度学习项目协同管理功能，支持多个成员在线同步参与项目迭代，可实时同步训练数据、参数调整记录与实验结果；内置多框架模型托管模块，兼容PyTorch、TensorFlow等主流深度学习框架，用户可直接上传或调用公开模型开展测试；同时搭建了垂直社区板块，支持研究成果、技术方案的分享与讨论。平台主要面向AI爱好者、高校研究人员、企业算法工程师等群体，可用于个人深度学习入门练习、团队协作开展AI项目研发、行业前沿研究成果交流等多种场景。
Vista-LLaMA
Vista-LLaMA是专注于视频语言理解领域的技术展示与模型介绍站点，核心展示专为视频文本生成任务优化的大语言模型方案。站点支持模型技术原理拆解、基准测试结果查询、相关论文资源下载三类核心功能，面向人工智能领域的研究人员、算法工程师、高校计算机相关专业师生，可用于视频理解技术调研、多模态模型研发参考、学术论文写作资料补充等场景，帮助用户系统了解该模型在视频问答、长视频内容总结等任务中的技术优势与应用思路。
LAM
LAM是rabbit团队推出的大型行动模型研究项目官网，核心定位是打造可理解、模拟人类计算机操作行为的智能系统，为下一代自然语言驱动的交互体验提供技术支撑。核心功能包括神经符号编程技术落地的操作行为模拟、多应用场景适配的模型部署测试、面向开发者的技术文档与研究成果开放。目标用户覆盖AI助手研发人员、操作系统开发者、人机交互领域研究者、消费级智能产品设计师等群体，可应用于智能助手操作自动化研发、操作系统自然交互模块开发、行业智能应用功能迭代、人机交互学术研究实验等多种场景。
SiFive Intelligence XM Series
SiFive Intelligence XM Series是SiFive推出的面向AI计算场景的RISC-V架构AI计算引擎产品页，核心定位是为计算密集型AI workload提供适配的处理器IP解决方案。核心功能包括多计算引擎融合架构设计、高带宽内存通路优化、配套开源内核计算库支持，可满足边缘端到云端不同层级的AI部署需求。目标用户覆盖芯片设计企业、AI算法研发团队、嵌入式系统开发人员、车载计算方案服务商等，使用场景包括边缘端智能视觉推理、自然语言处理终端部署、工业缺陷检测模型落地、低功耗AIoT设备开发等多个领域。
GVHMR
GVHMR是浙江大学3D视觉团队推出的单目视频人体运动恢复科研项目站点，核心定位为开放的人体三维运动重建技术资源平台。站点提供重力视角坐标系统引导的运动重建算法说明、开源模型权重下载、基准测试数据集等资源，支持研究人员复现单目视频世界坐标系下人体姿态的还原效果，可应用于动作捕捉、动画制作、运动分析等领域的技术研发，适合计算机视觉研究者、运动科学研究人员、数字内容开发者等群体使用。
YOLO11
Ultralytics YOLO11官方文档站是YOLO11计算机视觉模型的官方参考平台，核心定位为开发者提供全流程的YOLO11使用指导与技术支持。平台包含模型全场景部署教程、多框架适配文档、内置数据集训练指引三大核心功能，面向计算机视觉开发者、AI算法研究员、行业应用落地工程师等群体，适用于模型训练调参、工业视觉场景落地、学术研究复现、边缘设备算法部署等多个场景，帮助用户快速掌握YOLO11的使用方法，降低目标检测等视觉任务的开发门槛。
EMOVA
EMOVA全称是EMotionally Omni-present Voice Assistant，是一款多模态语言模型工具网站，核心定位为实现端到端语音处理与高水准视觉-语言能力融合的多模态交互模型。核心功能包括语义-声学解耦的语音分词处理、情感丰富的多模态对话交互、跨视觉与语音模态的任务响应。目标用户覆盖AI模型研究者、多模态应用开发者、语音交互产品设计师、自然语言处理方向学生等群体，可用于多模态模型性能测试、智能语音对话系统开发、情感化交互产品原型搭建、跨模态任务算法验证等场景，帮助用户探索多模态大模型在语音、视觉、语义融合方向的落地可能性。
