AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：文档AI
共 27 篇文章 · 清除标签
Xiaomi-OCR-0：小米开源的0.8B轻量级多模态文档理解模型深度评测
Xiaomi-OCR-0是小米公司开源的一款0.8B参数规模的轻量级多模态文档理解模型，基于Qwen3.5-0.8B基座模型训练而成。该模型将文档解析、关键信息抽取（KIE）与OCR视觉问答（VQA）三大核心能力统一于单一架构，在Real5-OmniDocBench基准上以95.24分位居榜首，在OmniDocBench v1.6上取得96.83分位列第二，五项OCR-VQA任务均分达83.2分，...
MiniCPM-OCR – 面壁智能开源的 OCR 系列模型
MiniCPM-OCR 是面壁智能发布并开源的全新 OCR 系列模型，包含文档解析专用模型 MiniCPM-OCR 1.0（1.3B）与业内首个解析结果判别模型 MiniCPM-OCR Jev（2B）。前者在 Real5-OmniDocBench 与 OCRBench v2 两项权威基准上取得 SOTA 成绩，后者通过输出 0–1 质量评分实现 OCR 结果的可信度量化。该系列模型面向金融、财税、...
Unlimited OCR 2：百度文心开源的端到端长文档解析模型深度评测
Unlimited OCR 2是百度文心团队开源的端到端文档解析模型，核心突破在于支持任意页数的超长文档解析，可一次性处理数千页书籍而保持精度与效率。该模型采用稀疏参考滑动窗口注意力机制（SR-SWA）与无限解码机制，有效降低长文档解析的计算和显存开销，在MPDocBench、MarathonDocBench等长文档基准上取得领先成绩，推动OCR技术进入面向长上下文理解的3.0时代。
MOSS-Image – 模思智能联合OpenMOSS开源的文生图模型
MOSS-Image是模思智能与OpenMOSS团队联合开源的文生图模型，其核心由5B参数的单流扩散Transformer（DiT）主干构成，配合冻结的Qwen3.5-9B文本编码器与FLUX.2 VAE，权重采用Apache-2.0协议发布。该模型在训练阶段剔除AI生成图像以降低"AI味"，并针对中英文密集文本渲染、JSON Layout/Bounding Box结构化布局控制以及最长4096 ...
Claude Sonnet 5.5 – Anthropic 推出的最新 AI 模型
Claude Sonnet 5.5 是 Anthropic 推出的 Claude 5.5 系列第二款模型，距旗舰 Claude Opus 5.5 发布仅隔 6 天，是 Claude Sonnet 5 的全面升级版。该模型定位为 Opus 5.5 的互补与平替，专注于处理范围明确的日常任务，在 Terminal-Bench 4.0 上取得 70.6% 的成绩，多数基准逼近旗舰水平，擅长日常编程、修复...
Ok Work – 百度推出的 AI 随身办公工具
Ok Work是百度推出的轻量化AI随身办公工具，以微信小程序形态运行，面向学生与职场新人，聚焦碎片化办公场景。产品将AI PPT、AI写作、AI表格、AI生图四大核心能力整合于同一对话界面，内置海量模板并支持"做同款"快速套用，无需下载安装即可完成从内容生成、文档转换到视觉设计的完整轻办公流程。依托文心大模型的底层能力，Ok Work将复杂的AI能力拆解为颗粒度精细的具体小工具，以极低的上手门槛...
TeleOCR – 中国电信星辰实验室开源的文档解析模型深度评测
TeleOCR 是中国电信星辰实验室开源的文档解析模型，采用约 1.2B 参数的轻量级视觉语言架构，在单一框架内统一处理数字文档与相机拍摄文档，可将文字、版面、表格、公式和科学图表解析为 Markdown、JSON 等结构化结果。该模型在 OmniDocBench v1.6 榜单中登顶，同时获得 PureDocBench 榜首和 ICDAR-2026 科学图解析挑战赛冠军，支持本地 GPU 部署，...
Jev 聊天助手 – 开源 AI 聊天辅助应用，生成最得体的回复
Jev 聊天助手是一款开源的非侵入式 AI 对话辅助应用，能够在微信、QQ、X、飞书等主流聊天场景中实时提供回复建议。该工具通过无障碍服务或离线 OCR 技术读取屏幕对话内容，先由判断模型分析对方意图与风险等级，再生成 3 条候选回复并按合适度排序，用户一键即可填入输入框，且只填不发，发送权始终保留在用户手中。Jev 聊天助手支持 Android、Windows、macOS 三端，密钥仅存本机，兼...
PatentClaw：面向科研场景的开源专利自动生成与辅助审查工具
PatentClaw 是一款面向科研人员、高校师生及专利代理师的开源辅助工具，专注于将 LaTeX 格式的科研论文自动整理为中国发明专利技术交底书。工具通过多 Agent 协作完成论文解析、发明点挖掘和初稿撰写，建立公式、表格、算法等内容的可追溯证据映射，避免虚构实验数据。生成初稿后，配套的 PatentReviewer 模块依据 30 项固定检查表进行多轮规则与语义审查，并对未通过项执行局部修改...
QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server
QuickDesk 是全球首款内置 MCP Server 的开源 AI 原生远程桌面，基于 Google Chromium Remoting 构建。该工具让 Claude、Cursor 等 AI Agent 直接接管任意远程电脑，完成截图、点击、输入、OCR 识别、Shell 执行等自动化操作。QuickDesk 支持 WebRTC P2P 直连、多编码自适应、隐私屏幕及虚拟显示器，提供信令服务器...