AI最新项目

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...

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...

TencentDB Agent Memory是腾讯云数据库团队在2026年4月发布，并于5月14日正式开源的一款AI 智能体（Agent）记忆引擎。 它的核心作用是为AI Agent装上一个“长期且有...

Qwen3.5是阿里巴巴于2026年2月推出的旗舰级大模型系列，它实现了从纯文本到原生多模态的代际跃迁，并构建了从端侧到旗舰级的完整产品矩阵。 Qwen3.5核心技术突破 与前代模型不同，Qwen3...

MAI-Image-2-Efficient是微软正式推出的一款低成本、高效率的文生图模型。它是微软旗舰模型 MAI-Image-2 的“轻量化”版本，专为大规模商业量产和严格成本控制的场景设计，旨在以...

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...

PrismAudio是阿里通义实验室推出的AI视频环境音生成框架，可根据画面自动生成逼真环境音效与动作音。它采用分解式思维链分析画面内容与发声时机，结合四维强化学习实现声画精准同步，兼顾语义匹配、时序...

camofox-browser是一款专为 AI Agent(智能体)量身打造的开源反检测浏览器。简单来说，它就像是给 AI爬虫穿上了一件“隐身衣”，让它在访问网页时能够完美伪装成真实的人类用户，从而轻...

Ling-2.6-1T是蚂蚁集团百灵大模型团队开源的一款万亿参数级旗舰大模型。它最大的特点是不盲目追求“慢思考”式的长推理链，而是独创了“快思考”机制，旨在以极低的计算成本实现高效的复杂任务执行。其综...

FlashQLA是通义千问团队(Qwen Team)正式开源的一个高性能线性注意力算子库。简单来说，它是专门为提升大语言模型(特别是Qwen3.5、Qwen3.6及后续系列)在处理超长文本时的训练和推...

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...

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 ...

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...

AgentScope Tuner是阿里通义实验室推出的、专为智能体(Agent)应用打造的一站式自动优化引擎。 它的核心目标是解决Agent开发中“训练效果好，但上线效果差”的难题，通过一个统一的平台...

HappyHorse 1.1是阿里巴巴于2026年6月22日正式发布的视频生成大模型升级版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力五大核心维度实现系统性突破。解决专业内容生产场景中动...

BrowserAct Skills是专为AI智能体设计的浏览器自动化工具集，核心能力是让AI像人类一样稳定操作真实网页环境。它通过隐身浏览器技术+AI动态决策解决传统自动化工具的致命缺陷——能自动绕过...

Step 3.7 Flash是阶跃星辰发布并开源的面向生产级Agent场景优化的多模态推理模型。其核心定位是在速度、成本、任务可靠性与复杂能力之间实现平衡，而非单纯追求参数规模或峰值智能。 该模型采用...

SenseNova U1是商汤科技开源的原生理解生成统一模型，其核心突破在于通过NEO-unify架构彻底摒弃传统多模态模型的拼接式设计，在单一模型中直接统一语言与视觉的理解、推理与生成能力，避免了模...

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...

JoyAI-VL-Interaction是京东于2026年6月22日正式开源的全球首个全栈开源视觉语言实时交互模型，将多模态大模型从传统"一问一答"模式升级为"边看边说"的实时流式交互能力，使AI能像...

Open Code Review是阿里巴巴开源的AI驱动代码审查工具，专为解决通用AI代理在代码审查中的覆盖不完整、位置漂移、质量不稳定等核心痛点而设计。将确定性工程与AI代理动态结合，既通过严格规则...

SenseNova-Skills是商汤科技(SenseTime)开源的一套面向高频办公场景的AI技能工具库。 简单来说，如果把大模型(LLM)比作一个聪明的“大脑”，那么SenseNova-Skill...

Confucius4是网易有道推出的“子曰”大模型4.0版本，核心为面向教育场景的27B参数多模态模型与支持14种语言的零样本语音合成（TTS）模型，已于2026年5月22日面向全球全量开源。其技术亮...

Marble 1.1是由“AI教母”李飞飞创立的World Labs公司于2026年4月最新推出的3D世界生成模型系列。 它是业界首款商用世界模型Marble的升级版，核心突破在于能够仅凭一张图片，在...

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...

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...

Rodin Gen-2.5是Hyper3D团队推出的全球首款千万面级3D生成AI模型，其核心突破在于通过"自适应思考强度"机制实现速度与精度的动态平衡，支持4秒生成百万面草稿至80秒输出毛孔级细节的专...

General365是由美团LongCat团队在2026年4月底发布，并于5月中旬正式开源的一个专注于评估大模型通用逻辑推理能力的全新评测基准。 简单来说，它是一套专门为 AI 设计的“高难度逻辑考卷...

LPM 1.0 是由米哈游创始人蔡浩宇旗下的AI公司Anuttacon发布的首个视频大模型，全称为Large Performance Model(大型表演模型)。 它的核心突破在于，不再仅仅是生成一段...

小米XLA大模型是小米集团专为智能驾驶领域研发的一款端到端认知大模型，是其HAD(Hyper Autonomous Driving，小米超级智能驾驶)系统的核心技术升级。 它的核心突破在于首次将“辅助...