AI导哈

工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 196 / 422 页

WebSSL – Meta联合纽约大学等机构推出的视觉自监督学习系列模型

WebSSL（Web-scale Self-Supervised Learning）是Meta、纽约大学等机构推出的视觉自监督学习（SSL）系列模型，基于大规模网络数据（如数十亿图像）训练视觉模型，无需语言监督学习。

阅读全文

文心大模型X1 Turbo – 百度推出的最新深度思考型模型

文心大模型X1 Turbo是百度推出的深度思考型模型，是文心大模型4.5 Turbo的升级版本，具备更先进的思维链和深度思考理能力，擅长文学创作、逻辑推理等，进一步增强多模态能力。

阅读全文

RAGEN – 训练大模型推理 Agent 的开源强化学习框架

RAGEN是开源的强化学习框架，用于在交互式、随机环境中训练大型语言模型（LLM）推理Agent。基于StarPO（State-Thinking-Action-Reward Policy Optimization）框架，通过多轮交互优化整个轨迹，支持PPO、GRPO等多种优化策略。

阅读全文

文心大模型4.5 Turbo – 百度推出的最新多模态大模型

文心大模型4.5 Turbo是百度推出的高性能、低成本多模态大模型。基于文心大模型4.5的基础上进行优化，具备多模态、强推理能力，能处理文本、图像等多种输入形式。相比文心大模型4.5，文心大模型4.5 Turbo的速度更快，成本大幅降低，价格下降80%。

阅读全文

LiveCC – 字节联合新加坡国立大学开源的实时视频解说模型

LiveCC 是新加坡国立大学Show Lab 团队联合字节跳动推出的实时视频解说模型，基于自动语音识别（ASR）字幕进行大规模训练。LiveCC像专业解说员一样快速分析视频内容，同步生成自然流畅的语音或文字解说。

阅读全文

LongPort MCP – 长桥集团推出的证券业首个券商MCP

LongPort MCP（Model Context Protocol）是长桥集团推出的证券行业首个券商MCP。基于 LongPort MCP，AI 能快速调用证券行情数据、执行股票交易、管理资产组合等核心金融服务。

阅读全文

Open Avatar Chat – 阿里开源的实时数字人对话系统

Open Avatar Chat 是阿里开源的模块化的实时数字人对话系统，支持在单台电脑上运行完整的功能。Open Avatar Chat 支持低延迟的实时对话（平均响应延迟约2.2秒），兼容多模态语言模型，包括文本、音频和视频等多种交互方式。

阅读全文

A2E

A2E是一站式AI视频生成平台，提供多种创新功能，包括声音克隆、唇形同步、图像到视频转换以及多语言支持等。用户可以通过简单上传图片或文本，快速生成高质量的视频内容。

阅读全文

Hummingbird-0 – Tavus 推出的AI口型同步模型

Hummingbird-0 是 Tavus 推出的AI口型同步模型。基于 Phoenix-3 模型开发，支持实现零样本学习，无需额外训练快速生成高精度的口型同步视频。

阅读全文

Cooragent – 清华 LeapLab 开源的 AI Agent 协作框架

Cooragent是由清华大学LeapLab团队推出的开源AI Agent协作框架。用户基于简单的一句话描述快速创建Agent，支持Agent之间的协作，完成复杂任务。Cooragent基于Prompt-Free设计，无需手动设计Prompt，系统自动根据需求生成Agent优化功能。

阅读全文

Backflip AI – AI 3D建模平台，将3D扫描数据转为CAD模型

Backflip AI是 AI 3D模型生成平台，基于AI技术将3D扫描数据快速转化为CAD模型，极大地简化从物理世界到数字设计的转换过程。

阅读全文

Moovly – AI视频制作平台，提供高效视频创作解决方案

Moovly 是AI在线视频编辑与制作平台，支持为商业和教育领域提供高效、便捷的视频创作解决方案。基于强大的 AI 功能，实现脚本生成、语音合成、字幕转录、多语言翻译和素材智能搜索等操作，极大提升视频制作效率。

阅读全文

Adspert – AI电商广告优化工具，实时分析市场数据自动调整出价

Adspert 是基于AI技术的电商广告优化工具，专注于亚马逊、eBay、Google 等平台的 PPC（按点击付费）广告管理。工具基于智能算法实时调整出价，优化关键词和广告投放，帮助卖家降低广告成本（ACoS），提升投资回报率（ROAS）。

阅读全文

DAM-3B – 英伟达推出的多模态大语言模型

DAM-3B（Describe Anything 3B）是英伟达推出的多模态大语言模型，专为生成图像和视频中特定区域的详细描述设计。模型通过点、边界框、涂鸦或掩码等方式指定目标区域，能生成精准且符合上下文的描述文本。

阅读全文

Spinach AI – AI会议助手，自动记录会议内容提取关键决策

Spinach AI 是AI智能会议助手，基于AI技术优化会议流程。Spinach AI 能自动记录会议内容、生成会议总结，提取关键决策和行动项。用户只需将特定邮箱（scrum@spinach.io）添加到会议邀请中，在会后收到详细的笔记和总结，无需手动记录。

阅读全文

MCP万能工具箱 – 纳米AI推出的 MCP 技能集成平台

MCP万能工具箱是360纳米AI搜索推出的基于MCP开放协议的AI工具集成平台。平台集成近百款免费工具，覆盖办公协作、金融分析、数据抓取等多元场景，支持一键调用地图导航、财报解析、投资策略生成等功能，10分钟完成复杂任务。

阅读全文

如何用Trae生成小程序，实测MCP、Agent、上下文等功能

据多方消息，OpenAI正计划以约30亿美元收购AI编程工具公司Windsurf，将成为OpenAI迄今为止最大一笔收购。 从今年开始，AI IDE领域的新闻不断。 AI编程正处于时代风口，不懂代码的友友们却陷入了无尽的焦虑。一个文科生，一行代码都看不懂，仅靠和AI对话，一个月前也上线了我的第一款小程序——“屎记demo”。

阅读全文

Flex.2-preview – Ostris 推出的文本到图像扩散模型

Flex.2-preview 是Ostris开源的 80 亿参数文本到图像扩散模型，支持通用控制输入（如线条、姿态、深度）和内置修复功能。模型基于一个模型满足多种创意需求，支持长文本输入（512 个 token），支持基于 ComfyUI 或 Diffusers 库轻松使用。

阅读全文