AI项目和框架

PixRestore 是香港理工大学与 OPPO 研究院联合推出的统一图像修复模型，采用像素空间 Diffusion Transformer 与 flow matching，53.7M 参数覆盖八大类图像退...

ffmpeg-skill 是面向 Claude Code、Cursor、Codex 的开源 Agent Skill，内置 28 个结构化工具覆盖探测、剪切、字幕、调色、响度到批量导出，纯本地零费用，np...

AuK是腾讯混元开源的15亿参数语音生成与编辑基础模型，采用流匹配扩散架构，通过统一自然语言指令完成零样本TTS、语音内容编辑、声学调节、副语言编辑、降噪...

Ling-3.0-flash-VL是蚂蚁InclusionAI百灵系列首个开源原生多模态大模型，MoE架构总参124B、单次推理仅激活5.5B，原生图文与视频输入、256K上下文，支持网页复...

H3-World是腾讯联合新加坡国立大学、香港理工大学推出的动作可控世界模型，基于33B MiniMax-H3微调，键盘操作转英文指令经时间注意力路由绑定视频帧，8000条...

ChatGPT Images 2.5 是 OpenAI 新一代图像生成模型，延迟最高降50%，支持局部精准调优、多轮不漂移与人物高保真，新增 @Sketch 手绘、模板与评论式编辑，API ...

MiniCPM5-2B 是面壁智能、OpenBMB 与清华联合开源的 2.5B 端侧语言基座，128K 上下文、34 项基准均分 53.9、6GB 内存可跑，兼容 vLLM/llama.cpp。

DeepSeek V4.1 Flash 是深度求索于 2026 年 9 月 8 日开启内测的轻量原生多模态大模型，采用全新 MoE 架构，社区实测 300–500 tokens/s，API 零迁移接入，9 ...

WikiSkill 是 Google Research 联合 Virginia Tech 提出的 AI Agent 技能进化框架，用三层工作空间把执行轨迹沉淀为持久化知识，再用四组件闭环让技能持续演...

LLaDA-Image 是蚂蚁 inclusionAI 开源的 6B 统一图像生成与编辑模型，LLaDA2.0-mini + 6B DiT 全扩散，Qwen-Image-Bench 中英双榜开源第一，Turbo 2-4 步出图。

MAI-Image-2.6-Flash 是微软推出的高速图像生成模型，生成速度达 GPT-Image-2-Medium 的 2.8 倍、GPU 效率提升 72%，支持多参考图、Web Grounding 与 1.5K 分...

Claude Commerce Agents 是 Anthropic 开源的电商 Agent 蓝图，含购物与商家两类 Agent，覆盖零售、旅游、电信、票务四行业，Apache 2.0 协议，内置双层安全...

PatentClaw 是把 LaTeX 科研论文自动整理成中国发明专利技术交底书的开源工具。多智能体协作完成论文解析、发明点挖掘与初稿撰写，公式表格算法证据可溯源，...

星火X2.5是科大讯飞推出的旗舰通用大模型系列，包含云端MoE基座（293B/30B）与端侧4B/1.7B开源模型，依托全国产算力训练，兼容昇腾、海光等国产芯片，端侧原...

Kage 是设计师 Meng To 开源的沉浸式 3D 交互体验项目。整个作品封装在单个 HTML 文件中，借助 Three.js 实时渲染并叠加 GPT Image 2 生成的场景素材，构建一...