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：大语言模型
共 117 篇文章 · 清除标签
DSpark – DeepSeek 联合北京大学开源的推测解码加速框架
DSpark是由DeepSeek联合北京大学共同开源的推测解码（Speculative Decoding）加速框架，旨在解决大语言模型自回归生成过程中推理速度慢、如同“挤牙膏”的核心痛点。该框架采用半自回归生成架构，通过轻量级Markov头（或RNN头）显式建模相邻token之间的依赖关系，在保留并行草稿模型高吞吐特性的同时，显著缓解传统并行方案的后缀衰减问题，使候选序列前后更加连贯。此外，DSp...
Sakana Fugu – Sakana AI 推出的多智能体编排系统
Sakana Fugu是Sakana AI推出的多智能体编排系统，通过单一API动态调度顶尖模型，实现集体智能涌现。系统内置TRINITY进化型协调器与Conductor强化学习编排器，自动为不同模型分配思考者、执行者与验证者角色，无需人工预设工作流。Fugu支持递归自我调用与灵活模型池管控，提供标准版与Ultra版，在严苛基准测试中达到前沿性能，比肩Fable 5与Mythos Preview，...
Qwen-AgentWorld – 通义千问推出的原生语言世界模型
Qwen-AgentWorld是通义千问团队推出的首个原生语言世界模型（Language World Model, LWM），旨在通过纯文本推理模拟多种智能体交互环境。该模型能够模拟MCP工具调用、搜索引擎、Linux终端、软件工程、Android GUI、Web浏览器和操作系统共7大智能体环境，为AI Agent的训练与评估提供高度可控、可扩展的虚拟环境。模型基于1000万以上的真实交互轨迹，采...
Confucius4-TTS – 网易有道开源的多语言语音合成引擎
Confucius4-TTS 是网易有道开源的 1.3B 参数多语言语音合成引擎，凭借仅需 3 秒参考音频即可实现零样本音色克隆的突破性能力，无需参考文本或转录，并支持中、英、日、韩等 14 种语言的跨语种无口音合成，同时能够迁移情感与韵律。该模型可完全本地部署与训练，适用于数字人配音、出海本地化及多语种内容创作等场景，为语音合成领域提供了高灵活性与低门槛的开源解决方案。
MMSkills – 上海交大与小红书联合推出的多模态技能框架
MMSkills是由上海交通大学与小红书联合研发的多模态技能框架，专为通用视觉Agent设计。该框架将传统纯文本技能扩展为包含文本流程、运行时状态卡片和多视角关键帧的多模态程序性知识单元，并通过Branch Loading机制在运行时高效调用视觉证据，避免一次性注入完整上下文造成决策污染。在OSWorld、macOSWorld、VAB-Minecraft等GUI与游戏任务上，MMSkills为Ge...
SkillOpt – 微软开源的Agent技能文档优化工具
SkillOpt是微软开源的一款Agent技能文档优化工具，其核心理念是将深度学习训练范式引入文本空间，将Agent的`skill.md`文件视为可训练的参数，通过轨迹分析生成编辑方向，利用文本学习率约束有界修改，并借助保留验证集进行门控筛选，最终迭代产出最优技能文档`best_skill.md`。该工具支持跨模型、跨工具链迁移，且部署时零额外开销，在52个评估单元中全部取得最佳或并列最佳性能。S...
Ornith-1.0 – DeepReinforce 开源的 Agentic 编程系列模型
Ornith-1.0 是 DeepReinforce 团队推出的专为 Agentic 编程任务设计的开源大模型系列，基于 Gemma 4 与 Qwen 3.5 预训练基座，采用自改进训练框架，在代码生成与软件工程基准上达到同级别开源模型的 SOTA 水平。该系列提供 9B Dense、31B Dense、35B MoE、397B MoE 四种规格，覆盖从边缘设备到旗舰级服务器的全场景部署需求，并已...
AgentCanvas – Vstorm开源的 Pydantic AI 可视化工具
AgentCanvas 是由 Vstorm 团队开发的一款开源 Pydantic AI 可视化工具。它能将已接入 Logfire 追踪的 AI Agent 运行日志，自动转化为一份可交互的 HTML 流程图报告，清晰展示每一次模型调用、工具执行、嵌套子智能体、Token 消耗及精确成本。输出为单个自包含 HTML 文件，无需服务器即可离线查看，特别适合在向客户演示时“讲清楚 AI 到底做了什么”。
Qwen-Robot Suite – 阿里通义推出的物理世界基础模型套件
Qwen-Robot Suite 是阿里通义实验室推出的面向物理世界智能的基础模型套件，由 Qwen-RobotNav（导航）、Qwen-RobotManip（操作）与 Qwen-RobotWorld（世界模型）三大核心模型组成。该套件通过语言优先接口将视觉语言表示空间桥接至物理动作空间，实现跨本体、跨场景的统一训练与推理，使通用大模型能作为上层规划器，动态调用底层物理工具完成长程任务闭环。这一架...
GLM-5.2 – 智谱推出的一代开源大模型，上下文1M
GLM-5.2是智谱AI于2026年6月13日发布的新一代开源大语言模型，采用MIT协议开源，核心亮点在于支持1M tokens的超长上下文窗口，并深度聚焦Agentic Coding（自主编程智能体）能力。该模型基于华为昇腾芯片与MindSpore框架完成全流程训练，彻底摆脱对NVIDIA硬件的依赖，实现了从算力到算法的完全自主可控。在代码生成与软件工程任务中，GLM-5.2的性能已基本对标国际...
