AI最新项目

MemGUI-Agent是由浙江大学与快手联合研发的端到端长程移动GUI智能体，专为解决现有GUI Agent在跨应用、多步骤复杂任务中关键信息遗忘的问题而设计。通过主动上下文管理机制替代传统被动累积...

新程Alpha是明日新程（Nextie）公司推出的全球首个端侧认知模型，参数量仅4B（40亿），通过将“知识记忆”与“思考能力”解耦，专注于泛化推理和抽象决策，在群体智能任务中表现等效于GPT-5.4...

Music v2是ElevenLabs发布的新一代专业级音乐生成模型，其核心突破在于将AI音乐创作从“抽卡式随机生成”推进到可精准编辑、支持商业落地的工业化阶段。 该模型基于完全授权的数据集训练，生成...

陪读蛙(Read Frog)是一款开源的AI驱动浏览器翻译扩展，核心定位是通过沉浸式双语对照与深度语言解析，帮助用户高效阅读外文内容并提升语言能力。 陪读蛙并非简单翻译工具，而是结合AI技术提供语法分...

QoderVoice是阿里Qoder推出的国内首个实时语音交互智能体，专为编程场景设计，通过全双工语音技术实现开发者与AI的实时双向讨论式协作，用户可直接用语音下达指令、调整需求，AI同步执行任务并动...

Vidu S1是生数科技发布的全球首个支持实时交互的视频生成大模型，将视频生成从传统的“单向离线输出”升级为“双向实时对话”，用户可通过语音指令动态控制视频内容走向，实现540P分辨率、25FPS帧率...

OpenAI Frontier是OpenAI推出的企业级AI智能体平台帮助企业将孤立的AI工具整合为具备业务理解能力的"AI同事"，实现跨系统协作的规模化落地。并非单纯提升模型能力，而是解决企业部署A...

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...

InstructAV2AV是由北京智源人工智能研究院与北京大学联合团队提出的音视频联合编辑模型，通过单句自然语言指令实现画面与声音的同步编辑，而非传统“先改画面再补声音”的级联流程。该技术将音视频编辑...

LFM2.5-2.6B是由人工智能初创企业Liquid AI于2026年8月5日正式发布的一款开源端侧智能体模型。该模型隶属于 Liquid AI 的 Liquid Foundation Models...

OpenAI Presence是OpenAI推出的企业级AI智能体管理平台，帮助企业将AI智能体深度集成至核心业务流程，而非仅提供基础模型调用服务。解决企业“有模型但难落地”的痛点，通过预置业务场景适...

SearchOS是由中国人民大学与蚂蚁集团联合开发的开源多智能体协作框架，定位为搜索任务的“操作系统”。它通过统一状态管理、动态任务调度和证据追溯机制，解决复杂信息检索中多智能体协作的系统性难题，尤其...

Audio-Visual Flamingo(简称 AVF)是 NVIDIA Nemotron Labs 联合马里兰大学推出的全开源音视频大语言模型（AV-LLM），专门实现音频、图像、长视频的联合感知...

PilotDeck是由清华大学THUNLP实验室联合面壁智能、OpenBMB及AI9stars团队开源的智能体操作系统，核心价值在于通过独立工作舱架构、白盒化记忆管理及子代理级智能路由技术，显著降低A...

ForgeTrain是由面壁智能联合清华大学及OpenBMB开源社区发布的全球首个完全由AI自主编写、零人类代码介入的生产级大模型预训练框架。 其核心突破在于AI首次独立完成大模型训练基础设施的端到端...

OvisOCR2是阿里巴巴开源的0.8B参数文档解析模型，首次以端到端架构超越传统流水线方法，在权威基准OmniDocBench v1.6上以96.58分登顶。该模型仅需单次推理即可将文档图像直接转化...

MacWhisper 14是由独立开发者Jordi Bruin推出的macOS专业级本地语音转录工具，无需联网、保护隐私的离线 AI 转录解决方案。其最大突破在于深度整合英伟达 Parakeet 模型...

DuoMem是由三星研究院联合高校团队提出的轻量化AI模型增强框架，专为解决边缘设备（如家用机器人、IoT设备）上小参数模型（4B-14B）处理复杂任务能力不足的问题。通过双路径知识迁移机制，将大模型...

DiffusionGemma是谷歌发布的实验性开源文本扩散模型，基于Gemma 4架构构建，通过并行生成机制将本地推理速度提升至传统自回归模型的4倍。 它并非替代标准Gemma 4的生产模型，而是专为...

MiniMax M3是国产大模型公司MiniMax正式发布的新一代旗舰通用大模型。MiniMax M3是国内首个同时集齐“前沿编程与智能体能力、百万级超长上下文、原生多模态”三大核心能力的模型，也是目...

MAGI-2 Preview是北京AI视频生成创企Sand.ai（清华系团队）正式发布并开源的统一音视频生成模型。该模型总参数约114B（千亿级），采用MoE（混合专家）架构，单次前向计算仅激活约6B...

CatPaw是美团推出的全场景AI Agent平台，旨在为企业和商家提供开箱即用的AI工作台及企业级Agent开发托管能力，通过将美团本地生活领域的行业知识封装为可复用的智能体，实现业务流程的自动化执...

GenMail是Genspark推出的AI智能邮箱助手，隶属于Genspark AI工作空间体系。它基于混合多智能体架构打造，深度打通主流邮箱服务，将传统收件箱从 “信息收纳容器” 转化为 AI 驱动...

腾讯首个自研创意智能体 Miora（腾讯设计妙境） 是一款面向创意领域的多模态AI工作平台，将AI从单点生图工具升级为“任务拆解-多模态协同-风格统一交付”的全流程创意伙伴，用户只需输入一句话需求，即...

OJO是前字节跳动剪映产品负责人Kiki创立的AI设计智能体平台，定位为全球首个基于多Agent协作的设计工作台。通过自然语言驱动虚拟设计团队，将模糊创意需求自动转化为包含策略分析、原型设计到代码交付...

文远知行发布的 WITT（WeRide World Intelligence Toward Truth） 是全球首个聚焦物理世界认知的AI基础大模型，目标是将真实道路数据转化为可验证、可追溯的物理事实...

暑期AI通识课是专为假期设计的轻量化人工智能普及课程，通过实践导向的短周期学习，帮助学生快速建立AI基础认知与应用能力。按学段分层设计、强调“做中学”、结合假期场景灵活开展，既避免传统课堂的理论灌输...

CosyVoice 是一款由阿里巴巴推出的新一代 AI 效率助手，本质上是一个智能输入法。它主打“说得随意，写得漂亮”的理念，旨在让用户摆脱键盘束缚，通过自然说话的方式，将口语实时转化为高质量、格式规...

北森Mavens是国内首个一站式AI HR专家平台，标志着北森从传统HR软件厂商全面转型为HR领域的AI应用公司。构建“真人HR+数字HR专家团”的协作范式，通过将人力资源场景中的高频事务交由AI处理...

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...