最新AI资源

Ming-flash-omni-Preview是蚂蚁集团inclusionAI发布的开源全模态大模型，参数规模达千亿，基于Ling 2.0的稀疏MoE架构，总参数103B，激活9B。在全模态理解和生成...

ForgeTrain 是面壁智能联合清华大学、OpenBMB 开源社区发布的全球首个完全由 AI 编写、零人类代码介入的生产级大模型预训练框架。框架采用独创的 Forge Engineering（锻造...

SeedMusic 1.0是字节跳动推出的第一代AI音乐生成模型，专注于将用户的文字创意快速转化为带有人声的完整歌曲草稿。用户只需输入一段描述、歌词或风格方向，可在几分钟内生成包含主歌、副歌、编曲和人...

Unlimited-OCR 是百度开源的端到端长文档 OCR 模型，采用 3B 参数 MoE 架构（每 token 仅激活约 500M 参数），核心创新在于将标准注意力替换为 R-SWA（参考滑动窗口...

OpenAgents 是开源项目，创建 AI 代理网络并促进代理之间的开放协作。提供了一个基础的网络基础设施，使 AI 代理能无缝连接和协作。用户可以快速启动自己的代理网络，通过模块化架构扩展功能，支...

UniWorld V2是兔展智能与北京大学UniWorld团队联合推出的新一代图像编辑模型。在图像编辑领域具有显著优势，特别是在中文理解和复杂指令执行方面表现出色。模型能精准渲染艺术中文字体，支持精细...

DeepSeek-Math-V2是幻方旗下AI公司DeepSeek开源的数学推理模型，最新版本基于DeepSeek-V3.2-Exp-Base改进，性能超越Gemini DeepThink，达到国际数...

MiniMax M2.1 是MiniMax开源的编码和代理模型，拥有100亿激活量，支持多种主流编程语言，如 Rust、Java、Golang、C++、Kotlin、Objective-C、TypeS...

综合介绍 美间 是一个专注于家居设计和营销谈单的在线平台。该网站提供丰富的设计素材、软装和提案PPT模板、海报模板等，帮助设计师和业主快速生成高质量的设计方案。美间的在线软装设计工具可以在短短10秒内...

html-video是Open Design团队开源的本地视频生成工具，能将HTML、CSS和数据直接转换为MP4视频。支持21种预设模板，涵盖产品宣传、知识讲解等场景，可配合Claude Code...

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。

FLUX.2是Black Forest Labs发布的开源图像生成与编辑模型，支持文生图、多图参考和图像编辑，具备更丰富的细节、清晰纹理和稳定光线。分为四个版本：FLUX.2 [pro]（媲美顶级闭源...

Fun-AudioGen-VD 是阿里通义实验室推出的创新语音大模型，专注于声音设计与场景化音频生成。模型支持通过自然语言指令直接生成包含特定音色、情绪表达和完整听觉场景的高质量音频，无需参考音频即可...

Open-o3 Video 是北京大学和字节跳动联合开发的开源视频推理模型，专注于通过时间和空间证据增强视频推理能力。通过明确标注关键证据的时间戳和边界框，帮助模型更好地理解和解释视频内容。

Computer Use Preview是Google开源的基于Gemini模型的AI浏览器自动化工具，通过自然语言指令实现网页交互操作。采用"截图→分析→执行"的视觉识别流程，支持Playwrigh...

ChronoEdit是英伟达与多伦多大学联合研发的开源AI图像编辑框架，将图像编辑任务重新定义为视频生成任务，以确保编辑结果在时间和物理上的一致性。通过从一个 14B 参数的预训练视频生成模型中蒸馏出...

LongCat-Flash-Omni 是美团 LongCat 团队发布的开源全模态大语言模型。拥有5600亿参数规模（激活参数270亿），在保持庞大参数量的同时，实现了毫秒级的实时音视频交互能力。

Hy ASR 3.0 preview 是腾讯混元推出的新一代语音识别模型，深度融合最新大语言模型 Hy3 的语言理解能力与高精度语音识别技术，实现从"逐字转写"到"听懂语境"的跨越。模型采用 MoE ...

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...

Qwen3.8-Flash-Next 是阿里 Qwen 发布的开源权重多模态 MoE 模型，定位为 Qwen4 架构的先导预览：主模型 125B 参数，另配 51B N-gram Embedding...

