百度推出的OCR模型，基于Transformer架构，支持单页与多页文档图片的文字识别与解析，输出结构化的文档内容。

运行模型 baidu/Unlimited-OCR

Google DeepMind Gemma 4模型（多模态、256K上下文、支持140+语言）推理速度挑战排行榜，展示参赛者在固定GPU上的TPS与PPL。

运行模型 google/gemma-4-E4B-it

VoxCPM2语音模型的Gradio演示，基于Nano-vLLM推理引擎，提供实验性推理接口。

基于LTX 2.3音频-视频模型的图生视频演示，支持同时生成音频，输出带声音的MP4，提供人脸定位模式。

开源LLM排行榜的前后端应用，用于跟踪、排名和评估大型语言模型与聊天机器人的性能。

Meta推出的音乐生成模型MusicGen（AudioCraft库），基于Transformer/PyTorch，从文本或旋律生成高质量音频。