AI最新项目

微信ClawBot是微信官方于2026年3月22日正式推出的一款AI Agent(智能体)插件。 它的核心功能是让用户在微信聊天界面中，直接连接并操控部署在本地设备(如个人电脑、NAS、Mac min...

OpenMontage是全球首个开源的、由AI智能体(Agentic AI)驱动的视频制作系统。简单来说，它就像一个不知疲倦的“AI 视频副导演”。它不是一个简单的“一键生成视频”的玩具，而是一个结构...

腾讯混元团队正式发布并开源了混元3D世界模型 2.0 (HY-World 2.0)。这是一个多模态大模型，能够根据文字、图片、视频等输入，自动生成、重建和模拟可交互的3D世界。 它的核心突破在于，不再...

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...

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...

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...

Stable Audio3.0是Stability AI正式发布的音频生成模型系列，最大突破是将专业级音乐生成时长提升至 6 分 20 秒，首次实现AI生成结构完整、旋律连贯的歌曲级内容，标志着 AI...

Qianfan-OCR 是百度智能云基于其“千帆”(Qianfan)大模型平台推出的新一代智能文字识别服务。 与传统的OCR(光学字符识别)工具不同，Qianfan-OCR不仅仅是把图片里的字“抠”出...

DeepSeek-V4-Flash是深度求索发布的轻量化高效版大模型，作为V4系列的“快速模式”版本，专为高频日常任务设计，在保持接近Pro版推理能力的同时，将响应速度和调用成本压缩至极致。以1/10...

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...

Mega-ASR 是新加坡国立大学、南洋理工大学与上海人工智能实验室等团队于2026年5月联合开源的全场景鲁棒语音识别基座模型，基于Qwen3-ASR 1.7B架构，通过声学仿真规模化训练与强化学习优...

OpenAI正式发布了GPT-5.5 Instant，并将其设为ChatGPT的默认模型，全面取代了此前的GPT-5.3Instant。这次更新被官方定义为“更准确、更简洁、更懂你”的进化。它不再仅仅...

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...

SciDraw AI是一个基于自然语言描述生成科研级科学插图的AI平台，通过AI技术将传统需数小时的手工绘图流程压缩至几分钟，无需专业设计基础即可快速生成符合期刊投稿标准的矢量图表，尤其适合跨学科科研...

LongCat-Video-Avatar 1.5是美团龙猫团队开源的商用级虚拟人视频生成模型升级版本，在动作拟真度、长视频稳定性与身份一致性三大核心维度实现突破性升级，首次在多项关键指标上全面超越主流...

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...

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...

Open Design团队开源的HyperFrames（常被称作 "HTML 版剪映"）是 一个基于 HTML/CSS/JavaScript 的动态视频生成框架，核心目标是让开发者用前端技术栈直接生成...

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...

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...

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...

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...

ZCube是由智谱联合清华大学、驭驯网络开发的新型AI集群网络架构，专为解决大模型推理场景中的结构性网络拥塞问题而设计。 其核心突破在于彻底重构网络拓扑，通过取消传统Clos架构的Spine层、采用扁...

FIPO是阿里巴巴通义实验室(Qwen Team)最新发布的大模型强化学习算法。 它的全称是Future-KL Influenced Policy Optimization(未来KL散度影响策略优化...

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...

9Router是一款完全免费、开源的本地AI模型路由代理工具，你可以把它理解为你所有AI编程工具背后的“智能调度中心”。它的核心目标是让你用最低的成本，获得最稳定、不间断的AI编程体验。 9Route...

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...

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...

文心大模型(ERNIE)是百度自主研发的产业级知识增强大模型。截至2026年5月，其最新版本为文心大模型5.1.刚刚在近期正式发布。 文心大模型 5.1 这是百度在2026年5月Create开发者大会...

MemPrivacy是由记忆张量（MemTensor） 联合荣耀、同济大学开源的、面向端云协同AI智能体(Agent)的隐私保护框架与系列模型。 简单来说，MemPrivacy的核心作用是解决AI越来...