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编程
共 233 篇文章 · 清除标签
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...
TalkLikeYou —— 中科院自动化所开源的实时数字人框架深度评测
TalkLikeYou 是由中国科学院自动化研究所开源的一款实时数字人（Talking Head）生成框架，其核心能力在于仅凭一张人像照片和一段音频，即可驱动照片中的人物开口说话，且嘴部动作能够精准模仿指定真人的个性化说话习惯。该框架通过运动空间建模与一步采样技术，在单张 RTX 3090 显卡上实现了 32.43 FPS 的实时生成速度，打破了以往数字人生成在速度与画质之间的平衡限制。项目代码与...
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...
Naive-N0.5-Flash：NaiveAI 开源的 309B MoE 大模型，专为 AI 研发而生
Naive-N0.5-Flash 是 NaiveAI 开源的首个 MoE 大模型，定位编程与 AI 研发场景。该模型基于小米 MiMo-V2.5 基模改造，采用 309B MoE 架构，引入 SWA+DSA 混合稀疏注意力机制，原生支持 1M 上下文且全网络不含任何全注意力层。模型由 AI 深度参与研发，配套推理系统 NaiveRT 单流解码峰值达 2,122 tokens/s，在 PaperBe...
Claude Haiku 5.5 – Anthropic 推出的最轻量级模型
Claude Haiku 5.5 是 Anthropic 于 2026 年 10 月 7 日正式发布的最新小型语言模型，定位为"最便宜、最快、最能打"的高性价比产品。该模型将输入价格降至 $0.10/百万 token，综合成本降低约 75%，同时实现了电脑操作能力从 15.7% 到 72.4% 的大幅跃升。其支持 100 万 token 上下文窗口和五档可调思考机制，适用于智能摘要、数据分类、实时...
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...
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。
IQuest-Q1 评测：320B 稀疏 MoE 驱动的开源 Agent 基础模型，专攻代码与智能体长程任务
IQuest-Q1 是至知创新研究院（IQuestLab）开源的一款 Agent 基础模型，核心定位聚焦代码生成与智能体任务执行。该模型采用稀疏 MoE 架构，总参数量达 320B，但每个 token 仅激活约 15B 参数，在保持旗舰级任务能力的同时显著降低了推理成本。IQuest-Q1 经过合成环境中的多 harness 强化学习与多教师在线蒸馏（MOPD）训练，可直接接入 Claude Co...
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...
