AI项目和框架

Minion Agent是Agent框架，支持浏览器操作、MCP、自动规划和深度研究等功能。Minion Agent支持多种模型，基于灵活的配置选项满足不同需求。

OpenVision是加州大学圣克鲁兹分校（UCSC）推出的完全开放、高效且灵活的高级视觉编码器家族，专注于多模态学习。提供从5.9M到632.1M参数的多种规模模型，适...

FLUX-Text 是阿里推出的新型的多语言场景文本编辑框架，基于扩散模型（Diffusion Model）和轻量级字形嵌入模块。框架基于注入字形条件信息，提升复杂场景下文...

MCA-Ctrl（Multi-party Collaborative Attention Control）是中科院计算所和中国科学院大学的推出的图像定制生成框架，基于文本和复杂视觉条件实现高质量的图...

AgentCPM-GUI 是清华大学和面壁智能团队联合推出的开源端侧 GUI Agent ，针对中文应用优化。模型基于 MiniCPM-V（80 亿参数）构建，能接受智能手机截图作为输...

Nexus-Gen 是魔搭团队、华东师范大学等机构推出的开源全能图像生成模型，支持同时完成图像理解、生成和编辑任务。Nexus-Gen融合强大的语言模型与扩散模型的能...

StreamBridge 是苹果公司与复旦大学联合推出的端侧视频大语言模型（Video-LLMs）框架，能帮助 AI 实时理解直播流视频。框架基于内存缓冲区和轮次衰减压缩策略...

Step1X-3D 是StepFun联合LightIllusions推出的高保真、可控的 3D 资产生成框架。基于严格的数据整理流程，从超过 500 万个 3D 资产中筛选出 200 万个高质量数...

Seedance 1.0 lite是火山引擎推出的豆包视频生成模型的小参数量版本，支持文生视频和图生视频两种生成方式，支持生成5秒或10秒、480p或720p分辨率的视频。

MCPHub是一站式MCP（模型上下文协议）服务器聚合平台。支持将多个MCP服务器整合到不同的流式HTTP（SSE）端点，基于直观的Web界面和强大的协议处理能力，简化A...

Co-Sight是中兴通讯开源的超级智能体项目，为协同视觉分析平台及智能自动化底座。采用多智能体架构，构建“数字团队”协同体系，通过DAG任务引擎驱动，实现任务...

HealthBench是OpenAI推出的医疗开源测试基准，用在评估大型语言模型（LLMs）在医疗保健领域的表现和安全性。HealthBench包含5000个模型与用户或医疗专业人员...

Chinese-LiPS 是智源研究院联合南开大学共同打造的高质量中文多模态语音识别数据集，包含100小时的语音、视频和手动转录文本，创新性地融合了唇读视频和演讲...

ViLAMP（VIdeo-LAnguage Model with Mixed Precision）是蚂蚁集团和中国人民大学联合推出的视觉语言模型，专门用在高效处理长视频内容。基于混合精度策略，对...

Seed1.5-VL 是字节跳动 Seed 团队最新发布的视觉-语言多模态大模型，具备强大的通用多模态理解和推理能力，推理成本显著降低。模型由一个 532M 参数的视觉编...