AI最新项目

HeiMaClaw是由黑马程序员推出的一款生产级企业AI Agent平台。与面向个人用户的助手不同，HeiMaClaw的定位非常明确：它是一个企业级基础设施，旨在通过工程化手段(Harness Eng...

Qwen-AgentWorld是阿里巴巴通义千问团队于2026年6月24日发布的全球首个原生语言世界模型（Language World Model, LWM），从训练源头实现环境建模，而非依赖事后插件...

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...

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...

Qwen3.5-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...

GLM-5-Turbo 是智谱AI(Zhipu AI)于2026年3月16日最新发布的一款专为复杂智能体（Agent）场景深度优化的基座大模型。 它是基于此前发布的旗舰模型GLM-5进行的特定场景加速...

Xiaomi OneVL是小米正式对外发布并全面开源的自动驾驶大模型。Xiaomi OneVL的核心定位是“一步式潜空间语言视觉推理框架”。OneVL并非简单的视觉模型，而是小米XLA(认知大模型架构...

MiniMax Code是专为MiniMax M3大模型设计并与之协同训练的智能体（Agent）产品，于2026年6月1日随M3模型正式发布，7月16日升级至2.0桌面端版本。通过多Agent协作与长...

千问输入法是阿里通义千问团队推出的独立AI原生输入法产品，将传统输入工具升级为AI任务中枢，通过语音交互实现“动口不动手”的高效文字处理。超越基础语音转写，直接完成语义理解、逻辑梳理与内容创作，而非仅...

StepAudio 2.5 Realtime是阶跃星辰推出的新一代实时语音大模型。StepAudio 2.5 Realtime的核心定位是打造极具“活人感”的实时语音交互。该模型不仅具备行业顶级的“副...

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...

Hogee是百度智能云推出的一站式 AI 短剧创作平台，依托OpenClaw数字员工体系，覆盖剧本、分镜、角色、配音到成片全流程。上传小说或剧本，AI自动拆解剧情、生成角色与场景图、合成视频，成本降 ...

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...

Ideogram 4.0是Ideogram公司于2026年6月3日发布的93亿参数开源文生图模型，最大突破在于通过单流架构实现像素级排版控制能力，使AI生图从随机“抽卡”转向可精准指定文字位置、对象布...

阿里Qoder企业版是阿里云推出的面向企业级用户的智能编码与知识管理平台，原名“通义灵码”，于2026年5月正式更名。将AI编程工具从“个人辅助工具”升级为具备组织级协同能力的企业级解决方案，通过资源...

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 ...

GPT-5.5是OpenAI正式发布的最新、最智能的AI模型。它被定位为“为真实工作而生的一类新智能”，标志着 AI 从“能回答问题”向“能自主完成复杂任务”的重大转变。 GPT-5.5核心突破 GP...

SkyClaw-v1.0是昆仑万维旗下天工AI发布的高性能Agent专用模型，其核心突破在于以远低于行业均价的成本，实现了接近Claude Opus 4.6等顶级闭源模型的任务执行能力，尤其擅长在百万...

Doubao-Seed-2.0-lite字节跳动火山引擎推出的豆包大模型家族首款全模态理解模型。核心定位是“全模态理解与极致性价比”。不同于仅支持图文的模型，它原生支持视频、图像、音频、文本的统一理解...

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...

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...

Gemini Omni Flash是谷歌于I/O开发者大会上发布的首款面向视频创作的全模态对话式生成模型，核心定位是通过自然语言实现多轮连贯的视频编辑，而非一次性生成。它并非单纯追求视频时长或画质，而...

PPT Master是一个开源的AI工作流(Skill)，它的核心目标是解决传统AI生成PPT工具的最大痛点：生成的幻灯片是“一张图片”，无法二次编辑。 PPT Master通过一套标准化的本地工作流...

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...

Qwen3.7-Plus是阿里巴巴于2026年6月2日正式发布的多模态智能体模型，定位为视觉与语言统一的智能体基座。它在Qwen3.7文本能力基础上深度融合视觉理解与行动能力，不仅能看懂图像/视频，还...

Qwen-Scope是阿里千问正式开源的一款大模型可解释性分析模块。简单来说，它就像是给黑盒般的大模型装上了一个“透视镜”或“仪表盘”，让我们能够看穿模型内部的运作机制，理解它为什么会产生某种回答，甚...

LingBot-Map是由蚂蚁灵波科技正式开源的一款流式三维重建模型。 它被誉为机器人领域的“白眼”(源自《火影忍者》中的瞳术，意指360度无死角的视觉感知)，其核心突破在于仅使用一颗普通RGB摄像头...

Realtime TTS-2是由Inworld AI发布的一款实时对话语音合成模型。它并非传统的“文本转语音”工具，而是通过闭环系统架构，能够实时感知对话中的音频上下文(如用户的语调、节奏和情感)，从...

Sora 2是由OpenAI发布的新一代视频生成模型。它被官方誉为“视频领域的GPT-3.5时刻”，标志着AI视频生成技术从简单的“视频生成器”进化为能够模拟物理世界的“世界模拟器”。 Sora 2不...

CosyVoice Studio是阿里巴巴于2026年8月7日正式推出的国内首个一站式AI语音生产力平台。该平台基于阿里自研语音大模型 Qwen-Audio 打造，在全球权威AI评测平台 Artifi...