最新AI资源

Meeseeks 是美团 M17 团队开源的大模型评测集，用在评估模型的指令遵循能力。Meeseeks 通过三级评测框架，从宏观到微观全面衡量模型是否能严格按照用户指令生成回答，不评估回答内容的知识正...

gpt-realtime 是 OpenAI 推出的先进语音模型，支持直接处理音频，生成自然流畅的语音。模型支持多种语言和风格，能理解非语言线索，如笑声，能在不同语言间切换。

Youtu-agent 是腾讯优图实验室开源的智能体框架，用在构建和运行自主智能体。框架在 WebWalkerQA 和 GAIA 基准测试中表现出色，准确率分别达到 71.47% 和 72.8%。框架...

HunyuanVideo-Foley 是腾讯混元团队开源的视频音效生成模型，支持为无声视频添加精准匹配的音效。模型基于大规模数据集训练，用多模态扩散变换器架构，结合表征对齐损失函数和音频VAE优化技术...

PixVerse V5是爱诗科技推出的AI视频生成大模型。模型能根据用户输入的文字描述或图片生成高质量的视频内容，且支持多种风格，如动漫、科幻、国风等。

问小白5是“All in One”旗舰大模型，智能水平极高。模型在多项评测中表现卓越，如AA - Index综合评估得分64.7分，STEM能力评测86分，接近全球领先的GPT - 5。

MiniCPM-V 4.5 是面壁智能开源的 8B 参数多模态模型，基于 Qwen3-8B 和 SigLIP2-400M 构建，具备高效处理图像和视频的能力。在视觉 Token 消耗上表现出色，处理 ...

Gemini 2.5 Flash Image（代号nano banana）是谷歌推出的先进图像生成与编辑模型，能保持角色在不同场景中的一致性，支持通过自然语言进行精准图像编辑，如模糊背景、消除污渍等。

Wan2.2-S2V 是阿里通义开源的多模态视频生成模型，只需一张静态图片和一段音频，能生成高质量的数字人视频，且支持多种图片类型和画幅。

面向开发者的ChatGPT提示工程是DeepLearning.AI与OpenAI联合推出的课程，专为开发者设计，由Isa Fulford, 吴恩达Andrew Ng主讲，教授如何用大型语言模型（LLM...

问小白o4是创新的并行思考模型，能同时开启8条思考路径，从多角度分析问题并自动筛选出最优解。模型融合先进的Long-CoT强化学习和过程奖励学习技术，具备强大的深度推理能力，且在复杂任务中表现出色。

VibeVoice 是微软推出的新型文本到语音（TTS）模型。模型能生成多达 4 位不同说话者的对话式音频，支持长达 90 分钟的连续语音输出，突破传统 TTS 系统的长度限制。

SpatialGen 是群核科技开源的 3D 场景生成模型，基于扩散模型架构，支持根据文字描述、参考图像和 3D 空间布局生成时空一致的多视角图像，并进一步生成 3D 高斯场景，渲染出漫游视频。

EchoMimicV3是蚂蚁集团推出的多模态数字人视频生成模型，拥有13亿参数，能处理音频、文本、图像等多种输入，生成高质量的数字人动画。

Fun-ASR是钉钉与通义实验室联合推出的语音识别大模型。模型经过海量音频数据训练，能精准识别多行业专业术语，如互联网、科技、家装等，显著提升识别准确率。模型结合钉钉企业信息进行推理优化，减少幻觉问题...

Squibler 是强大的 AI 辅助写作平台，专为作家设计，能帮助用户从构思到创作再到出版的全过程。平台提供多种故事模板，涵盖小说、剧本、短篇故事等，用户只需输入初始概念，AI 能生成大纲、角色、场...

91写作是全开源的AI小说创作工具，基于Vue 3和Element Plus开发，集成多种先进AI模型，如GPT、Claude、Gemini等。工具为创作者提供从构思到成文的完整创作工具链，包括项目创...

