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
CodeBuddy NPC – 腾讯云推出面向企业研发流程的AI智能体
CodeBuddy NPC是腾讯云推出的面向企业研发流程的云端AI智能体，依托CNB平台深度介入代码仓库、Issue、PR与CI/CD环节。开发者只需在Issue中@NPC派发任务，智能体即可自主完成需求分析、方案规划、代码开发、测试执行与持续修复，直至交付可验收成果。该产品将AI从代码补全工具升级为研发流程的自主参与者，显著降低人工重复劳动，实现端到端的云端自主开发。
SeFi-Image – 开源的文本到图像模型，基于语义优先扩散
SeFi-Image是一种基于语义优先扩散架构的开源文本到图像生成模型，提供1B、2B、5B三种参数规格。该模型通过将高层语义结构与纹理细节分离，并引入时序偏移机制，使语义流提前一个时间步开始去噪，从而为纹理生成提供清晰的结构锚点。5B模型仅需125K A800 GPU小时即可完成训练，在GenEval、LongTextBench、CVTG-2K和OneIG等多项基准测试中表现强劲，支持场景合成、...
DramaClaw – 工业级 AI 视频制作工具，提供一站式流水线
DramaClaw是一款面向AI短剧、漫剧、小说推文等场景的工业级AIGC视频制作工具。它基于自研的灵山AI编导大模型，提供从剧本导入到成片输出的一站式流水线。通过构建虚拟三维导演世界，DramaClaw实现了角色、场景和叙事风格在长篇幅中的高度一致性，有效解决了传统AI视频生成中的随机性和不一致问题。该工具以确定性生产为核心，大幅降低制作成本，并将核心代码开源，支持二次开发与本地部署。
LingBot-Depth 2.0 – 蚂蚁灵波科技推出的深度补全模型
LingBot-Depth 2.0是蚂蚁灵波科技推出的面向真实场景的深度补全模型，同步开源了视觉基座模型LingBot-Vision。该模型采用“基座模型+任务头”的两级协同架构，通过显式边界结构预训练，实现了对玻璃、镜面等透明/反光物体的高精度三维重建。训练数据从上一代的300万扩充至1.5亿，在16项深度补全基准测评中斩获12项第一，室内大面积深度缺失场景的RMSE误差从0.132降至0.06...
Fun-ASR-Realtime – 阿里千问推出的流式实时语音识别模型
Fun-ASR-Realtime 是阿里千问推出的流式实时语音识别大模型，专为低延迟、高精度的语音转文本场景设计。该模型通过 WebSocket 流式协议实现“边说边出字”，将首字延迟压缩至百毫秒级，同时保持接近离线模型的识别准确率。在方言识别方面，其覆盖 16 种中文方言和 30 种语言，并在 12 类方言测试中领先火山与腾讯的同类产品。模型还具备上下文理解、热词定制、情感识别和时间戳输出等高级...
TabFM – 谷歌开源的零样本表格基础模型
TabFM是由Google Research推出的零样本表格基础模型，专为混合数值与类别特征的结构化数据设计，支持分类（最多10类）和回归任务。模型基于结构因果模型（SCM）生成的数百亿合成表格数据预训练，无需微调或超参数搜索，仅以训练数据作为上下文进行单次前向预测即可完成推断。在TabArena基准的51个真实数据集上，TabFM的零样本性能超越了经过大量超参数调优的梯度提升树等强基线模型。该项...
Nemotron-Labs-TwoTower – 英伟达开源的双塔架构扩散语言模型
NVIDIA Nemotron-Labs-TwoTower 是英伟达开源的一款双塔架构扩散语言模型，总参数量约60B，活跃参数仅3B，基于MoE稀疏激活机制实现高效计算。该模型将传统的上下文理解与去噪生成解耦为两个独立塔：冻结的自回归上下文塔负责处理干净token，可训练的扩散去噪塔通过交叉注意力机制精炼噪声块。模型基于Nemotron-3-Nano-30B-A3B构建，在约2.1T tokens...
ViiTorVoice – 云上曲率推出的 AI 语音合成模型
ViiTorVoice是由云上曲率推出的全球首款支持局部编辑的AI语音合成模型，基于NAR非自回归架构，登顶Seed-TTS权威评测榜首。它实现了“像改Word一样修语音”——可定向替换音频中的某个词或片段，而其余音色、节奏、情感完全保持不变。该模型还支持无文本跨语种克隆、情绪精准控制及60ms超低延迟推理，1B参数版本已开源，为语音合成领域带来了突破性的交互范式。
FastContext -微软开源的轻量级代码仓库探索模型
FastContext 是由微软研究院开源的轻量级代码仓库探索模型，专为编程 Agent 设计。该模型将仓库浏览与任务求解彻底解耦：主 Agent 通过自然语言查询委托 FastContext 执行只读探索，后者并行调用 Read/Glob/Grep 工具，最终用紧凑的文件路径与行号引用（`<final_answer>`）返回聚焦证据，使主 Agent 免于在上下文中累积无关代码片段。项目在 SW...
Krea 2 – Krea AI 推出首个从零训练的基础图像生成模型
Krea 2 是 Krea AI 推出的首个从零训练的基础图像生成模型，定位为“美学优先”的创意协作者，而非传统的提示词精确翻译器。该模型基于全新的自研架构，从数据筛选、训练策略到推理管线均围绕视觉美学一致性、风格迁移和创意控制进行设计。Krea 2 开源了两个版本：RAW（未蒸馏基础模型，可塑性极强，适合训练 LoRA）和 Turbo（8 步蒸馏模型，约 2 秒出图，支持 1K~2K 分辨率）。...
