Последние ресурсы по искусственному интеллекту

GLM-4.6V - серия мультимодальных больших языковых моделей с открытым исходным кодом от Smart Spectrum AI. Серия содержит две версии: GLM-4.6V (106B-A12B), базовая версия для облачных и высокопроизводительных кластерных сценариев, с архитектурой Mixed Expert (MoE), общим количеством около 106 миллиардов ссылок, и активацией...

LangChain for LLM Application Development - это онлайн-курс, представленный DeepLearning.AI, в котором участвуют основатель LangChain Харрисон Чейз и Эндрю Нг.

Трансформаторные LLM работают по принципу, который описали DeepLearning.AI и Джей Аламмар и Маартен Гроотенд, авторы книги Hands-On Large Language Models...

Kimi K2-0905 - это продвинутая модель искусственного интеллекта от Dark Side of the Moon Technologies Ltd., которая помогает в программировании, эффективно генерирует код и поддерживает создание аккуратного и стандартизированного кода при фронт-енд разработке. Длина контекста модели увеличена до 256K для решения сложных задач.

Nano Banana - это кодовое название Gemini 2.5 Flash Image для Gemini, модели генерации и редактирования изображений с искусственным интеллектом от Google, которая генерирует детализированные, фотореалистичные изображения на основе простых текстовых подсказок для внесения высококачественных изменений в существующие изображения.

Skywork UniPic 2.0 - это эффективная мультимодальная модель с открытым исходным кодом от Quintessence, ориентированная на создание, редактирование и понимание изображений. Модель основана на 2B-параметрической архитектуре SD3.5-Medium и реализуется с помощью предварительного обучения, прогрессивной стратегии двухзадачного усиления и совместного обучения...

MiniMax Speech 2.5 - это усовершенствованная модель генерации речи, разработанная командой MiniMax. Это значительное достижение в области синтеза речи, особенно в плане многоязычной выразительности, точности воспроизведения тембра и языкового охвата. Модель поддерживает 40 языков...

GPT-5 - это последняя языковая модель, выпущенная OpenAI с несколькими обновлениями. Это единая интеллектуальная система со встроенным маршрутизатором реального времени, который автоматически переключается между режимами эффективного и глубокого мышления в зависимости от сложности задачи, обеспечивая быструю реакцию и точные ответы.GPT-5 имеет несколько версий, в том числе для пу...

Qwen-Image - это базовая модель генерации изображений с открытым исходным кодом, выпущенная командой Alibaba Tongyi Qianqian. Имея 20 миллиардов параметров, она использует архитектуру мультимодального диффузионного трансформатора (MMDiT), которая включает в себя три модуля: мультимодальное понимание, кодирование высокого разрешения и диффузионное моделирование.Qwen-Image...

RedOne - это большая языковая модель, адаптированная для социальных сетей, представленная в Little Red Book. Модель обучается с помощью трехступенчатой стратегии обучения, которая включает в себя социальные и культурные знания, усиливает возможности многозадачности и выравнивает человеческие предпочтения. RedOne значительно превосходит базовую модель в выполнении социальных задач, в обнаружении вредного контента и просмотре...

TRAE SOLO - это автоматизированный помощник разработки, созданный компанией TRAE, помощник программирования с искусственным интеллектом, запущенный ByteDance, чтобы упростить процесс разработки программного обеспечения с помощью технологии искусственного интеллекта. TRAE SOLO понимает потребности пользователя, поддерживает текстовые описания, голосовые команды и загрузку файлов для ввода требований, а также автоматически планирует...

Всеобъемлющее введение LiveTalking является открытым исходным кодом в реальном времени интерактивной цифровой системы человека , стремится построить высококачественный цифровой человек живое решение . Проект использует открытый протокол Apache 2.0, интегрированный с рядом передовых технологий, включая ER-NeRF рендеринг, обработку потокового аудио и видео в реальном времени...

DeepSeek-V4 是深度求索发布的模型系列预览版，已同步开源并开放 API。系列采用 MoE 架构，包含 V4-Pro（1.6T 参数 / 49B 激活）与 V4-Flash（284B 参数 ...

