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
Stable Audio 3 – Stability AI 开源的音频生成模型系列
Stable Audio 3是Stability AI推出的新一代开源音频生成模型系列，基于流匹配潜空间扩散架构，支持文本转音乐与音效、音频编辑及续写。该系列提供Small、Medium、Large三种规格模型，其中Small版本可在MacBook Pro等消费级设备上本地运行并生成最长2分钟音频，Medium与Large则支持超过6分钟的高质量音频生成。全系模型采用完全授权数据训练，开放Smal...
autoresearch – Karpathy 开源的 AI 自主科研实验框架
autoresearch 是由 OpenAI 前研究科学家、特斯拉前 AI 总监 Andrej Karpathy 开源的 AI 自主科研实验框架，旨在将深度学习模型训练中的“调参-跑实验-看日志-再调参”这一人工循环完全自动化。该框架允许 AI Agent 在单张 GPU 上自动运行 nanochat 训练实验，自主修改代码、调整超参数、执行训练、分析验证指标，并决策下一步优化方向，从而让 AI ...
LongCat-Video-Avatar 1.5 – 美团开源的数字人视频生成模型
LongCat-Video-Avatar 1.5 是美团 LongCat 团队开源的音频驱动数字人视频生成框架，基于 13.6B 参数的基础视频生成模型 LongCat-Video 构建，通过将音频编码器从 Wav2Vec2 升级为 Whisper-Large-v3 实现口型同步精度质的飞跃，并采用 Step Distillation 技术将推理步数压缩至 8 步，支持 480P/720P 分辨率...
GLM-5.1-highspeed – 智谱AI推出的 GLM-5.1 高速版 API
GLM-5.1-highspeed是智谱AI基于GLM-5.1旗舰模型打造的高速版API服务，通过自研TileRT高性能推理引擎实现400 tokens/s的输出速度，刷新了全球大模型API的速度上限。该模型在完整保留GLM-5.1综合能力的基础上，支持200K上下文窗口与128K最大输出，面向Coding Agent、实时交互、商业决策等对延迟极度敏感的场景，目前仅对BigModel开放平台的部...
CloudDM – ClouGence 团队开源的数据库研发与管控平台
CloudDM是由ClouGence团队开源的一款企业级数据库研发与管控平台。它并非传统意义上的单一数据库管理工具，而是一个将数据查询、SQL审核、权限管控、数据脱敏及CI/CD集成等核心能力整合于一体的统一协作平台。通过支持包括MySQL、PostgreSQL、ClickHouse、Redis、StarRocks及阿里云、AWS、Azure等在内的30种数据源，CloudDM旨在为DBA、开发人...
Hy-MT2 – 腾讯混元开源的一代翻译大模型
Hy-MT2是腾讯混元团队开源的新一代翻译大模型，专注于高质量的多语言翻译任务。该模型以1.8B、7B和30B-A3B三种参数规格发布，支持33种语言互译及5种民汉/方言翻译，覆盖全球主流语种和国内少数民族语言。其中7B和30B-A3B版本在FLORES-200等多个权威评测中达到开源模型最佳效果，甚至超越数十倍参数量的闭源商业模型；而1.8B轻量版通过自研的1.25-bit极端量化技术压缩至仅4...
Agora-1 – Odyssey 推出的首款多智能体世界模型
Agora-1是Odyssey公司推出的首款多智能体世界模型，它突破了传统世界模型的单用户限制，支持人类与AI在同一实时生成的世界模拟中互动。该模型以经典FPS游戏《黄金眼007》作为研究场景，最多支持4名参与者共享死亡竞赛体验。与传统世界模型不同，Agora-1通过解耦模拟动态与视觉渲染，维持显式共享世界状态，实现多视角一致性生成。其模型架构类似现代游戏引擎，但所有组件均为学习系统，无需硬编码逻...
HyperEyes – 小红书联合剑桥推出的并行多模态搜索智能体
HyperEyes是小程序与剑桥大学联合推出的并行多模态搜索智能体，它开创性地提出了UGS（Unified Grounded Search）范式，将视觉定位与检索融合为单一原子动作，实现了单轮多实体并发搜索。该模型采用双粒度效率感知强化学习框架（TRACE + OPD），在6个基准测试中，30B版本准确率超越最强开源同规模模型9.9%，工具调用轮次减少5.3倍，实现了准确率与效率的帕累托最优。Hy...
ZCube – 智谱AI联合清华推出的下一代大模型推理网络架构
ZCube是智谱AI联合驭驯网络与清华大学共同推出的下一代大模型推理网络架构，专为解决PD（Prefill-Decode）分离部署场景中固有的结构性网络拥塞问题而设计。该架构通过取消传统Clos网络中的Spine层交换机，采用全网扁平化拓扑与单/多轨混合接入机制，实现了全局流量的结构性解耦与离散化路由。在GLM-5.1 coding生产环境的实测中，ZCube在保持GPU硬件和软件栈完全不变的前提...
Gemini 3.5 Flash – Google 推出的一代 AI 大模型
Gemini 3.5 Flash 是 Google 推出的新一代 AI 大模型，以“前沿智能+行动能力”为核心定位，标志着 Google 在高效推理与 Agent 能力融合上的重大突破。该模型在 Terminal-Bench 2.1 编码基准上取得 76.2% 的得分，在 GDPval-AA 代理任务中达到 1656 Elo，在 MCP Atlas 上获得 83.6%，三项关键指标均超越前代旗舰 ...
