AI最新项目

GPT-5.5 Instant升级版是OpenAI于2026年6月25日推出的默认模型迭代版本，提升意图理解深度与复杂任务可靠性，而非参数规模扩展。其本质是轻量化推理优化路径的延续，通过算法级改进实现...

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...

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...

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...

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...

LLM Council 是由Andrej Karpathy推出的开源多模型协作框架，核心是让多个大模型像 “委员会” 一样并行回答→互相评审→最终合议，输出比单模型更可靠、更低幻觉的答案。 LLM C...

Hy-Memory是腾讯混元推出的、面向长期协作型Agent（如Openclaw）的记忆插件，堪称Agent的“第二大脑”。它采用6层记忆框架、System1/System2双系统与演化链三层核心架构...

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...

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...

Qwen3.5-LiveTranslate是阿里通义千问发布的实时语音翻译模型，核心突破在于实现2.8秒端到端字均延迟、支持60种语言输入与29种语言语音输出，并通过多模态技术保留说话人原声音色与情绪...

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...

GPT-5.6 Terra是OpenAI于2026年6月26日发布的均衡型大语言模型，名称中的“Terra”取自拉丁语“大地/地球”，指均衡、普适的中间性能档位，稳定支撑日常工作的基础层。该模型以50...

OCR 4是Mistral AI推出的最新文档内容识别模型，专为高精度、多语言文档处理设计。解决传统 OCR 在复杂文档结构、多语言混排及下游任务适配中的局限性，输出质量经人类评估优于 GPT-5.5...

AI版支付宝（命名为“阿宝”）是支付宝自2026年6月16日起推出的重大改版版本，将传统“陈列式”菜单交互升级为“对话式”服务模式。用户只需通过文字或语音指令，即可一句话直达上万种服务，无需手动跳转多...

Dulus是一个开源、免API密钥的命令行(CLI)AI智能体项目，由独立开发者KevRojo在GitHub上维护。其核心设计目标是让用户无需绑定信用卡或手动配置API密钥，即可通过自动化捕获浏览器会...

Matrix-Game 3.5是昆仑万维旗下Skywork团队发布的开源多模态世界模型，实现Patch级空间记忆机制与单卡实时交互能力，使AI能生成具有物理因果一致性的可交互虚拟世界。它标志着世界模型...

Xiaomi MiMo Claw是小米推出的云端轻量化AI智能体（Agent）服务，基于OpenClaw框架开发，主打低门槛体验大模型Agent能力，核心聚焦文档办公场景。无需本地部署、直接通过网页使...

Software Copyright Materials Skill(开源软著资料生成Skill)本质是一个基于AI Agent的自动化工具，专为解决中国软件著作权登记中材料准备繁琐问题而设计。 其核...

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...

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...

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...

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...

Image-to-LoRA-V2是魔搭社区（ModelScope）开源的免训练风格迁移工具，通过单张参考图像直接生成定制化LoRA模型，无需传统微调所需的多图数据集与复杂训练流程。将图像特征映射为模型...

HiDream-O1-Image-1.5智象未来推出的商用版图像生成模型，在Artificial Analysis全球文生图榜单中评分1265ELO，位列中国第一、全球第二(仅次于OpenAI)，采用...

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...

VoxCPM2 是由面壁智能(OpenBMB)团队开源的一款新一代语音生成基座模型。 如果说上一代 VoxCPM(0.5B)是以“小钢炮”著称的轻量化模型，那么 VoxCPM2 则是全面进化的“全能型...

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...

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...

Xiaomi Miloco 2.0是小米于2026年6月18日发布的全屋智能AI开源方案，基于自研MiMo大模型构建，以Agent形式接入OpenClaw框架，实现“能记忆、会识人、懂执行”的本地离线...

MOSS-VL-Realtime是由复旦大学OpenMOSS团队开发的开源实时流式视频理解模型，专为处理动态视频流设计，突破传统模型需等待完整视频输入的限制，实现边接收画面边生成回答、信息不足时主动保...