AI最新项目

OpenHarness是由香港大学数据科学研究院(HKUDS)于2026年4月开源的一款轻量级AI智能体驾驭框架(Agent Harness)。 它的核心理念是“模型即智能体，代码即驾驭框架”，旨在为...

GO-2(全称 Genie Operator-2)是智元机器人(Agibot)发布的新一代具身智能基座大模型。 简单来说，它是机器人的“超级大脑”，旨在解决机器人“脑子懂了但手没跟上”的难题，让机器人...

Hermes Agent是由美国硅谷AI实验室Nous Research于2026年2月开源的自进化AI智能体框架，核心特点是通过内置学习闭环系统自动沉淀经验为可复用技能，实现“越用越懂用户”的长期陪...

Hy-MT1.5-1.8B-1.25bit是腾讯混元团队正式开源的一款极致轻量化的离线翻译模型。这款模型最大的亮点在于它通过先进的量化压缩技术，将原本需要数GB内存的翻译大模型压缩至440MB 左右...

Qwen3-ASR-1.7B是阿里云通义千问团队开源的17亿参数多语言语音识别模型，在中文、英文等52种语言及方言的识别任务中达到开源模型SOTA水平(中文词错率低至5.2%，显著优于Whisper...

Qwen3.6-Plus是阿里巴巴于2026年4月2日发布的新一代大语言模型，也是千问3.6系列的首款产品。它被官方定位为目前国产编程能力最强的模型，整体性能相较于上一代有显著跃升。 简单来说，Qwe...

DeepSeek-V4是深度求索(DeepSeek)正式发布的新一代大模型系列预览版，标志着国产大模型在性能、成本和自主可控生态上迈出了关键一步。它并非单一模型，而是包含两个版本，并以其百万级上下文...

Seeduplex是字节跳动Seed团队2026年4月9日发布的原生全双工语音大模型，已全量上线豆包、抖音App。它突破传统半双工“回合制问答”限制，实现“边听边说”的实时自然交互。通过语音语义联合建...

Xiaomi MiMo-Embodied是由小米公司自主研发的一款具身大模型（Embodied AI Model），于2025年11月21日正式发布并全面开源。 它是业界首个成功打通自动驾驶与具身智能...

TuyaClaw是涂鸦智能2026年推出的新一代AI助理。它基于OpenClaw架构，首创打通数字与物理世界，既能操作电脑办公，又能控制智能家居。支持一键部署、微信体验及多模型自由切换，内置3200...

SenseAudio是商汤科技(SenseTime)推出的一款AI语音开放平台。 简单来说，它不仅是一个能帮你“配音”的工具，更是一个集成了语音克隆、音频编辑甚至AI视频创作的全能音频工作站。它最大的...

Lance 是字节跳动推出的一个原生统一的多模态模型。它是一个参数量为 30亿（3B） 的研究性项目，旨在打破图像和视频在理解、生成、编辑任务上的壁垒。 与许多需要针对不同任务单独微调的模型不同，La...

Higgs Avatar v1是由Boson AI团队发布的一款面向语音智能体的实时数字人基础模型。它的核心作用是为 AI 赋予逼真的“面容”和表情，使其在对话中具备极强的临场感。 Higgs Ava...

LongCat-2.0-Preview是美团正式推出的新一代基础大模型。它不仅是美团在AI领域“进攻”战略的核心成果，更是中国国产算力生态成熟度的一次重要验证。这款模型的核心定位是万亿级参数、国产算力...

QBotClaw(中文名：龙虾)是腾讯于正式发布的国内首个浏览器AI智能体(Agent)。 它不是传统意义上的浏览器插件，而是深度集成在QQ浏览器中的智能助手。它的核心突破在于将浏览器从一个“被动展示...

TurboQuant是谷歌研究院（Google Research）于 2026年3月发布的、面向高维向量的无训练、近无损、极低比特向量量化算法，核心用于大语言模型（LLM）的KV缓存压缩与向量数据库检...

Qwen3.6-Flash是阿里巴巴通义千问团队推出的轻量高效版大模型。 它的核心定位非常明确：在保持极高推理速度的同时，提供超越同尺寸模型的智能体编程与多模态能力。它是 Qwen3.6 系列中主打...

Qwen3.6-Max-Preview(2026年4月20日发布)是阿里通义千问系列当前最强旗舰预览版，定位企业级与开发者高要求场景，在智能体编程、世界知识、指令遵循三大核心能力上全面超越Qwen3...

VoxCPM2 是由面壁智能(OpenBMB)团队开源的一款新一代语音生成基座模型。 如果说上一代 VoxCPM(0.5B)是以“小钢炮”著称的轻量化模型，那么 VoxCPM2 则是全面进化的“全能型...

Wan2.7-Video 是阿里巴巴发布的一款视频生成系列模型。它的核心特点是拥有全面的创作控制力，将 AI 的能力从单一的素材生成扩展至“生成、编辑、复刻、重塑”等创作全链路，实现了从被动“演绎”到...

MiniMax发布了其新一代AI音乐生成模型——Music 2.6. 这次更新被官方称为“全维度进化”，核心解决的是以往 AI 音乐“机械感强”、“不可控”和“生成慢”的三大痛点。简单来说，现在的Mu...

ERNIE-Image是由百度文心大模型团队开发并正式开源的一款高性能文生图模型。它凭借出色的中文理解能力和高效的架构设计，在开源后迅速获得了广泛关注。 ERNIE-Image亮点与性能 在Super...

腾讯混元团队开源的Hy-MT2是新一代多语言翻译大模型家族，包含1.8B、7B、30B-A3B三种尺寸，支持33种语言互译及5种民族语言/方言翻译，核心突破在于通过1.25-bit极端量化技术将轻量级...

HiDream-O1-Image-Pro是智象未来发布的超2000亿参数原生全模态图像生成大模型，采用全球首创的像素级统一Transformer(UiT)架构，彻底摒弃传统VAE压缩与独立文本编码器...

HiDream-O1-Image是由智象未来在 2026年4月正式发布的新一代原生全模态图像大模型。HiDream-O1-Image的核心定位是“基于原生全模态架构（UiT）的电影级画质生成器”。该模...

Qwen3.5-Omni是阿里巴巴通义千问正式发布的新一代端到端原生全模态大模型。 它打破了传统模型只能处理单一或特定组合模态的限制，实现了文本、图像、音频、视频四种模态的原生统一理解与生成，被誉为...

MAI-Code-1-Flash是微软发布的首款自研轻量级代码生成模型，专为开发者日常编码场景设计，采用50亿参数的紧凑架构，通过自适应推理预算分配技术实现高效率与低成本的平衡。 其核心价值在于将Ag...

AiToEarn是一款备受关注的开源AI内容营销智能体平台，在GitHub上已经获得了超过1万颗星标(Star)。简单来说，它就像一个全能的“AI内容运营管家”，致力于通过AI自动化技术，打通从创作...

Grok 4.3是xAI推出的工作型大模型，主打高性价比与多模态能力。它支持 100万 token 上下文窗口，原生兼容文本、图像与5分钟内1080p视频输入。可直接生成 PDF、PPTX、XLSX ...

StepAudio 2.5 ASR是阶跃星辰正式发布的新一代自动语音识别模型。该模型的核心突破在于率先将大语言模型的推理加速技术引入语音识别领域，通过架构创新，在大幅提升转写精度的同时，实现了推理速度...