岩芯数智
岩芯数智是专注于人工智能模型研发与服务的平台，面向各行业智能化升级需求提供技术支撑。核心功能包含国产化多模态Yan大模型服务、Dolphin通用智能模型服务、定制化模型微调服务三类，可覆盖不同规模企业、科研机构及开发者的AI应用需求。适用于传统产业智能化改造、内容生产效率提升、企业私域知识库搭建、科研项目模型训练等场景，能够帮助用户降低AI技术应用门槛，减少智能化转型的时间与资金投入。
AMD Instinct MI325X Accelerators
该页面是AMD官方发布的Instinct MI325X加速器产品介绍专题页，核心定位是面向AI算力需求群体的硬件产品信息发布载体，核心功能包括产品技术参数披露、性能对比数据展示、适用场景说明，目标用户覆盖AI企业研发人员、数据中心运维管理者、硬件采购决策人员等，可用于产品选型参考、技术方案评估、行业算力配置调研等场景，帮助用户全面了解这款基于CDNA 3架构的AI加速器的实际能力与适配方向。
Emu3
Emu3是北京智源人工智能研究院推出的多模态大模型官方介绍站点，核心定位为公开分享通用多模态大模型技术成果与应用方向。站点核心功能包括完整呈现Emu3模型的技术架构细节、展示模型在多模态生成与感知任务中的实测效果、同步模型落地应用的相关进展。目标用户覆盖人工智能领域研究者、AI应用开发者、高校计算机相关专业师生、科技行业从业者等群体，可用于查阅多模态大模型技术资料、了解前沿模型性能表现、参考多模态技术落地路径等场景。
GR-2
GR-2是面向机器人操作领域的通用机器人代理项目官网，核心为用户提供通用机器人代理的技术说明、训练框架介绍与性能表现数据。核心功能包括完整预训练与微调技术路径展示、多任务测试数据查询、跨场景泛化能力演示。目标用户覆盖机器人研发人员、AI研究者、高校相关专业师生、机器人产业从业者，可用于技术调研、算法参考、学术研究参考、产业落地技术评估等场景，帮助相关人员了解大规模预训练在机器人操作领域的应用路径。
Multi-LoRA Composition
Multi-LoRA Composition是面向图像生成领域的低秩适配器组合技术展示与资源平台，核心定位是帮助用户了解多个LoRA组合应用的技术方案与落地效果。平台提供多LoRA组合效果可视化展示、不同组合策略对比、技术论文核心内容解读三类核心功能，面向AI图像创作从业者、深度学习研究人员、AI模型开发者、数字艺术创作者等用户群体，可应用于多风格融合图像生成、特定人物+场景组合创作、模型轻量化微调效果验证、技术方案选型参考等场景，帮助用户降低多LoRA组合应用的试错成本，提升图像生成的可控性与效果丰富度。
V-JEPA
V-JEPA是Meta发布的视频联合嵌入预测架构相关的AI模型介绍官网页面，核心定位为公开前沿机器视觉相关技术成果展示与技术原理科普平台。核心功能包括V-JEPA模型技术架构解析、模型训练逻辑说明、实际应用场景案例展示。目标用户覆盖AI研究人员、计算机视觉开发者、AI相关专业学生、科技行业从业者、Meta技术爱好者。使用场景包括学术研究参考、模型原理学习、技术选型参考、行业趋势调研等多个方向，可帮助用户系统了解该非生成式视频理解模型的技术特性与发展潜力，为相关技术落地提供参考信息。
Lori
Lori是面向苹果生态用户打造的iOS本地GPT客户端，核心定位是兼顾隐私安全与AI交互能力的移动端大语言模型工具。核心功能包括本地运行的智能问答、多场景语言内容生成、上下文连续对话三类，无需远程上传用户数据即可完成AI交互。目标用户覆盖学生、职场人士、内容创作者、隐私敏感型用户等群体，可用于日常问题查询、文案撰写、学习辅助、知识梳理等多种场景，支持iPhone、iPad多设备适配，满足用户随时随地使用AI工具的需求。