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。
最新文章
共 583 篇文章
Eleven Realtime：ElevenLabs 一体化语音 Agent 模型的架构突破与工程实践
Eleven Realtime 是 ElevenLabs 推出的一体化语音 Agent 模型系列，包含 v1 Mini 与 v1 Max 两个版本，核心设计思想是将语音识别（ASR）、语言模型推理、工具调用与语音合成（TTS）整合进单一模型，替代传统方案中多组件串联的复杂架构。该系列支持 90 多种语言，并可调用 ElevenLabs 声音库中 17,000 余种音色，v1 Max 在保持 98....
DeepInfer – DeepSeek 开源的生产级推理框架深度评测
DeepInfer 是 DeepSeek 开源的生产级大模型推理框架，源自 vLLM 代码库，专为 DeepSeek-V4.1-Flash 模型设计，同时支持英伟达 SM100 GPU 与华为昇腾 950 NPU 两大算力生态。该框架通过 PD 分离部署架构，将 Prefill 与 Decode 阶段部署在不同硬件上，并依托 3FS 分布式缓存集群实现 96% 的输入缓存命中率，使 Prefill...
Xing4.0-29B-Intent：星辰实验室开源的意图理解专用模型深度评测
Xing4.0-29B-Intent是星辰实验室（XingChen Lab）开源的意图理解专用模型，基于自研的Xing4.0-29B-A4B通用基座模型微调而成。该模型采用“类别＋参数”的结构化输出范式，将用户自然语言输入同时转换为意图分类结果与参数抽取结果，支持意图识别、实体识别、关系抽取、事件抽取四类核心任务。凭借MoE架构带来的计算效率优势，模型平均仅输出数十个Token即可完成完整的语义解...
Ming-3.0：蚂蚁百灵开源全链路语音模型家族深度评测
Ming-3.0是蚂蚁集团百灵大模型团队开源的全链路语音系列模型，围绕语音合成（TTS）、音频理解与对话（Audio）、语音识别（ASR）三类核心任务推出五款模型。该系列以"合成+理解+识别"一体化能力覆盖语音应用全流程，其中TTS系列支持独创的"导演模式"精细控制情绪、节奏与重音，Audio系列可端到端理解长录音并结构化输出，ASR系列支持热词注入与方言识别。模型已落地支付宝、阿福APP等蚂蚁内...
CleanYourTV – 开源的电视广告去除工具，垃圾软件全清空
CleanYourTV 是一款开源的电视系统优化工具，通过 Wi-Fi 网络利用 ADB（Android Debug Bridge）协议连接安卓电视，借助 Claude Code、Codex、Gemini CLI 等 AI Agent 自动识别并停用厂商预装的广告应用、数据遥测服务和臃肿软件，同时安装一款风格类似 Apple TV 的极简桌面 Launcher。该工具全程无需 Root 权限、不卸...
FLUX 3 Max – fal 与 Black Forest Labs 推出的视频生成模型深度评测
FLUX 3 Max 是由 fal Research 与 Black Forest Labs 联合推出的后训练视频生成模型，基于 BFL 自研的 FLUX 3 多模态基础模型，支持文生视频、图生视频与关键帧插值三种工作流，可生成 5–20 秒、最高 1080p 分辨率且自带原生音频的视频内容。该模型主打极致推理速度与成本效率，10 秒成片约 12 秒完成生成，官方宣称在同画质条件下比 Seedan...
MiniMax M3.1 Flash – MiniMax 推出的一代 Flash 模型
MiniMax M3.1 Flash是MiniMax于2026年推出的新一代Flash系列模型，以匿名“Space Bunny”身份在各大评测基准中亮相，训练数据量超过200T Token。该模型在Agentic任务、编程、Computer Use及网络安全四大领域均展现出色表现，DeepSWE v1.1得分73.7%、OSWorld V2得分61.7、CyberGym得分82%，已全面上线Min...
EdenLive – VAST 推出的实时生成式渲染器，重构世界模型渲染范式
EdenLive 是 VAST 推出的实时生成式渲染器，也是其世界模型项目 Project Eden 的阶段性成果。该工具以 Proxy 简化画面或参考视频为控制信号，结合目标首帧与文本提示词，持续实时生成写实或风格化画面，在单张 RTX 5090 上即可实现 720P、24FPS 以上的输出，端到端延迟仅百毫秒量级。其核心设计在于将世界状态维护与视觉渲染解耦，使视频模型不再承担隐式状态推断，从而...
Void – 开源的全栈开发部署工具，创作部署一体化
Void 是由尤雨溪团队开源的全栈开发部署工具，包含 SDK、CLI 和团队部署平台三部分。该工具将 Vite 应用的开发流程——编写代码、连接数据库、部署上线——串联为一套完整的工作流。本地开发时自动配置本地资源，部署时一键对接 Cloudflare 的 D1、KV、R2 等服务，免去繁琐的手动配置。团队平台允许管理员统一管控云账号权限，成员可安全地部署内部应用。Void 支持 Nuxt、Sve...
Hy Memory 2.0 – 腾讯混元开源的智能体记忆框架
Hy Memory 2.0 是腾讯混元开源的智能体记忆框架，采用"模型 + 框架 + 应用"三层架构：专为记忆训练的 Hy-Memory-30A3B 模型、支持聊天/工作/代码三类记忆的 SDK，以及可连接 10 种 AI 工具的本地记忆管理应用 MemHub。该框架能够跨对话、跨工具沉淀和同步个人记忆，使 Agent 具备连续、完整的长期记忆能力，已在腾讯自选股、腾讯新闻等核心业务中落地验证。
