AI最新项目

方舟 CLI是字节跳动火山引擎推出的命令行 AI 智能体工具，专为开发者设计，支持通过自然语言交互直接调用豆包大模型及火山引擎云服务。将大模型能力深度集成到终端环境，实现从“自然语言指令”到“代码生成...

Boogu-Image-0.1是开源统一图像生成与编辑模型家族，由Boogu团队开发，包含Base（基础版）、Turbo（极速版）和Edit（编辑版）三大核心变体。该模型以10B参数量级在Qwen-I...

Sand.ai是一家专注于自回归架构视频生成技术的中国AI公司，由清华大学特等奖学金得主、Swin Transformer共同一作曹越于2023年10月创立。放弃行业主流的Diffusion路线，坚持...

VidMuse是由Sand.ai开发的音频驱动型AI视频创作工具，通过"Music in, Video Out"实现音画自动同步的端到端音乐视频生成。解决传统AI视频中节奏脱节、场景跳跃、人物不一致三...

Xiaomi MiMo-V2.5-Pro-UltraSpeed是小米与TileRT团队联合推出的MiMo-V2.5-Pro模型的超高速推理模式，首次在通用GPU上实现万亿参数模型1000tokens...

豆包App灰测打车是字节跳动旗下AI助手豆包于2026年6月22日启动的对话式打车功能灰度测试，用户无需跳转第三方应用，仅通过自然语言口述需求即可调用曹操出行服务。该功能目前仅面向北京、杭州部分用户开...

MotiClaw是一个本地优先的AI伙伴与智能体控制平台，理念是“一个人干活，最怕不是忙，是东西太散”。它旨在帮助个人或小团队将散落在微信、飞书、文档、截图等地方的信息和任务收拢起来，通过组建一个本地...

MaineCoon是全球首个专为社交互动场景设计的实时音视频自回归世界模型，由10人中国初创团队Catnip研发，实现音视频流式生成与实时交互的深度融合，彻底解决传统AI视频模型在社交场景中“延迟高...

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...

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...

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...

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...

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...

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...

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...

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...

AI版支付宝（命名为“阿宝”）是支付宝自2026年6月16日起推出的重大改版版本，将传统“陈列式”菜单交互升级为“对话式”服务模式。用户只需通过文字或语音指令，即可一句话直达上万种服务，无需手动跳转多...

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...

Seedance 2.0 Mini是字节跳动火山引擎推出的Seedance 2.0系列轻量级视频生成模型，主打高性价比路线，单秒生成成本降至0.5元（720P规格），较标准版Seedance 2.0降...

turbovec是基于Google Research TurboQuant算法的开源向量索引库，在不损失召回率的前提下，将向量索引的内存占用压缩至传统方案的 1/8–1/16。通过理论推导预计算最优量...

MMAE是腾讯混元联合上海交通大学、南洋理工大学、天津大学、北京大学、复旦大学等机构推出的全球首个面向自然语言指令驱动音频编辑任务的大规模多任务评测基准。系统性评估AI模型对已有音频进行精准定向编辑的...

OpenSquilla是一个开源的微内核架构AI Agent框架，通过智能路由与工作流编排技术，将AI Agent的Token成本降低60%-89%，同时解决长程任务中的流程稳定性问题。提出MetaS...

Gemini-SQL2是谷歌发布的专用文本转SQL（Text-to-SQL）模型，基于Gemini 3.1 Pro深度优化，在权威评测基准BIRD上以80.04%的执行准确率登顶单模型榜单。通过自然语...