Workspace Agents是 OpenAI 推出为GPTs的进化形态与企业级替代方案。产品基于Codex技术构建，面向团队场景，支持在云端持久运行复杂多步骤工作流，即使成员离线也能按计划自动执行...

Hy3 preview是腾讯混元发布并开源的语言模型，是团队重建预训练与强化学习基础设施后的首个成果。模型采用快慢思考融合的MoE架构，总参数达2950亿、激活参数210亿，最大支持256K上下文窗口...

Ling-2.6-flash 是蚂蚁集团旗下的百灵大模型团队发布的 Instruct 模型。模型总参数量 104B，激活参数仅 7.4B，采用高度稀疏化的 MoE（混合专家）架构，主打 "Token ...

Qwen3.6-Max-Preview 是阿里巴巴发布的通义千问系列最新旗舰模型，定位在 Qwen3.6-Plus 之上。模型主打顶尖编码能力与 Agentic 工作流支持，在 SWE-bench P...

Seed3D 2.0是字节跳动发布的新一代3D生成大模型，通过技术革新提升3D资产生成的精度、真实感和下游可用性，推动3D生成技术从实验性应用向生产级落地。Seed3D 2.0通过架构革新和算法优化...

GPT-Image-2（ ChatGPT Images 2.0）是 OpenAI 发布的下一代图像生成模型，代表了 AI 生图领域的重大飞跃。模型支持最高 4K 分辨率输出，革命性地解决了多语言文本渲...

Fun-ASR1.5是阿里通义实验室发布的语音识别大模型，采用MoE架构，单模型即可覆盖30种语言、汉语七大方言体系及20余种地方口音，支持跨语种自由混说识别与古诗词吟诵精准转写。

HyperFrames 是 HeyGen 开源的 Apache 2.0 视频渲染框架，核心理念是"Write HTML. Render video. Built for agents"。开发者通过编写...

AgentScope Tuner 是 AgentScope 框架内置的强化学习调优模块，专为提升智能体在特定任务上的表现而设计。通过"工作流强化学习"机制，允许开发者无需修改业务代码即可对智能体的决策...

Kimi K2.6 是月之暗面（Moonshot AI）发布并开源的最新一代大模型，是目前 Kimi 系列中最强的代码与 Agent 模型。模型在代码编写、长程任务执行及 Agent 集群协作能力上实...

Claude Design是Anthropic最新推出的AI设计工具，基于其最新视觉模型Claude Opus 4.7开发，能快速生成UI原型、幻灯片和单页设计。支持自动分类设计素材、分析竞品调性、记...

Voicebox 是开源的本地优先的语音克隆工作室，定位为 ElevenLabs 的免费开源替代品。基于阿里巴巴的 Qwen3-TTS 模型，支持从几秒钟音频样本克隆声音，在本地设备上生成高质量语音。

HappyOyster是阿里巴巴ATH事业群发布的开放式世界模型产品，产品与谷歌Genie 3同属"世界模拟器"流派，采用长时间跨度的世界演化建模方式，主动理解空间、物理与因果规律，实现从"被动生成内...

MAI-Image-2-Efficient是微软AI团队推出的生产级文生图模型，作为MAI-Image-2的"高效版"，在保持接近旗舰版图像质量的同时，实现了速度提升22%、GPU效率提升4倍、成本降...

OmniShow是字节跳动推出的端到端多模态视频生成框架，能同时整合文本、参考图像、音频、姿态四种条件生成高质量人机交互视频。模型基于120亿参数的Waver 1.0架构，支持最长10秒连续长镜头生成...

Claude Opus 4.7是Anthropic发布的最新旗舰AI模型，作为Opus 4.6的升级版本，在保持原有定价的基础上实现全面性能跃升。模型专为复杂、长时间自主任务优化，在SWE-bench...

Marble 1.1 是李飞飞创立的 World Labs 公司发布的生成式3D世界模型最新版本系列，包含 Marble 1.1 和 Marble 1.1-Plus 两款模型，在视觉质量、场景规模和生...

