PhoneBuddy – 腾讯混元开源的 4B 参数手机 Agent 模型
PhoneBuddy 是腾讯混元团队开源的 4B 参数手机 Agent 模型，核心研究如何在真实手机场景中训练可用的 AI Agent。
Mistral OCR 4 – Mistral AI 推出的最新一代文档理解模型
Mistral OCR 4 是 Mistral AI 推出的最新一代文档理解模型。模型支持从 PDF、图片、演示文稿等复杂文档中提取文本，能返回带边框定位、区域类型分类和置信度评分的结构化输出，支持 170 种语言，专为 RAG、智能体工作流和企业搜索等下游场景设计。
TRAE Work Design – TRAE Work 推出的全新设计模式
TRAE Work Design 是字节跳动旗下 AI 编程工具 TRAE Work 推出的全新设计模式，面向设计师、开发者、产品经理等角色，支持通过自然语言对话直接生成 UI 设计稿，可在画布中实时编辑修改。
updream实测 – 画布式创作，一句话续写画面到成片
最近在 B 站刷到好多有意思的 AI 短剧。有 AI 动画，有悬疑短片，也有那种把网文脑洞拍出来的短剧。不管是内容、质量还是完成度，都比前两年高太多了。
Ponytail教程 – AI 编程 Agent 精简代码实战详解
今天发点适合写代码的东西。写项目的时候，刚开始代码都很清爽：两个页面、三个接口、几段工具函数，目录一眼能看完。
Ornith-1.0 – DeepReinforce 开源的 Agentic 编程系列模型
Ornith-1.0 是 DeepReinforce 团队推出的专为 Agentic 编程任务设计的开源大模型系列，模型基于 Gemma 4 与 Qwen 3.5 预训练基座，采用自改进训练框架，在代码生成与软件工程基准上达到同级别开源模型的 SOTA 水平。
QoderWork 中国版免费体验 – 从写作到远程操控电脑
AI Agent 全面爆发，但普通人想真正用起来却很难。海外工具成本高，网络不稳定，API 额度消耗太快，随便跑两个自动化工作流，钱包就有些吃不消。
向尾 – 阿里云推出的AI互动故事创作与阅读平台
向尾是阿里云推出的AI互动故事创作与阅读平台，主打创作与沉浸式互动。平台支持从零起稿、文稿续写、长篇小说分章规划三种模式，覆盖网文、剧本、儿童故事等场景。
学 AI 该学什么？ – 图解 Skill：AI提效实战指南（PDF文件）
《图解Skill：AI提效实战指南》作者、开源项目 baoyu-skills 维护者，关于「我们学AI到底该学什么」的深度分享，核心主张是，当下学AI回报率最高的方向，不是追新模型、不是背提示词，而是把你自己反复做的事，变成AI能执行的技能（Agent Skills）。
Confucius4-TTS – 网易有道开源的多语言语音合成引擎
Confucius4-TTS 是网易有道开源的 1.3B 参数多语言语音合成引擎。模型只需 3 秒参考音频可零样本克隆音色，无需参考文本，支持中、英、日、韩等 14 种语言跨语种无口音合成，能迁移情感韵律。
MMSkills – 上海交大与小红书联合推出的多模态技能框架
MMSkills 是上海交通大学与小红书联合推出的面向通用视觉 Agent 的多模态技能框架，支持将可复用技能从纯文本步骤扩展为包含文本流程、运行时状态卡片和多视角关键帧的多模态程序性知识，通过 branch loading 机制在运行时高效调用视觉证据。
Otty – Typora 团队推出的原生 macOS 终端应用
Otty 是 Typora 团队推出的原生 macOS 终端应用，专为频繁使用 AI Agent 的开发者设计。工具在传统终端的基础上，原生集成多 Agent 面板管理、会话恢复、对话分支（Fork）和 Prompt 队列等功能，让用户在一个界面中同时运行和监控 Claude Code、Codex、OpenCode 等工具。
JoyAI-VL-Interaction – 京东开源的实时视频视觉语言交互模型
JoyAI-VL-Interaction 是京东 Joy Future Academy 开源的实时视频视觉语言交互模型，是全球首个全栈开源的 interaction 模型系统。
Honestly – AI 社交情报与联盟营销分析平台，抓取真实评论
Honestly 是面向品牌方的 AI 社交情报与联盟营销分析平台，核心定位是"将社交媒体上的真实产品讨论转化为可执行的商业信号"。通过爬取 Reddit、TikTok、YouTube、Instagram、X 等主流社交平台
Qwen-AgentWorld – 通义千问推出的原生语言世界模型
Qwen-AgentWorld 是通义千问团队推出的首个语言世界模型，通过长思维链推理模拟 MCP、搜索、终端、软件工程、Android、Web、操作系统共 7 大智能体环境。
Claude Tag – Anthropic 推出的企业级 AI 协作工具
Claude Tag 是 Anthropic 推出的企业级 AI 协作工具，定位为 Claude Code 的进化版。工具内置 Agent 身份深度集成 Slack，团队成员可在任意频道 @Claude 委派任务。
Baichuan-M4 – 百川智能联合清华推出的医疗增强模型
Baichuan-M4是百川智能联合清华大学推出的新一代医疗增强大模型，在 HealthBench 综合、Hard、Professional 三个权威榜单同时位列世界第一，幻觉率低至 3.3% 为全行业最低。Baichuan-M4 突破通用大模型被动应答的局限。
4 个开源 PPT Skill 生成实测 – 从颜值到原生交付全对比
今天发点适合做 PPT 的东西。做 PPT 这事，懂的都懂。做得好不一定有奖励，做得差一定要返工。最烦的是，很多 PPT 写出大纲倒是不难，反而排版、填写内容、调整结构实在是折磨人。今天给大家推荐4个 Github上好用的 PPT Skill，以后做 PPT 再也不用抓耳挠腮的苦熬了。
豆包音频生成模型1.0 – 火山引擎推出的端到端音频创作模型
豆包音频生成模型1.0是火山引擎推出的端到端音频创作模型，支持文本或音频作为参考输入生成目标音频。模型单条Prompt可编排多角色对白、情绪语气、背景音乐与环境氛围，直接产出具备叙事张力的完整音频作品，无需后期多轨混音。
Unlimited-OCR – 百度开源的端到端长文档 OCR 模型
Unlimited-OCR 是百度推出的端到端长文档 OCR 模型，通过 Reference Sliding Window Attention机制将解码器 KV cache 从线性增长压缩为常数，实现单次前向转录数十页文档。
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