Aivilization 是香港科技大学开发的全球首创人工智能多智能体社会模拟平台。构建了一个可视化的数字沙盒，用户可创建和引导成千上万个 AI 智能体，观察未来人类与 AI 共存的社会演变。平台支持...

Grok 2.5是埃隆·马斯克旗下的xAI公司开源的人工智能模型。拥有2690亿参数，基于混合专家（MoE）架构，具有强大的性能和推理能力。模型在研究生级科学知识（GPQA）、通用知识（MMLU、MM...

Draw A Fish 是简单而有趣的在线AI画鱼网站，用户可以在上面绘制鱼的图案，将其放入一个全球共享的虚拟鱼缸中。Draw A Fish无需注册，操作简单，只需几秒钟就能完成创作并分享。

MIT最新推出的《生成式AI鸿沟：2025年商业人工智能现状》报告，通过深入调研300多个AI项目、与52个组织进行访谈及对153位高管开展调查，揭示企业在生成式AI（GenAI）应用过程中遭遇的核心...

AutoClip是开源的AI视频剪辑工具，基于先进的AI技术实现全流程自动化视频处理。工具能自动识别视频中的高光片段，精准提取有价值内容，能根据主题相似度进行智能聚类，生成内容合集。AutoClip支...

ToonComposer 是香港中文大学、腾讯 PCG ARC 实验室和北京大学共同推出的生成式 AI 动画制作工具。通过生成式后关键帧技术，将中间帧生成和上色环节整合为自动化流程，仅需一个草图和一个...

Seed-OSS是字节跳动Seed团队开源的大型语言模型系列，专注于长文本和推理任务。模型在复杂逻辑推理和多步推理中表现出色，准确率高，能高效解决难题。Seed-OSS支持长达512K的长文本上下文...

Intern-S1-mini 是上海人工智能实验室推出的轻量化科学多模态大模型，参数规模为 8B。继承了 Intern-S1 的强大能力，兼具通用与专业科学能力，适合快速部署和二次开发。在性能方面，I...

Nano Banana 是谷歌推出的 AI 图像生成与编辑模型Gemini 2.5 Flash Image代号，能根据简单的文本提示生成细节丰富、光影真实的图像，对现有图像进行高质量的修改。

Klear-Reasoner 是快手推出的高性能推理模型，基于 Qwen3-8B-Base 进行开发。模型通过长思维链监督微调和强化学习训练，在数学和代码推理方面表现出色。Klear-Reasoner...

CombatVLA是淘天集团未来生活实验室团队推出的创新3D动作角色扮演游戏（ARPG）专用模型。CombatVLA是视觉-语言-动作（VLA）模型，基于3B参数规模构建，通过动作追踪器收集人类玩家的...

DeepSeek V3.1是DeepSeek推出的新一代AI模型，在前代V3模型的基础上进行重要升级。DeepSeek V3.1引入混合推理架构，让模型在思考模式和非思考模式之间灵活切换，显著提高思考...

Qwen-Image-Edit 是阿里通义推出的全能图像编辑模型，基于 200 亿参数的 Qwen-Image 架构构建。模型融合语义与外观的双重编辑能力，能对图像进行低层次的视觉外观编辑（如添加、删...

MoE-TTS 是昆仑万维推出的语音合成框架，基于混合专家（MoE）架构，将预训练的大型语言模型（LLM）与语音专家模块结合。MoE-TTS 通过冻结文本模块参数、仅更新语音模块参数，保留强大的文本理...

Genie Envisioner（GE）是智元机器人团队联合新加坡国立大学、北京航空航天大学等机构开发的机器人操作统一平台。通过“先想象，后行动”的方式，让机器人更好地理解和执行任务。

DINOv3 是 Meta AI 推出的新一代自监督视觉基础模型，采用自监督学习范式，无需标注数据即可学习图像特征。通过改进数据准备和引入 Gram anchoring 解决了特征退化问题，提升了泛化...

