AI项目
SenseNova-MARS – 商汤科技开源的多模态自主推理模型
SenseNova-MARS是商汤科技开源的多模态自主推理模型，提供8B和32B两种参数规模。作为首个支持动态视觉推理与图文搜索深度融合的Agentic VLM，模型能像智能体一样自主规划任务步骤，灵活调用图像裁剪、文本搜索、图像搜索三大工具，无需人工干预可完成复杂的多跳推理。
SkyReels-V3 – 昆仑万维开源的多模态视频生成模型
SkyReels-V3是昆仑万维开源的多模态视频生成模型，用单一架构实现专业级视频创作。模型能将静态图像转化为动态影像，支持智能延长视频时长和电影级转场，让数字人音视频精准同步。
LongCat-Flash-Lite – 美团LongCat开源的大语言模型
LongCat-Flash-Lite是美团推出的新一代高效大语言模型。模型采用创新的混合专家（MoE）+ N元语法嵌入架构，总参数量达685亿，每次推理仅激活约29~45亿参数，兼顾强大的能力与极高的效率。
Zopia – AI短剧创作Agent，自然语言完成全链条制作
Zopia 是全流程AI短剧创作Agent，定位为"对话式AI影像工作室"。用户通过自然语言描述创意，系统可自动完成从剧本拆解、角色设计、分镜生成到视频成片的全链条制作，支持动漫、真人、3D等多种风格。
DeepSpeed-MII – 微软DeepSpeed开源的模型推理库
DeepSpeed-MII 是 DeepSpeed 团队开源的 Python 库，提供高效模型推理。DeepSpeed-MII用阻塞 KV 缓存、连续批处理和动态 SplitFuse 等创新手段，显著提高推理吞吐量并降低延迟，在处理大型语言模型时表现出色。
Earth-2 – 英伟达开源的AI气象预测模型家族
NVIDIA Earth-2 是英伟达推出的全球首套完全开源的 AI 气象预测模型家族，基于 Atlas、StormScope、HealDA 三大核心架构，分别实现 15 天全球中期预报、0-6 小时公里级临近预报和秒级初始条件生成。
Prism – OpenAI推出的免费AI科研写作平台
Prism 是 OpenAI 推出的免费云端科研写作平台。平台以 LaTeX 为核心，深度集成 GPT-5.2 模型，为用户提供一体化的写作与协作环境。
Kimi Code – Kimi推出的AI编程工具
Kimi Code 是 Kimi推出的AI编程工具，可在终端（CLI）、VS Code 、 Cursor 、JetBrains 和 Zed 等主流编辑器中直接运行，支持图片和视频输入辅助编程。
Lucy 2 – Decart AI推出的实时视频生成模型
Lucy 2.0 是 Decart AI推出的实时世界转换模型，支持让高保真视频编辑从离线渲染跃升为可交互的实时体验。
inSai Hilight – AI营销视频Agent平台，多Agent深度协同
inSai Hilight是全球首个AI原生电商视频Multi-Agent平台。平台通过十余个AI Agent的深度协同，仅需输入商品链接即可生成可直投的完整营销视频。
Noema Lab 创作实验室 – AI歌词与音乐创作一站式服务平台
Noema Lab 创作实验室是专注于AI音乐创作的平台，提供从歌词生成到音乐制作的一站式服务。输入主题关键词，AI可自动生成结构完整、韵律优美的专业歌词。支持多种语言（如中文、英文、粤语等），并可自定义风格、情感和主题方向。
DeepSeek-OCR 2 – DeepSeek团队开源的二代OCR模型
DeepSeek-OCR 2 是 DeepSeek 团队推出的第二代 OCR 模型，通过引入 DeepEncoder V2 架构，实现从固定扫描到语义推理的范式转变。模型采用因果流查询和双流注意力机制，能动态重排视觉 Token，更精准地还原复杂文档的自然阅读逻辑。
LingBot-Depth – 蚂蚁灵波科技开源的空间感知模型
LingBot-Depth 是蚂蚁灵波科技开源的高精度空间感知模型，专为解决机器人在透明、反光物体（如玻璃）场景下的深度感知难题设计。
ViduQ2参考生Pro – Vidu推出的万物参考视频生成模型
Vidu Q2参考生Pro是全球首创的「万物可参考」视频模型，模型通过支持多模态输入（2个视频和4张图片），为创作者提供强大的功能。
ChatTOC – AI聊天对话生成目录插件，一键定位关键信息
ChatTOC 是创新的浏览器插件，专为优化 AI 聊天体验设计。工具支持将冗长的聊天记录转化为清晰的目录结构，让用户像翻阅书籍一样快速定位关键信息。通过智能摘要预览和自动高亮功能，无需手动滚动屏幕，精准找到所需内容。
白虎-VTouch – 国地中心开源的跨本体视触觉多模态数据集
白虎-VTouch是国家地方共建人形机器人创新中心联合纬钛机器人开源的全球首个最大规模跨本体视触觉多模态数据集。数据集包含视触觉传感器数据、RGB-D数据、关节位姿数据等，覆盖多种机器人本体构型，数据规模超6万分钟。
TensorRT LLM – NVIDIA开源的大模型推理优化框架
TensorRT LLM 是 NVIDIA 推出的优化大型语言模型（LLM）在 NVIDIA GPU 上的推理性能框架。TensorRT LLM 基于 PyTorch 架构，提供高效易于使用的 Python API，支持从单 GPU 到大规模分布式部署的多种推理场景。
Qwen3-Max-Thinking – 阿里推出的千问旗舰推理模型
Qwen3-Max-Thinking是阿里最新推出的千问旗舰推理模型，参数量超1万亿，预训练数据达36T Tokens。模型通过测试时扩展机制和强化学习，显著提升推理性能和效率，在涵盖19个大模型基准测试中刷新多项最佳表现纪录。
SGLang – 开源大模型推理框架，擅长处理重复Prompt结构
SGLang 是开源的高性能大型语言模型和多模态模型推理框架。框架提供低延迟、高吞吐量的推理服务，支持从单个 GPU 到大规模分布式集群的部署。
vLLM – 开源的大模型推理框架，提升模型推理效率
vLLM 是加州大学伯克利分校 Sky Computing Lab 开源的大语言模型（LLM）推理和部署框架，支持为用户提供快速、低成本的模型服务。vLLM 通过创新的内存管理技术和先进的调度算法，显著提升模型推理的吞吐量，降低硬件成本。
AI工具箱收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
粤公网安备 123456789号