AI项目
虎牙VAM 1.0 – 虎牙推出的实时多模态数字人基础模型
虎牙VAM 1.0（Vivid Avatar Model）是虎牙推出的基于DiT架构的实时多模态数字人基础模型，一张照片可生成能说话、能唱歌跳舞的AI数字人。
T:0 – Airwallex 推出的 AI-native 自主财务平台
T:0 是 Airwallex 推出的 AI-native 自主财务平台，通过 Accountant、Tax Preparer、Integrator、Scout、CFO 五大智能体协作，从企业成立 Day 0 起端到端自动化记账、税务、合规、预测与财报。
Nano Banana 2 Lite – 谷歌推出的轻量级 AI 图像生成模型
Nano Banana 2 Lite 是谷歌推出的自研轻量级 AI 图像生成模型，定位速度优先的极速版，可在 4 秒内生成单张图像，每千张收费仅 0.034 美元。
LocateAnything – 英伟达推出的视觉语言定位模型
LocateAnything是英伟达推出的视觉语言定位模型，基于并行框解码技术，用户输入自然语言即可在图像中精准框选目标。模型支持多目标检测、GUI定位、OCR文本检测和点级指向等任务，推理速度达12.7 BPS（H100）。
Claude Sonnet 5 – Anthropic推出的最强智能体模型
Claude Sonnet 5是Anthropic推出的 Sonnet 系列中智能体能力最强的模型，支持制定计划、调用浏览器和终端等工具并自主运行。
TanStarter – AI 全栈框架，包含完整生产级 SaaS 基础
TanStarter 是基于 TanStack Start 全栈框架和 Cloudflare 边缘网络构建的 SaaS 启动模板，专为独立开发者和小团队设计。内置了完整的用户系统、支付（订阅/一次性）、数据库、文件存储、邮件、Newsletter、博客、后台管理和 AI 能力（文本、对话、生图、图片编辑），预置了定价页、关于页、联系页等常用页面。
FastContext -微软开源的轻量级代码仓库探索模型
FastContext 是微软开源的轻量级代码仓库探索模型，专为编程 Agent 设计。模型将仓库浏览与任务求解解耦，主 Agent 通过自然语言查询委托 FastContext 执行只读探索，后者并行调用 Read/Glob/Grep 工具，最终用紧凑的文件路径与行号引用（）返回聚焦证据。
Krea 2 – Krea AI 推出首个从零训练的基础图像生成模型
Krea 2 是 Krea AI 推出的首个从零训练的基础图像生成模型，定位为"美学优先"的创意协作者。专注于视觉美学一致性、风格迁移和创意控制，而非单纯的提示词精确翻译。模型开源两个版本：RAW（未蒸馏基础模型，可塑性极强，适合训练 LoRA）和 Turbo（8步蒸馏模型，约2秒出图，支持 1K~2K 分辨率）。
HTML Anything – nexu-io 团队开源的 HTML 编辑器
HTML Anything 是 nexu-io 团队开源的 Agent 时代 HTML 编辑器，内置 75 套 Skill 模板覆盖杂志、演示、海报、小红书卡片等 9 种交付形态，可自动识别本地 18 种 Code Agent CLI 并复用已登录会话。
DSpark – DeepSeek 联合北京大学开源的推测解码加速框架
DSpark 是 DeepSeek 联合北京大学开源的推测解码加速框架，专门解决大模型自回归生成速度慢、像"挤牙膏"的痛点。采用半自回归生成架构，通过轻量级 Markov 头建模 token 间依赖，兼顾并行草稿的速度与连贯性；同时引入置信度调度验证，根据系统负载动态分配验证资源。
Penpot – 开源的设计与代码协作平台，多人实时协作
Penpot 是开源的设计与代码协作平台，基于 SVG、CSS、HTML 等开放标准构建，可在浏览器中完成 UI 设计与交互原型制作。平台支持多人实时协作、W3C Design Tokens 管理和 MCP Server 集成。
Papers with Code – AI科研平台，自动关联论文、代码等
Papers with Code 是整合论文、代码、数据集和排行榜的AI科研平台，核心使命是将学术论文与开源代码、SOTA 性能排行榜深度关联。平台聚合 arXiv 论文，自动链接 GitHub 仓库和 Hugging Face 模型，提供按任务分类的 SOTA 排行榜。
GPT-5.6 – OpenAI 推出的最新一代大语言模型系列
GPT-5.6 是 OpenAI 推出的最新一代大语言模型，目前受美国政府监管要求仅以"有限预览"形式向少数可信合作伙伴开放。系列首次采用天文学命名体系，推出三档型号：旗舰版 Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版 Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版 Luna（月亮）主打速度与低成本。
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。
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。
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。
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