AI最新项目

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...

Kimi K2.6是月之暗面(Moonshot AI)发布的最新旗月之暗面舰级人工智能模型，并已在发布时同步开源。它在代码编写、长程任务执行及智能体(Agent)集群能力上实现了全面升级，旨在对标GP...

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...

SkillOpt是微软研究院开源的文本空间优化器，专为优化AI Agent的自然语言技能文档（如 skill.md）而设计。它不修改模型参数，而是通过“执行-反思-更新-验证”的闭环流程，自动迭代生成...

悟界·Physis-v0.1是北京智源人工智能研究院与逆矩阵科技联合研发的全球首个通用世界基座模型，以物理状态预测替代传统像素或语言序列预测，通过建模真实物理规律（如重力、碰撞、流体动力学），使AI能...

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...

Grok Imagine Video 1.5是马斯克旗下xAI公司正式发布的图像转视频生成模型，最大特点是能在25秒内生成6秒720P分辨率、带同步音频的短视频，相比前代在音画同步精度、物理真实性和生...

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...

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...

Qwen3-ForcedAligner-0.6B是通义千问(Qwen)团队推出的基于大语言模型(LLM)的非自回归强制对齐模型，专门用于将音频与对应文本进行毫秒级精确时间戳对齐。 其核心价值在于无需依...

GPT-5.5-Cyber是OpenAI正式推出的网络安全专用大模型。它的核心定位是“面向防御者的网络攻防武器”。与标准版模型不同，GPT-5.5-Cyber通过放宽安全限制，赋予了AI主动发起网络攻...

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...

Ponytail是一个开源的AI编程助手插件，通过系统性精简原则减少冗余代码量，其理念源于“资深程序员只需用一行代码解决原本需 50 行的问题”。它并非独立工具，而是作为Agent Skills集成到...

TypeNo是一款专为macOS打造的开源免费中文语音输入法。它主打极致隐私，所有识别均在本地完成，无需联网上传数据。操作极简，按住快捷键说话，松开即自动粘贴文字。无账号、无广告、低资源占用，是注重隐...

Yeri AI是一站式全链路AI视觉创意创作平台，聚焦图像与视频内容智能生成，覆盖从静态视觉到动态视频的完整创作流程。平台以自然语言交互为核心，无需专业设计与剪辑基础，用户通过文字描述即可快速产出符合...

Boogu-Image-0.1是开源统一图像生成与编辑模型家族，由Boogu团队开发，包含Base（基础版）、Turbo（极速版）和Edit（编辑版）三大核心变体。该模型以10B参数量级在Qwen-I...

Guizang Social Card Skill是由开发者 op7418(归藏)开源的AI图文排版工具，专为小红书、公众号等平台设计，核心目标是通过技术路径规避平台对 AI 生成内容的强制标识要求...

StockBuddy是腾讯自选股垂直金融AI智能体，接入专业金融数据源，全面覆盖沪深港美全市场行情数据。支持自然语言对话交互，可提供个股深度研究、行业动态解读、大盘走势分析与智能盯盘服务，同步支持模拟...

HPC-Ops是腾讯混元AI Infra团队开源的工业级高性能大语言模型（LLM）推理核心算子库，专为解决真实业务场景中的推理性能瓶颈而设计。通过微架构级优化与动态调度技术，显著提升大模型推理吞吐量...

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...

Ling 3.0 Flash是蚂蚁集团百灵团队最新发布的高效推理大模型，总参数量124B，激活参数仅5.1B，在保持高智能水平的同时显著优化Token消耗与推理速度。以1/10的Token消耗实现Ag...

AnySearch是专为AI智能体（Agent）设计的搜索基础设施，不是返回网页链接，而是直接向Agent提供结构化、可直接用于推理的高质量信息，解决传统搜索引擎无法满足Agent对专业数据、实时性和...

Vibe Coding产品“袋马”是一款通过自然语言描述即可生成可直接上线的微信小程序或iOS原生应用的AI工具，零代码门槛、分钟级交付、真机可用，专为非技术背景的个人及小微主体设计。将传统开发流程压...

阿里云百炼CLI是阿里云开源的命令行工具，专为AI Agent设计，一行命令即可接入百炼平台150+模型与全套能力。原生支持多种主流Agent框架，集成多模态调用、知识库、记忆库、联网搜索与文件处理...

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...

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...

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...

Gemini Spark是谷歌发布的首个全天候运行的个人AI智能体，其核心突破在于无需用户持续在线即可自主执行跨应用任务(如整理邮件、规划行程、监控账单)，且任务在用户关闭设备后仍能在云端持续运行。与...

hronicles-OCR是由腾讯混元大模型联合中国科学院信息工程研究所、安阳师范学院、南开大学及故宫博物院等权威机构，共同推出的业界首个中国古文字感知评测基准。 简单来说，它是一套专门用来给当前顶尖...

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...