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：AI Agent
共 305 篇文章 · 清除标签
Higgs Avatar v1 – 面向语音智能体的实时 AI 数字人模型
Higgs Avatar v1 是由 BosonAI（李沐创办）推出的面向语音智能体的实时 AI 数字人模型，仅需一张静态照片即可生成具备口型同步、面部表情与头部动作的实时交互数字人。模型单帧渲染仅需 16 毫秒，远低于 62.5 毫秒的实时对话阈值，单张 H100 GPU 可并发支持 8 路独立实时对话，与自研 Higgs Audio 语音模型实现端到端协同，适用于客服、销售、培训等企业级交互场...
Mirage – strukto-ai 开源的 AI Agent 统一虚拟文件系统
Mirage 是 strukto-ai 团队推出的一款面向 AI Agent 的统一虚拟文件系统，旨在通过将 S3、Slack、Gmail、GitHub、MongoDB 等异构数据源统一挂载为同一棵虚拟文件树，让 AI Agent 无需学习任何新 API，仅使用 Bash 命令（cat、grep、wc、管道等）即可跨服务读写、查询和复制数据。该工具的核心价值在于大幅降低 AI Agent 与外部系...
MemPrivacy – 记忆张量联合荣耀 AI 开源的隐私保护框架
MemPrivacy是由记忆张量（MemTensor）团队联合荣耀AI团队及同济大学共同开发的开源端云协同Agent隐私保护框架。针对云端Agent长期记忆场景中用户敏感信息泄露的痛点，该框架提出了一种“本地可逆伪匿名化”方案：端侧设备实时识别用户输入中的隐私片段，将其替换为带语义类型的占位符（如`<Email_1>`、`<Health_Info_1>`），真实值与占位符的映射持久化存储于本地SQ...
PPT Master – 开源 AI PPT 生成标准化工作流
PPT Master是一个开源的AI驱动PPT生成标准化工作流（Skill），专为具备Agent智能体能力的AI IDE设计，实现了从PDF、DOCX、XLSX、网页链接、Markdown、PPTX等多种格式文档到原生可编辑PPTX文件的端到端转换。该项目基于Python 3.10+开发，采用MIT开源协议，其核心价值在于所有生成元素均为PowerPoint原生对象（真正的形状、文本框、图表），而...
文心 5.1 – 百度推出的旗舰大语言模型
文心5.1（ERNIE 5.1）是百度基于文心5.0知识蒸馏与Once-for-All弹性训练框架打造的旗舰级大语言模型，其核心创新在于将预训练成本压缩至业界同规模模型的6%，实现了极致效价比。该模型在Agent任务、深度搜索、数学推理和创意写作四大核心能力上表现突出，在Arena搜索榜上斩获全球第四、国内第一的排名，并凭借分离式全异步强化学习与多阶段在线策略蒸馏技术，显著提升了长程训练稳定性和推...
WebWorld – 阿里Qwen团队开源的大规模网页世界模型系列
WebWorld是阿里巴巴Qwen团队开源的大规模网页世界模型系列，基于Qwen3底座训练，包含8B、14B、32B三个参数版本。该模型通过在模拟浏览器环境中预测网页状态转移，为Web Agent提供高质量的训练数据与推理环境，有效避免了真实网页交互中的网络延迟、速率限制和安全风险。WebWorld支持A11y Tree、HTML、XML、Markdown及自然语言等多格式状态表示，可实现30步以...
TACO – 北航等高校开源的端智能体自进化观测压缩框架
TACO是由曼彻斯特大学、北京航空航天大学、香港科技大学以及MAP团队联合开发的开源终端智能体自进化观测压缩框架，旨在解决多轮命令行任务中shell输出噪声累积导致的上下文膨胀问题。该框架无需训练、即插即用，能够自动从终端交互轨迹中发现并复用压缩规则，在保留关键报错信息的同时过滤冗余日志，显著降低长程任务的token消耗。TACO已集成于Harbor框架的terminus-2组件中，在Termin...
Multica – 开源的 AI Agent 团队协作平台
Multica 是一款开源的 AI Agent 团队协作平台，由前 TikTok 工程师 Jiayuan 创立，旨在将 Claude Code、Codex、Kimi 等 Coding Agent 转化为看板上的正式团队成员。该平台采用类 Linear 的看板管理界面，支持多工作空间与本地/云端 Runtime，能够实现任务分配、自主执行、实时进度报告和可复用技能的沉淀。Multica 的核心价值在...
camofox-browser – 开源 AI Agent 反检测浏览器
Camofox Browser 是一款基于 Camoufox（Firefox C++ 级指纹魔改版）构建的开源 AI Agent 反检测浏览器服务器。它通过 REST API 为 AI 系统提供结构化网页快照（体积缩减 90% 以上），并生成稳定的元素引用（如 `e1`、`e2`）供 AI 直接交互，从而替代传统的高成本、低效率的页面解析方式。该工具内置 C++ 层指纹伪造机制，能够在 JavaS...
agents-cli – 谷歌云智能体开源的官方命令行工具
Agents CLI 是谷歌云智能体平台推出的官方命令行工具，专为简化 AI Agent 全生命周期管理而设计。该工具将谷歌云十余年的工程化经验打包为 7 个独立的结构化技能模块，覆盖从项目脚手架搭建、ADK 开发、本地评估到 Cloud Run 或 GKE 部署及 Gemini Enterprise 企业级发布的完整流程。开发者可让 AI 编程助手自动完成全流程操作，也可通过人工模式直接接管 C...