MaxHermes是MiniMax推出的全球首个云端自我进化AI助手，基于开源框架Hermes Agent构建。核心特点是通过"学习闭环"机制自动提炼任务Skills并持续优化，无需人工预设，能力随使...

有道宝库是网易有道推出的首款AI知识库产品，定位为"中国版NotebookLM"。基于子曰大模型打造，支持PDF、Word及公众号、B站、小红书等20余种格式内容的一键导入与智能解析，最多可同时处理5...

StepAudio 2.5 TTS 是阶跃星辰发布的全新语音合成模型，首次将语境理解能力深度融入语音生成全流程。模型突破传统TTS依赖固定标签的局限，支持通过自然语言描述实现全局语境控制

ERNIE-Image 是百度文心大模型开源的文本生成图像模型，采用单流 Diffusion Transformer 架构，仅 80 亿参数即可在消费级显卡（RTX 4090，24GB 显存）上流畅运...

Gemini 3.1 Flash TTS是Google DeepMind发布的全新文本转语音模型，支持70+种语言和丰富口音选择。核心创新在于"音频标签"技术，用户可通过自然语言指令精确控制语速、语调...

GenieAI 是 CodeBuddy 推出的 AI 生成应用展示平台，让用户通过自然语言交互快速构建和发布各类创意 Web 应用。平台支持生成多样化的数字产品，涵盖情感记录如心情日记、情侣共享空间...

HY-World 2.0（混元3D世界模型2.0）是腾讯混元开源的多模态世界模型，能理解文字、图片、视频等不同类型输入，自动生成、重建和模拟包含人、物、景的完整3D世界。

Spark 2.0 是AI教母李飞飞创立的World Labs公司开源的动态3D高斯泼溅（3DGS）渲染引擎。引擎专为网页端构建，基于Three.js与WebGL2技术，突破了超大规模3D场景在移动端...

QinyanClaw 是沁言学术推出的全球首个专为学术场景深度优化的云端 AI Agent，基于 OpenClaw 框架构建。与传统对话式 AI 不同，运行在独立的 K8s 容器中，支持 7×24 小...

LPM 1.0（Large Performance Model）是米哈游创始人蔡浩宇创立的AI公司Anuttacon发布的首个视频角色表演生成模型，采用17亿参数扩散Transformer架构，专注于...

JoyAI-Image-Edit是京东探索研究院开源的多模态基础模型，业内首个将空间智能深度融入统一框架的图像编辑系统。模型突破传统"平面修图"局限，通过空间位置关系、多视角一致性、相机感知等维度建模...

Muse Spark 是 Meta 发布的全新旗舰 AI 模型，由 Meta Superintelligence Labs（MSL）历时 9 个月打造，内部代号"Avocado"。作为 Muse 系列...

VoxCPM2 是 OpenBMB（面壁智能）开源的 20 亿参数语音合成基座模型，采用创新的无分词器扩散自回归架构，直接在连续语音潜空间生成音频，实现更自然的合成效果。模型基于 200 万小时多语言...

CutClaw 是开源的自主多智能体长视频编辑框架，由北京交通大学、大湾区大学与腾讯 ARC Lab 联合研发。通过"自底向上多模态解构"技术，将数小时原始素材结构化，采用 Playwriter（编剧...

MiniMax Music 2.6是MiniMax发布的新一代AI音乐生成模型，主打20秒极速出歌和创新的cover翻唱功能。模型通过优化底层架构将生成延迟压缩至20秒内，新增国风音乐细节还原、乐器时...

Octo（小章鱼）是即梦AI推出的首个协作型AI叙事创作工具，首次提出VibeCreate创作模式，将人机协作编程范式迁移到创意内容领域，让AI从"指令执行者"转变为"创意合伙人"。

ListenHub CLI 是MarsWave AI推出的面向开发者和 AI Agent 生态的一站式内容引擎命令行工具，基于 Node.js 开发，采用 MIT 协议开源。开发者通过 npm ins...

