AI最新项目

UnifoLM-VLA-0是宇树科技开源的视觉-语言-动作（VLA）大模型，专为通用人形机器人操作设计，通过将视觉感知、语言指令与物理动作统一建模，实现了从传统图文理解到具备物理常识的"具身智能"突破...

阿里开源的LOGOS（Language Of Generative Objects in Science）是国内首个跨学科统一科学基座大模型，由阿里ATH-Token Foundry联合中国人民大学高...

SwarmFlow是华为支持的开源社区openJiuwen推出的多智能体可控协同框架，通过将确定性协作流程脚本化，解决传统多Agent系统因依赖Leader临场调度导致的流程不稳定、结果不可复现问题...

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...

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...

MAI-Voice-2是微软发布的新一代自研多语言语音合成模型，支持15种以上语言的高自然度语音生成，并首次实现复杂情感语调模拟与短样本声音克隆能力。 其核心突破在于通过端到端神经声学建模，在保证超低...

MAI-Thinking-1是微软于2026年6月3日发布的首款完全自研的高级推理AI模型，采用350亿活跃参数的稀疏混合专家(MoE)架构，完全基于企业级合规数据从零训练，未使用任何第三方模型蒸馏数...

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...

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...

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...

Kimi K2.7 Code是月之暗面（Moonshot AI）发布的编程专用大模型，解决长程编程任务中的过度思考问题，而非通用能力升级。长任务平均Token消耗直降30%，同时输出速度提升至普通版的...

VitaBench 2.0是美团LongCat团队联合多所高校推出的新一代大模型智能体评测基准，专注于评估智能体在长期、多轮次真实生活场景交互中的综合能力。 与早期版本相比，将评测维度从单次任务扩展至...

PaddleOCR-VL-1.6是百度发布的轻量化多模态文档解析模型，在权威评测集OmniDocBench v1.6中以96.33%的综合准确率刷新全球SOTA记录，超越Gemini-3-Pro、GP...

GLM-5.1-highspeed是智谱(Zhipu AI)于2026年5月22日推出的旗舰级大模型高速版API，其输出速度达到400 tokens/s，刷新全球大模型厂商API的速度上限，并首次在国...

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...

LFM2.5-1.2B是Liquid AI推出的12亿参数轻量级AI模型家族，专为边缘设备与本地部署优化设计，最大特点是仅需约900MB内存即可在普通智能手机上流畅运行，同时通过创新的"思考链"机制实...

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...

Audio Flamingo Next (AF-Next) 是由 NVIDIA（英伟达）与马里兰大学研究团队在2026年4月联合发布的最新开源大型音频语言模型(LALM)。 它是Audio Flami...

LongCat-Flash-Prover是美团开源的5677亿参数MoE大模型，专攻复杂数学定理与形式化推理。融合 Lean4 证明器与 AST 校验，严格防幻觉；依托HisPO强化学习稳定长链推导...

MiMo-V2-Flash是小米于 2025年12月17日正式开源的一款高效能、低成本的混合专家(MoE)大语言模型。 如果说随后发布的 MiMo-V2-Pro 是负责攻坚复杂难题的“重型坦克”，那么...

谷歌Gemini助手是谷歌基于Gemini系列大模型推出的智能AI助手产品，将AI从“问答工具”升级为“任务执行代理”。它通过深度集成谷歌生态，支持多模态交互、跨应用任务自动化及个性化服务，不仅能回答...

Nano Banana 2 Lite是谷歌发布的轻量级AI图像生成模型，定位为速度与成本优化的专用版本。以4秒内出图的速度和每千张0.034美元的极低成本，实现接近标准版Nano Banana 2的图...

Krea 2是Krea AI公司推出的开源图像生成模型，拥有约120亿参数，包含Raw和Turbo两个版本。兼顾高质量生成与实时交互能力，专为美学表达和创意设计优化，支持本地部署与商业应用，并显著提升...

微信AI助手"小微"是微信团队自主研发的原生智能体，并非独立App或第三方插件，而是深度集成在微信内部的对话式操作中枢。通过自然语言指令直接调用微信原生功能与小程序生态，实现"一句话完成复杂操作"，本...

当你还在手动打开 App 点麦当劳的时候，麦当劳已经悄悄把点餐系统开放给了 AI。 麦当劳中国上线了官方 MCP 平台：https://open.mcd.cn/mcp MCP（Model Contex...

Bernini是字节跳动于2026年6月正式开源的统一视频生成与编辑框架，首创“语义规划+视觉渲染”的两阶段解耦架构，通过让AI先理解指令逻辑再生成画面，显著提升视频编辑的可控性与稳定性，解决传统模型...

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...

DeepSeek Harness 是深度求索（DeepSeek）于2026年5月内部立项、8月开启封闭内测的AI智能体运行框架，核心公式为"Model + Harness = Agent"。如果大模型...

Tuanjie Cowork是Unity中国专为游戏开发者打造的AI编程智能体，深度集成Unity与团结引擎生态，核心能力在于直接读取完整项目上下文(包括场景结构、资源管线、编辑器状态等引擎特有数据...

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...