功能类型

Vidu Q2参考生Pro 是 Vidu 平台推出的参考生视频生成模型，支持多模态输入（视频与图片），用于生成高一致性、精细化的视频内容，涵盖人物、场景、动作与特效等创作需求。

VibeVoice-ASR 是微软开源的一体化自动语音识别（ASR）模型，支持单次处理最长约 60 分钟连续音频，并输出包含说话者标识、时间戳与转录文本的结构化结果，适用于会议、讲座、播客等长音频语音识别场景。

Clawdbot 是开源的自托管 AI 助手与智能代理系统，可在本地运行并与 WhatsApp、Telegram、Discord、Signal、iMessage 等通信平台集成，支持消息响应、自动化任务执行、持久上下文记忆与扩展技能安装。

FrogBoss 是由微软研究院研究团队利用复杂合成 bug 生成方法（BugPilot）训练出的开源编程智能体模型，专用于软件工程任务评估与调试技能提升，在 SWE-Bench-Verified 等基准测试中达到领先表现。

AgentCPM-Explore 是清华大学、人民大学、面壁智能与 OpenBMB 开源社区联合发布的 4B 参数端侧智能体模型，在多项长程智能体基准测试中取得领先表现，支持超 100 轮持续环境交互，并提供配套的开源训练与评测基础设施。

TranslateGemma 是 Google 推出的开放式多语言机器翻译模型系列，基于 Gemma 3 架构构建，支持 55 种语言的文本与图像内文字翻译，提供多种参数规模以适应不同部署场景。

FLUX.2 [klein] 是 Black Forest Labs 发布的紧凑型实时图像生成与编辑 AI 模型家族，支持子秒级图像生成、统一的生成与编辑流程、文本到图像、多参考图像编辑等功能，适用于研究、开发和交互式视觉智能应用。

Workus 是一个基于 AI 智能代理的 B2B 商业网络平台，用于自动识别高意向买家、优化客户开发流程、实现多渠道智能沟通与高价值商机交付。

OctoCodingBench 是一个针对编码智能体评估的数据集，包含多源指令任务、系统提示与评估检查项，用于测量智能体在多样编码任务中的规则遵从性与执行能力。

女娲智能体OS 是一个通用智能体操作系统平台，支持零代码 AI 智能体创建、工作流编排、RAG 知识库与多端发布，旨在为 AI 工具使用者提供开发、部署与管理智能体的能力。

一个基于人工智能与东方命理融合的在线 AI 八字分析与命理服务平台，提供八字排盘、深度报告、正缘画像、AI 命理助理和每日宜忌等功能。

UI-TARS Desktop 是由字节跳动开源的桌面端 GUI Agent 工具，基于 UI-TARS 视觉语言模型（VLM），可通过自然语言控制计算机界面，实现图形界面识别与操作。

Vidu 团队推出的 AI 视频创作智能体平台，通过“一键成片”技术与自动分镜编排，实现从视觉输入到成品输出的全流程视频生成，适用于广告、产品展示、短片与创意视频等多种场景。

面向内容创作者的一站式 AI 图文创作智能体平台，支持从智能选题、图文生成、视觉设计、智能排版到多平台发布的全流程自动化内容创作。

一个全新的视觉-动作基础模型（Vision-Action Foundation Model），由 NVIDIA 等机构联合研发并开源，专注于通用游戏智能体的学习与控制。

一款由 StepFun 团队开源的 端到端深度研究智能体 AI 模型。

一个基于人工智能的 创意生成与数字任务自动化平台，支持通过自然语言提示创建幻灯片、网站、报告、播客、图像、文档和视频等各类内容，帮助用户显著提升内容创作与工作效率。

MovieFlow 是一款基于人工智能的 全自动视频创作与影片生成平台，它能够将用户的故事描述、剧本或简单提示转化为完整的高质量视频作品。

由 Qwen 团队开发的 图像分层 AI 模型，可以将单张图像自动分解成多个可独立可编辑的 RGBA 图层，实现类似专业图像编辑软件的分层操作。

一款支持完全本地部署与离线运行的 AI 办公助手与 AIPC 生产力平台。

一个基于先进人工智能的 多模态内容生成平台。

一款提供“真正 无限”AI 音频与视频转录服务的平台。

MiniMax-AI 海螺视频团队开源的 Visual Tokenizer Pre-training 视觉生成模型预训练框架。

一个专为编剧和影视创作者打造的 AI 剧本创作与协作平台。

大晓机器人推出的 开源世界模型，专为具身智能、机器人环境理解与动态预测设计。

苹果推出的开源单目视图 3D 场景合成模型。

字节跳动发布的通用 Agent AI 模型。

Meta 推出的统一多模态音频分离 AI 模型。

阶跃星辰团队发布的 开源 AI GUI Agent 系列模型与基础设施，覆盖其核心技术、架构、功能、应用场景、部署方法与常见问题。

小米推出的在线 AI 聊天与推理平台。

OpenAI 发布的最新图像生成与编辑 AI 模型，作为 ChatGPT Images 的核心引擎，它以 最高达 4× 更快的生成速度、更强的指令执行力、精细细节保留与创意转换能力 为特性，支持创意图像生成、照片编辑与视觉工作流自动化。