VimRAG是阿里巴巴通义实验室开源的多模态检索增强生成框架，专门攻克文本、图像与视频混合场景下的长上下文推理难题。框架创新性地引入多模态记忆图将推理轨迹建模为动态DAG结构，实现显式状态追踪

OmniVoice是小米开源的大规模多语言零样本TTS模型，支持600+种语言（含大量低资源语言），采用单阶段扩散语言模型架构直接映射文本至声学特征，基于58.1万小时数据训练。实现零样本语音克隆（仅...

Seeduplex是字节跳动Seed团队发布原生全双工语音大模型，已全量上线豆包App。区别于传统"听完再说"的半双工模式，Seeduplex实现真正的"边听边说"，支持实时打断与多轮对话。采用端到端...

Claude Managed Agents 是 Anthropic 官方推出的 Agent 操作系统，通过解耦 Brain（模型决策）、Hands（执行环境）与 Session（状态持久化）三大核心组...

MMX-CLI 是 MiniMax（稀宇科技）发布的面向 AI Agent 的全模态命令行工具。支持在 Claude Code、OpenClaw 等环境中原生调用 MiniMax 的编程、视频生成、语...

HappyHorse-1.0（欢乐马）是阿里ATH创新事业部发布的开源AI视频生成模型，以150亿参数、40层单流Transformer架构实现原生音视频同步生成。模型在Artificial Anal...

MAI-Transcribe-1是微软AI团队推出的首款自研多语言语音识别模型，作为MAI模型家族的新成员，在FLEURS基准测试中实现了约3.9%的词错误率，显著超越OpenAI Whisper-l...

OmniWeaving是浙江大学、腾讯混元与南洋理工大学联合发布的开源统一视频生成模型，模型采用MLLM（Qwen2.5-VL）+ MMDiT + VAE三层架构，通过激活多模态大模型的"思考模式"进...

GLM-5.1是智谱AI推出的744B参数开源旗舰模型，采用MIT许可可自由商用，上下文窗口达20万token，专为长程智能体工程设计，支持单任务连续自主执行8小时、完成1700+步骤的复杂工作流。在...

PixVerse C1是爱诗科技推出的全球首个面向影视行业的专业视频大模型，专为短剧、动漫与漫剧创作打造。模型支持15秒1080P高清视频生成，具备原生音画同步能力，出片即自带音效，告别后期配音。

InternSVG 是上海AI实验室联合上海交通大学、南京大学等机构推出的统一矢量图形智能系统，系统基于多模态大语言模型（MLLM），首次实现了SVG理解、编辑、生成三大任务的统一建模

ClawHub中国镜像站是OpenClaw官方推出的技能市场本地化站点，是字节跳动BytePlus及火山引擎提供基础设施支持。镜像站专为解决国内开发者访问原站速度慢、API受限等痛点而设，提供完整中文...

Wan2.7-Video 是阿里通义实验室推出的新一代 AI 视频生成模型系列，由文生视频（Wan2.7-t2v）、图生视频（Wan2.7-i2v）、参考生视频（Wan2.7-r2v）和视频编辑（Wa...

Qwen3.6-Plus是阿里发布新一代大语言模型，是千问3.6系列的首款模型，定位为企业级Agentic AI编程利器。相比3.5版本，模型在编程能力、智能体Agent能力和多模态推理上实现全面跃升...

ColaMD 是专为 AI Agent 时代设计的开源 Markdown 编辑器，采用 MIT 协议开源，支持 macOS、Windows 和 Linux 三大平台。解决了传统编辑器（如 Typora...

天工短剧工作台是昆仑万维天工AI团队推出的AI短剧工业化创作平台，主打"Agent驱动内容创作流程自动化"。平台整合Seedance、SkyReels、可灵、Vidu四大视频模型，通过资产提取、导演...

Gemma 4是谷歌DeepMind发布的第四代开源大语言模型系列，属于Gemma家族的最新版本。专为高级推理和智能体（agentic）工作流设计，为开发者提供高性能、低门槛的本地化AI解决方案，覆盖...

Updream是哔哩哔哩推出的自研AI视频创作工具，目前采用定向邀请制内测。产品定位为UP主的"智能创意助手"，通过AI技术打通创作全流程：从灵感生成、选题构思到智能剪辑、分镜处理，再到个性化技能库与...

