Voyage Multimodal
Voyage Multimodal-3 是一款多模态嵌入模型，能够处理文本、图像以及它们的混合数据，无需复杂文档解析即可提取关键视觉特征。它在多模态检索任务中的准确率显著高于现有最佳模型，支持语义搜索和文档理解，适用于法律、金融、医疗等多个领域的复杂文档检索任务。
模型
Minion Agent
Minion Agent 是一款基于代理框架的多功能 AI 工具，支持浏览器操作、MCP 协议、自动规划和深度研究等功能。用户可通过简单 API 快速部署，实现信息检索、数据分析等任务。其动态规划机制确保任务高效执行，同时支持多种模型和灵活配置，适用于信息研究、自动化任务、智能助手开发等多个场景。
Outfit Anyone
Outfit Anyone是一款由阿里巴巴智能计算研究院开发的高质量服装虚拟试穿开源项目。它采用双流条件扩散模型处理模特、服装和文本提示，通过衣物图像作为控制因素，生成逼真的虚拟试穿效果。该工具支持低图片输入要求，高质量试衣输出，以及多种服装搭配和姿势调整，适用于普通消费者、服装设计师、模特及电商从业者等不同群体。
AndroidLab
AndroidLab 是一款面向 Android 自主代理的训练与评估框架，集成了文本和图像模态操作环境，提供标准化的基准测试任务。它通过支持多种模型类型（LLMs 和 LMMs），覆盖九个应用场景的 138 项任务，有效提升了开源模型的性能。此外，AndroidLab 提供了丰富的评估指标和操作模式，助力研究者优化模型表现并推动开源解决方案的发展。
Mini DALL·E 3
Mini DALL·E 3是一款由多所高校联合开发的交互式文本到图像生成工具，支持多轮自然语言对话，实现高质量图像的生成与编辑。系统结合大型语言模型与文本到图像模型，提供内容一致性控制与问答功能，提升交互体验。广泛应用于创意设计、故事插图、概念设计、教育及娱乐等领域，具有高效、灵活和易用的特点。
Stable Audio Open Small
Stable Audio Open Small 是由 Stability AI 与 Arm 联合开发的轻量级文本到音频生成模型，参数量降至 3.41 亿，适配移动设备和边缘计算场景。基于深度学习与模型压缩技术，支持快速生成音效、音乐片段等音频内容，适用于实时音频生成任务。具备高效运行、低功耗、多场景应用等特点，可用于音乐创作、游戏音效、视频配乐等领域。
