AI最新项目

Xiaomi OneVL是小米正式对外发布并全面开源的自动驾驶大模型。Xiaomi OneVL的核心定位是“一步式潜空间语言视觉推理框架”。OneVL并非简单的视觉模型，而是小米XLA(认知大模型架构...

OpenMontage是全球首个开源的、由AI智能体(Agentic AI)驱动的视频制作系统。简单来说，它就像一个不知疲倦的“AI 视频副导演”。它不是一个简单的“一键生成视频”的玩具，而是一个结构...

9Router是一款完全免费、开源的本地AI模型路由代理工具，你可以把它理解为你所有AI编程工具背后的“智能调度中心”。它的核心目标是让你用最低的成本，获得最稳定、不间断的AI编程体验。 9Route...

ELF(Embedded Language Flows，嵌入式语言流)是由计算机视觉领域顶级科学家何恺明及其MIT团队在2026年5月推出的首个连续扩散语言模型。 它打破了以GPT为代表的“预测下一个...

Daybreak是OpenAI发布的、专为网络防御者打造的前沿AI网络安全平台。Daybreak的核心理念是“原生防御”，旨在彻底改变传统“亡羊补牢”式的被动漏洞修补模式，将AI防御能力深度嵌入到软件...

MiniCPM-V 4.6是由面壁智能推出的端侧多模态大模型。MiniCPM-V 4.6的核心定位是“极致轻量的手机端多模态视觉专家”。MiniCPM-V 4.6 在保持极小参数规模的同时，实现了强大...

AiToEarn是一款备受关注的开源AI内容营销智能体平台，在GitHub上已经获得了超过1万颗星标(Star)。简单来说，它就像一个全能的“AI内容运营管家”，致力于通过AI自动化技术，打通从创作...

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...

HiDream-O1-Image是由智象未来在 2026年4月正式发布的新一代原生全模态图像大模型。HiDream-O1-Image的核心定位是“基于原生全模态架构（UiT）的电影级画质生成器”。该模...

WebWorld是由阿里巴巴Qwen(通义千问)团队正式开源的大规模网页世界模型系列,WebWorld核心定位是“AI 网页智能体(Web Agent)的虚拟训练场”。WebWorld能够高度逼真地模...

StepAudio 2.5 Realtime是阶跃星辰推出的新一代实时语音大模型。StepAudio 2.5 Realtime的核心定位是打造极具“活人感”的实时语音交互。该模型不仅具备行业顶级的“副...

文心5.1百度发布的新一代基础大模型。文心5.1核心定位是“极致效价比的搜索与智能体专家”。文心5.1在完整继承上一代(文心5.0)知识储备的基础上，通过多维弹性预训练技术，将预训练成本大幅降至业界同...

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...

SkillClaw是阿里团队推出的一个面向多用户Agent生态的技能群体进化框架。SkillClaw核心理念是“不靠更大的模型，靠更聪明的经验”。SkillClaw旨在解决当前 AI 智能体(如Ope...

Doubao-Seed-2.0-lite字节跳动火山引擎推出的豆包大模型家族首款全模态理解模型。核心定位是“全模态理解与极致性价比”。不同于仅支持图文的模型，它原生支持视频、图像、音频、文本的统一理解...

SenseNova 6.7Flash-Lite商汤科技在2026年5月8日正式推出的新一代轻量化多模态智能体模型。 它的核心定位是“专为真实世界工作流而生”，通过采用原生多模态架构，彻底改变了传统模型...

Uni-1.1是由硅谷初创公司Luma AI正式推出的新一代企业级图像生成模型及API服务。 它最大的技术突破在于“换道超车”：抛弃了目前主流的扩散模型，转而采用类似大语言模型的自回归(Autoreg...

GPT-Realtime-Whisper是OpenAI推出的一款专注于低延迟流式语音转文字的模型。它的核心突破在于实现了真正的“边说边转”。与传统的“录音-上传-识别”模式不同，它能在你说话的同时实时...

GPT-Realtime-2是OpenAI推出的旗舰级实时语音模型。它最大的突破在于，首次将GPT-5级别的推理能力 引入了语音交互领域，让AI语音助手从简单的“问答机器”进化为能处理复杂任务的“智能...

GPT-Realtime-Translate是OpenAI推出的一款专注于实时流式翻译的AI模型。它的核心突破在于打破了传统翻译“说完一句、停顿、再翻译”的回合制模式，实现了边听边译的“同传”体验，将...

Models.dev是一个由社区驱动的开源AI模型数据库，你可以把它理解为AI开发者的“中央情报局”或“万能字典”。 它的核心目的是解决当前AI模型信息分散、更新过快的问题。它将OpenAI、Anth...

Grok Voice Think Fast 1.0是xAI于2026年4月发布的旗舰级语音智能体模型。它专为处理客服、销售等场景下的复杂、多步骤工作流而设计，其核心突破在于实现了“边想边说”的实时推理...

Realtime TTS-2是由Inworld AI发布的一款实时对话语音合成模型。它并非传统的“文本转语音”工具，而是通过闭环系统架构，能够实时感知对话中的音频上下文(如用户的语调、节奏和情感)，从...

OpenAI正式发布了GPT-5.5 Instant，并将其设为ChatGPT的默认模型，全面取代了此前的GPT-5.3Instant。 这次更新被官方定义为“更准确、更简洁、更懂你”的进化。它不再仅...

DeepSeek-TUI一款开源终端 AI 编程工具，被开发者社区誉为 “DeepSeek版的Claude Code”。它由美国独立开发者Hunter Bown使用 Rust 语言开发，专为DeepS...

LongCat-2.0-Preview是美团正式推出的新一代基础大模型。它不仅是美团在AI领域“进攻”战略的核心成果，更是中国国产算力生态成熟度的一次重要验证。这款模型的核心定位是万亿级参数、国产算力...

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...

Qwen-Scope是阿里千问正式开源的一款大模型可解释性分析模块。简单来说，它就像是给黑盒般的大模型装上了一个“透视镜”或“仪表盘”，让我们能够看穿模型内部的运作机制，理解它为什么会产生某种回答，甚...

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 ...

HeiMaClaw是由黑马程序员推出的一款生产级企业AI Agent平台。与面向个人用户的助手不同，HeiMaClaw的定位非常明确：它是一个企业级基础设施，旨在通过工程化手段(Harness Eng...