多模态处理是让人工智能系统同时理解、关联并生成文本、图像、音频、视频等多种信息模态的技术，突破单一模态的感知局限，实现对真实世界的综合认知与交互。与传统单模态模型相比，它能通过跨模态语义对齐和统一推理...

微信AI助手"小微"是微信团队自主研发的原生智能体，并非独立App或第三方插件，而是深度集成在微信内部的对话式操作中枢。通过自然语言指令直接调用微信原生功能与小程序生态，实现"一句话完成复杂操作"，本...

广发证券Skill是广发证券推出的AI智能体技能服务矩阵，已入驻腾讯ima Skill广场，将金融业务能力（如投研分析、数据查询、风险监测等）封装为标准化、可调用的功能模块，用户通过自然语言指令即可触...

EchoBird是一款跨平台桌面级AI工具管理软件，将AI编程工具的安装、配置和模型管理流程简化为图形化操作，无需手动处理命令行、环境变量或分散的配置文件。它通过统一界面解决“安装复杂、配置混乱、模型...

视觉语言模型（VLM）是专精于视觉（图像/视频）与语言（文本）双向交互的特定模型类型；而多模态是更广泛的技术范畴，指能处理两种及以上不同类型数据（如文本、图像、音频、3D等）的模型或系统。所有VLM都...

Gemini-Robotics-ER 1.5是谷歌DeepMind发布的专为具身推理（Embodied Reasoning）优化的视觉-语言模型（VLM），作为机器人的"高层大脑"，负责在物理环境中进...

UnifoLM-VLA-0是宇树科技开源的视觉-语言-动作（VLA）大模型，专为通用人形机器人操作设计，通过将视觉感知、语言指令与物理动作统一建模，实现了从传统图文理解到具备物理常识的"具身智能"突破...

基础模型（Foundation Model）是基于海量无标注数据预训练的大型深度学习模型，具备任务无关的通用能力，可通过微调或提示工程快速适配多种下游任务。将人工智能开发从"从零训练"转向"预训练+适...

目前市面上完全免费且无限制的AI法律平台极少，大多数采用“基础功能免费+高级功能付费”的模式。小编为你精选了10款提供免费额度、免费试用或基础功能永久免费的AI法律智能工具。这些工具涵盖了合同审查、法...

AstraBrain-WBC 0.5是银河通用机器人发布的全球首个人形机器人通用小脑GPT基础模型，采用2万小时人类动作数据训练（20亿帧），参数规模达8040万，首次实现人形机器人全身运动控制的零样...

AI绘画工具依托图像生成大模型，支持文生图、图生图、局部重绘、线稿上色、扩图等多种创作模式，海量画风自由切换。仅需文字描述或参考图片，就能快速产出海报、插画、写实人像、3D概念图等视觉素材，搭配尺寸...

AI工作流软件是面向创作者与企业团队的自动化效率工具，通过可视化节点编排，将大模型推理、工具调用、数据处理、逻辑判断等环节串联为标准化任务流水线。支持定时、事件触发等多种启动模式，可对接主流大模型与上...

Token中转站是一种介于用户与AI模型厂商之间的代理服务层，通过聚合多家大模型API接口并转售Token调用权限，解决国内用户调用海外模型时的支付障碍、网络限制及多平台管理问题。降低使用门槛的过渡性...

Token是大模型处理文本前的必要预处理步骤中产生的最小语义单元，将连续文本切分为模型可计算的离散化单元。这一过程称为分词（Tokenization），平衡语义完整性与计算效率：既保留足够语义信息，又...

悟界·Physis-v0.1是北京智源人工智能研究院与逆矩阵科技联合研发的全球首个通用世界基座模型，以物理状态预测替代传统像素或语言序列预测，通过建模真实物理规律（如重力、碰撞、流体动力学），使AI能...

通用世界模型是面向真实物理世界的下一代人工智能基座模型，从"预测下一个词元"转向"预测下一个物理状态"，使AI能主动理解、推演并交互于遵循物理规律的真实环境。它并非简单生成视频或模拟画面，而是通过学习...

DeepMind Genie 3是谷歌向公众开放的通用世界模型（General World Model），能够通过文本提示实时生成可交互的3D虚拟环境，用户可直接操控角色在动态世界中探索（如WASD移...

阿里开源的LOGOS（Language Of Generative Objects in Science）是国内首个跨学科统一科学基座大模型，由阿里ATH-Token Foundry联合中国人民大学高...

Xiaomi Miloco 2.0是小米于2026年6月18日发布的全屋智能AI开源方案，基于自研MiMo大模型构建，以Agent形式接入OpenClaw框架，实现“能记忆、会识人、懂执行”的本地离线...

Grok Imagine Video 1.5是马斯克旗下xAI公司正式发布的图像转视频生成模型，最大特点是能在25秒内生成6秒720P分辨率、带同步音频的短视频，相比前代在音画同步精度、物理真实性和生...

刷社交媒体的时候，看到一条消息——智谱发布了GLM-5.2 。 嗯，又一个大模型更新。我差点划走。 但仔细一看数据，愣了。 这个开源模型，在一项叫FrontierSWE的工程能力测试里，爬到了全球第二...

ArkClaw是字节跳动旗下火山引擎正式推出的云端SaaS版OpenClaw平台，本质是无需本地部署、开箱即用的AI智能体（Agent）服务，解决开源项目OpenClaw配置复杂、非技术用户门槛高的问...

StockBuddy是腾讯自选股垂直金融AI智能体，接入专业金融数据源，全面覆盖沪深港美全市场行情数据。支持自然语言对话交互，可提供个股深度研究、行业动态解读、大盘走势分析与智能盯盘服务，同步支持模拟...

小米最近动作是真的多。 一边开启了Xiaomi MiMo-V2.5-Pro-UltraSpeed的内测申请，一边又甩出来一个MiMo Code，这是MiMo团队基于OpenCode自己魔改出来的终端编...

在人工智能重塑数字交互的当下，阿里巴巴已正式完成AI战略的全面整合，将所有核心业务统一归入“千问”（Qwen）品牌体系。这一变化不仅标志着“通义”时代的终结，更宣告了阿里从底层大模型到终端应用的全栈式...

AI知识库软件需满足高准确率问答、多模态解析能力、企业级安全架构及实际落地效果等核心要求。综合技术成熟度、用户规模与场景适配性，腾讯乐享知识库、ima、MaxKB、HelpLook、澜舟智库是2026...

ACE-Ego是大晓机器人联合香港中文大学多媒体实验室（CUHK MMLab）于2026年6月17日发布的开源“一脑多型”具身操作视觉语言动作（VLA）模型，通过“以人为中心”的预训练范式，首次实现单...

微信支付AI专属卡是用户在微信零钱内为AI智能体（Agent）单独设立的“子钱包”，专用于授权AI在用户设定范围与手动确认下完成自动化消费。主账户资金完全隔离、额度由用户自主控制、每笔交易必须人工确认...

Image-to-LoRA-V2是魔搭社区（ModelScope）开源的免训练风格迁移工具，通过单张参考图像直接生成定制化LoRA模型，无需传统微调所需的多图数据集与复杂训练流程。将图像特征映射为模型...

Xiaomi MiMo Claw是小米推出的云端轻量化AI智能体（Agent）服务，基于OpenClaw框架开发，主打低门槛体验大模型Agent能力，核心聚焦文档办公场景。无需本地部署、直接通过网页使...