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
BlenderWorld – Qwen 开源的 3D 创作 Agent 评测基准
BlenderWorld 是 Qwen 团队联合浙江大学、香港中文大学、复旦大学及新加坡国立大学共同推出的 3D 创作 Agent 评测基准，包含 223 项真实制作任务，用于检验 AI 系统能否根据照片、视频或设计规格，在 Blender 环境中交付可编辑的 3D 工程文件。该基准通过多视角渲染与原生工程结构检查的双轨评审机制，以 2,651 条验收标准综合衡量需求完成度与视觉质量。实测 13 ...
DeepSeek-V4.1-Flash-1017评测：轻量级模型的性能-成本双重优化实践
DeepSeek-V4.1-Flash-1017是DeepSeek推出的轻量级模型迭代版本，网页端、APP与API已同步切换。新版本通过自反馈强化学习训练，大幅提升游戏开发、3D建模等编程能力，可零基础上手完整项目。同时缩短任务时长与输出长度，实现性能与成本的双重优化，适配DeepSeek Harness、CodeBuddy等框架。
GPT-Live-1.1 – OpenAI 推出的 ChatGPT 一代语音模型
GPT-Live-1.1是OpenAI于2025年推出的ChatGPT新一代语音模型，接替上一代GPT-Live-1成为语音交互的「前台引擎」，同时以轻量版GPT-Live-1.1 Quip替代原mini版本。该模型延续了经典的全双工交互架构，模型无需等待用户说完即可持续采集语音流，实时判断停顿、打断与语速变化，动态决定回应时机，支持用户随时插话或改变提问方向，使对话节奏接近真人交流。在复杂任务处...
MiDashengLM-Spatial – 小米开源的空间音频理解大模型
MiDashengLM-Spatial是小米Dasheng团队开源的空间音频理解大模型，业界首个在单一架构内统一通用音频理解与空间感知的端到端模型。该模型以MiDashengLM-7B为基座，通过新增Spatial-Dasheng空间音频编码器和层级语义到空间条件模块（HSSC），实现了声源方位感知、运动轨迹追踪以及多声源时空关系推理等能力，并支持重叠声源逐帧定位。配套数据方面，模型使用100万个...
Doory – 开源的在线设计编辑器，Canva 开源平替
Doory 是一款开源的在线设计编辑器，定位为 Canva 的开源替代方案。它完全运行在浏览器中，无需安装任何客户端软件，即可完成海报、社交媒体配图、简历、PPT、名片等多种类型的设计创作。该工具支持导出 PNG/JPG/SVG/PDF 以及带动画效果的 MP4/WebM/GIF 格式，内置实时协同编辑、动画特效、一键抠图等能力，并可通过 Docker 实现私有化部署。Doory 对所有用户免费开...
FLUX 3 Image Klein – Black Forest Labs 开源的AI图像模型
FLUX 3 Image Klein 是由 Black Forest Labs 开源的 AI 图像生成模型，以仅 5.6B 参数的轻量级体量实现了此前需要数十亿参数乃至闭源大模型才能达成的能力。该模型同时支持文生图、指令式图编辑以及最多 10 张参考图的多图生成，具备原生 4K 输出、像素级精确编辑和坐标框布局控制等差异化功能。官方内部盲测显示，其在中文生图、编辑、多参考三项任务中均排名第一，超越...
Muse Spark Open – Meta 开源的多模态大模型深度评测
Muse Spark Open是Meta最新开源的多模态大模型，采用稀疏混合专家（MoE）架构，总参数规模达8160亿，单次推理仅激活420亿参数，支持100万Token的超长上下文窗口，能够原生处理文本、图像、视频和音频四种模态的输入。该模型主攻编程与Agent任务，基于MLX框架优化后可在两台M5 Ultra Mac Studio上本地完整运行，将大规模Agent工作流从云端带入桌面端。模型权...
YoVoice – 开源本地音频创作工具，实现从语音合成到乐谱编曲的全链路覆盖
YoVoice 是一款面向 macOS 和 Windows 平台的开源本地音频创作工具，由开发者 leemysw 发布，致力于为用户提供从文字转语音、零样本声音克隆到 AI 音乐作曲和五线谱编曲的完整创作链路。该工具基于 C++ 推理引擎 audio.cpp 构建，无需配置 Python 环境，安装即用，所有推理计算均在本地 GPU/CPU 完成，不依赖任何云端 API，从根源上保障了用户音频数据...
DMAD – 字节联合德州农工开源的扩散模型少步蒸馏技术
DMAD（Distribution Matching as Adversarial Distillation）是由字节跳动与德州农工大学联合开源的少步蒸馏框架，核心目标是显著加速扩散模型的生成过程。该方法通过训练二分类判别器直接学习目标分布与学生分布之间的差异，省去传统蒸馏方法中辅助扩散模型的依赖，在ImageNet-64数据集上实现了FID低至1.04的一步生成效果，并将50步教师模型高效压缩为...
HelixWorld – Noiz AI 联合港科大开源的实时交互世界模型
HelixWorld 是 Noiz AI 与香港科技大学联合开源的实时交互式音视频世界模型，代表了生成式 AI 在空间智能领域的重要进展。该模型以单张静态图片和文字描述为输入，能够生成一个可供用户通过 WASD 键和方向键自由行走、转动视角的沉浸式三维世界，画面与立体空间音效同步实时生成，且声像随视角变化自然转换。基于 LTX-2.3 架构，HelixWorld 采用"双向教师 + 因果蒸馏"训练...
