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
MiniMax M3 – MiniMax 推出的一代 AI 模型
MiniMax M3是MiniMax公司推出的新一代AI模型，采用创新的MSA稀疏注意力架构与MoE混合专家结构，在编程、Agent与长文本处理领域展现出领先性能。该模型总参数量196B，但每次推理仅激活约11B参数，支持高达100万tokens的超长上下文，处理效率较传统模型提升20倍。在SWE-Bench Pro等权威评测中，M3的编程能力已超越GPT-5.5等主流模型，同时原生支持图像与视频...
Qwen-VLA – 阿里通义推出的通用视觉-语言-动作模型
Qwen-VLA是通义实验室推出的通用视觉-语言-动作模型，以Qwen3.5-4B为视觉语言主干，搭配1.15B参数的DiT动作解码器。模型通过统一动作轨迹预测框架，将操作、导航、轨迹预测三大任务统一到同一模型；借助本体感知提示条件化，仅需修改文本描述即可适配11种机器人平台。模型在多项基准中超越专用模型，零样本动态操作成功率达26.6%，推动具身智能从技能专家走向通用行动者。
Webwright – 微软开源的终端原生网页智能体框架
Webwright 是微软研究院开源的终端原生网页智能体框架，仅需约 1000 行代码即可让 AI 模型在终端环境中编写 Playwright 脚本、执行 bash 命令、查看日志并反复修正，从而完成复杂的网页自动化任务。该框架采用“代码即动作”范式，赋予 AI 模型完整的终端自由度——模型可以自主创建、操控和销毁浏览器会话，而非传统方法中逐次预测点击坐标或 DOM 元素。基于 GPT-5.4 的...
ControlFoley – 小米开源的可控视频音效生成模型
ControlFoley是由小米研究院开源的可控视频音效生成模型，旨在解决视频到音频（V2A）领域长期存在的可控性难题。该模型统一支持三类视频配音任务：文本引导配音（TV2A）、文本控制配音（TC-V2A）和参考音频控制配音（AC-V2A），通过自研的时空音视频编码器CAV-MAE-ST、时间-音色解耦机制与模态鲁棒训练策略，实现了语义对齐、时间同步与音质的全面提升。在VGGSound-Test、...
美团GEO营销门户 – 美团推出的生成式引擎优化平台
美团GEO营销门户是美团商业生态中诞生的生成式引擎优化（Generative Engine Optimization）平台，专为AI搜索时代设计。它帮助品牌在豆包、DeepSeek、文心一言、通义千问等主流大语言模型的对话输出中提升曝光频次与推荐质量。与传统SEO聚焦搜索引擎排名不同，GEO专注于优化品牌在AI回答中的提及方式、可信度与上下文关联性。平台提供策略建议、内容生成、效果追踪、监测分析四...
SenseNova-U1-8B-MoT-Infographic – 商汤科技开源的信息图增强模型
SenseNova-U1-8B-MoT-Infographic是商汤科技基于其统一架构SenseNova-U1-8B-MoT开发的开源信息图增强模型，参数规模为8B。该模型通过专项数据训练与强化学习（RL），在保持视觉理解能力不退化的情况下，显著提升高密度小字渲染精度、版式结构稳定性与图表数据正确性。它能够生成海报、图表、菜谱及arXiv风格学术论文页等复杂信息图，填补了开源社区在精准信息图生成领...
阿里云百炼 CLI – 阿里云开源的 AI Agent 命令行工具
阿里云百炼 CLI 是阿里云开源的 AI Agent 命令行工具，专为智能体（Agent）场景设计。开发者通过一行命令即可让 Agent 自动调用阿里云百炼平台上的 150+ 多模态模型、10+ 应用及知识库、记忆、联网搜索等全套能力。该工具原生兼容 Claude Code、Qoder、OpenClaw 等主流 Agent 框架，支持文本、图像、视频、语音等全模态任务调用与结构化输出，实现从单点模...
Step 3.7 Flash – 阶跃星辰开源的一代 Flash 模型
Step 3.7 Flash是阶跃星辰面向Agent生产化阶段推出的新一代开源Flash模型，采用稀疏MoE架构，在保持高推理速度（最高400 Tokens/s）的同时，显著降低了激活参数至11B。该模型围绕Agent、Coding、Search与多模态工作流进行了系统性的优化，旨在为开发者提供一个在速度、成本、可靠执行与复杂任务完成能力之间取得最佳平衡的生产级基座模型。其开源特性与生态兼容性，为...
Hy-Memory – 腾讯混元推出的 Agent 记忆插件
Hy-Memory是腾讯混元团队专为OpenClaw等长期协作型Agent设计的专业记忆插件，通过6层记忆框架、System1/System2双系统处理机制以及演化链三层架构，实现了对Agent记忆的精细化管理。该框架在LongMemEval和PersonaMem两大权威评测中均位列同类框架第一，记忆数量降低70%以上，信息密度提升45%，写入速度达到同类产品的8倍，为Agent提供了真正意义上的...
Dynamic Workflows – Claude Code 推出的动态工作流
Dynamic Workflows 是 Anthropic 在其 Claude Code 开发环境中推出的动态工作流系统，目前处于研究预览阶段。该系统允许 Claude 在单次会话中动态编写编排脚本，并行调度数十至数百个子 Agent 协同处理大型工程任务，自动进行任务拆分、结果验证与断点续跑，将原本需要数周完成的大规模代码重构或审计任务压缩至数天内完成。它标志着 AI 编程助手从单轮对话向多 A...
