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。
方舟 CLI – 字节跳动火山引擎推出的命令行工具
方舟 CLI是字节跳动旗下火山引擎推出的命令行工具，面向后端开发者与 Agent 构建者，提供一行指令接入任意 Agent的极简体验。
Seedance 2.5 – 字节跳动推出的最新视频生成模型
Seedance 2.5 是字节跳动旗下豆包视频生成模型的最新旗舰版本，预计 7 月初全面上线。作为 Seedance 2.0 的重大升级，模型实现了三大全球突破，单段原生视频直出长达 30 秒、支持 50 个全模态参考素材联合输入、以及更可控的局部视频编辑能力。
5K Stars自媒体配图 Skill – 小黑 Skill 手绘文章配图实测教程
今天发点适合做配图的东西。做自媒体这件事，写文章只是基础，配图能力也越来越重要。现代人已经很难去认认真真的看完一篇长文了，反而是有趣的配图会多看两眼。这里给大家推荐一个超有趣的配图项目：ian-xiaohei-illustrations，我一般叫小黑 Skill。
Spatial-TTT – 清华联合混元开源的流式视觉空间智能框架
Spatial-TTT 是清华大学、腾讯混元与南洋理工大学联合推出的流式视觉空间智能框架。框架仅 2B 参数，通过 Test-Time Training（TTT）技术，在观看视频流的过程中持续更新内部空间记忆，实现对长达 120 分钟视频的空间推理。
豆包2.1 – 字节跳动推出的新一代深度思考大模型
豆包2.1 是字节跳动面向 Coding 与 Agent 时代打造的新一代深度思考大模型，提供 Pro、Turbo 和 Evolving 三个版本，在 Coding 工程交付、Agent 长链路任务执行与多模态理解三大方向全面升级，具备更强的需求理解、长期规划与动态修复能力。
AudioX-Turbo – Noiz AI 联合清华推出的音频生成框架
AudioX-Turbo 是 Noiz AI 联合香港科技大学、清华大学推出的统一高效音频生成框架，支持文本、视频、音频任意组合输入生成高质量音效与音乐。
Boogu-Image-0.1 – Boogu开源的统一图像生成与编辑模型
Boogu-Image-0.1 是 Boogu 团队开源的统一图像生成与编辑模型家族。模型在同一架构下同时支持文生图、指令式图像编辑及中英双语文本渲染，家族包含 Base、Edit和 Turbo三个变体。
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