Magenta RealTime 2 – 谷歌Magenta开源的实时音乐生成模型
Magenta RealTime 2（MRT2）是谷歌 Magenta 团队推出的第二代开源本地实时音乐生成模型。MRT2 基于逐帧生成架构，每帧 40 毫秒，实现约 200 毫秒的实际控制延迟，让 AI 对输入变化的反应速度接近真实乐器演奏体验。
WorkBuddy企业版 – 腾讯推出的企业级 AI 智能工作台
WorkBuddy企业版是腾讯推出的企业级AI智能工作台，面向AI原生组织转型提供7×24小时数字员工、人机协同"项目"模式及企业管理后台，原生接入腾讯文档、网盘与乐享，支持公有云、VPC专享及私有化部署。
html-video – Open Design 团队开源的 HTML 版剪映
html-video 是 OpenDesign 团队（nexu.io）开源的HTML版剪映，基于 hyperframes 框架构建。工具让 Agent 通过写 HTML 可生成世界级水准的产品宣传、知识解说等视频，内置 20+ 顶级模板，支持分页编辑、多尺寸导出与 Minimax AI 配音配乐。
GitNexus – 开源代码知识图谱引擎，构建完整依赖关系图
GitNexus 是开源的代码知识图谱引擎，通过 Tree-sitter 解析将代码仓库构建为完整的依赖关系图，用 MCP 协议向 Cursor、Claude Code、Codex 等 AI 工具暴露结构化上下文。
AhaCreator – AI 原生海外达人营销平台，全流程 AI 托管
AhaCreator（原名 Aha）是 AI 原生的海外达人营销平台，致力于用 AI Agent 接管达人营销的全流程执行，让品牌方只需在关键节点做决策。平台覆盖 140+ 国家，拥有 500 万+ 预筛选达人池。
GreenConvert – AI 音视频转录平台，双引擎转录模式
GreenConvert 是 AI 音视频转录平台，通过神经引擎将音视频转为文字，支持 98 种以上语言，准确率达 98%。平台内置说话人识别、音频修复与多语言翻译，可处理长达 10 小时的文件。
Microsoft Scout – 微软推出的 AI 个人助手
Microsoft Scout 是微软推出的 AI 个人助手，基于 OpenClaw 开源技术构建。工具拥有独立 Entra 身份，可在后台持续自主运行，无需用户逐次触发。
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。
BrowserAct Skills – 开源的 AI Agent 浏览器自动化 CLI 工具
BrowserAct Skills 是面向 AI Agent 的浏览器自动化 CLI 工具，能解决 Agent 操控浏览器时的核心痛点,无 Cookie 环境、反爬拦截、验证码阻断、人机协作断层等。
Step 3.7 Flash开源模型实测 – 多模态 Agent 大脑更省Token
Flash 模型现在已经不只是旗舰模型更快、更便宜的平替。而是能放进 Agent 工作流里，让每一步都更快、更稳、更省。最近，阶跃星辰推出了新一代高效率 Flash 开源模型 Step 3.7 Flash。官方介绍里，Step 3.7 Flash 是 198B 参数稀疏 MoE 多模态模型，每个 token 激活约 11B 参数，支持 256K 上下文，最高吞吐可达 400 tokens/s，也支
Ideogram 4 – Ideogram 开源的文本到图像生成模型
Ideogram 4 是 Ideogram 推出的首个开源文本到图像生成模型，拥有 93 亿参数，从头训练非基于现有模型微调。模型专为高质量图像生成而设计，尤其在设计、营销图形、Logo、海报、广告和社交媒体视觉内容方面表现突出。
Kimi Work – 月之暗面推出的通用型本地 Agent
Kimi Work 是月之暗面推出的面向知识工作者的通用型本地 Agent，随 Kimi 最新测试版 Mac 和 Windows 客户端推出。
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。
JoyAI-Echo – 京东开源的长音视频生成框架
JoyAI-Echo 是京东推出的开源长音视频生成框架，专为分钟级多镜头故事生成设计。框架通过跨模态记忆库、记忆驱动后训练、Director Agent 对话式编辑和轻量化实时超分四大技术创新，解决长视频生成中角色变脸、音色突变、生成缓慢等核心痛点。
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。
Hermes Desktop – Nous Research 推出的 Hermes 桌面端
Hermes Desktop 是 Nous Research 推出的官方 Hermes 桌面客户端，支持 macOS、Windows 和 Linux 三端。
MAI Transcribe-1.5 – 微软 MAI 推出的语音转文本模型
MAI-Transcribe-1.5 是 微软 AI 团队自研的语音转文本模型，支持 43 种语言，具备上下文感知的关键词偏置能力，模型在 FLEURS 基准测试中取得行业最低的词错误率（WER 4.86%），专为视频字幕、会议转录、通话分析等企业级生产场景推出。
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。
MAI-Code-1-Flash – 微软推出的轻量级代码生成模型
MAI-Code-1-Flash 是微软专为开发者工作流推出的轻量级代码生成模型，深度集成 GitHub Copilot。模型采用自适应输出长度控制技术，在保持高准确率的同时最高可减少 60% 的 token 消耗，显著降低延迟与成本。
阿里JVS Claw实测 – 集成OpenClaw+Hermes双引擎
Hermes Agent 这波直接把 Agent 天花板给掀了！在 OpenRouter 最新公布的最受欢迎生产力工具排行榜中，Hermes Agent 已经超越了 OpenClaw 稳居第一，“虾”和“马”这两个 Agent 引擎在追求生产力效率的极客圈子里被高频使用，说明大家已经不只是把他们当成新鲜玩具了。
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