Qwen3-VL-Embedding – 阿里通义开源的多模态信息检索模型
Qwen3-VL-Embedding 是阿里通义推出的多模态信息检索模型，专为处理文本、图像、可视化文档和视频等多种模态输入而设计。模型基于强大的 Qwen3-VL 架构，能将不同模态的数据映射到统一的语义空间，生成语义丰富的高维向量。
DeepTutor – 香港大学开源的AI学习助手
DeepTutor 是香港大学数据科学实验室开源的 AI 学习助手，通过多智能体架构和知识图谱技术，将复杂的知识体系转化为高效的学习体验。
Qwen3-VL-Reranker – 阿里通义开源的跨模态理解模型
Qwen3-VL-Reranker 是阿里通义基于 Qwen3-VL 构建的跨模态理解模型，专为多模态信息检索设计。模型接收任意模态组合的查询与文档对（如图文查询匹配图文文档），通过单塔架构和交叉注意力机制，深度分析语义关联，输出精确的相关性分数。
Nemotron Speech ASR – 英伟达开源的语音识别模型
Nemotron Speech ASR 是英伟达开源的专注于低延迟、实时流式语音识别的模型。通过缓存感知架构，将已处理的语音特征缓存，仅对新音频帧进行计算，实现单句转录锁定仅需24毫秒，有效解决了传统流式模型在长语音识别中的累积延迟问题。
FantasyWorld – 高德地图联合北邮推出的3D世界建模框架
FantasyWorld是高德地图（AMAP）和北京邮电大学合作开发的创新性3D世界建模框架，专注于通过统一的视频和3D预测生成高质量的3D场景。框架通过在冻结的视频基础模型中增加可训练的几何分支，实现了视频潜变量和隐式3D场的联合建模
Obsidian-skills – Obsidian推出的开源AI工具包
Obsidian-skills 是 Obsidian 团队开发的一组开源工具，帮助用户更好地将 AI 工具（如 Claude Code）与 Obsidian 笔记系统结合使用。包含三大核心技能：obsidian-markdown、obsidian-bases 和 json-canvas。
女娲智能体OS – 首个产品级开源的通用智能体操作系统
女娲智能体OS（Nuwax Agent OS）是全球首个产品级开源的通用智能体操作系统。女娲智能体OS支持将AI从单纯的对话工具转变为企业的智能执行者，通过自主执行引擎实现从需求拆解到任务执行的全链路自动化。
Spirit-v1.5 – 千寻智能推出的具身智能基础模型
Spirit-v1.5 是千寻智能推出的具身智能基础模型。模型采用多样化、开放式的数据采集方式，摒弃传统“干净数据”的限制，让模型在预训练阶段接触更丰富的动作和场景，具备更强的泛化能力和适应性。
Oh My OpenCode – AI编程助手增强插件，自动调度任务
Oh My OpenCode 是为 AI 编程助手设计的开源增强插件，能让 AI （如OpenCode ）像真正的开发团队一样高效协作，提升编程体验。工具通过集成多种 AI 模型（如 OpenAI、Gemini、Claude 等），为开发者提供强大的编程助手。
Claude Code之父Boris Cherny分享13个高效使用技巧
Claude Code之父Boris Cherny分享Claude Code的工作流和使用技巧，如何并行运行多个Claude实例、多平台协同工作、使用Opus 4.5模型、团队共享文件、计划模式启动会话、创建斜杠命令、利用子代理、格式化代码、预设权限、处理长时间任务等13个核心技巧。
实测百度文库AI PPT制作，一键排版美化生成专业PPT
最近千问 PPT 刷屏了。又是免费，又是各种模板，看起来很香。我也第一时间去试了，结论先说：差点意思。免费是香，但基本只有 20% 能用；模板有，但重复度太高；还经常给我莫名其妙的配图。都 2026 年了，你会发现一个残酷的事实：真正靠谱的 AI PPT 工具，仍然非常稀缺。直到我用回了 PPT 赛道的“老玩家”——百度文库。简单对比这两个工具，你就知道文库悄悄把 AI PPT 这事，卷到了什么程
吴恩达推出免费的AI编程入门课程《Build with Andrew》
《Build with Andrew》是 AI 领域知名专家吴恩达Andrew Ng主讲的入门级课程，专为零基础学习者设计。课程时长约30分钟，采用在线自学形式，通过视频讲解、AI互动练习和项目实践，帮助学员快速掌握如何用AI工具构建和定制应用程序，无需编码经验。
怎么用云幕同声AI视频翻译工具，制作优质跨境视频
在当今全球化的时代，信息的跨国交流日益频繁，语言障碍成为人们获取知识、进行商务合作以及文化交流的重要阻碍。随着人工智能技术的飞速发展，AI视频翻译工具应运而生，为打破这一壁垒提供了强大的助力。云幕同声作为一款领先的AI视频翻译工具，正在重新定义视频内容的无障碍传播。
智源发布《2026十大AI技术趋势》（PDF文件）
智源研究院发布的《2026十大AI技术趋势》，聚焦于人工智能从数字空间迈向物理世界的变革。报告指出，AI发展正从参数规模竞赛转向对物理世界底层秩序的理解与建模，核心趋势包括世界模型与Next-State Prediction（NSP）新范式的兴起。
Tencent-HY-MT1.5 – 腾讯混元开源的翻译模型
Tencent-HY-MT1.5 是腾讯混元开源的翻译模型，包含两个版本Tencent-HY-MT1.5-1.8B 和 Tencent-HY-MT1.5-7B。模型支持33种国际语言互译及5种民汉/方言翻译，覆盖多种小语种。
PersonaLive – 澳门大学等开源的实时AI换脸直播工具
PersonaLive 是澳门大学和 GVC 实验室开源的实时数字人直播工具。工具能在单张 12GB 显存的消费级显卡上运行，实现无限时长的肖像动画生成，支持低延迟互动。
Yume1.5 – 上海AI Lab联合复旦开源的交互式世界生成模型
Yume1.5 是上海人工智能实验室和复旦大学等推出的交互式世界生成模型，能从单张图像或文本提示生成逼真、连续且可探索的虚拟世界。
Computer Use Preview – 谷歌开源的AI浏览器自动化工具
Computer Use Preview 是谷歌开源的 AI 浏览器自动化工具。工具基于 Gemini 模型的视觉识别能力，通过“截图 - 分析 - 行动”能模拟人类操作网页，无需依赖固定的元素定位。
Step-DeepResearch – 阶跃星辰推出的深度研究AI模型
Step-DeepResearch是阶跃星辰推出的32亿参数深度研究AI模型，能在单次推理中完成复杂研究任务并生成专业报告。模型采用单体架构设计，通过规划、深度搜索、反思验证和报告撰写四大核心能力，实现了高效低成本的研究闭环。
Manus项目立项核心讨论纪要（PDF文件）
Manus 项目立项初期会议纪要详细记录了团队关于产品定位、技术架构、用户体验和人机协作模式的深度讨论。核心议题包括选择通用智能体还是垂直领域专家的战略抉择，构建具备“代理”能力的云端环境，设计兼顾信任与控制的用户界面。
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