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评测
共 72 篇文章 · 清除标签
MyContext – 阿里千问办公开源的Agent上下文基础设施深度评测
MyContext是阿里云千问办公团队推出的开源Agent上下文基础设施，采用本地优先架构，能够将钉钉、飞书等即时通讯工具、文档及会议系统中的多源工作数据，自动加工为持续更新、可回溯的专属工作档案。该档案涵盖职责范围、协作关系与工作结论，遇到矛盾信息时通过语义分析判断合并或覆盖，无法确定时交由用户确认。基于该档案可构建个性化Agent，实现工作信息查询与拟人化自动回复，补齐了Agent在办公场景中...
Mureka V9.5 – 昆仑万维推出的一代 AI 音乐生成模型
Mureka V9.5是昆仑万维推出的新一代AI音乐生成模型，基于自研的MusiCoT音乐思维链框架，在生成音频前先构建全局音乐结构，从而产出逻辑严密、听感自然的完整歌曲。该模型主打克制留白的编配美学与高度真实的人声表现，人声良品率提升至61.0%，控制良品率达97.0%，中文国风场景的咬字、气口与和声层次实现显著进化。官方同口径评测中，其在旋律性、人声表现力、音质、编配编曲四项指标上均领先Sun...
PAST-Bench – 普林斯顿推出的个人 Agent 的性能归因基准
PAST-Bench是普林斯顿大学王梦迪团队推出的基准测试，专门用于评估个人AI Agent的递归自我改进能力。该基准通过对比有持久化记忆与无持久化记忆条件下的任务表现，精确判断Agent保存的跨会话经验是否真正改善了后续行为。它覆盖记忆、流程复用、信息搜集、状态更新四类核心能力，包含26个任务场景和204个任务回合，为Agent的跨会话学习能力提供标准化量化评估。
Hunyuan3D-Buffalo 1.0 – 腾讯混元推出的 3D 多模态框架
Hunyuan3D-Buffalo 1.0是腾讯混元团队推出的统一3D多模态框架，通过共享的Hunyuan3D-VLM主干，将3D问答、空间定位、文生3D、指令编辑和部件生成等任务集成到单一流程中。该框架支持自然语言理解3D模型结构、定位特定部件、按指令修改局部几何，并能提取具有语义意义的部件，旨在打通3D理解、生成与编辑的闭环，为游戏、动画和工业设计提供可组合的3D资产生产方案。
UniWorld-View – 兔展智能联合北大等开源的世界模型
UniWorld-View是兔展智能联合北京大学、鹏城实验室推出的开源世界模型，登顶李飞飞团队WorldScore世界模型评测榜单。该模型基于单张图片或一段视频，能够按照指定相机轨迹生成新视角画面，实现单图3D生成与视频4D生成的统一架构。模型已完成国产昇腾算力适配，代码与权重均开源，为世界模型的研究与应用提供了高效、可控的解决方案。
AlphaEval – 跨赴科技等推出的生产级 Agent 评测框架
AlphaEval是由SII-GAIR、上海交通大学、跨赴科技（KuaFuAI）等多家机构联合推出的生产级Agent评测框架。该框架覆盖7家真实企业场景的94个生产任务，构建从需求澄清到App交付的完整可复现链路。通过建立多维度Rubrics标准，将交付质量拆解为静态结构、视觉准确、功能逻辑、响应适配与体验质量等维度，旨在推动Agent评估从模型排行榜回归真实业务交付，实现从“评答案”到“评交付”...
Midjourney V8.2 – Midjourney推出的最AI图像生成模型
Midjourney V8.2是由Midjourney Inc.推出的最新AI图像生成模型版本，在提示词理解、风格参考逻辑和出图稳定性上实现全面升级。相比V8和V8.1，V8.2大幅提升了风格种子一致性、垫图融合自然度、复杂场景解析力及文字渲染精准度，尤其对东方古典意境表现更加细腻，一次出图成功率显著提高，成为当前AI图像生成领域综合能力突出的模型之一。
FeyNoBg – Feyn Labs 开源的自动背景去除模型
FeyNoBg是由Feyn Labs开发并开源的自动背景去除模型，基于BiRefNet架构进行深度优化，拥有2.63亿参数。该模型在UHRSD-TE、HRSOD-TE等8项基准测试中，4项取得最优成绩（SOTA），其余4项与最优结果差距在2%以内。同时开源了NoBg Python库，提供统一的模型运行与训练接口，深度集成Hugging Face生态系统，采用Apache-2.0开源协议，降低了开发...
Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型
Grok Voice Think Fast 2.0 是由 SpaceXAI（xAI）推出的新一代端到端语音到语音模型，采用原生统一架构，摒弃传统语音识别—语义推理—语音合成的级联流程，直接理解用户语音并生成回应。其核心创新在于“边听边推理”的流式处理机制，首次音频响应仅 0.70 秒，在 Artificial Analysis 语音到语音综合评测中以 82.9% 的质量指数领先 GPT‑Realt...
Claude Opus 5 – Anthropic 最发布的旗舰级模型
Claude Opus 5 是 Anthropic 于 2025 年发布的旗舰级大语言模型，定位为“接近前沿智能，价格约为后者一半”的高性价比选择。该模型在保持与 Opus 4.8 相同成本的前提下实现了性能的大幅跃升，已成为 Claude Max 订阅的默认模型及 Claude Pro 上可用的最高能力选项。通过引入可调节的 effort 思考档位，Opus 5 允许用户在更强推理与更低延迟、更...
