AI项目和框架

EvoCUA（Evolving Computer Use Agent）是美团开源的多模态模型，专注于计算机使用自动化任务。EvoCUA通过自然语言指令和屏幕截图实现对Chrome、Excel、Power...

MMSI-Video-Bench 是用于评估多模态大语言模型（MLLMs）在视频空间智能方面能力的基准测试工具。由上海人工智能实验室等多所高校联合推出，全面评估模型在真...

Youtu-LLM 是腾讯 Youtu 团队开源的轻量级语言模型，参数规模为 19.6 亿。专为智能体任务设计，具备强大的“原生智能体能力”，在多项任务中超越同规模甚至更大...

OS-Copilot是开源的操作系统智能助手项目，为构建能与操作系统中各种元素（如网络、代码终端、文件、多媒体和第三方应用）交互的通用计算机智能体。核心是FRI...

Genie Sim 3.0 是智元机器人推出的首个大语言模型驱动的开源仿真平台。平台基于 NVIDIA Isaac Sim 构建，融合三维重建与视觉生成技术，可实现数字孪生级的高...

10Kh RealOmni-Open是Gen Robot.AI团队开源的具身智能数据集，是目前行业内规模最大的开源数据集之一。包含超过10000小时的数据、100万+任务剪辑，存储总量达...

UI-TARS Desktop 是字节跳动开源的基于视觉语言模型的桌面自动化工具。支持通过自然语言指令控制电脑操作，如打开文件、浏览网页、操作软件等，能精准识别屏...

TeleChat3是中国电信人工智能研究院（TeleAI）自主研发的千亿参数细粒度MoE语义大模型，采用国产算力训练，支持多轮对话、文本创作、代码生成等任务。模型包...

openPangu-VL-7B 是华为推出的开源多模态模型，专为昇腾硬件优化。模型结合语言和视觉能力，具备强大的视觉定位和OCR功能，能高效处理图像、文档和视频任务。

MiroThinker v1.5 是 MiroMind 团队开源的搜索智能体模型。模型通过交互式扩展技术，将推理与外部环境深度耦合，打破传统大模型依赖庞大参数的局限。

Paper2Any是北京大学DCAI课题组推出的开源多模态AI辅助平台，基于自动化数据治理Agent框架DataFlow-Agent，能将科研论文自动转化为可编辑的PPT和SVG文件。支...

TuriX-CUA 是基于 Python 开源的 AI 智能体，能通过 AI 技术实现桌面自动化操作。TuriX-CUA 通过截屏“看”屏幕，用多模态大模型“思考”下一步操作，完成用户指...

DLCM（Dynamic Large Concept Models）是字节Seed团队推出的新型大语言模型架构。框架将模型的推理单位从传统的token（词）提升到concept（概念）层级，通过...

Voquill是开源的语音输入工具，通过语音输入替代传统键盘打字，提升写作和记录效率。支持macOS、Windows和Linux系统，可在任何文本框和应用程序中使用，实现...

XVERSE-Ent是元象科技开源的专为泛娱乐领域设计的中英双语底座大模型，包含中文模型XVERSE-Ent-A4.2B和英文模型XVERSE-Ent-A5.7B。模型在角色一致性、长剧情...