PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型
PaddleOCR-VL-1.6 是百度飞桨团队推出的文档解析视觉语言模型（VLM），是 PaddleOCR-VL 系列的最新升级版本。
Bernini – 字节跳动开源的统一视频生成与编辑框架
Bernini 是字节跳动开源的统一视频生成与编辑框架，采用MLLM 语义规划 + DiT 视觉渲染的两阶段解耦架构。多模态大模型理解指令并规划语义草图，由 Diffusion Transformer 完成高质量视频生成。
Science Skills – 谷歌 DeepMind 开源的科研技能工具包
Science Skills 是谷歌 DeepMind 推出的开源科学技能集合，专为加速 AI Agent 驱动的科学研究工作流设计。工具整合 AlphaGenome、AlphaFold Database、UniProt 等 30 多个生命科学数据库与工具，覆盖基因组学、结构生物学、化学信息学和文献检索等领域。
MAI-Thinking-1 – 微软推出的首款自研高级推理模型
MAI-Thinking-1 是微软推出的首款自研高级推理模型。模型采用 35B 活跃参数 / 约 1T 总参数的稀疏 MoE 架构，完全基于干净、商业授权数据从头训练，未使用任何第三方模型蒸馏。
7大真实任务实测 Opus 4.8、Gemini 3.5 Flash、GPT-5.5、Qwen3.7-Max
最近大模型更新真的有点密，更了好多但是却不知道到底谁好用。有说 Qwen3.7-Max 已经力压 GPT-5.5，仅次于Claude 系列。也有说 GPT-5.5 已经登顶。普通人看排行榜估计越看越疑惑，写文章该用哪个？数据分析该用哪个？写代码、审 PR、拆任务又该用哪个？我挑了四款最近讨论度很高的模型：Claude Opus 4.8、Gemini 3.5 Flash、GPT-5.5、Qwen3.
ECC – 开源的跨平台 AI Agent 性能优化系统
ECC（Everything Claude Code）是跨平台 AI Agent 性能优化系统。系统为 Claude Code、Codex、Cursor 等 7+ 个 AI 编程工具提供 63 个专业 Agent、249 个按需加载的 Skill、跨会话记忆持久化，以及 AgentShield 安全审计工具。
OpenClacky – 李亚飞团队开源的低成本 AI Agent
OpenClacky 是李亚飞团队开源的 AI Agent，支持一键安装与跨平台运行。工具通过精简工具集、智能上下文压缩和模型路由大幅降低使用成本，让专业人士能全天开着 AI 助手干活。
Mellum2 – JetBrains 开源的混合专家模型
Mellum2 是 JetBrains 开源的面向软件工程系统的新机器学习模型。模型每 token 仅激活 2.5B 参数，专为软件工程 AI 工作流优化，支持代码生成、智能路由、子 Agent 调用及私有化部署。
语构 – 阿里达摩院推出的 AI 原生开发平台
语构是阿里达摩院推出的AI原生开发平台，以Vibe Coding为核心范式，让用户通过自然语言描述需求可生成完整可用的数字产品。
Polar – 英伟达开源的智能体强化学习训练框架
Polar 是英伟达推出的开源智能体强化学习（Agentic RL）训练框架，核心创新在于无需修改现有智能体框架内部代码，可将其接入 GRPO 等 RL 算法进行训练。
Qwen3.7-Plus – 阿里通义推出的智能体多模态大模型
Qwen3.7-Plus 是通义千问推出的新一代多模态大模型，将视觉与语言统一为一体化智能体基座。模型能感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码，支持端到端导航移动应用、结合网络知识回答视觉问题，在单一智能体循环中无缝融合 GUI 与 CLI 交互。
Dubbing v2 – ElevenLabs 推出的 AI 配音模型
Dubbing v2 是 ElevenLabs 推出的 AI 配音模型，支持 29 种语言自动翻译配音，保留原始说话人音色与情感。模型提供双工作流模式，Auto Dub 快速生成预览，Dubbing Project 进入时间轴编辑器逐段精修。
Cosmos 3 – 英伟达开源的全模态物理 AI 基础大模型
Cosmos 3是英伟达推出的全球首款全开源全模态物理 AI 基础大模型，采用混合 Transformer 架构融合视觉推理、世界生成与动作预测能力。
办公小浣熊桌面端 2.0 实测 – 告别上传下载、AI 直接操作电脑
朋友们，最近发现商汤小浣熊搞了个国内首个 OPC 能力挑战赛。OPC 或者日常在用 AI 提升办公效率的友友们，可以关注一下，一共有 2 个赛道：一个是新手出道赛，我们只需要用办公小浣熊完成一次真实任务，然后发布到社交媒体，就可以参与。但是这篇我不想只讲比赛，我觉得更关注的是这次上新的办公小浣熊桌面端 2.0。现在，办公小浣熊桌面端 2.0 可以直接在我电脑里工作，我可以在任意界面唤起它，让它读取
Music v2 – ElevenLabs 推出的音乐生成大模型
Music v2 是 ElevenLabs 全新推出的音乐生成大模型，在人声表现、乐器演奏和编曲水平上实现全面提升，支持多语言及单曲目内跨流派无缝转换。
Gamma-World – 英伟达推出的多智能体世界模型
Gamma-World 是 NVIDIA 推出的多智能体世界模型，能解决多个智能体在同一个模拟世界中平等交互、全局一致的问题。
Hermes Desktop – Hermes Agent 的桌面应用，开箱即用
Hermes Desktop 是开发者 sir1st 推出的 Hermes Agent 社区版桌面应用。将 Python 运行时、hermes-agent 核心与 hermes-web-ui 可视化界面打包为单一可执行文件，用户无需手动安装 Python、Node 等依赖，双击即可启动。
Funloom – AI 原生游戏共创平台，简单描述生成完整游戏
Funloom 是 00 后创业者吴同创立的 AI 原生游戏内容共创平台，让用户无需编程、美术或游戏引擎基础，通过简单的人物设定和世界观输入，可在五分钟内生成包含画面、音乐、地图和智能 NPC 互动的完整游戏。
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。
墨见 – 墨刀推出的 AI 协作平台
墨见是墨刀推出的 AI 协作平台，专为一人公司与超级个体打造。平台搭载 OpenClaw 引擎，内置产品经理、UI/视觉设计师、前后端工程师、增长运营师等虚拟合伙人角色，支持 1 对 N 群聊协作模式。
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