Mureka V7.5 是昆仑万维推出的先进 AI 音乐生成模型，专注于中文歌曲创作。模型能精准还原音色与演奏技法，生成自然流畅且富有情感的歌声。基于优化的自动语音识别（ASR）技术，Mureka V...

Skywork Deep Research Agent v2 是昆仑万维推出的深度研究智能体，专注于多模态信息的整合与分析。Skywork Deep Research Agent v2 能处理文本、图...

Hunyuan-GameCraft 是腾讯 Hunyuan 团队开源的交互式游戏视频生成框架。框架能从单张图片和提示生成高动态的游戏视频，支持用户通过键盘和鼠标实时控制视频内容。

Skywork UniPic 2.0 是昆仑万维开源的高效多模态模型，专注于图像生成、编辑与理解。模型基于 2B 参数的 SD3.5-Medium 架构，通过预训练、渐进式双任务强化策略和联合训练，实...

RynnRCP 是阿里达摩院开源的机器人上下文协议，能降低具身智能开发门槛并打通开发全流程。RynnRCP 包含 RCP 框架和 RobotMotion 模块。RCP 框架通过能力抽象和多协议支持，将...

RynnEC是阿里巴巴达摩院推出的世界理解模型，专注于具身智能任务。模型基于多模态融合技术，结合视频数据和自然语言，能从多个维度解析场景中的物体，支持物体理解、空间感知和视频目标分割等功能。

Matrix-3D 是昆仑万维 Skywork AI 团队推出的开源框架，专注于生成可探索的全景 3D 世界。框架结合全景视频生成与 3D 重建技术，能从单张图像或文本提示出发，生成高质量、全向可探索...

GLM-4.5V是智谱推出的全球领先的开源视觉推理模型，总参数达1060亿，激活参数120亿。模型基于新一代文本基座模型GLM-4.5-Air训练而成，具备强大的视觉理解与推理能力，能处理图像、视频...

Matrix-Game 2.0 是昆仑万维 SkyWork AI 发布的自研交互式世界模型。是业内首个开源的通用场景实时长序列交互式生成模型，模型通过视觉驱动的交互方案，能以 25 FPS 的速度在多...

Baichuan-M2 是百川智能推出的开源医疗增强大模型。在医疗领域表现出色，特别是在HealthBench评测中以60.1分的成绩超越了OpenAI的gpt-oss120b等众多开源模型，成为全球...

Qwen-Flash 是阿里巴巴通义千问系列推出的高性能、低成本的语言模型，专为快速响应和高效处理简单任务设计。基于先进的 Mixture-of-Experts (MoE) 架构，通过稀疏专家网络实现...

SkyReels-A3 是昆仑万维集团推出的音频驱动数字人创作工具。能通过简单的输入（如人像图片和语音）生成高质量的动态视频内容，让静态照片“活”起来，可以为现有视频更换台词，人物会自动对上新的口型...

MiniMax Speech 2.5 是 MiniMax 团队开发的先进语音生成模型。在语音合成领域取得了显著进步，尤其在多语种表现力、音色复刻精度和语种覆盖范围上实现了飞跃。模型支持 40 种语言...

GPT-5是OpenAI最新发布的语言模型，具有多项升级。是一个统一智能系统，内置实时路由器，能根据问题复杂度自动切换高效模式与深度思考模式，实现快速响应与精准解答。GPT-5拥有多个版本，包括面向普...

dots.vlm1 是小红书 hi lab 开源的首个多模态大模型。基于从零训练的 12 亿参数视觉编码器 NaViT 和 DeepSeek V3 大语言模型（LLM），具备强大的视觉感知和文本推理能...

Genie 3 是谷歌 DeepMind 推出的新一代通用世界模型，支持实时生成高度动态且连贯的虚拟世界。Genie 3 能模拟物理现象、自然生态系统，还支持创建奇幻场景和历史场景。用文本提示，用户能...

