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 206 / 422 页

Miracle F1 – 美图 WHEE 推出的 AI 图像生成模型

Miracle F1 是美图 WHEE 推出的全新AI图像生成模型。具备强大的图像生成能力，能像摄影师、建筑师和画家一样精准地处理光影、空间和材质效果，生成的图像真实感强，质感细腻，告别了传统 AI 图像的“塑料感”。

阅读全文

Versatile-OCR-Program – 开源多模态OCR工具，精准提取复杂结构化数据

Versatile-OCR-Program是为教育场景和机器学习训练定制的开源多模态OCR工具。结合DocLayout-YOLO、Google Vision和MathPix等技术，精准识别文本、数学公式、表格、图表等多模态内容，支持日语、韩语、英语等多种语言。

阅读全文

EasyControl – Tiamat AI 联合上海科大等开源的图像生成控制框架

EasyControl 是 Tiamat AI 开源的基于扩散变换器（Diffusion Transformer，DiT）架构的高效灵活控制框架，通过轻量级条件注入 LoRA 模块，独立处理条件信号，实现即插即用功能，兼容现有模型，支持零样本条件多模态预训练，提升模型灵活性和通用性。

阅读全文

Lipsync-2 – Sync Labs 推出的首个零-shot 嘴型同步模型

Lipsync-2 是 Sync Labs 推出的全球首个零-shot 嘴型同步模型。无需针对特定演讲者进行预训练，能即时学习并生成符合独特说话风格的嘴型同步效果。

阅读全文

Data Agent – 火山引擎推出的企业级数据智能体

Data Agent是火山引擎推出的企业级数据智能体，专注于数据分析和智能营销。Data Agent整合和分析企业内部的结构化与非结构化数据，生成深度研究报告，制定营销策略。

阅读全文

Llama Nemotron – 英伟达推出的系列推理模型

Llama Nemotron是NVIDIA推出的一系列推理模型，专注于推理和多种智能代理（agentic AI）任务。模型基于Llama开源模型，经过NVIDIA的后训练，加入推理能力，在科学推理、高级数学、编程、指令遵循和工具调用等方面表现出色。

阅读全文

Dream-7B – 港大联合华为诺亚方舟开源的扩散推理模型

Dream-7B是香港大学和华为诺亚方舟实验室联合推出的扩散式推理模型，是目前最强大的开源扩散大语言模型。Dream-7B训练数据涵盖文本、数学和代码，预训练使用5800亿个标记，耗时256小时。

阅读全文

Yuxi-Know – 基于大模型 RAG 知识库的 AI 知识图谱问答平台

Yuxi-Know（语析）是基于大模型RAG知识库与知识图谱技术构建的智能问答平台。Yuxi-Know支持多种知识库文件格式（如PDF、TXT、MD、Docx），支持将文件内容转换为向量存储，便于快速检索。

阅读全文

MoLing – 本地AI办公自动化助手，基于 MCP 服务器

MoLing 是无依赖的本地办公自动化助手，是基于计算机和浏览器使用的 MCP 服务器。MoLing 基于操作系统 API 实现系统交互，支持文件系统操作（如读写、合并、统计和聚合），执行系统命令。

阅读全文

Nova Sonic – 亚马逊推出的新型生成式 AI 语音模型

Nova Sonic 是亚马逊推出的新型生成式 AI 语音模型。将语音理解与生成能力整合到一个模型中，能根据说话者的语调、风格等声学上下文调整生成的语音响应，对话更自然。Nova Sonic 支持多语言，目前对美国英语和英国英语的语音理解表现出色，支持多种说话风格和不同口音。

阅读全文

MedReason – 美国加州联合南洋理工等机构推出的医学推理框架

MedReason是美国加州大学圣克鲁斯分校、加拿大不列颠哥伦比亚大学、新加坡南洋理工大学等机构推出的医学推理框架，基于知识图谱提升大型语言模型（LLMs）在医学领域的推理能力。

阅读全文

HiDream-I1 – 智象未来开源的AI图像生成模型

HiDream-I1是 HiDream.ai 团队推出的开源AI图像生成模型，拥有17亿参数，采用MIT许可证。模型在图像生成质量、提示词遵循能力等方面表现出色，支持逼真、卡通、艺术等多种风格，适用于艺术创作、商业设计、教育科研等多个领域。

阅读全文

方便面AI面试 – AI招聘工具，精准评估候选人的能力、文化、领导力适配度

方便面AI面试是面向企业的智能化招聘工具。通过AI技术实现24小时不间断的结构化面试初筛，支持全球候选人通过微信小程序或浏览器接入，具备智能画像、语义分析、表情解析等功能，精准评估候选人的能力适配度、文化匹配度和领导力潜质。

阅读全文

DeepCoder-14B-Preview – Agentica 联合 Together AI 开源的代码生成模型

DeepCoder-14B-Preview 是 Agentica 和 Together AI 联合开源的大型代码生成模型，基于 Deepseek-R1-Distilled-Qwen-14B 微调而成。DeepCoder-14B-Preview基于分布式强化学习（RL）训练，在代码生成任务上表现出色。

阅读全文

扣子罗盘 – 扣子推出的 AI Agent 智能调优平台

扣子罗盘是专为个人开发者及创业团队设计的工具平台，支持开发者快速搭建 AI Agent。扣子罗盘提供从开发、调试、评估到监控的全生命周期管理能力，涵盖 Prompt 开发、评测、观测等功能。

阅读全文

多面 – AI招聘平台，支持批量上传简历、解析、邀约一站式管理

多面是一款为年轻求职者和企业提供服务的AI招聘平台。通过AI在线面试、魔镜智能评价和模拟面试三大功能，帮助求职者提升面试技巧、增强自信心，助力企业高效筛选人才、降本增效。多面支持个性化定制，适用于校园招聘、蓝领招聘、白领招聘等多场景。

阅读全文

Step-R1-V-Mini – 阶跃星辰最新推出的多模态推理模型

Step-R1-V-Mini 是阶跃星辰最新推出的多模态推理模型。支持图文输入和文字输出，具备良好的指令遵循和通用能力，能高精度感知图像完成复杂推理任务。模型在视觉推理领域表现突出，同时在数学、代码和文本推理方面也处于第一梯队。

阅读全文

口语精灵 – AI口语学习应用，智能检测和纠正语法错误

口语精灵是AI口语学习软件，通过先进的人工智能技术和真人语音模拟，为用户提供1V1的对话练习体验。用户可以随时随地与AI老师互动，跨越国界，学习不同地区的英语发音。涵盖了生活、学习、工作、旅行等多种场景，支持美音、英音等多种口音，满足不同用户的需求。

阅读全文