Wan2.2是由阿里云通义实验室开发的、采用混合专家（MoE）架构、具备电影级美学控制能力的开源视频生成模型，能将文本或图像高效转化为高质量动态视频，采用Apache 2.0许可证。

TripoAI 开源并由 VAST-AI 托管的单图像转 3D Gaussian Splat 模型，只需一张 2D 图就能生成可控粒子数量的高质量 3D 高斯点云资产，适合作为 ComfyUI 等现代 3D/游戏管线里的轻量级 I2-3D 模块。

运行模型 VAST-AI/TripoSplat

快速图像编辑 demo，结合 FireRed-Image-Edit 与 Qwen-Image-Edit-Rapid，采用 Transformer 架构实现文本引导编辑。

集成 Lightricks 22B 视频生成模型 LTX-2.3 的 Gradio 应用，提供文本/图像/音频/唇同步/关键帧/风格六种生成模式，并支持 IC-LoRA 细节增强。

运行模型 Lightricks/LTX-2.3

NVIDIA 的 16B 参数全模态世界模型 demo，支持文本或图像生成视频及同步音频，基于 Diffusers Cosmos3OmniPipeline。

运行模型 nvidia/Cosmos3-Nano

聊天机器人 demo，运行 Qwen3.5-4B 混合线性注意力模型 GGUF，通过 llama-cpp-python 推理，支持 ZeroGPU 和 WebGPU 两种部署方式。

运行模型 AlexWortega/qwen35-4b-soyuz-merged-gguf

从单张图像生成高保真3D资产的工具，采用像素反投影建立像素到3D对应，输出包含详细几何和 PBR 纹理的 GLB 网格。

运行模型 TencentARC/Pixal3D