开源工具与社区

Agent Zero 是一个开源、在 Docker 中运行的自主 AI 代理框架，支持代码执行、网页浏览、多智能体协作与持久记忆，适合 AI 工具使用者构建可扩展、自我演化的智能助手。

Higress MCP 是阿里巴巴开源的 AI 原生 API 网关，支持将 OpenAPI 接口一键转换为 Model Context Protocol (MCP) 服务，提供跨模型统一调用、多模型负载均衡、细粒度认证及审计日志，助力 AI 工具使用者高效接入实际业务系统。

DeepSeek R1T2 Chimera 是 TNG Technology Consulting 基于 Assembly‑of‑Experts 方法打造的 Tri‑Mind 混合型 LLM，兼顾高推理能力、低延迟与开放开源，适合 AI 工具使用者在本地部署高效问答与生成任务。

Kyutai TTS 是 Kyutai 团队首个实时流式文本转语音模型，支持英语和法语，具备声线克隆、超低延迟（约220ms）、长音频稳定输出与字级时间戳，可部署本地化、适配 LLM，对 AI 工具使用者极具吸引力。

Nxtscape（原 Nxtscape，现称BrowserOS）是一款基于 Chromium 构建的开源 AI 浏览器，支持本地 AI Agent 自动化浏览器操作、语义搜索、ChatGPT 书签辅助，并兼容所有 Chrome 扩展，适合AI工具使用者在隐私安全环境中提升效率。

Dyad 是一款免费、开源、可本地运行的 AI 应用构建平台，支持无锁定环境、多模型接入、即时预览与 Pro 增强模式，适合开发者与创作者快速构建 AI 聊天、工具、代码助手等应用。

Fireplexity是由Firecrawl推出的开源 AI 问答引擎，通过实时网页抓取、流式生成与引用标注，为 AI 工具使用者提供可部署、可定制的答案系统替代方案。

Speakr 是一款开源自托管应用，专注会议/音频转录、摘要、说话人识别和聊天交互，适合 AI 工具使用者轻松部署隐私安全的语音笔记平台。

OmniGen2 是由 VectorSpaceLab 发布的开源多模态生成模型，通过双路径解码架构支持文本生成、图像合成、图像编辑和上下文驱动的视觉生成，适合 AI 工具使用者构建统一视觉应用。

AnimaX 是阿里巴巴 DAMO Academy 推出的最新文本驱动 3D 动画框架，利用视频扩散与骨架控制让静态模型动起来，适合 AI 工具使用者构建高质量 3D 动画。

深入解读 OAgents：一款来自领先学术团队的开源基础 Agent 框架，结合模块化组件设计与标准评测体系，助力 AI 工具使用者快速构建高效、多模态、大规模可扩展 Agent 系统。

Claudia 是一款由 Asterisk（YC 支持团队）开发的开源桌面 GUI 工具，专为 Anthropic 的 Claude Code 设计，集成会话管理、Agent 生产、自定义代理、多模态支持、使用分析和版本检查点，是开发者与 AI 协作的终极“指挥中心”。

Gemini CLI 是 Google 发布的开源 AI 终端代理，通过将 Gemini 2.5 Pro 引入命令行，让开发者无需切换环境即可编写代码、调试、生成内容和执行任务，支持 Model Context Protocol、搜索集成与脚本自动化，个人账户即可免费获得 60 次/分钟、1 000 次/天额度，是开发效率的强力提升工具。

OmniAvatar 是由浙江大学与阿里巴巴联合开发的开源音频驱动全身 avatar 视频生成模型，支持精确 lip‑sync、自然身体动作、文本控制和背景调节，适用于播客、教育、娱乐等多场景，高效、可定制。

91写作 是一款开源且本地运行的 AI 智能小说与写作平台，支持 GPT、Claude、Gemini 等模型集成，提供大纲生成、章节续写、角色与世界观构建、拆书分析与写作统计功能，适合创作者与内容开发者。

