AI项目和框架

Gemma 4是Google开源的多模态大模型系列，基于Gemini 3架构。模型包含E2B/E4B（手机/树莓派可跑）、26B MoE（仅激活3.8B参数）和31B Dense（Arena评分开源第...

Qwen3.6-Plus是阿里通义实验室推出的 Agent 编程模型，主打编码智能体能力跃升。模型默认支持100万token超长上下文，在SWE-bench、Terminal-Bench等代码修复...

claw-code 是Claude Code 源码泄露后推出的Clean-room Rewrite项目。作者为避免法律风险，使用 OpenAI Codex 的 OmX 工作流编排，仅用数小时将核心架构从 Typ...

GLM-5V-Turbo是智谱AI推出的原生多模态Coding基座模型，专为视觉编程和AI Agent设计。模型从预训练阶段深度融合视觉与文本能力，支持理解图片、视频、设计稿...

Wan2.7-Image是通义实验室推出的AI图像生成与编辑模型，支持深度自定义人物形象（脸型、眼型、骨相等），告别千篇一律的「AI标准脸」，可精准生成4000+字符及...

Lightpanda 是专为 AI Agent 和自动化设计的开源无头浏览器，用 Zig 语言从零编写，不依赖 Chromium 或 WebKit。工具内存占用仅为 Chrome 的 1/16，执行速度...

Veo 3.1 Lite 是 Google 最新推出的AI视频生成模型，成本比 Veo 3.1 Fast 降低 50% 以上，同时保持同等生成速度。模型支持文本/图像生成视频，可灵活切换横竖...

TeamClaw 是AI 员工团队管理平台，定位"一个人的 AI 办公室"。平台能让用户像招聘真实员工一样定义 AI 岗位（CEO、分析师等），角色秒级到岗；支持...

ColaMD 是开源的 Markdown 编辑器。工具解决了传统编辑器在 AI 修改文件后需手动刷新才能看到更新的痛点，实现 Agent 后台修改与前台内容的实时同步，如同观...

harrier-oss-v1 是微软开源的多语言文本嵌入模型，在 Multilingual MTEB v2 基准测试中取得 SOTA 成绩。模型采用仅解码器架构，通过最后 token 池化和 L2 归...

LongCat-AudioDiT 是美团开源的高保真扩散式文本转语音（TTS）模型，核心创新在于直接在波形潜空间进行扩散生成，非传统梅尔频谱等中间表示，有效避免误差累...

Vision2Web是清华大学和智谱AI联合推出的视觉网站开发评估基准，用于评估多模态AI Agent的端到端建站能力。Vision2Web包含193个真实网站任务，分为三层递进难...

wecom-cli（企业微信 CLI） 是企业微信官方团队开源的命令行工具，让人类和 AI Agent 能在终端中操作企业微信。工具覆盖通讯录、待办、会议、消息、日程、文...

PixVerse V6 是爱诗科技推出的最新 AI 视频生成模型。模型在镜头控制、角色表现和多镜头音视频生成方面实现突破，运镜更精准，角色情绪跨帧连贯，物理交互更...

Qwen3.5-Omni 是阿里通义实验室推出的全模态大模型，可同时理解文本、图像、音频及音视频输入。模型采用Thinker-Talker分工架构与Hybrid-MoE技术，在215项音...