Mixture-of-Agents通过多层架构整合多个大语言模型，显著提升其性能表现。

Gen-3 Alpha是一款由Runway推出的高保真可控视频生成模型。

Prometheus-Eval 是一个开源工具库，专注于评估生成任务中其他语言模型的能力，提供高效和详细的反馈。

VideoLLaMA2 是一种增强视频时空建模和音频理解的语言模型。

Visual Sketchpad赋予多模态语言模型通过绘画来进行视觉推理和推理过程。

HunyuanDiT是腾讯开发的一款多分辨率扩散Transformer，具备细粒度的中文理解能力。