AI最新项目

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...

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...

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...

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...

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...

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...

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...

ACE-Ego是大晓机器人联合香港中文大学多媒体实验室（CUHK MMLab）于2026年6月17日发布的开源“一脑多型”具身操作视觉语言动作（VLA）模型，通过“以人为中心”的预训练范式，首次实现单...

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...

InsForge是一个专为AI编码智能体(AI Coding Agents)量身打造的一站式开源后端平台。InsForge的核心理念是“为智能体开发而构建的后端”，旨在解决当前AI辅助编程(如使用Cu...

Qwen-Robot Suite是阿里巴巴于2026年6月16日发布的千问大模型家族首个完整具身智能模型系列，包含Qwen-RobotManip（操作模型）、Qwen-RobotNav（导航模型）和Q...

iArt.ai是一个专注于AI驱动的视频与图像智能创作平台，主打快速生成高质量营销视频、动画内容及动态图文，尤其擅长将简单文本或静态素材转化为专业级视听作品。降低创意生产门槛，使非专业用户也能高效完成...

Qwen2.5-7B是阿里云通义千问系列推出的76.1亿参数开源大语言模型，核心特点为支持131.072 tokens超长上下文、原生结构化输出能力及显著提升的数学与编程性能，适用于需平衡推理成本与专...

Gamma-World是由英伟达与清华大学团队联合提出的多智能体世界模型，旨在解决传统单智能体世界模型无法模拟多主体在共享环境中交互的核心缺陷。 其核心突破在于通过身份对称性编码和稀疏通信架构，首次实...

Gemini 3.1 Pro是谷歌(Google)发布的新一代旗舰人工智能基础模型。它定位为一款专为解决复杂问题而生的高阶推理工具，主打深度思考和复杂任务处理。 Gemini 3.1 Pro核心特点与...

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...

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...

SenseNova-U1-8B-MoT-Infographic是商汤科技开源的专项增强版多模态大模型，基于原生统一架构 SenseNova-U1-8B-MoT针对信息图（infographic）生成场...

Wall-OSS-0.5是自变量机器人团队开源的全球首个实现"预训练即可部署"的具身基础模型，无需针对下游任务进行后训练，直接在真实机器人上完成零样本操作任务，其核心突破在于通过技术重构使预训练模型自...

小米的Xiaomi Miloco(全称Xiaomi Local Copilot，小米本地协同智能助手)是小米发布的一项智能家居未来探索方案。 简单来说，它不是单一的一款硬件，而是一套基于大模型驱动的全...

VibeThinker-3B是新浪微博AI团队发布的30亿参数稠密推理模型，仅用3B参数规模就在数学推理等可验证任务上达到甚至超越224倍参数量（671B）的DeepSeek V3.2的水平。该模型的...

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...

Gemini-SQL2是谷歌发布的专用文本转SQL（Text-to-SQL）模型，基于Gemini 3.1 Pro深度优化，在权威评测基准BIRD上以80.04%的执行准确率登顶单模型榜单。通过自然语...

MiMoCode V0.1.0是小米开源的终端原生AI编程助手，专为解决长周期编程任务中的信息丢失问题而设计，其核心突破在于通过独立Agent架构实现“越用越懂项目”的持续记忆能力，而非仅依赖模型自身...

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...

Polar是英伟达(NVIDIA)开源的强化学习训练框架，专为解决代码智能体(如Codex、Claude Code、Qwen Code等)接入强化学习时的高成本与信号丢失问题而设计。 其核心突破在于无...

Claude Opus 4.8是Anthropic发布的旗舰大语言模型小版本迭代，核心突破在于显著提升模型诚实性与多智能体协作能力，而非基础架构的颠覆性升级。它在保持与Opus 4.7相同定价的前提下...

Reasonix是一款专为DeepSeek模型深度优化的开源终端AI编程助手，核心通过 "只追加不修改"的会话管理机制实现 90% 以上的缓存命中率，将长会话场景下的 API 成本降低至普通工具的 1...

Agora-1是由AI初创公司Odyssey发布的全球首个支持多人实时互动的AI世界模型，其核心突破在于实现了人类与 AI 智能体在同一个动态生成的虚拟环境中同步交互，而非传统单人体验的静态生成内容...

Qwen-VLA是阿里通义团队最新发布的通用机器人基础模型。 简单来说，如果之前的视觉模型是让AI拥有一双“眼睛”去理解世界，那么Qwen-VLA就是给这双眼睛配上了“灵活的手脚”，让AI不仅能看、能...