GLM-4.6V是智谱AI开源的多模态大语言模型系列，系列包含两个版本：GLM-4.6V（106B-A12B），面向云端与高性能集群场景的基础版，采用混合专家（MoE）架构，总参数量约1060亿，激活...

Grok 4.3是xAI公司推出的最新一代大语言模型，属于Grok系列的重要更新版本，支持100万token的上下文窗口，可一次性处理整本书、大型代码库或长文档，思维链推理强制开启，模型在给出答案前会...

Mistral 3是Mistral AI发布开源的最新多模态大模型系列，包含旗舰模型Mistral Large 3（675B总参数）和轻量版Ministral系列（3B/8B/14B），均支持图像理解...

MiniMax Music 2.5+是MiniMax推出的AI音乐生成模型，专注器乐创作。模型精通古典管弦、电子氛围、自然声景等多元风格，擅长将东方传统乐器与西方现代编曲融合，实现跨风格创新。

Kimi K3 是月之暗面（Moonshot AI）发布的全球首个开源 3 万亿级大模型，总参数达 2.8 万亿。采用 KDA 混合线性注意力机制与 Stable LatentMoE 稀疏架构，896...

Fun-CosyVoice3.5是阿里通义实验室推出的第三代语音合成大模型，主打"自然语言指令控制"能力，用户可直接用口语化描述（如"语气坚定一点""语速慢一点"）来调节合成语音的情绪、语速和风格，无...

Kosong 是月之暗面（Moonshot AI）开源的全新AI Agent开发框架，为开发者提供一个轻量、灵活且高度可扩展的底层支持，以构建下一代智能体应用。通过异步工具编排引擎，能高效调度多个工具...

DeepSeek Harness（DSH）是 DeepSeek AI 开源的智能体运行框架，当前为开发者预览版并采用 MIT 许可，核心理念是“一切皆插件”：模型、工具、技能、会话、沙箱、存储、循环...

Seedream 5.0 Pro是字节跳动豆包大模型团队发布的多模态图像创作模型，定位为面向专业创作者和企业级用户的设计工具。相比前代，在图文匹配、结构合理性等基础能力上全面提升

Wan3.0 是阿里云通义全网公测的新一代视频生成大模型，被称为"阿里最强视频模型"。在生成时长、万能创作、全能参考、真实感四大维度全面升级。单次可稳定生成最长30秒的一镜到底视频

Qwen-Audio-3.0-ASR-Flash 是阿里巴巴通义千问团队发布的语音识别大模型，主打"长音频不丢词、行业词不用教"。模型在上下文一致性、行业词识别与热词定制化三大维度实现系统性升级，集成...

KAT-Dev-72B-Exp是快手团队推出的开源编程专用大语言模型，基于强化学习技术优化，在SWE-Bench Verified基准测试中取得74.6%的准确率，目前开源模型中表现最佳。模型采用创新...

BestBlogs 是专注于为技术从业者、创业者和产品经理等提供高质量内容的平台。通过 RSS 订阅和爬虫技术，从 400 多个优质博客中收集文章、播客、视频等多形式内容。核心优势在于利用 AI 大语...

VibeThinker-1.5B是微博AI开源的15亿参数的大型语言模型。基于阿里巴巴的Qwen2.5-Math-1.5B进行精细调整，专为数学和代码任务优化，表现出色，推理性能在行业内处于领先水平。

PartCrafter 是先进的 3D 生成模型，由北京大学、字节跳动和卡耐基梅隆大学联合提出。能从单张 RGB 图像中一次性生成多个语义明确且几何形态各异的 3D 网格部件。模型通过组合式潜在空间和...

Dexbotic是原力灵机（Dexmal）开源的具身智能视觉-语言-动作（VLA）模型一站式科研服务平台，解决具身智能领域研究碎片化、效率低等问题。以 PyTorch 为基础，为具身智能领域的研究和开...

MemMachine是MemVerge公司开发的开源AI记忆系统，专为AI大模型和智能体设计，能像人脑一样存储和回忆交互数据，解决AI“无状态失忆”问题。采用分层架构（短期记忆、长期记忆、用户画像...

Jamba Reasoning 3B 是以色列 AI 创企 AI21 Labs 开源的轻量级推理模型，具有强大的性能和广泛的应用潜力。采用 SSM-Transformer 混合架构，结合了 Trans...

