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
OpenDots 深度评测：CopilotKit 开源的 AI 同事工作区，能否成为 OpenAI Dots 的替代方案？
OpenDots 是由 CopilotKit 推出的开源 AI 同事工作区模板，支持用户完全自行托管。该工具允许用户创建具有独立角色、工具权限和专属电脑的 AI 员工（称为 Dots），并通过 AG-UI 协议接入各类大语言模型与 MCP 服务。OpenDots 的核心设计理念是将 AI 从单次对话助手升级为长期在线、可执行真实任务、具备工作记忆的协作同事，其功能覆盖文档沉淀、实时操作监控、人工审...
QwenGyre – 阿里千问推出的超长程智能体在线强化学习框架
QwenGyre是阿里千问团队推出的面向超长程智能体任务的在线强化学习框架，专为单次执行约70万token、持续数小时乃至更长时间的复杂任务设计。该框架通过弹性调度机制在任务不中断的前提下将空闲GPU资源在采样与训练之间动态切换，并借助轨迹处理技术保留真实上下文、评估部分成果以及去重共享前缀以控制训练成本。在Qwen3.8-2.4T旗舰模型上，QwenGyre仅用48步便将NL2RepoBench...
Muse Wonder – Meta 超级智能实验室推出的前沿模型系列
Muse Wonder 是 Meta 超级智能实验室推出的前沿模型系列，建立在 Muse Spark 基础之上，具备跨对话长期记忆与自主坚持长任务的能力。该模型在遇到执行障碍时会主动更换方案，并在重要操作前先与用户确认，覆盖保险理赔、法律金融等专家场景及编程任务。模型分为标准版与完整版两个版本，标准版通过 Meta API 和 Muse Code 开放，完整版仅面向 Muse Code 订阅用户。...
REA：开源逆向分析工具，让 AI Agent 无需源码即可解析软件
REA（Reverse Engineer Anything）是一款开源的通用逆向分析工具，通过 MCP（Model Context Protocol）协议将 Claude Code、Codex、Cursor 等 AI 编程 Agent 与 Ghidra、Hopper、IDA 等专业逆向工具连接起来，使 Agent 能够在无源码条件下对软件进行深度分析。REA 覆盖从原生二进制、Electron/J...
Beam – Reflection AI 开源的首款大语言模型：501B稀疏MoE架构的工程力作
Beam是Reflection AI推出的首款开源大语言模型，采用501B参数的稀疏MoE架构，每个token仅激活23B参数，支持100万token上下文窗口，预训练消耗23.8T token。该模型在软件工程任务上达到GLM-5.2同级水平，其训练过程堪称重工业级别的算力展示：预训练阶段使用6,144张GB300 GPU在不到四周内完成，随后动用10,500张GB300进行为期四周、超1亿次r...
Poppy – Sierra 联合 Meta 等推出的开放协议草案
Poppy（Personal Agent Protocol）是由 Sierra 联合 Meta 及多家企业共同推出的开放协议草案，旨在解决个人 AI Agent 访问企业服务时的身份识别与授权问题。该协议通过标准化的发现机制、分级权限控制和基于 OAuth 的授权流程，在"Agent 冒充用户"与"企业全面封禁代理"两个极端之间建立了中间方案。目前已有 Stripe、Shopify、Walmart...
VeriLoop E2 – 清华大学开源的 27B 后训练模型
VeriLoop E2 是清华大学深圳国际研究生院机器人实验室开源的 27B 后训练模型，基于 Qwen3.8-27B 底座，面向代码、数学与物理推理场景。该模型采用 Apache-2.0 协议发布权重与分词器，原生支持 262,144 tokens 的上下文窗口。其核心创新在于 VGR（VeriLoop-Governed Recurrence）机制，将"模型提案"与"外部验证/持久化"彻底分离，...
Microsoft-Decision-1：微软推出的新一代快速决策AI模型深度评测
Microsoft-Decision-1是微软推出的一款专为结构化决策任务设计的快速决策AI模型，能够从预设选项中筛选出最优解，并为每个备选答案赋予概率评分，供下游应用判断执行、重试或转人工。该模型基于开源Qwen3.5-9B架构构建，在36项基准测试中准确率均位列第一，推理速度达到GPT-6 Sol的35倍，输入成本仅为每百万tokens 0.042美元且输出免费，已在Microsoft Fou...
Clef – Cloudflare 开源的决策模型家族深度评测
Clef是Cloudflare开源的一组决策模型家族，其核心定位并非生成开放式文本，而是在请求中临时定义问题、为每个候选选项输出概率化评分，让代码据此执行路由、拦截或升级人工等后续动作。与传统分类器需要针对新增类别反复重训不同，Clef允许在推理时动态定义类别，显著提升了决策系统的灵活性与迭代效率。该家族包含两个规格：27B参数的Clef主打精度，在Jev Decision Index基准上排名第...
Mellum2.1 深度评测：JetBrains 开源智能体编程模型的技术跃迁
Mellum2.1 是 JetBrains 推出的开源 AI 编程模型，采用 12B 混合专家（MoE）架构，每次推理仅激活 2.5B 参数。该模型的核心突破在于将强化学习（RL）从传统训练流程中的收尾环节提升为训练主体，结合数百万次沙盒环境运行，使模型能够自主探索代码库、编辑文件并自查修改，智能体编程能力实现显著跃升。在高负载场景下，Mellum2.1 的吞吐能力接近 Qwen3.5-9B 的两...