子曰3（Confucius3‑Math）是网易有道开源的 14B 数学大模型，专注 K‑12 教育，具备高考题 98.5 分实力，可在 RTX 4090 D 单卡上运行，服务成本仅 0.15 美元／百万 tokens，性价比极高。

Confucius3-Math 是由网易有道开源的 14B 参数数学专用大模型，通过强化学习优化，支持在消费级 GPU 上高性能推理，在高考、K‑12 等多项数学基准中排名领先，是教育 AI 工具开发者的首选模型。

Ring-lite 是 InclusionAI 开源的轻量级 MoE 大语言模型（16.8B 参数、2.75B 激活参数），通过 C3PO 强化学习优化跨领域推理性能，高效对标甚至超过主流小体量推理模型。

Lingshu 是阿里巴巴达摩院开源的医疗多模态大模型，支持 12+ 医学影像类型、自然语言问答、报告生成，提供 MedEvalKit 统一评估框架，以超越 GPT-4.1 的表现推动医疗 AI 研究与落地。

PreenCut 是一款开源 AI 视频检索与剪辑工具，支持语音识别（WhisperX）、LLM 分析、自然语言查询与批量处理，为 AI 工具使用者提供高效精准的视频片段检索和剪辑能力。

Dive3D 是一项由北京大学与小红书合作开发的文本转 3D 生成框架，创新性引入 Score Implicit Matching (SIM) 损失，显著提升生成多样性与视觉真实度，适合 AI 工具使用者与研究者探索前沿 3D 内容制作。

RAG‑Anything 是由 HKUDS 团队开发的开源多模态 RAG 系统，实现 PDF、Excel、图像、公式等格式的文档解析、知识图谱构建和智能问答，适用于 AI 工具使用者构建跨类型检索增强生成应用。

MindOmni 是腾讯 ARC Lab 推出的统一多模态大语言模型，通过三阶段训练与 RGPO 强化学习，支持图像理解、推理生成与图像编辑，展现出色的数学与视觉推理能力，是面向 AI 工具使用者的开源实用助手。

Stream‑Omni 是由中科院 ICT NLP 团队开源的一体化 GPT‑4o 风格语言-视觉-语音多模态聊天模型。支持任何输入组合（文本、图像、语音）并生成文本和语音回应，具备边听边列文字中转、轻量训练与同声互动能力，是 AI 工具使用者构建多模态界面的优秀起点。

Kimi‑Researcher 是 Moonshot AI 推出的一款开源研究助手，基于 Kimi‑VL、Kimi‑Dev 与 Kimi‑Audio 模型，提供多模态文献阅读、代码生成与科研自动化能力，助力 AI 工具使用者提升研发效率与学术创新力。

SongGeneration 是腾讯AILab开发的开源歌曲生成模型，基于 LeVo 架构与音乐编码器，可从歌词、风格描述与参考音频中并行生成和谐的“人声+伴奏”歌曲，支持中文与英文，适合 AI 工具使用者快速落地音乐创作。

Self Forcing 是一项由 Adobe Research 与 UT Austin 联合提出的前馈训练策略，用于自主回归视频生成模型，解决训练与推理不一致问题，实现单 RTX 4090 实时流式 480p 视频生成，适合 AI 工具使用者提升视频生成效率。

Skywork‑SWE‑32B 是 Skywork AI 发布的开源代码代理模型，专为软件工程任务优化，具备 38% pass@1 基础准确率，测试时增强可提升到 47%，支持 32K 上下文和多种量化格式，适合 AI 工具使用者和开发者快速集成。

Office‑PowerPoint‑MCP‑Server 是一个开源的 MCP（Model Context Protocol）服务器，利用 python‑pptx 实现 AI 对 PowerPoint 幻灯片的自动创建与编辑，通过自然语言提升报告与演示生成效率，是 AI 工具使用者的智能演示助手。

EmbodiedGen 是由 Horizon Robotics 提出的开源 3D 生成工具，支持多模态资产（图像、文本、布局）生成具实体感的 3D 交互环境，适合机器人训练、仿真与生成式 AI 研究者使用。