Claude Opus 4.1 是 Anthropic 公司推出的先进大型语言模型，专为高效处理复杂任务而设计。模型在编程领域表现出色，能生成高质量代码，支持长达 32k 的单次输出，适应多种编程风格...

gpt-oss是 OpenAI 推出的开源推理模型系列，支持为开发者提供高效、灵活且易于部署的 AI 解决方案。gpt-oss包含两个版本，gpt-oss-120B 拥有 1170 亿参数，支持在 8...

MiDashengLM 是小米开源的高效声音理解大模型，具体参数版本为MiDashengLM-7B ，专注于音频处理与理解。模型基于 Xiaomi Dasheng 音频编码器和 Qwen2.5-Omn...

MOSS-TTSD 是清华大学语音与语言实验室开发的开源口语对话语音生成模型。模型能将文本对话脚本转化为自然流畅且富有表现力的对话语音，支持中英文双语生成。

AudioGen-Omni 是快手推出的多模态音频生成模型，能基于视频、文本等输入生成高质量的音频、语音和歌曲。AudioGen-Omni 基于先进的技术，如多模态扩散Transformer和相位对齐...

LangExtract 是 Google 开源的 Python 库，利用大型语言模型（LLMs）从非结构化文本中提取结构化信息。通过用户定义的指令和少量示例，能高效地识别并组织关键细节，例如从临床笔记...

Qwen-Image是阿里巴巴通义千问团队发布的开源图像生成基础模型。拥有200亿参数，采用多模态扩散变换器架构（MMDiT），融合了多模态理解、高分辨率编码和扩散模型三大模块。Qwen-Image的...

RedOne 是小红书推出的专为社交网络定制的大语言模型。模型通过三阶段训练策略，融入社交文化知识，强化多任务能力，并对齐人类偏好。RedOne 在社交任务性能上显著优于基础模型，在有害内容检测和浏览...

FastDeploy 是百度推出的高性能推理与部署工具，专为大语言模型（LLMs）和视觉语言模型（VLMs）设计。FastDeploy 基于飞桨（PaddlePaddle）框架开发，支持多种硬件平台...

InteriorGS是群核科技推出的高质量3D高斯语义数据集。数据集包含1000个3D场景，涵盖80多种室内环境，如家庭、便利店、婚宴厅和博物馆等。数据集中有755个类别的554,000多个对象实例...

DragonV2.1 是微软推出的先进的零样本文本到语音（TTS）模型。模型基于 Transformer 架构，支持多语言和零样本语音克隆，仅需 5-90 秒的语音提示能生成自然、富有表现力的语音。

ScreenCoder 是开源的智能工具，能将 UI 设计截图快速转换为高质量的 HTML/CSS 代码。工具基于模块化多智能体架构，结合视觉理解、布局规划和代码合成技术，支持生成高精度且语义化的前端...

Gemini 2.5 Deep Think 是谷歌推出的 AI 推理模型，专为解决复杂任务设计。是获得 2025 年国际数学奥林匹克竞赛（IMO）金牌的模型的变体，通过并行思考技术（Parallel ...

MindLink是昆仑万维推出开源的推理大模型。具有自适应推理机制，可根据任务复杂度灵活切换推理模式，简单任务快速生成，复杂任务深度推理，兼顾效率与准确性。计划驱动推理范式去掉了“think”标签，降...

Kimi K2 高速版（kimi-k2-turbo-preview）是月之暗面Kimi推出的高性能语言模型。模型在 Kimi K2 的基础上进行优化，输出速度大幅提升，每秒可生成 40 个 Token...

dots.ocr是小红书hi lab开源的多语言文档解析模型，基于17亿参数的视觉语言模型（VLM），能高效地进行文档布局检测和内容识别，同时保持良好的阅读顺序。

HYPIR 是中国科学院深圳先进技术研究院董超团队推出的图像复原大模型。模型结合扩散模型的分数先验与对抗生成网络，实现高效、高质量的图像复原。HYPIR 能快速修复老照片、提升分辨率，同时保持文字清晰...

