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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

Qwen3.7-Max是阿里巴巴发布的千问系列新一代旗舰大模型，核心定位为面向智能体（Agent）时代的全能基座模型，其最大突破在于无需人工干预即可自主完成超长周期复杂任务(如35小时连续工作、115...

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...

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...

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...

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...

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...

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...

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...

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...

DramaClaw（中文名“虾导”）是成都新飞翔科技集团自主研发的工业级AI漫剧智造工具，角色、场景和叙事风格的高度一致性，实现“创意决定高度”的创作平权目标。将AI漫剧生产从“抽卡式随机生成”升级为...

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...

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...

Gemini 3 Flash是谷歌推出的轻量级高性能多模态大模型，核心定位是以速度与成本效率为核心优化目标，在保持接近旗舰模型推理能力的同时，响应速度达到前代Gemini 2.5 Pro的3倍，且完成...

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...

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...