AI最新项目

GPT-5.5-Cyber是OpenAI发布的网络安全专用AI模型，属于GPT-5.5系列中专为授权防御性安全任务设计的强化版本。帮助专业安全团队完成从漏洞发现到修复验证的完整闭环，而非仅生成漏洞报告...

Kairos-HomeWorld是大晓机器人联合香港中文大学多媒体实验室、深圳河套学院发布的全球首个全屋三维可交互世界模型，仅需一句文本指令即可生成结构连贯、物理合理且支持物体级交互的完整中国家庭3D...

InsForge是一个专为AI编码智能体(AI Coding Agents)量身打造的一站式开源后端平台。InsForge的核心理念是“为智能体开发而构建的后端”，旨在解决当前AI辅助编程(如使用Cu...

Nano Banana 2是谷歌发布的图像生成模型，其官方技术名称为Gemini 3.1 Flash Image。该模型通过分层生成策略与实时知识整合，在保持接近专业级图像质量的同时，将生成速度提升至...

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...

Qwen-Robot Suite是阿里巴巴于2026年6月16日发布的千问大模型家族首个完整具身智能模型系列，包含Qwen-RobotManip（操作模型）、Qwen-RobotNav（导航模型）和Q...

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...

ECC(Everything Claude Code)是一个开源的AI Agent性能优化系统，由Anthropic黑客松冠军Affaan Mustafa基于10个月高强度生产环境实践开发，核心目标是...

Mellum2是JetBrains推出的120亿参数开源混合专家(MoE)模型，专为软件工程场景设计，核心目标是通过超低延迟推理与私有化部署能力，解决企业级AI工作流中的实时性与成本瓶颈。 Mellu...

MineExplorer是由上海交通大学与美团 LongCat 团队联合开发的首个知识受控的多模态大语言模型（MLLM）开放世界探索能力评测基准。它通过构建“隐式多跳任务”，剥离游戏专属知识，专注于测...

Qwen-Audio-3.0-TTS是阿里巴巴通义实验室发布的新一代实时语音合成大模型，包含面向实时交互的Flash版本（首包延迟约300毫秒）和面向高质量生成的Plus版本。该模型在全球第三方权威榜...

SenseNova U1 Pro是商汤科技在世界人工智能大会上发布的旗舰级原生多模态智能体基座模型，推动行业从“单点式内容生成”迈向“系统级内容交付”新时代。通过原生统一架构实现理解、生成与行动的深度...

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...

Hojo-ASR-V1是初创团队Hojo开源的语音识别(ASR)模型，采用Whisper特征提取器+Conformer适配层+Qwen3-4B语言模型的混合架构，在LibriSpeech Clean等...

NVIDIA Nemotron 3 Ultra是英伟达推出的开源大语言模型旗舰产品，专为长时间运行的AI智能体（Agent）设计，采用 5500亿总参数、550亿活跃参数的混合专家（MoE）架构，在复...

Gemini 3.6 Flash是谷歌DeepMind发布的效率型大语言模型，定位为代码、知识工作与多模态任务的高性价比解决方案。以更低成本实现更强能力：输出Token价格从3.5 Flash的9美元...

openPangu-2.0-Flash是在华为开发者大会（HDC 2026）发布的开源盘古大模型轻量化版本，采用稀疏专家混合（MoE）架构，总参数量920亿（92B），但推理时仅激活60亿（6B）参数...

Claude Opus 4.7是Anthropic推出的旗舰级大语言模型，作为当时公开可用的最强代码与多模态模型，将AI从“对话助手”升级为“可自主执行复杂任务的智能体”。Claude Opus 4...

BoClaw是博云科技推出的AI原生智能体平台，对标OpenClaw，主打极简部署、数据安全与全场景自动化。以“数据不出域、权限精细化、技能可定制”为核心，支持40+大模型与昇腾本地部署，内置36项技...

DeepSeek Harness（简称 dsh）是 DeepSeek AI发布的开源 AI Agent 运行时框架，采用 MIT 许可证。其核心理念可概括为一句话：Model + Harness = ...

百度AI智能报志愿服务是2026年高考季推出的免费志愿填报辅助工具，通过“AI算法生成+真人专家审核”双轨机制，为考生提供数据驱动且可验证的个性化志愿方案。信息整合与决策辅助工具，而非替代考生自主判断...

Gamma-World是由英伟达与清华大学团队联合提出的多智能体世界模型，旨在解决传统单智能体世界模型无法模拟多主体在共享环境中交互的核心缺陷。 其核心突破在于通过身份对称性编码和稀疏通信架构，首次实...

猫娘计划（Project N.E.K.O.）是哔哩哔哩发布的开源AI数字生命生态项目，产品为名为N.E.K.O.的主动式全模态AI伙伴驱动器。本质是一个以用户数据主权为核心、支持深度个性化定制的AI伴...

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...

Gemini 3.5 Live Translate是谷歌发布的实时语音互译音频模型，通过流式处理实现仅数秒延迟的连续语音翻译，同时保留说话者的原始语调、语速和情感特征，使跨语言对话接近真人同传体验。 ...

Polar是英伟达(NVIDIA)开源的强化学习训练框架，专为解决代码智能体(如Codex、Claude Code、Qwen Code等)接入强化学习时的高成本与信号丢失问题而设计。 其核心突破在于无...

Gemini 3.5 Flash是谷歌于2026年5月20日在I/O开发者大会上发布的轻量级AI模型，在保持Flash系列高速响应特性的同时，其智能体与编程能力已全面超越上一代旗舰Gemini 3.1...

FLUX 3是德国人工智能公司Black Forest Labs发布的全球首个在统一架构下联合训练图像、视频、音频及机器人动作预测的多模态基础模型。通过Self-Flow技术将物理世界的因果逻辑融入生...

HyOCR-1.5是腾讯混元团队开源的端到端多模态OCR大模型，通过一体化架构实现文字检测与识别的联合优化，仅需10亿参数即可覆盖8类以上文档理解任务，在OmniDocBench v1.6基准测试中以...

QMuse是蚂蚁集团推出的AI无代码应用生成平台，目前处于内测阶段，仅支持支付宝账号登录。通过自然语言对话实现零代码网页与应用开发，用户只需用一句话描述需求即可生成可运行作品，但所有生成内容若用于商业...