FG-CLIP 2 是360人工智能研究院推出的全球领先的图文跨模态视觉语言模型（VL-M），在29项权威基准测试中超越Google和Meta的同类模型，成为目前性能最强的VL-M。能精准识别图像中的毛发、斑点、色彩、表情、空间关系等细节，例如区分不同品种的猫、判断物体在屏幕内外的位置，甚至理解复杂场景中的遮挡关系。同时支持中文和英文的细粒度理解，填补了中文跨模态模型的空白，可精准处理中文长文本检索、区域分类等任务。采用两阶段训练策略，先全局对齐图文语义，再聚焦局部细节对齐；结合五维协同优化体系，提升模型的抗干扰性和鲁棒性。
微舆（BettaFish）是开源的多智能体舆情分析系统。采用多智能体架构，通过Query、Media、Insight、Report等Agent协同工作，实现检索、抽取与报告闭环。系统支持AI驱动的全域监控，7×24小时不间断作业，覆盖微博、小红书、抖音等10多个国内外关键社媒。其复合分析引擎融合微调模型、统计模型等中间件与LLM协同工作，确保分析结果的深度、准度与多维视角。微舆具备强大的多模态能力，能深度解析短视频内容，精准提取结构化多模态信息卡片。系统提供高安全性的接口，支持将内部业务数据库与舆情数据无缝集成，打通数据壁垒。基于纯Python模块化设计，微舆实现轻量化、一键式部署，代码结构清晰，开发者可轻松集成自定义模型与业务逻辑。
Ouro是字节跳动Seed团队开发的新型循环语言模型（Looped Language Models），核心创新在于通过参数共享的循环计算结构，在预训练阶段直接构建推理能力。模型采用24层作为基础块，通过4次循环实现等效96层的计算深度，但保持1.4B参数规模，显著提升小模型的推理效率。实验显示，Ouro 1.4B在BBH推理基准上得分71.02，接近4B参数模型性能；2.6B版本在Math500数学题上达到90.85分，超越8B模型。其独特设计包括动态计算机制（简单任务少循环，复杂任务多循环）和熵正则化训练策略，使模型能自适应调整思考深度。
ChronoEdit是英伟达与多伦多大学联合研发的开源AI图像编辑框架，将图像编辑任务重新定义为视频生成任务，以确保编辑结果在时间和物理上的一致性。通过从一个 14B 参数的预训练视频生成模型中蒸馏出时序先验知识，ChronoEdit 将推理过程拆分为视频推理和上下文编辑两个阶段，实现由时序推理驱动的图像编辑。支持复杂的编辑任务，如视角变换、姿态旋转和物理交互模拟等。
Petri 是 Anthropic 开发的开源 AI 安全审计框架，系统性地评估 AI 模型的安全性和行为对齐情况。通过模拟真实场景，让自动化审计员与目标模型进行多轮对话，然后由法官代理对模型的行为进行多维度评分。Petri 支持多种模型 API，并提供丰富的种子指令，涵盖欺骗、谄媚、配合有害请求等高风险情境。在 14 个前沿模型上进行了测试，发现所有模型在不同场景下都存在不同程度的安全对齐风险。
LongCat-Flash-Omni 是美团 LongCat 团队发布的开源全模态大语言模型。拥有5600亿参数规模（激活参数270亿），在保持庞大参数量的同时，实现了毫秒级的实时音视频交互能力。模型基于 LongCat-Flash 系列的高效架构设计，创新性地集成了多模态感知模块与语音重建模块，支持文本、图像、视频理解及语音感知与生成等多种模态任务。LongCat-Flash-Omni 在全模态基准测试中达到开源最先进水平（SOTA），在文本、图像、音频、视频等关键单模态任务中均展现出极强的竞争力。采用渐进式早期多模融合训练策略，逐步融入不同模态数据，确保全模态性能强劲且无单模态性能退化。模型支持128K tokens上下文窗口及超8分钟音视频交互，具备多模态长时记忆和多轮对话能力。