FLUX.1 Krea [dev] 是 Black Forest Labs 和 Krea AI 联合推出的文生图模型。模型根据输入的文本描述，能生成高质量、逼真的图像，具有独特的美学风格，避免传统 A...

Qwen3-Coder-Flash 是阿里通义千问团队推出的高性能编程模型，具备卓越的代理式编程和工具调用能力，擅长处理复杂编程任务。模型支持 256K tokens 的长上下文理解，能扩展至 1M ...

Wide Research 是 Manus 平台推出的强大功能，专为处理复杂且大规模的任务而设计。平台通过系统级的并行处理机制和智能体协作协议，能支持上百个通用智能体同时工作。

Seed Diffusion 是字节跳动推出的实验性扩散语言模型，能处理代码生成任务。模型基于两阶段扩散训练、约束顺序学习和强化高效并行解码等技术，显著提升推理速度，达到2146 tokens/s，比...

小星绪是京东健康推出的AI情绪漫画生成产品，目前处于测试阶段，产品以情绪驱动漫画故事生成为核心功能，用户能通过语音或文字输入表达情绪或讲述故事，AI根据输入生成匹配的四格漫画及故事解读。

1688 AI版是阿里巴巴旗下1688平台推出的智能生意助手应用，专为小B买家和商家设计。应用基于1688平台海量数据，提供商机推送、选品推荐、创意生成、企业查询等功能，帮助用户精准把握市场动态、快速...

阶跃深研是阶跃星辰推出的高效AI研究工具，能在短时间内自主完成复杂问题的研究并生成专业报告。工具专为金融、咨询、医疗、法律等领域设计，凭借深度搜索与信息整合能力，在行业评测中表现优异。

Runway Aleph 是 Runway 推出的先进 AI 视频编辑模型，基于简单文字指令，快速实现视频内容的增删、风格转换、环境调整和镜头运动优化等功能。用户无需复杂操作，轻松移除多余元素、改变场...

WebShaper 是阿里巴巴通义实验室推出的 AI 训练数据合成系统，基于形式化建模和智能体扩展机制，生成高质量、可扩展的训练数据，助力 AI 智能体提升复杂信息检索能力。系统引入“知识投影”概念...

Skywork UniPic 是昆仑万维开源的多模态预训练模型，具备图像理解、文本生成图像和图像编辑三大核心能力。模型基于自回归架构，融合 MAR 编码器和 SigLIP2 主干，用 1.5B 参数规...

ChatGPT Study 是 OpenAI 推出的创新学习模式，能帮助用户更高效地学习和理解知识。ChatGPT Study 通过苏格拉底式提问、支架式响应和个性化教学，引导用户主动思考，逐步解决问...

通义万相Wan2.2是阿里巴巴开源的先进AI视频生成模型，总参数量达270亿。模型包含文生视频、图生视频和统一视频生成三种模式，能根据文本描述、图片或两者的结合生成高质量视频。

GLM-4.5 是智谱推出的开源 SOTA 模型，专为智能体应用设计，融合推理、代码生成和智能体能力。模型基于混合专家（MoE）架构，包含两个版本，3550 亿参数的 GLM-4.5 和 1060 亿...

Coze Studio 是字节跳动开源的 AI 智能体开发平台，专为开发者设计，能简化 AI 应用的构建、部署与管理。Coze Studio提供一站式开发环境，支持 Prompt、RAG、Plugin...

Coze Loop 是字节跳动旗下 Coze 平台开源的 AI 智能体开发与运维管理平台。平台为开发者提供从开发、调试到评估、监控的全生命周期管理，涵盖提示词工程、Agent 效果评测、性能监控与调优...

