AI最新项目

Nano Banana 2 Lite是谷歌发布的轻量级AI图像生成模型，定位为速度与成本优化的专用版本。以4秒内出图的速度和每千张0.034美元的极低成本，实现接近标准版Nano Banana 2的图...

Confucius4-TTS是网易有道发布的开源语音合成引擎，属于“子曰4.0”大模型体系的核心组件。实现了3秒极速语音克隆、14种语言跨语种无口音合成，且无需参考文本即可完成音色与情感迁移。该模型采...

ABot-Earth0.5是高德地图发布的全球首个3D原生城市世界模型，仅需单张卫星图像或文字描述，即可在10分钟内通过消费级GPU生成公里级可编辑3D城市场景。该模型将3D制图成本降至传统方式的百分...

Magenta RealTime 2(MRT2)是谷歌Magenta团队发布的开源实时音乐生成AI模型，核心突破在于将音乐生成延迟从传统云端方案的秒级降至200毫秒以内，实现真正意义上的"人机即兴合奏...

InternAgentS是一款由上海人工智能实验室智能体系统中心研发的开源科研智能体工作台。它旨在将科研项目转化为一个能够自主行动的智能工作平台，为科研人员提供类似 Claude Science 的一...

当你还在手动打开 App 点麦当劳的时候，麦当劳已经悄悄把点餐系统开放给了 AI。 麦当劳中国上线了官方 MCP 平台：https://open.mcd.cn/mcp MCP（Model Contex...

WBench是美团LongCat团队与复旦大学联合发布的首个面向交互式视频世界模型的系统性多轮评测基准，首次实现对世界模型在连续交互、多维度能力上的统一量化评估，而非仅关注单次生成的视频质量。当前研究...

OpenClacky是李亚飞团队开源的低成本AI Agent框架，核心目标是通过工程化优化将AI任务执行的Token消耗降至行业最低水平，使专业用户能全天候无负担地运行AI助手。 其关键突破在于通过缓...

Xiaomi-Robotics-U0是小米发布的380亿参数多模态自回归具身生成基础模型，专为解决机器人训练中的数据稀缺问题而设计。它首次将具身场景生成、轨迹迁移、交互视频生成与通用文生图能力统一到单...

Seedance 2.0 Fast是字节跳动Seedance 2.0系列中专为速度与成本平衡设计的中间版本，生成速度比标准版提升约30%，单秒成本降至0.8元左右（720P规格），较标准版降低约20...

语构是阿里达摩院于2026年6月2日正式上线的零代码AI原生应用开发平台，基于Vibe Coding技术实现“一句话生成完整应用”的能力，支持网页、小程序、互动工具等多元形态开发。 其核心突破在于彻底...

ELF(Embedded Language Flows，嵌入式语言流)是由计算机视觉领域顶级科学家何恺明及其MIT团队在2026年5月推出的首个连续扩散语言模型。 它打破了以GPT为代表的“预测下一个...

MTT AICUBE是摩尔线程于2026年5月18日发布的首款面向家庭场景的AI智能中枢设备，其核心定位是将全域智能体、桌面级AI算力与私有云存储整合为“三位一体”的家庭数字生活控制中心，而非传统智能...

Composer 2.5是AI编程工具Cursor最新推出的自研Agentic(代理式)编程模型。它在智能水平上已经能够对标当前业界最顶尖的Claude Opus 4.7和GPT-5.5但单次任务的成...

KAT-Coder-Pro V2.5是快手KwaiKAT团队发布的旗舰级Agentic Coding模型，首次实现国产AI从单点代码补全到端到端跑通完整软件工程任务的突破。该模型通过大规模智能体强化学...

MMSkills是上海交通大学与小红书团队联合研发的多模态技能框架，旨在解决视觉智能体在操作图形界面时因缺乏视觉状态理解而导致的任务失败问题。将程序性知识从纯文本升级为图文结合的动态技能包，使AI能像...

MAI-Transcribe-1.5是微软于2026年6月发布的升级版语音转文字(ASR)模型，作为MAI系列自研模型的重要迭代，在43种语言支持、专业术语识别精度和处理速度上实现突破性提升，批量转录...

ESP-Claw(代号“龙虾”)是乐鑫在2026年4月至5月期间正式推出的物联网AI智能体框架。 简单来说，它彻底打破了传统物联网设备“只能被动执行指令”的局限，将AI智能体(Agent)直接部署到了...

MiMo-V2-Pro 是小米公司于2026年3月19日 正式发布的面向Agent（智能体）时代 的旗舰级基座大模型。该模型专为现实世界中高强度、复杂的智能体工作场景打造，在性能、架构和成本效益上均取...

Xmax X2.0是Xmax AI发布的全球首个支持实时交互的端侧视频生成模型，彻底突破传统AI视频“输入-等待-输出”的固定流程，实现“边生成边交互”的即时操作体验。将视频从“观看内容”转化为“可实...

EdgeBench是由字节跳动Seed团队推出的一个前沿AI基准测试框架，旨在研究智能体（Agent）如何从真实世界环境中学习。它通过一系列长达 12 小时以上的可执行任务，首次揭示了智能体环境学习的...

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...

MiMo-V2.5-ASR是小米开源的语音识别模型，作为全链路语音交互系统的听觉基座，复杂真实场景下的高鲁棒性语音转写。它无需预设语种标签即可精准处理中英混说、方言交织、强噪音干扰等环境，在多人会议...

Qwen2.5-7B是阿里云通义千问系列推出的76.1亿参数开源大语言模型，核心特点为支持131.072 tokens超长上下文、原生结构化输出能力及显著提升的数学与编程性能，适用于需平衡推理成本与专...

MiniCPM-RobotTrack是面壁智能发布的具身智能系列模型中的轻量级端到端视觉-语言-动作（VLA）跟踪导航模型，专为机器人目标跟踪与自主导航设计。实现无网环境下的纯本地化实时跟踪能力，仅需...

ManClaw 是一款专注于AI 漫剧创作的智能体（Agent）。它的核心理念是 "Conversation As Production"（对话即生产）——用户只需通过自然语言对话，即可驱动 AI 完...

ViiTorVoice是由中国公司北京云上曲率科技自主研发的全球首个支持片段级编辑的AI语音合成（TTS）模型，在权威评测Seed-TTS中以中文词错率0.99%、英文词错率1.32%的成绩登顶榜首...

Claude Fable 5是Anthropic发布的首款面向公众开放的Mythos级大语言模型，与Claude Mythos 5共享同一底层架构，但通过安全机制限制高风险领域能力，使其成为目前公开可...

Reasonix是一款专为DeepSeek模型深度优化的开源终端AI编程助手，核心通过 "只追加不修改"的会话管理机制实现 90% 以上的缓存命中率，将长会话场景下的 API 成本降低至普通工具的 1...

Agora-1是由AI初创公司Odyssey发布的全球首个支持多人实时互动的AI世界模型，其核心突破在于实现了人类与 AI 智能体在同一个动态生成的虚拟环境中同步交互，而非传统单人体验的静态生成内容...