AI框架
HiDream-O1-Image-1.5 – 智象未来推出的商用图像生成模型
HiDream-O1-Image-1.5 是智象未来推出的商用图像生成大模型，基于原生全模态 UiT 架构。在 Artificial Analysis 文生图榜单中用 ELO 1265 位列全球第三、中国第一，超越 Google Nano Banana 2 与字节 Seedream 4.0。
MusaCoder – 摩尔线程开源的专用代码模型
MusaCoder是摩尔线程开源的面向GPU底层算子生成的专用代码大模型，支持从PyTorch算子自动生成高性能CUDA/MUSA Kernel。
Gemma 4 12B – 谷歌开源的多模态大模型
Gemma 4 12B是谷歌开源的多模态大模型，采用业界首个无编码器统一架构，视觉和音频数据直接输入LLM主干，彻底砍掉独立编码器。
Toonflow – 开源的一站式 AI 短剧创作工具
Toonflow 是开源的一站式 AI 短剧创作工具，将小说、剧本通过多 Agent 协作自动转化为结构化剧本、智能分镜、角色视觉和动画视频，实现小说→剧本→分镜→视频，全流程 AI 自动化生产。
Odysseus – 开源的本地自托管 AI 工作空间
Odysseus 是开源自托管的 AI 工作空间，提供类似 ChatGPT / Claude 的聊天界面，工具完全本地化运行，数据不出本机、隐私零泄露。
MAI-Voice-2 – 微软推出的新一代文本转语音模型
MAI-Voice-2 是微软推出的新一代文本转语音（TTS）模型，是微软迄今最具表现力和自然感的语音合成模型。相比前代在保真度、语言覆盖、说话人一致性和情感范围上全面提升，支持 15+ 种语言，具备细粒度情感控制、零样本语音克隆和代码切换能力。
Qwen-VLA – 阿里通义推出的通用视觉-语言-动作模型
Qwen-VLA 是通义实验室推出的通用视觉-语言-动作模型，以 Qwen3.5-4B 为视觉语言主干，搭配 1.15B 参数的 DiT 动作解码器。模型通过统一动作轨迹预测框架，将操作、导航、轨迹预测三大任务统一到同一模型；借助本体感知提示条件化，仅需修改文本描述即可适配 11 种机器人平台。
Fara1.5 – 微软推出的浏览器端 AI 智能体模型系列
Fara1.5是微软研究院 AI Frontiers 实验室最新推出的浏览器端AI智能体（CUA）模型系列，包含 4B、9B、27B 三个参数版本。模型基于 Qwen3.5 微调，采用纯像素级截图输入，通过观察—思考—行动循环输出鼠标与键盘操作，在 Online-Mind2Web 基准上 27B 版本任务成功率达 72%，超越 OpenAI Operator 与 Gemini 2.5 Comput
CodeGraph – 开源代码知识图谱工具，加速代码理解和分析
CodeGraph 是面向 AI 编码代理的预索引代码知识图谱工具，通过 MCP 协议与 Claude Code、Cursor、Codex CLI、OpenCode 及 Hermes Agent 深度集成。利用 tree-sitter 解析代码库，将符号关系、调用图和代码结构存储在本地 SQLite 数据库中，让 AI 代理能通过图谱查询直接定位代码，替代传统的 grep/glob/Read 文件
Xiaomi OneVL – 小米具身智能团队开源的自动驾驶大模型
Xiaomi OneVL是小米具身智能团队推出的开源自动驾驶大模型，在业内首次将VLA视觉-语言-动作、世界模型与潜空间推理三大技术路线统一于单一框架。
WinClaw龙虾深度体验 – 附永久免费 Token 领取攻略
AI 时代大家最缺的资源不外乎就是 Token 了，特别是玩龙虾的，烧起 Token 来就像流水一样，根本就停不下来。
StepAudio 2.5 Realtime – 阶跃星辰推出的实时语音大模型
StepAudio 2.5 Realtime 是阶跃星辰推出的端到端实时语音大模型，主打真人级语音对话体验。模型支持内容层面的深度交互，在声音表现力上完全贴近真人，具备顶级副语言能力、千万人设自定义和对话双商领跑三大核心突破。
Realtime TTS-2 – Inworld AI 推出的实时语音合成模型
Realtime TTS-2 是 Inworld AI 推出的新一代实时语音合成模型，专为对话式 AI 场景打造。模型能将文本转为自然语音，更能"听懂"对话上下文的音频情绪、语调和节奏，实现多轮感知式语音合成。
Grok Voice Think Fast 1.0 – xAI 推出的语音智能体模型
Grok Voice Think Fast 1.0是xAI推出的旗舰级语音智能体模型，专攻复杂多步骤真实场景。模型在τ-voice Bench排名第一，支持25种语言与全双工对话，具备低延迟响应、实时后台推理及多工具编排能力，可精准处理地址电话等结构化数据录入。
DeepSeek-TUI – 开源终端编程智能体，适配DeepSeek V4
DeepSeek-TUI 是完全运行在终端中的编程智能体，由 Hayden Brown 基于 Rust 构建，专为 DeepSeek V4 系列模型（deepseek-v4-pro / deepseek-v4-flash）原生设计。
GPT-5.5 Instant – OpenAI 推出的 ChatGPT 新一代默认模型
GPT-5.5 Instant是OpenAI发布的ChatGPT新一代默认模型，取代GPT-5.3 Instant，免费向所有用户开放。模型融合5.5的基础智力与极速响应，高风险领域幻觉减少52.5%，回答更简洁（字数减30%）、语气更自然。
Vibe-Trading – HKUDS 开源的 AI 多智能体金融工作空间
Vibe-Trading 是香港大学数据科学实验室（HKUDS）开源的AI驱动多智能体金融工作空间，将自然语言指令转化为可执行的交易策略、研究洞察和组合分析。项目覆盖A股、港股/美股、加密货币、期货、外汇等全球市场，内置6大数据源与自动降级机制，多数基础数据无需API Key即可使用。
Qwen-Scope – 阿里通义开源的大模型可解释性工具套件
Qwen-Scope 是阿里通义千问团队开源的大模型可解释性工具套件，基于稀疏自编码器（SAE）技术，在 Qwen3/Qwen3.5 系列模型隐藏层提取可解释特征。
Nemotron 3 Nano Omni – 英伟达推出的多模态推理模型
Nemotron 3 Nano Omni 是 NVIDIA Nemotron 3 模型系列，是专为 Agent 系统设计的开源高效多模态推理模型。模型采用 30B-A3B 混合 MoE 架构，将视觉、音频、文本感知统一至单一模型，替代传统的碎片化多模型堆栈，在文档智能、视频理解、音频理解等基准测试中达到领先水平。
EAPO – 阿里通义推出的全新强化学习框架
EAPO是阿里通义实验室推出的长文本推理强化学习框架，通过引入"证据奖励"机制，将监督信号从最终答案下沉到证据提取过程。
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