阿里巴巴旗下推出的 免费 AI 企业信息查询平台。

一个面向 AI 工具使用者的先进 实时音频驱动交互式头像生成系统。

字节跳动 Seed 团队最新发布的 音视频联合生成 AI 模型。该模型具备专业级音画同步、高质量视频生成、复杂叙事理解与多模态输入支持，为内容创作者及 AI 工具使用者提供强大的短片和影视级视频创作能力。

阿里通义万相最新发布的视频生成 AI 模型，支持文本/图像/参考视频多模态生成、多镜头叙事、角色扮演和原生音画同步，为 AI 工具使用者实现专业级短片创作与影视级内容自动化提供强大支持。

一个轻量级、高性能的视频生成推理框架。

Google 最新推出的实验性 AI 浏览体验，该工具由Gemini 3 大模型驱动，通过自动将浏览器标签页转化为交互式 Web 应用（称为 GenTabs），重新定义浏览器与 AI 协作体验。本文面向 AI 工具使用者详细介绍其核心功能、使用方式、优势与常见问题。

一个基于 nano banana pro 强大模型的开源 AI PPT 生成工具，它如何通过自然语言驱动、文件解析与素材上传等机制实现高质量、定制化的演示文稿自动生成，适用于个人用户与开发者场景。本文系统梳理核心功能、技术架构、使用方法与常见问题。

一款基于 AI 的创新视频创作平台，包括其核心功能、产品优势、使用指南与用户常见问题解答。

Claude-Mem 是一个专为 Claude Code 设计的开源持久记忆插件，通过自动捕获 AI 会话中的上下文、工具调用和观察，并将经 AI 压缩与结构化后的关键信息注入未来会话，实现跨会话记忆持续、语义搜索与自然语言历史检索等功能，大幅提升长期项目协作体验。

Gemini TTS 是 Google 最新的文本转语音（Text-to-Speech）技术，通过 Gemini API 或 Google AI Studio 提供高质量、多语言、多角色语音合成服务。支持细粒度风格、语速、情绪与多语音输出控制，并可用于播客、课程、辅助工具与互动应用等场景。

Gemini Deep Research 是由 Google 发布的高级研究型 AI 代理，通过 Gemini API（Interactions API）支持复杂多步骤研究任务自动规划、搜索、阅读与综合，能够生成详尽的报告并融合 Web 与自有数据资源，是构建自动化智能研究、市场分析、竞争情报与长流程信息整合的利器。

Qwen3-Omni-Flash 是阿里巴巴 Qwen 团队于 2025 年 12 月 1 日发布的下一代原生全模态（omni-modal）大模型，支持文本、图像、音频和视频等多种输入，并能实时流式输出文本与自然语音，具备高效多模态理解与交互能力，覆盖 119 种文本语言及多语言语音交互，实现真正无缝实时 AI 体验。

PosterCopilot 是由南京大学、LibLib.ai 与中国科学院自动化所联合推出的 AI 海报设计框架，通过布局推理、审美强化学习与分层可控编辑，为专业海报布局和设计流程提供自动化与迭代式编辑能力，适合设计师、营销人员与创意团队使用。

GLM-TTS 是一款由 Zhipu AI 开源的工业级 文本转语音（TTS） 系统，支持零样本音色克隆、情感表达控制与流式生成。它采用双阶段架构与多奖励强化学习，可实现高质量自然语音合成，适用于语音助手、有声读物、客服、教育等多种场景。

Questas 是一款 AI 驱动的互动故事与多媒体内容生成平台，允许用户通过文字提示快速生成图像与视频，并构建“分支／选择你的冒险 (choose-your-own-adventure)”式的互动故事。适合创作者、教育者、游戏设计师、小团队与内容运营者，无需编程或美术基础，即可打造沉浸式故事体验。

Vora 是一个由 Fineshare 提供的 AI 视频生成与编辑平台，支持将文本提示或图片转换为高清、无水印、带配音的视频，也支持提示词生成、视频增强与水印移除，是内容创作者、电商卖家、营销人员、社交媒体运营者制作短视频与广告视频的便捷工具。

Pallas AI 是一款专注于 AI 时代品牌 /内容 /营销优化的 GEO-Agent 平台，通过自动化诊断、内容生成、竞争分析与实时监控，帮助品牌提升在 AI 搜索与对话推荐中的可见性，适合品牌主、电商卖家、内容运营者、小团队使用。