AI最新项目

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...

opera-browser-cli是Opera Neon推出的官方开源命令行工具，其核心功能是让本地AI代理无需云端中转即可直接操控浏览器，通过绑定本地调试端口实现低延迟、零认证的浏览器控制能力。该工...

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...

Google Pics是谷歌推出的原生集成于Google Workspace的AI驱动设计与图像生成工具，核心目标是将图像生成与精细化编辑整合至同一工作流，让用户无需专业设计技能即可完成从创作到微调的...

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...

豆包音频生成模型1.0（Seed-Audio 1.0）是字节跳动在火山引擎FORCE原动力大会上发布的专业级音频全要素生成模型，首次实现从单一文本提示词端到端生成包含人声、环境音、特效音的影视级完整音...

Wan-Streamer v0.2是阿里通义实验室发布的端到端全模态实时交互模型，将音视频感知、语言理解与内容生成统一至单个Transformer架构，实现550毫秒级端到端响应延迟（含网络传输）。其...

HTML Anything是一个开源的本地化HTML编辑器工作台，专为AI Agent时代设计，通过复用用户已安装的 AI 编码工具（如Claude Code、Cursor等），将任意内容（Markd...

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...

EchoBird是一款跨平台桌面级AI工具管理软件，将AI编程工具的安装、配置和模型管理流程简化为图形化操作，无需手动处理命令行、环境变量或分散的配置文件。它通过统一界面解决“安装复杂、配置混乱、模型...

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...

向尾是阿里云推出的一款AI互动故事创作与阅读平台，主打纯文字互动叙事，通过AI技术实现从故事创作到沉浸式阅读的闭环体验。以结构化分支剧情和实时AI续写能力，将传统线性阅读转化为可交互的叙事体验，区别于...

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...

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...

Cursor Composer 2是2026年3月推出的AI编程智能体。它具备20万Token超大上下文，能自主拆解并执行全栈开发、重构等复杂多步任务，无需人工频繁干预。其性能接近顶尖模型，但价格大幅...

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...

Unlimited-OCR是百度开源的端到端长文档解析视觉语言模型，通过创新的参考滑动窗口注意力机制（R-SWA），首次实现单次推理无损解析40+页PDF文档的能力，解决了传统OCR模型处理长文档时的...

微信高考AI助手是微信搜一搜免费志愿填报辅助工具，通过整合官方历史录取数据提供个性化参考方案。简化信息查询流程，但不能替代正式志愿填报系统。考生需注意所有AI生成内容仅作参考，最终填报必须以本省教育考...

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...

QBotClaw(中文名：龙虾)是腾讯于正式发布的国内首个浏览器AI智能体(Agent)。 它不是传统意义上的浏览器插件，而是深度集成在QQ浏览器中的智能助手。它的核心突破在于将浏览器从一个“被动展示...

GitNexus是专为AI智能体设计的代码库知识图谱构建工具，核心功能是将代码库的依赖关系、调用链和架构逻辑预计算为结构化知识图谱，使AI编程助手能精准理解代码上下文，避免盲目修改导致破坏性变更。 通...

Fara1.5是微软研究院AI Frontiers实验室发布的浏览器智能体模型系列，专为直接操作真实浏览器界面完成复杂任务而设计，不依赖网页DOM结构或无障碍树，仅通过视觉截图理解界面。 其核心突破在...

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...

CopilotKit是一个开源的前端智能体(Agent)应用开发框架，核心目标是让开发者能像搭积木一样快速构建深度集成AI能力的应用，而非仅添加一个聊天窗口。 通过 AG-UI 协议实现智能体与用户界...

PawBench是通义实验室于2026年6月推出的开源通用智能体评测基准，核心突破在于首次将底座模型、运行框架(Harness)与任务场景纳入同一交叉评测体系，而非仅对模型能力排名。 通过系统性拆解智...

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...

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...

Marvis(中文名：马维斯)是腾讯应用宝团队在2026年5月刚刚开启内测的一款操作系统级AI助手。 简单来说，它不仅仅是一个陪聊的AI，而是一个能真正接管并操控你电脑和手机的“个人数字秘书”。它的名...

Ornith-1.0 是 DeepReinforce 团队推出的一个开源大语言模型系列，专为智能体编程任务而设计。创新在于一个自我改进的训练框架，使模型能够自主学习并优化指导其解决问题的“脚手架”（S...