AI最新项目

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...

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...

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...

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...

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...

Ponytail是一个开源的AI编程助手插件，通过系统性精简原则减少冗余代码量，其理念源于“资深程序员只需用一行代码解决原本需 50 行的问题”。它并非独立工具，而是作为Agent Skills集成到...

DeepSeek V4 Pro是深度求索(DeepSeek)发布的旗舰级开源大语言模型，采用1.6万亿参数混合专家(MoE)架构，原生支持100万token超长上下文，在推理能力、Agent任务执行效...

Fusion是OpenRouter平台推出的多模型协同推理技术，通过并行调用多个大语言模型并智能融合结果，在保持高智能水平的同时显著降低单任务成本。以高性价比模型组合逼近顶级单模型性能（如Kimi K...

LearnBuddy是腾讯云推出的首款教育行业专用AI智能体平台，通过“师-生-机”三元协同模式，将AI从单点工具升级为可沉淀知识资产的教育基础设施。它以“专家分身”技术为核心，动态匹配学生需求提供引...

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...

PP-OCRv6是百度飞桨发布的超轻量级OCR（光学字符识别）模型系列最新版本，50种语言统一模型架构与工业级复杂场景适应能力。它通过三阶段流水线（检测-分类-识别）实现高精度、低延迟、小体积的文本识...

GLM-5.2是智谱AI发布的开源大语言模型，迄今能力比较强的国产编程模型，真正可用的100万token上下文窗口与MIT协议全开源，在代码生成、长程任务稳定性及工程化落地能力上达到全球顶尖水平，尤其...

iArt.ai是一个专注于AI驱动的视频与图像智能创作平台，主打快速生成高质量营销视频、动画内容及动态图文，尤其擅长将简单文本或静态素材转化为专业级视听作品。降低创意生产门槛，使非专业用户也能高效完成...

DeepSeek Coder是由杭州深度求索人工智能基础技术研究有限公司开发的完全开源、免费商用的代码大模型系列，专注于代码生成、理解与调试。以高效推理和多语言支持能力打破闭源模型的技术壁垒，在多项代...

Decitron是中科闻歌发布的全球首个通用决策大模型，将复杂决策问题转化为可计算、可推演、可验证的系统，而非传统问答式AI。能对复杂事件进行多路径推演并动态追踪，在国际权威数据集PolyBench测...

SwarmFlow是华为支持的开源社区openJiuwen推出的多智能体可控协同框架，通过将确定性协作流程脚本化，解决传统多Agent系统因依赖Leader临场调度导致的流程不稳定、结果不可复现问题...