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工具
共 26 篇文章 · 清除标签
MAI-Image-2.7-Preview – 微软推出的图像编辑模型
MAI-Image-2.7-Preview是由微软推出的图像编辑模型，在 Artificial Analysis 图像编辑排行榜中以 1,193 Elo 的成绩位列全球第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst，其中场景与风格编辑能力领先次优模型 24 个 Elo，是全部能力维度中领先幅度最大的一项。该模型擅长场景风格重塑、智能重打光、文字符号修改、修复增强以及需...
Seedance 2.5 4K评测：火山引擎以4K与10-bit色深切入影视级视频生成赛道
Seedance 2.5 4K是火山引擎在Seedance 2.5基座模型之上推出的高端视频生成版本，核心定位为面向影视制作与商业广告领域的专业级工具。该模型将输出分辨率提升至4K（约3840×2160像素），并支持10-bit色深（约10.7亿色），在画面细节、纹理保真与色彩层次上直接对标大荧幕放映标准。通过针对性的专项训练，模型在人物微表情、细微动作与文戏表演层次上实现了显著增强，同时强化了参...
Agensh – 微软研究院推出的多智能体协作框架
Agensh是微软研究院推出的多智能体协作框架，其核心创新在于完全去中心化的组织架构——所有智能体遵循统一的五步协作循环，通过共享代码仓库、即时消息和结构化看板实现自组织分工，彻底移除传统架构中的主管智能体。实验数据显示，在底层模型完全不变的前提下，将智能体数量从1个扩展至1024个，软件复现测试通过率从33.89%提升至55.06%，提升幅度约49%。这一结果论证了智能体数量本身可以成为独立于模...
Doory – 开源的在线设计编辑器，Canva 开源平替
Doory 是一款开源的在线设计编辑器，定位为 Canva 的开源替代方案。它完全运行在浏览器中，无需安装任何客户端软件，即可完成海报、社交媒体配图、简历、PPT、名片等多种类型的设计创作。该工具支持导出 PNG/JPG/SVG/PDF 以及带动画效果的 MP4/WebM/GIF 格式，内置实时协同编辑、动画特效、一键抠图等能力，并可通过 Docker 实现私有化部署。Doory 对所有用户免费开...
HeyGen Voice – HeyGen 推出的自研语音模型
HeyGen Voice是AI数字人公司HeyGen于2026年10月9日推出的自研语音模型，在Artificial Analysis TTS榜单Controlled Voice子榜中登顶。该模型能够保留用户本人声音的语气、重音、情感和节奏，让数字人演绎脚本时不再有明显朗读感。HeyGen Voice与Avatar V共用同一端到端技术栈，在HeyGen平台和API中免费开放，为高质量数字人配音提...
OpenMuse – CopilotKit 开源的个人 AI 助理
OpenMuse 是由 CopilotKit 团队开源的个人 AI 助理项目，其核心设计理念是"给 Agent 配一台电脑"——通过持久化浏览器、可选 Linux Docker 容器和文件系统的组合，让 AI 代理能够在后台持续运行复杂任务，并允许用户随时暂停、接管或恢复操作。该项目面向 iOS、Android 和 Web 三端，内置了 Gmail 与日历集成、PDF 表单填写、网页监控、支出分析...
Qwen-Audio-3.1 – 阿里通义推出的语音大模型系列
Qwen-Audio-3.1是阿里通义千问推出的语音大模型系列，由ASR语音识别、ASR-Next音频理解、TTS语音合成、TTS-Next音频创作及Realtime实时交互五款模型构成，覆盖"理解—生成—交互—创作"完整语音链路。该系列支持30种语言和16种中文方言，具备分角色转写、情绪感知、音色迁移与全双工实时对话能力，并可调用外部工具完成任务，标志着语音AI从单一转写工具向全模态音频理解与生...
Hy Image3.5 preview – 腾讯混元推出的专业级生图模型
Hy Image3.5 preview是腾讯混元推出的高性价比专业级生图模型，旨在解决专业设计与创作场景中对高质量图像生成、精准文本渲染与多轮迭代编辑的复合需求。该模型同时支持文生图与图生图两种模式，单次可上传最多5张参考图进行多主体融合与风格化编辑，输出最高2K分辨率图像，并支持基于历史上下文的多轮对话式连续创作。相比上一代Hy Image3.0，其综合能力提升约30%，文本渲染、真实感与编辑一...
Suno v6 – Suno 推出的一代 AI 音乐生成模型系列
Suno v6是由AI音乐生成平台Suno推出的新一代模型系列，包含旗舰模型v6（面向Pro/Premier付费用户）、实验性模型v6-wild以及免费开放的v6-mini。相比前代，v6系列在生成速度上实现了量级提升，支持自然语言局部编辑、多音频源混音、采样提取以及从音频和图片直接生成歌曲等多项创新能力。与此同时，Suno官方宣布与华纳音乐、BMG达成授权合作，针对不同创作者群体提供分层模型套件...
Kage：单文件驱动的沉浸式3D叙事体验，AI生成内容与WebGL融合的极简主义实践
Kage 是由设计师 Meng To 开源的一款沉浸式 3D 交互体验项目，它以极致的极简主义手法，将完整的多章节叙事浓缩于单个 HTML 文件之中。该项目通过 Three.js 进行实时 WebGL 渲染，巧妙融合 GPT Image 2 生成的 2D 场景素材，构建出一场虚构的京都山寺夜间漫步。用户仅需通过鼠标滚轮即可控制相机沿预设路径行进，依次穿越山门、静庭、匠艺、余晖与宣言五个章节，在雨雾...
