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：具身智能
共 39 篇文章 · 清除标签
HarnessEval – MirroS 联合清北、英伟达等推出的评测系统
HarnessEval 是由 MirroS 联合清华大学、北京大学、加州大学伯克利分校、麻省理工学院及英伟达等顶尖机构推出的 Agentic 评测系统。该系统将评测过程本身智能体化，针对每个案例动态规划评测路径，从 Skill Library 中选择适用技能，将抽象问题拆解为可验证的子问题，调用工具搜集多维度证据，最终输出结构化的 Evidence Tree。HarnessEval 突破了传统静态...
HiDream-O1-World – 智象未来推出的全模态交互式世界模型
HiDream-O1-World是由智象未来（HiDream.ai）推出的原生全模态交互式世界模型，基于自研UiT架构打造。该模型支持文本、图像、交互操控等多模态输入，具备漫游、编辑、交互三大核心能力，能够一键生成时空一致、符合物理规律、可长时推演的完整世界。其核心突破在于“3D先验注入Memory上下文+Test-Time Training在线适应”的协同设计，有效解决了长时交互中的物体漂移、场...
Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型
Alpamayo 2 Super是英伟达（NVIDIA）基于Cosmos 3 Super Reasoner构建的开源自动驾驶AI推理模型，具备360°全向环境感知、高级驾驶决策推理与自动推理标签生成能力，在LingoQA自动驾驶推理基准中排名第一。模型采用OpenMDW-1.1宽松许可上架Hugging Face，支持微调、衍生与商业再分发，同时提供Alpamayo 1.5和1两个轻量版本用于云端...
Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型
Grok Imagine Image 2.0 是由 xAI（以 SpaceXAI 名义发布）推出的新一代图像生成与编辑模型，以“Quality Mode”形式集成在 Grok 网页端及 iOS、Android 应用中。该模型将编辑作为核心能力，提供魔棒局部修改、分割选区调色、一键背景移除、最多 5 张参考图融合以及 9 种画幅的智能扩图功能，同时具备设计师级的文字排版与多元素构图能力，能够在多轮编...
JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型
JoyAI-Video-Edit是京东开源自研的实时流式视频编辑模型，基于16B参数的自回归扩散架构，在720P分辨率下实现30FPS的端到端推理速度，支持任意时长的稳定流式编辑。用户可通过自然语言指令在视频播放过程中实时修改人物、场景、风格及物体，无需等待完整视频生成。该模型在OpenVE-Bench评测中超越所有流式编辑方法，各项指标全面领先，同时可为具身智能提供大规模数据合成路径。
MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架
MemHarness 是由上海人工智能实验室联合浙江大学、复旦大学、上海交通大学等高校共同推出的 LLM Agent 记忆重构框架。现有记忆增强型 Agent 通常将检索到的历史经验直接注入上下文，当旧经验与当前状态不匹配时反而引发负迁移。MemHarness 受人类记忆重构机制启发，在检索与动作生成之间插入显式的批判与重构环节，结合当前上下文对历史经验进行保留、改写或丢弃，并通过 GRPO 算法...
Cosmos 3 Edge – 英伟达开源的 4B 参数世界模型
Cosmos 3 Edge 是 NVIDIA 推出的 4B 参数开源世界模型，专为机器人和边缘 AI 实时推理设计。模型基于 Nemotron 架构，融合自回归与扩散双 Transformer 塔，共享多模态注意力层，可在 Jetson Thor、RTX GPU 及 DGX 等设备上本地运行，实现 15 Hz 实时控制。开发者可在约一天内将模型适配至特定机器人或环境，无需依赖云端即可感知、推理并生...
OpenWorker – 吴恩达开源的免费本地优先 AI 桌面代理
OpenWorker是由吴恩达（Andrew Ng）发布的开源AI桌面代理，采用MIT许可证完全免费。它并非传统的聊天机器人，而是一个以“交付成果”为导向的本地优先AI同事。用户只需提出目标结果，OpenWorker即可直接产出可用的文档、Slack回复或日历安排，而非待办清单。所有数据运行在本机，支持30余种模型（含Ollama完全离线），集成25+工具如Slack、Gmail、GitHub等。...
ABot-World Studio – 高德推出的通用世界模型工坊
ABot-World Studio是由高德地图推出的通用世界模型工坊，创新性地将交互式视频生成与3DGS（3D Gaussian Splatting）场景生成统一于同一产品体系。用户通过输入文字或图片，即可生成可实时交互的AI世界，支持单张NVIDIA RTX 5090消费级显卡本地部署，单次连续推理时长可超过1小时，并内置“时空任意门”机制实现无界世界跃迁。该工坊旨在降低高质量3D世界内容的生产...
Xiaomi-Robotics-U0 – 小米推出的统一具身合成模型
Xiaomi-Robotics-U0 是小米推出的 380 亿参数统一具身合成模型，基于世界基础模型持续训练，联合优化文生图、图像编辑、具身场景生成、具身迁移及具身视频生成五大任务。该模型是首个支持跨多种机器人形态的高质量多视角场景生成模型，在具身场景生成与迁移的人工评估中超越 GPT-Image-2.0，在 World Arena 具身视频生成榜单排名第一，并将 π0.5 在真实世界操控任务的分...
