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：多模态
共 194 篇文章 · 清除标签
Mistral Large 4 – Mistral AI 开源的最旗舰大模型
Mistral Large 4 是法国人工智能公司 Mistral AI 推出的最新旗舰级开源大模型，绰号「Le Chonk 胖猫」。该模型采用细粒度混合专家（MoE）架构，总参数规模达 1.05T，每次推理仅激活约 49B 参数，并配备 1.6B 视觉编码器，实现原生多模态理解与 1M token 的超长上下文窗口。模型已在 Mistral API 上线，在软件工程、财务流程分析、遥感图像定位等...
EmbeddingGemma 2 – 谷歌开源的原生多模态嵌入模型评测
EmbeddingGemma 2 是谷歌开源的原生多模态 Embedding 模型，基于 Gemma 4 架构构建，将文本、代码、图片、视频、音频五类模态统一映射到同一向量空间，实现跨模态语义检索。该模型采用模块化设计，全模态仅 740M 参数，上下文窗口为 8K token，量化后在 Pixel 11 Pro 上仅占约 567MB 内存。作为 1B 参数以下性能领先的多模态向量模型，其代码检索能...
Nano Banana 2.1：Google DeepMind 图像生成与对话式编辑模型深度评测
Nano Banana 2.1（模型 ID：gemini-nano-banana-2.1）是 Google DeepMind 于 2026 年 10 月 6 日正式发布的第二代图像生成与对话式编辑模型，隶属于 Gemini 3 系列，底层架构基于 Gemini 3.6 Flash。该模型深度融合了原生多模态推理、1M token 长上下文与知识 grounding 能力，支持 1K/2K/4K 分...
Ling-3.1-flash：蚂蚁百灵团队推出的大规模稀疏激活长流程任务模型
Ling-3.1-flash是蚂蚁集团百灵团队推出的新一代大语言模型，采用混合线性Attention架构与MoE稀疏激活技术，总参数量约560B，单Token激活参数仅约25B，支持高达1M的上下文窗口。该模型专为真实世界长流程任务设计，能够连续数小时自主完成办公报告撰写、医疗咨询、代码编译与性能优化等复杂工作，目前已接入蚂蚁内部桌面Agent客户端"小虎"，并开放两周免费体验期。
Gemini 4 Argon评测：谷歌DeepMind百万Token长程推理大模型的工程化实践
Gemini 4 Argon是谷歌DeepMind推出的新一代前沿大模型，核心定位是面向复杂长周期工作流的企业级AI系统，覆盖软件工程、金融法律等知识工作及网络安全防御场景。该模型将单次输出上限从6.4万Token大幅提升至100万Token，支持在单一任务轨迹中一次性完成大型代码迁移、深度研究等多步骤复杂任务。在DeepSWE v1.1软件工程评测中，Argon取得77.9%的成绩，并在按美国G...
Kling 4.0 – 快手推出的一代 AI 视频生成模型
Kling 4.0是快手旗下可灵AI推出的新一代视频生成模型，轻量版Kling 4.0 Flash已开放抢先体验，正式版预计2026年10月向所有用户开放。该模型在画面真实感、创意可控性和叙事完整度三个维度实现系统性升级，支持单次生成最长30秒的原生视频、最多10张关键帧精准控制、多模态参考输入、4K HDR专业级输出以及高品质口型匹配，具备多语种方言、创意复刻和超长续拍等能力，为创作者提供从灵感...
M3.1-Flash-Preview 深度评测：MiniMax 面向日常开发场景的文本编程模型
M3.1-Flash-Preview 是 MiniMax 推出的最新文本编程模型，首发上线于 MiniMax Code 智能编程客户端。该模型面向日常开发场景设计，支持原生多模态输入和百万级上下文窗口，能够从 Bug 修复到完整功能开发形成"定位→实现→测试→交付"的完整闭环。M3.1-Flash-Preview 继承 M3 的 MoE 稀疏混合专家底座，提供 low 至 max 五档推理强度控制...
Space Bunny – 匿名登场的免费多模态大模型，单日调用量登顶 OpenRouter
Space Bunny（太空兔）是一款匿名上线于 OpenRouter 和 OpenCode 平台的免费大语言模型，凭借极速推理、突出编程能力和原生多模态输入能力，在上线仅 3 天内便冲上两大平台的单日调用量榜首。该模型拥有 100 万 Token 的上下文窗口，单次最大输出可达 524,288 Token，支持文本、图像和视频三种输入形式。社区开发者评价其推理速度“约等于 GLM 5.3 Fla...
Longcat-2.5-preview深度评测：美团新一代多模态长程Agent大模型
LongCat-2.5-Preview是美团最新推出的新一代大模型，在延续LongCat-2.0的1.6T总参数、约48B激活参数和1M token原生上下文基础上，首次将多模态能力直接融入基座本体，面向终端、浏览器、桌面软件等场景执行长流程Agent任务。该模型已接入官方API，同时兼容OpenAI和Anthropic双接口协议，支持最大128K tokens输出，并可被Codex、OpenCl...
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...
