AI最新项目

GenMail是Genspark推出的AI智能邮箱助手，隶属于Genspark AI工作空间体系。它基于混合多智能体架构打造，深度打通主流邮箱服务，将传统收件箱从 “信息收纳容器” 转化为 AI 驱动...

Nemotron-Labs-Diffusion是英伟达推出的统一架构的三模式大语言模型，通过创新性地将自回归、扩散和自猜测三种解码模式集成于单一模型，在保持生成质量的同时显著提升推理吞吐量。无需额外小...

悟界·RoboBrain Orca是智源研究院发布的多模态表征世界模型，让人工智能在“脑海中”构建对物理世界状态的动态表征，实现从预测“下一个词/帧/动作”到预测“下一个物理状态”的范式跃迁。该模型通...

MoWorld是魔芯科技联合浙江大学潘云鹤院士团队发布的全球首个全栈国产化"Flash World Model"（闪速世界模型），首次在纯国产昇腾NPU平台上实现50FPS实时交互能力，同时将推理成本...

motion-anything是nexu.io旗下Open Design家族推出的本地优先、对话原生的AI动效引擎，定位为智能体时代的动效生产层。用户仅需用一句话描述动效需求，AI即可生成带动效的网页...

LingBot-Vision是蚂蚁集团旗下灵波科技研发的全球首个面向具身智能的“空间原生”视觉基础模型，将物体边界结构作为预训练核心目标，使机器人能精准感知物理世界的三维空间关系（如物体边界位置、距离...

SayIt是一款主打 “语音转书面表达” 的AI效率工具，核心理念为 “随口说，出色写”，通过AI能力将用户的口语语音实时转化为可直接使用的规范书面文本，以语音输入替代传统打字，提升文字录入与内容产出...

Muse Image是Meta公司旗下Meta Superintelligence Labs（超级智能实验室）发布的自研AI图像生成模型，作为该实验室继大语言模型Muse Spark后的第二款核心产品...

LingBot-Depth 2.0是蚂蚁集团旗下灵波科技研发的新一代高精度空间感知模型，通过将训练数据规模从300万提升至1.5亿，在边缘清晰度、细小物体识别、远距离深度估计及复杂场景鲁棒性等方面实现...

InternAgentS是一款由上海人工智能实验室智能体系统中心研发的开源科研智能体工作台。它旨在将科研项目转化为一个能够自主行动的智能工作平台，为科研人员提供类似 Claude Science 的一...

MemGUI-Agent是由浙江大学与快手联合研发的端到端长程移动GUI智能体，专为解决现有GUI Agent在跨应用、多步骤复杂任务中关键信息遗忘的问题而设计。通过主动上下文管理机制替代传统被动累积...

OpenScience是一款面向科研人员的开源AI科研工作台，由Synthetic Sciences开发。它以智能体为核心驱动，能够自主完成从文献调研、假设提出、代码开发、实验执行到成果撰写的完整科研...

GenEvolve是由香港科技大学（广州）、美团、香港科技大学和新加坡国立大学等机构联合提出的开源图像生成智能体框架，将传统“一句话生图”模式升级为可自主调用外部工具、自我进化的多步骤工作流。它通过模...

Fun-ASR-Realtime是阿里云通义实验室升级发布的流式实时语音识别大模型，首字延迟控制在百毫秒级别、识别准确率接近离线模型，同时支持16种方言与30种语言的无缝识别。该模型专为直播字幕、会议...

腾讯混元Hy3是腾讯发布的新一代开源大语言模型，采用混合专家（MoE）架构，在保持较小激活参数量的同时实现与更大尺寸旗舰模型相当的性能。高性价比的实用型模型，重点强化了Agent能力、推理稳定性及办公...

Elements Claw是阿里达摩院联合中国人民大学、中国科学院大学等机构发布的全球首个超导材料发现专用AI智能体。首次实现AI自主完成从材料筛选、可行性评估到实验方案设计的全流程闭环，成功从240...

Leanstral 1.5是Mistral AI推出的专注于形式化验证与数学证明领域的专用AI模型，属于Leanstral系列的迭代版本。它并非通用编程助手，而是专为 Lean 4 证明语言设计的代码...

ComAct是面向专业软件操作的全新AI智能体交互范式，核心提出「COM-as-Action」理念，将组件对象模型(COM)作为统一可执行抽象，把专业软件交互从传统的顺序视觉控制重构为确定性程序合成任...

EdgeBench是由字节跳动Seed团队推出的一个前沿AI基准测试框架，旨在研究智能体（Agent）如何从真实世界环境中学习。它通过一系列长达 12 小时以上的可执行任务，首次揭示了智能体环境学习的...

Page Agent是阿里巴巴开源的纯前端GUI智能体框架，无需截图或外部浏览器控制，直接通过解析网页DOM结构实现自然语言驱动的页面操作。将AI操作能力内嵌至网页本身，使开发者能以极低成本为自有产品...

Vidu S1是生数科技发布的全球首个支持实时交互的视频生成大模型，将视频生成从传统的“单向离线输出”升级为“双向实时对话”，用户可通过语音指令动态控制视频内容走向，实现540P分辨率、25FPS帧率...

Ego Lite是一款专为AI智能体（Agent）设计的浏览器工具，让Agent能高效、安全地操作网页，同时避免干扰人类用户的当前浏览任务。它通过隔离任务空间、复用用户登录态、优化数据传输等技术，解决...

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...

Command Code是一款终端原生的AI编程代理工具，通过持续学习开发者的个人编码习惯（如命名规范、库选择偏好、错误处理模式），将AI生成的代码与用户工作流深度对齐，显著减少手动修正和代码审查中的...

video-use是Browser-Use团队开发的开源视频自动剪辑工具，通过自然语言指令实现端到端的视频剪辑自动化，无需用户手动操作时间线或学习专业剪辑软件。它专为口播类、教程类等文本驱动型视频内容...

地层学AI大模型是中国科学家于2026年7月3日在全球首次发布的、专门针对地层学领域的专业人工智能模型，通过统一时间标尺整合地球46亿年演化历史的地质记录，构建全球共享的地层数据库，从而为生命起源、资...

ChatExcel Ultra是元空AI推出的企业级本地化部署AI数据智能体桌面版，通过自然语言交互实现全链路数据处理，无需依赖云端服务，确保企业敏感数据全程本地化运行，同时支持超大规模数据的实时分析...

ViiTorVoice是由中国公司北京云上曲率科技自主研发的全球首个支持片段级编辑的AI语音合成（TTS）模型，在权威评测Seed-TTS中以中文词错率0.99%、英文词错率1.32%的成绩登顶榜首...

Nemotron-Labs-TwoTower是英伟达（NVIDIA）开源的扩散语言模型，通过双塔架构设计将文本生成吞吐量提升2.42倍，同时保留98.7%的原始生成质量，专为解决传统自回归模型在大规模...

xAI推出的Voice Agent Builder是一个零代码平台，专为构建生产级语音智能体设计，支持企业直接通过自然语言配置实现全双工实时交互、业务闭环执行的语音服务系统。将复杂语音AI能力封装为开...