LongCat-AudioDiT 是美团 LongCat 团队开源的新一代高保真文本转语音模型，采用 Wav-VAE 结合 Diffusion Transformer（DiT）的端到端架构，直接在波形...

小精龙是学而思基于OpenClaw架构打造的原生学生端精准学智能体，以"大脑映射、私有财产、学习伴侣"为核心定位。首次将长期记忆、动态学情诊断、教育专属Skill链与情感陪伴系统整合为统一的学生专属A...

Veo 3.1 Lite是Google DeepMind发布的低成本AI视频生成模型，定位为Veo系列中最实惠的版本，专为大规模视频生成场景设计。模型支持文本和图像生成视频，输出720p和1080p分...

GLM-5V-Turbo是智谱发布首个原生多模态Coding基座模型，专为视觉编程打造。模型从预训练阶段深度融合视觉与文本能力，能直接理解设计稿、网页截图、K线图表等视觉信息并生成可运行代码，实现"所...

Wan2.7-Image 是阿里巴巴通义实验室发布的图像生成与编辑统一模型，定位为"全场景视觉创作旗舰"。模型直击AI生图领域"标准脸"审美疲劳和"色彩盲盒"痛点，采用生成与理解统一的底层架构，具备文...

Lightpanda是Lightpanda.io公司开发的开源无头浏览器，专为AI自动化和Web抓取设计。采用Zig语言从零构建，去除了图形渲染等冗余功能，核心优势是速度比Chrome快11倍，内存占...

Matrix-Game 3.0是昆仑万维发布的实时交互式世界模型，属于AIGC全家桶中的三大核心模型之一。模型通过物理仿真驱动，解决了传统世界模型易失忆、环境不稳定的问题，支持720p、40fps实时...

Mureka V9是昆仑万维旗下天工AI在中关村论坛上发布的AI音乐模型，是Mureka系列的最新迭代版本，通过技术创新重塑数字音乐创作生态。基于Musicot（Music Chain-of-Thou...

LongCat-Next 是美团龙猫开源的原生多模态大模型，采用"下一个Token预测"（NTP）统一架构，将图像、语音与文本映射为同源离散Token，打破传统"语言为中心"的拼凑式设计。核心创新包括...

PixVerse V6是爱诗科技推出的最新一代AI视频生成模型。在保持秒级生成速度的同时，重点优化了人物真实感、复杂运动表现、物理模拟及声画协同能力，支持最长15秒1080P视频生成。

Qwen3.5-Omni是阿里通义推出的新一代全模态大模型，支持文本、图片、音频、音视频的原生理解与生成。采用Hybrid-Attention MoE架构，支持256K超长上下文，可处理10小时音频或...

移动云 MobileClaw 是中国移动推出的桌面级AI办公智能体，央企首个深度兼容OpenClaw生态的"自研小龙虾"，主打"本地优先、隐私至上"。采用一键安装开箱即用设计，适配Windows/ma...

Pascal Editor 是基于浏览器的3D建筑设计与可视化工具，专为建筑师、设计师和开发者打造，支持在网页端直接进行楼层规划、空间布局和建筑场景探索。采用现代Web技术栈（React Three ...

SciClaw（科研龙虾） 是面向科研人员的云端 AI 协同系统，定位为"科研人的深夜搭子"。能深度分析文献、自主执行实验、自动排版生成论文/PPT/海报，记住用户电脑里的所有研究资料，将灵感、执行与...

Voxtral TTSoxtral TTS是法国AI公司Mistral AI发布的开源文本转语音模型，采用40亿参数轻量化架构，量化后仅需3GB内存即可在智能手机等边缘设备实时运行。模型原生支持英语...

商汤输入法AudioClaw是商汤科技基于日日新多模态大模型打造的AI语音智能应用，深度接入OpenClaw底层能力，定位为"会听话的龙虾"智能助手。

SenseAudio 是商汤科技推出的AI语音开放平台，面向开发者与企业提供一站式语音AI解决方案。平台集成语音识别（ASR）、语音合成（TTS）、音色克隆等核心能力，语音识别覆盖20+语言并支持说话...