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。

DeepOCR 是开源复刻项目，实现 DeepSeek-OCR 的核心架构，通过光学压缩技术高效处理文本信息。核心是 DeepEncoder，由 SAM-base（处理高分辨率图像）、16×卷积压缩器...

GigaWorld-0是国内具身智能创业公司极佳视界（GigaAI）开源的世界模型框架，主要用于解决具身智能（Embodied AI）领域的数据瓶颈问题。高效生成高质量、多样化且物理真实的训练数据，推...

Koina是开源的去中心化机器学习平台，专注于简化蛋白质组学数据分析。由德国慕尼黑工业大学和美国密歇根大学团队开发。平台通过标准化接口整合了30多个主流模型（如ProSIT、MS²PIP），支持肽段质...

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...

Nemotron 3 Super是NVIDIA 发布的Nemotron 3 系列中目前最强大的开源权重 AI 模型。模型采用 1200 亿参数的混合专家（MoE）架构，推理时仅激活 120 亿参数，实...

LOGOS（Language Of Generative Objects in Science）是阿里集团联合中国人民大学高瓴人工智能学院开发的首个基于统一"科学语法"的多领域科学生成基础模型。

跃迁维度（dimleap） 是AI模型聚合服务平台，为全球开发者提供高效能、低成本的多品类AI模型API服务。平台目前已接入DeepSeek、GLM（智谱清言）、MiniMax、kimi、qwen（通...

QwenLong-L1.5是阿里巴巴通义实验室开源的长文本推理模型，专注于解决超长上下文（如1M-4M tokens）的复杂推理问题。核心突破在于后训练阶段的三大创新：通过知识图谱、SQL解析和多智能...

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。

InkSight是Google开源的AI手写识别工具，能将纸质手写笔记转换为可编辑的数字墨迹文件（如SVG格式）。与传统OCR不同，能识别文字内容，能还原笔迹样式、段落结构和重点标记，支持多语言处理。

悟界·Emu3.5是北京智源人工智能研究院开源的多模态世界大模型，参数量达340亿，具备原生世界建模能力。通过10万亿多模态Token（含790年视频数据）训练，能模拟物理规律，实现图文生成、视觉指导...

GLM-5.3-Flash是智谱Z.ai上线并开源的旗舰级高性价比模型，也是GLM-5系列首个原生多模态模型；采用320B总参数、18B激活的MoE，支持1M上下文与128K输出，通过稀疏+线性注意力...

SAIL-VL2是字节跳动团队开源的多模态视觉语言模型，专注于图像、文本等多模态输入的联合建模。采用稀疏混合专家（MoE）架构和渐进式训练策略，在2B至8B参数规模下实现了高性能，尤其在图文理解、数学...

GPT-5.4 mini 是 OpenAI 发布的轻量级模型，定位为"迄今能力最强的小型模型"。在保留 GPT-5.4 核心能力的同时，实现了速度提升 2 倍以上，成本大幅降低，专为对延迟敏感的高频工...

ChatExcel Ultra 是ChatExcel团队面向企业用户和专业数据办公场景推出的全新桌面版，定位为国内首款企业级AI数据智能体。

FG-CLIP 2是360人工智能研究院推出的全球领先的图文跨模态视觉语言模型（VL-M），在29项权威基准测试中超越Google和Meta的同类模型，成为目前性能最强的VL-M。能精准识别图像中的毛...

Qwen3.8-Max-Preview是阿里巴巴通义千问团队发布的新一代旗舰大模型预览版 。模型总参数达2.4万亿，采用稀疏MoE架构，是通义千问系列首个突破万亿参数的多模态模型，支持文本、图片、视频...

GPT-5.3 Instant 是 OpenAI 发布的 ChatGPT 主力模型升级版，主打"体验优化"而非参数堆叠。精准解决了用户长期诟病的"说教感"和机械回复问题，对话语气更自然直接，大幅减少了...

Flowra 是 ModelScope 联合呜哩 WULI 团队开源图执行引擎和节点包开发工具，是 FlowBench 的核心组件。通过有向无环图（DAG）组织工作流，具备智能缓存、并行调度、分布式支...

HyOCR-1.5是腾讯混元团队开源的轻量化端到端OCR专家大模型，参数量仅1B，是领域首个训练、推理、权重完整开源的专家模型 。采用端到端架构，输入图片即可直接输出Markdown正文、HTML表格...