悟能是商汤科技推出的具身智能平台，专为机器人和智能设备设计。悟能基于“开悟”世界模型与多模态大模型技术，整合视觉、语音、触觉等多传感器输入，具备强大的感知、决策和行动能力。

Intern-S1是上海人工智能实验室推出的科学多模态大模型。模型将语言和多模态能力深度融合，具备跨模态科学解析、语言与视觉融合、科学数据处理、科学问题解答、实验设计与优化等强大功能。

混元3D世界模型 1.0（Hunyuan World 1.0 ）是腾讯开源的业界首个可沉浸漫游、可交互、可仿真的世界生成模型。模型融合全景视觉生成与分层3D重建技术，支持用文字或图片输入，快速生成36...

日日新 V6.5 是商汤科技推出的先进多模态推理大模型，专为处理图像与文本混合输入而设计，支持精准理解图像内容并结合文本生成描述或回答问题。

Opal 是谷歌实验室推出的创新 AI 小应用生成平台，能帮助用户快速创建和分享 AI 应用，无需编写代码。Opal 通过自然语言交互和可视化编辑界面，让用户能轻松地将提示、模型调用和工具串联成多步骤...

Qwen-MT 是阿里通义千问团队推出的先进Qwen-MT - 阿里通义推出的机器翻译模型，基于强大的 Qwen3 架构，支持 92 种语言的互译，覆盖全球 95% 以上人口。模型基于轻量级 MoE ...

Agentar-Fin-R1是蚂蚁数科推出的面向金融领域的先进大语言模型。模型基于强大的Qwen3架构开发，提供8B和32B两种参数规模版本，能精准处理复杂的金融推理任务，包括多步骤分析、风险评估和战...

MonkeyCode 是开源的企业级本地 AI 编程助手，专为注重隐私和安全的开发团队设计。MonkeyCode 支持私有化部署和离线使用，确保代码数据安全。工具功能强大，包括智能代码补全、自然语言编...

Seed LiveInterpret 2.0 是字节跳动 Seed 团队推出的先进同声传译模型，支持中英双向翻译。模型具备接近真人水平的翻译准确率和极低延迟，平均语音到语音延迟仅 2 - 3 秒，较传...

Excel MCP Server 是基于 Model Context Protocol (MCP) 的服务器工具，无需安装 Microsoft Excel 就能操作 Excel 文件。Excel MC...

ChatFlow 是开源的 AI 工作流自动化工具，支持将复杂的需求转化为高效的工作流程。工具基于 AI 技术，帮助用户快速生成代码框架、测试用例，能辅助写作和设计软件架构。

Mureka V7 是昆仑万维推出的先进 AI 音乐生成模型。模型基于 MusiCoT 技术，支持先规划音乐的整体结构，再填充细节，生成更具连贯性和艺术性的音乐作品。

Seed GR-3 是字节跳动推出的通用机器人模型，具有强大的泛化能力，能适应新环境和复杂指令。模型融合视觉、语言和动作信息，基于机器人数据、VR 人类轨迹数据和公开图文数据的三合一训练法，提升对新物...

Qwen3-Coder 是阿里通义千问团队推出的先进代码生成模型。模型拥有 480B 参数和 35B 激活参数，支持原生 256K token 上下文，能扩展至 1M token。模型基于混合专家架构...

OpenReasoning-Nemotron 是英伟达开源的一系列大型语言模型，支持处理数学、科学和代码领域的推理任务。模型基于 DeepSeek R1 0528 模型蒸馏而成，参数规模有 1.5B...

Seed-X 是字节跳动 Seed 团队推出的多语言翻译模型，具备 70 亿参数，支持 28 种语言的双向翻译。模型融合多语言数据预训练、指令微调和强化学习技术，能高效处理复杂语言模式，让翻译质量更出...

JoyAgent-JDGenie 是京东开源的轻量化通用多智能体系统，无需二次开发能直接使用。JoyAgent-JDGenie 能处理复杂任务，如生成报告、分析数据等，支持多种交付格式，如网页、PPT...

TRAE SOLO 是字节跳动推出的AI编程助手TRAE 推出的AI 自动化开发助手，用AI技术简化软件开发流程。TRAE SOLO能理解用户的需求，支持文字描述、语音指令和文件上传输入需求，自动规划...