AI 模型库：大模型、Agent 与开发工具

MAI-Image-2.5-Pro – 微软推出的高精度图像生成模型

MAI-Image-2.5-Pro是由微软AI团队推出的高精度图像生成模型，专注于高质量主视觉图、写实摄影及商业设计素材的生成。该模型在Arena文生图榜单中排名第三，尤其在写实摄影领域表现突出，同时支持图像内文字渲染与自然语言指令编辑。目前已深度集成至Bing Image Creator、PowerPoint和OneDrive等微软核心产品，相比GPT-Image-2可降低84%的GPU成本，兼...

MAI-Voice-2-Flash – 微软推出的高速语音合成模型

MAI-Voice-2-Flash是微软AI团队针对高并发、低延迟场景推出的高速语音合成模型。在保持自然语调与高语音质量的前提下，其推理速度较前代MAI-Voice-2提升约2倍，成本降低32%。模型支持15种以上语言及细粒度情绪控制，已集成至Dynamics 365 Contact Center与Azure Voice Live，广泛应用于智能客服、语音助手等大规模语音服务场景。

Cosmos 3 Edge – 英伟达开源的 4B 参数世界模型

Cosmos 3 Edge 是 NVIDIA 推出的 4B 参数开源世界模型，专为机器人和边缘 AI 实时推理设计。模型基于 Nemotron 架构，融合自回归与扩散双 Transformer 塔，共享多模态注意力层，可在 Jetson Thor、RTX GPU 及 DGX 等设备上本地运行，实现 15 Hz 实时控制。开发者可在约一天内将模型适配至特定机器人或环境，无需依赖云端即可感知、推理并生...

Cursor Router – Cursor推出面向团队和企业的智能模型路由器

Cursor Router是Cursor面向团队和企业推出的智能模型路由器，基于60多万真实请求训练，自动将每个编程请求路由到最适合的模型。它提供Intelligence、Balance、Cost三种模式，在节省30%–60%成本的同时保持前沿性能，通过大规模在线A/B测试验证，以用户满意度和代码保留率作为核心评估指标。该功能并非独立模型，而是作为Cursor平台的企业级组件，旨在解决多模型管理中...

PixVerse Game – 爱诗科技推出的首个实时视频游戏引擎

PixVerse Game 是爱诗科技基于其自研的 PixVerse R1 实时世界模型，推出的业界首个实时视频游戏引擎。该引擎将完整的游戏体验构建在一条持续生成的实时互动视频流之上，彻底颠覆了传统游戏开发中依赖预置资产、建模与动画管线的范式。创作者无需掌握编程或美术技能，仅通过定义规则与世界观，即可实时生成并运行一个交互式游戏世界。其核心在于将游戏逻辑、视觉表现与玩家输入实时耦合，实现从“创作”...

AnySearch – 专为 AI Agent 推出的实时结构化搜索引擎

AnySearch是专为AI Agent设计的实时结构化搜索引擎，通过API、MCP和Skill三种方式集成，覆盖通用网页及20多个垂直领域数据源。它采用智能意图识别与多源并行检索技术，为Agent提供实时、准确、可追溯的结构化信息输入，在准确率和延迟上均优于Brave Search和Parallel等同类产品。

X2.0 – Xmax AI 推出的全球首个实时交互视频生成模型

X2.0是Xmax AI推出的全球首个实时交互视频生成模型，支持毫秒级流式生成。用户通过摄像头可实时替换角色服装、召唤虚拟物体、触屏操控画面，实现可玩的视频体验。模型采用逐帧自回归架构与多阶段蒸馏，单卡可满血运行960p@24fps，首发iPhone端侧384p@16fps实时部署。

Colibrì – 开源的轻量级本地推理引擎，分层存储推理

Colibrì 是一款开源的轻量级本地推理引擎，专为在消费级硬件上运行超大规模 MoE（混合专家）模型而设计。它能够在仅 25GB 系统内存的普通电脑上运行参数总量达 744B 的 GLM-5.2 旗舰模型，无需昂贵的服务器集群。其核心创新在于分层存储架构：将常驻参数保留在内存中，而将海量路由专家参数存放在 NVMe 硬盘上按需动态加载，从而突破了大模型必须完整装入高速显存或内存的传统限制。引擎采...

Nemotron 3 Embed – 英伟达开源的文本嵌入模型系列

Nemotron 3 Embed是NVIDIA开源的多语言文本嵌入模型系列，专为检索增强生成（RAG）与智能体检索场景设计。该系列包含8B和1B两种参数规模，支持32k上下文窗口与34种语言，采用OpenMDW-1.1许可证开放商业使用。旗舰版8B模型在RTEB多语言检索排行榜上以78.5%的得分位居第一，而1B版本通过结构化剪枝与知识蒸馏，在大幅降低推理成本的同时保留了95%的检索精度。

LingBot-Vision – 蚂蚁灵波科技开源的通用视觉基座模型