VibeVoice-Realtime 是微软开源的轻量级实时文本转语音（TTS）模型，专为低延迟和实时交互设计。支持流式文本输入，从第一个文本 token 开始就能发声，延迟仅约300毫秒，适合动态数...

SeedRealtime 是字节跳动 Seed 团队发布的原生音视频全双工大模型，首发落地于豆包 App 的「打电话」视频通话功能。与传统"语音识别→视觉理解→大模型推理→语音合成"的级联流水线不同...

Seekdb（OceanBase Seekdb）是蚂蚁OceanBase开源的 AI 原生混合搜索数据库，支持向量、全文、标量及地理空间数据的统一混合搜索，采用多阶段检索机制，实现低延迟下的高精度搜索...

Agnes 2.5 Pro Alpha 是新加坡 AI 实验室 Agnes AI 发布的高性价比推理模型，支持文本、图像输入与文本输出，提供百万 Token 上下文和 65,536 Token 最大输...

MiniMax H3是稀宇科技MiniMax发布的通用全模态生成模型，可在统一上下文中理解文本、图像、视频与声音，生成最高15秒、2K分辨率、带原生双声道音频的音视频。

Qwen 3.8-Max 是阿里巴巴通义千问发布的旗舰级大模型，也是 Qwen 系列迄今规模最大、能力最强的模型。采用稀疏混合专家（MoE）架构，总参数达2.4万亿，推理时仅激活约950亿参数，在保持...

TDream是腾讯内测的AI内容创作平台，以"互动影游化创作"为核心定位，试图重构用户从内容生产到交互体验的全链路。区别于市面上仅输出单一线性视频的传统文生视频工具，TDream依托五大AI引擎，支持...

Claude Sonnet 5是Anthropic 发布的最具 Agent 能力的 Sonnet 模型，以中端价格提供接近旗舰 Opus 4.8 的自主智能体能力。模型支持 100 万 token 上...

GPT-Live 是 OpenAI 推出的新一代语音模型，全面升级 ChatGPT 的语音交互体验。基于全双工（full-duplex）架构构建，能同时倾听和说话，彻底打破了传统 AI 语音助手"你说...

Claude Opus 5 是 Anthropic 推出的新一代旗舰大模型，核心是用旗舰一半的价格获得接近顶尖水平的智能"。模型在维持与前代 Opus 4.8 相同调用成本的同时，实现性能的翻倍跃升...

Muse Image 是 Meta 推出的首个自研 AI 图像生成模型，由 Meta Superintelligence Labs 开发。采用独特的智能体（Agentic）架构，在生成图像前会先与 M...

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...

Grok 4.5 是 SpaceXAI（原 xAI）发布的旗舰大语言模型，定位为"Opus 级别"的编码与智能代理专用模型。模型基于 1.5 万亿参数的 V9 架构打造，采用 MoE（混合专家）架构...

Grok Bot 是 SpaceXAI（原 xAI）发布的 AI Agent 产品，定位为「永远在线的 AI 同事」。不同于传统聊天机器人，运行在独立的云端 Linux 虚拟机中，配备浏览器、文件系统...

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...

Qwen-Audio-3.0-TTS是阿里巴巴通义千问团队发布的旗舰级语音合成大模型，提供面向实时交互的Flash版（首包延时约300ms）与面向高质量生成的Plus版，Plus版登顶全球权威榜单Ar...

OnSolo是腾讯推出的AI原生一站式影视创作平台，前身WorkSolo，以"a Crew of One"为核心理念，让个人仅凭一句话灵感即可完成从剧本、角色资产、分镜到视频成片的全部创作流程。

LongCat-Image是美团LongCat团队发布的开源图像生成与编辑模型。采用混合骨干架构（MM-DiT+Single-DiT），结合视觉语言模型（VLM）条件编码器，能实现文生图和多轮图像编辑...

Gemini 3.5 Flash-Lite 是 Google 发布的高吞吐低成本模型，官方定位为 3.5 系列中最快、最具成本效益的型号，面向 agentic search、文档处理与大规模生产流量...

Chatterfly 是腾讯推出的桌面端 AI 语音助手，支持 Windows 和 macOS。用户只需按住 Fn 键说话，工具能把口语化的表达自动整理、润色并排版成邮件、汇报、纪要等规范文本。

XiaoMi MiMo Desktop 是小米推出的桌面级通用 AI 助手，搭载自研的 MiMo-X-Pro 与 MiMo-X-Flash 双模型。用户无需提前整理素材格式，可直接把表格、PDF、音视...

