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：开源
共 101 篇文章 · 清除标签
Jev Search：开源 AI 搜索引擎，基于 Jev 模型实现意图解析与多引擎聚合
Jev Search 是由 Search1API 团队开源的一款 AI 搜索引擎前端，其核心在于调用 TypeSafe 团队推出的 Jev 结构化决策模型，实现对用户自然语言提问的意图解析、搜索来源选择、时间范围限定与查询词自动生成。在 Jev 模型完成查询规划后，系统通过 Search1API 同时并行调用 Google、Reddit、Hacker News、arXiv 等 12 个搜索与内容引...
Laya – 开源的非自回归 AI 决策模型，Jev 开源平替
Laya 是一个基于双向编码器架构的开源非自回归 AI 决策模型，由 ConvAI Innovations 团队研发。与主流大语言模型不同，Laya 不进行文本生成，而是基于 ModernBERT/mmBERT 双向编码器，对一段输入状态加一组类型化问题仅执行一次前向传播，约 33ms 即可输出结构化决策结果与校准概率。模型内置语言路由机制，支持 100+ 语言的自动识别与分发。相比闭源模型 Je...
VDN-MiniMax-H3 — OpenVDN 开源的高效视频生成加速方案
VDN-MiniMax-H3是OpenVDN团队开源的视频生成加速方案，基于MiniMax-H3模型进行架构改造与深度优化。该方案通过混合注意力架构将视频注意力拆分为局部滑动窗口Softmax分支与远距离线性注意力分支，并采用DMD2蒸馏技术将去噪步数从50步压缩至8步。在8张NVIDIA B200 GPU上，模型仅需11.23秒即可生成约14.4秒768p分辨率视频，画质与原始50步Dense ...
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...
Kage：单文件驱动的沉浸式3D叙事体验，AI生成内容与WebGL融合的极简主义实践
Kage 是由设计师 Meng To 开源的一款沉浸式 3D 交互体验项目，它以极致的极简主义手法，将完整的多章节叙事浓缩于单个 HTML 文件之中。该项目通过 Three.js 进行实时 WebGL 渲染，巧妙融合 GPT Image 2 生成的 2D 场景素材，构建出一场虚构的京都山寺夜间漫步。用户仅需通过鼠标滚轮即可控制相机沿预设路径行进，依次穿越山门、静庭、匠艺、余晖与宣言五个章节，在雨雾...
Rome – 开源的智能体操作系统，自然语言生成完整应用
Rome是一款开源的智能体操作系统（Agentic OS），核心价值在于让AI直接为用户开发完整应用。用户以自然语言描述需求，Agent自动生成带界面、数据结构和后台逻辑的App，安装后可长期运行并依据使用反馈递归进化。Rome兼容Claude、Codex等主流模型，支持本地Docker部署与云端使用，可接入微信、飞书、Discord等平台，将日常消息转化为自动化任务入口。
OpenStory：开源AI视频制作平台，一键生成风格统一的短剧视频
OpenStory是一款开源的AI视频制作平台，专注于将剧本一键转化为风格统一的短剧视频。平台能够自动拆分场景、设计镜头、分析情绪氛围，并调用Fal.ai等成熟模型生成图片、视频与音频，同时确保角色外貌、场景布局和视觉风格跨镜头保持一致。OpenStory支持团队协作与素材共享，采用MIT协议完全开源，为独立创作者和内容团队提供了一条从剧本到成片的标准化生产流水线。
OpenBot – CopilotKit 开源的企业级 AI Agent 平台
OpenBot是CopilotKit团队开源的企业级AI Agent平台，定位为"敢托付真实工作的数字同事"。平台为每个Agent分配一台独立的"专属电脑"——独立Docker容器内含Chromium浏览器、登录会话和文件工作区；所有操作必须经唯一网关按CEL策略先审计、后执行，fail-closed默认拒绝；遇到登录或2FA时支持人工接管完成认证步骤。基于AG-UI协议，兼容LangGraph等...
CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集
CoinVE-200K是由腾讯视频智创团队开源的大规模组合指令视频编辑数据集，包含20万组1080p高清视频编辑样本对，每组样本携带2-5条原子编辑指令，覆盖添加、移除、修改、风格化等操作类型，视频最长可达201帧。项目同步开源了22B参数的CoinVE-Edit编辑模型与CoinVE-Bench评测基准，构建了从数据、模型到评测标准的完整闭环，填补了组合指令视频编辑领域在数据、模型与评测标准上的...
SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型
SenseNova U1.5 Lite是商汤科技开源的轻量级原生统一多模态大模型，专为真实视觉创作流程设计。该模型在8B参数量级下实现原生多模态架构，支持3-4k字符超长指令遵循，具备高质量视觉生成、可靠图像编辑、精准文字排版、精细视觉控制及原生4K输出能力，可稳定完成海报、信息图等复杂视觉交付任务，面向全球开发者与创作者开源。