TurboQuant 是 Google Research 推出的突破性内存压缩算法，专为解决大语言模型推理中的 KV 缓存瓶颈而设计。

Gemini 3.1 Flash Live 是 Google 推出的旗舰级实时语音模型，被誉为"迄今最高质量的音频和语音模型"。主打超低延迟的自然对话体验，支持 90+ 种语言的原生多模态交互，能精准...

Lyria 3 Pro是谷歌推出的最先进的AI音乐生成模型。相比前代Lyria 3仅30秒的生成时长，Pro版本可一次性生成长达3分钟的完整音轨，精准控制前奏、主歌、副歌、桥段等歌曲结构。

OpenCLI是开源的命令行工具框架，将网站、Electron应用和本地命令行工具统一转化为可通过命令行操作的接口，将网站（如B站、知乎、Twitter等）和Electron应用（如Cursor、No...

TuyaClaw 是涂鸦智能（Tuya Smart）推出的 AI 助理，基于 OpenClaw 架构搭建，是全球首个同时打通数字世界与物理世界的 AI Agent。与市面上仅能在屏幕内执行任务的"龙虾...

TypeNo 是 marswaveai 团队开源的中文语音输入工具，专为 macOS 打造。用户只需轻点 Control 键即可录音，松手后语音会在本地实时转为文字并自动填入当前应用。

HiDreamClaw 是智象未来（HiDream.ai）推出的多模态原生AI智能体应用，定位为图片与视频生成垂直领域的创作助手。目前已接入其海外平台vivago，面向创作者提供7×24小时在线服务。

PrismAudio 是阿里通义实验室推出的视频生成音频框架，专注于为视频自动匹配严丝合缝的环境音效。框架创新性地引入"分解式思维链"（CoT）机制，让模型在生成音频前先分析视频内容、声音时序、音质特...

MAI-Image-2 是微软推出的第二代自研图像生成模型，模型在权威评测平台 LMArena 中跃升至全球第三位，仅次于谷歌和 OpenAI，标志着微软在图像生成领域实现从"追赶者"到"第一梯队"的...

NineClaw（九章龙虾） 是好未来（TAL）推出的行业首款教师专属AI原生桌面超级智能体，昵称"九龙"。深度融合好未来20年教研积累与海量题库资源，采用本地化运行架构，支持Windows和MacO...

EdgeClaw 是面壁智能联合清华大学等机构开源的端云协同 AI 智能体框架，主打安全可控与本地部署。首创三层数据安全协议（S1/S2/S3），通过规则检测器与本地 LLM 语义检测器实时分类请求敏...

Qwen3.5-Max-Preview 是阿里通义千问团队推出的旗舰大模型预览版，在 LM Arena 国际大模型竞技场以1464分跻身全球前五、国内第一，标志着国产大模型首次进入全球第一梯队。

微信ClawBot是微信官方推出的AI插件，核心定位是连接OpenClaw（开源AI智能体框架）与微信的消息通道。用户只需在部署OpenClaw的设备上执行一条命令完成安装，可通过微信聊天界面直接发送...

YouClaw 是 Chat2DB 团队推出的极简 AI Agent 桌面客户端，主打"最懂你的 AI 个人助理"定位。基于 Tauri 2 + React 构建，安装包仅约 30MB，支持 Wind...

Xiaomi MiMo-V2-Omni 是小米推出的面向Agent时代的全模态基座模型，专为现实世界中复杂的多模态交互与执行场景打造。模型从底层构建了融合文本、视觉、语音的统一架构，将"感知"与"行动...

Vidu Claw（代号"V龙"）是生数科技旗下 Vidu AI 平台推出的 AI 创意智能体，定位为"你的第一个 AI 创意员工"。基于 Vidu 视频大模型构建，能自动完成从创意理解、脚本撰写、分...

Composer 2 是 AI 编程平台 Cursor 推出的专有代码大模型，主打"长周期智能体编程"。模型支持 20 万 Token 上下文窗口，能自主处理包含数百个操作的复杂开发任务，在 Term...