JellyToken 是国内领先的大模型 API 聚合与分发平台，定位为"国内主流 AI 大模型一站式超市"。用户仅需一个 API Key 即可无缝调用通义千问、DeepSeek、智谱、月之暗面、豆包...

InstanceAssemble是小红书和复旦大学联合开源的布局控制生成技术，通过“实例组装注意力”机制，实现了从简单到复杂、从稀疏到密集布局的精准图像生成。采用两阶段级联架构，先生成图像背景，再逐个...

Hyra（Hunyuan Research Agent）是腾讯混元团队发布的科研智能体，首个版本为Hyra-1.0，支持递归自我改进（RSI），专为性能导向的研究与工程任务打造 。采用轻量通用框架，通...

Qwen-Image-3.0 是阿里千问发布的第三代图像生成基础模型，核心主线为"实"，内容丰实、细节真实、知识厚实。模型支持最大 4.5k token 超长文本输入，较前代提升 4.5 倍，可一次性...

Astryx 是 Meta 以 MIT 协议开源的 React 设计系统，历经八年内部打磨，长期支撑 Facebook、Instagram、WhatsApp 和 Threads 等超过 13,000 ...

Nano Banana 2 Lite（gemini-3.1-flash-lite-image）是Google发布的AI图像生成模型，定位为Nano Banana家族中速度最快、成本最低的轻量版。可在约...

Gemini 3.6 Flash 是 Google 发布的新一代主力模型（Workhorse Model），是 Gemini 3.5 Flash 的升级版，主要面向生产级 AI 智能体（Agent）和...

Ling-3.0-tiny 是蚂蚁 InclusionAI 百灵 Ling 3.0 系列中最小的 MoE 模型，约 7.9B 总参数、每 token 激活约 1.3B，强调低延迟、低成本与 Agent...

MiniMax Design 是 MiniMax（稀宇科技）发布的多模态创作 Agent 工作台，也是开源视频模型 H3 的首个官方工具框架（Harness）。用户只需用自然语言提出创作需求，Agen...

Step Code 是阶跃星辰推出的开源终端编程智能体。Step Code能直接在命令行里帮你写代码、调试、跑任务，直到交付成果，不用来回切换开发工具。Step Code在 Terminal Benc...

MAGI-2 Preview 是 Sand.ai 开源的统一音视频生成模型，总参数约 114B、单 token 仅激活约 6B，是全球首个千亿级开源 MoE 视频模型 。采用单流架构将文本、视频、音频...

FLUX 3 是德国 AI 公司 Black Forest Labs 发布的首款多模态基础模型，基于自研 Self-Flow 架构，在单一网络中统一训练图像、视频、音频与动作预测，实现真正的"全能模型...

Ovis-Image 是阿里巴巴国际数字商务集团 AIDC-AI 团队开源的 70 亿参数文生图模型，专注于高质量文本渲染。基于 Ovis-U1 架构，继承了先进的视觉解码器和双向 Token 精炼器...

GLM-5.3 是智谱发布的新一代旗舰模型，沿用 GLM-5.2 约7430亿参数基座，能力跃迁主要来自后训练 Scaling：通过 IndexShare、SAO、Slime 框架与更多长程任务环境强...

Lovart中文版是基于多模型架构的AI设计Agent，用户只需像聊天一样描述创意需求，平台可自动生成海报、视频、Banner等高品质视觉内容。平台深度整合Seedance、MiniMax H3等前沿...

Wan-Streamer v0.2 是阿里通义实验室发布的端到端全模态实时交互模型，首次将「听、看、说、演」统一进单个因果 Transformer 架构，实现类人般的实时双工交互。

Qwen3.8-LiveTranslate 是阿里通义千问推出的实时同声传译大模型。模型采用Interleave单流架构，将字均延迟从2.8秒压缩至2.3秒，支持60种语言识别、29种语言语音输出。

dots.tts 是小红书 dots 团队（rednote-hilab）与上海交大 X-LANCE 实验室联合研发的 20 亿参数全连续端到端自回归语音合成基础模型，架构为「语义编码器 + Qwen2...

Play with Putty 是 Google Labs 推出的协作式 vibe coding 实验工具，口号是"让你的想象力进入多人模式"。允许多人通过共享链接进入同一空间实时协作，任何人都能用自...