MoonBit 是一款专为 AI 原生构建的通用编程语言与开发平台，支持 WebAssembly、JS、Native 多后端，具备内置 AI 助手、云 IDE 与高性能工具链，帮助开发者快速构建高质量系统。

SurveyForge 是由 Alpha‑Innovator 推出的自动化学术综述生成框架，通过 outline heuristics 与 memory‑driven agent 实现高质量论文结构、引用准确、内容连贯，助力科研与 AI 工具用户高效写作。

Sparc3D 是一款开源的高分辨率稀疏三维重建与生成框架，结合 Sparcubes 和 Sparconv‑VAE 技术，可实现 1024³ mesh 重建与文本/图像到 3D 模型生成，适用于游戏、VR、3D 打印等应用场景。

ThinkChain 是一款整合 Claude 的 工具反馈循环与 interleaved thinking 框架，基于 MCP 协议支持多工具链调用，提升 AI 在执行任务时“思考—行动—再思考”的能力，适用开发者与自动化爱好者。

Kimi‑Dev 是 MoonshotAI 推出的开源 编码 LLM，采用强化学习方案 BugFixer 与 TestWriter 双模架构，支持自动补丁生成、测试编写，SWE‑bench 验证准确率达 60.4%，适合开发者和研究者部署使用。

DreamActor-H1 是首款高保真人-商品演示视频生成模型，采用 Diffusion Transformer、3D 姿态引导与语义增强技术，在电商中实现真实手势交互与产品呈现。

FlowDirector是一款无需训练的文本驱动视频编辑新框架，通过 ODE 流式演化实现高精度、时序一致的视频修改，具备局部可控与语义对齐优势，适合创作者和开发者快速文本编辑视频。

MiniMax‑M1 是全球首个开放参数混合注意力大模型，拥有 4.56 e11 参数、1 百万 token 上下文长度和高效强化学习训练机制，擅长数学、编程、长上下文理解和复杂推理任务。

Observer AI 是一款开源可本地运行的 AI 观察者 平台，支持屏幕监控、脚本自动化、视觉识别与通知触发，适用于需要隐私保护和自定义 Agent 的开发者与电力自动化爱好者。

MAGREF是一款先进的 视频生成框架，通过“Masked Guidance”实现多参考图像与文本提示驱动的视频合成，支持目标一致性、动态遮罩与像素级特征融合，助力研究者和开发者探索高质量、多主体视频生成新路径。

由普林斯顿与复旦联合打造的领先历史研究设计AI助手系统，集成 OCR、档案检索、多语言翻译与图像理解工具，基于 HistBench 基准显著提升历史推理准确率，为 AI 历史研究开启新时代。

一款开源、私有化运行的 AI个人知识管理 工具，支持本地模型推理、自动笔记关联、语义搜索与写作辅助，打造高效、安全的第二大脑。本文从功能介绍、使用指南、技术揭秘、应用场景与常见问题全面剖析，助力 AI 工具使用者实现个性化知识管理升级。

Vui——一款轻量级、轻量级语音对话模型（Lightweight Voice Dialogue Model），具备上下文感知与声纹克隆能力的开源 on‑device 模型。

一款开源且高效的视频物体删除工具，由 Zi Bojia 等人提出，基于《MiniMax‑Remover: Taming Bad Noise Helps Video Object Removal》论文。

一款由 Ahmed Khaleel 开发的开源工具，可以瞬间把任何 GitHub 仓库转化为交互式结构图，让你快速可视化整个项目架构与模块组织。

MiniCPM 4.0 是一款以“轻量却强劲、速度远超竞品”为特点的端侧 LLM，适合在设备端部署 AI agent、聊天系统、报告生成等任务。

阿里云通义千问团队于 2025 年 6 月发布的开源文本重排序（Reranking）模型，作为 Qwen3 Embedding 系列的一部分。

一个受 Google NotebookLM 启发的开源 AI 研究助手，旨在帮助研究人员、学生和专业人士高效地探索、分析和整合来自网络的多种信息源。

一款由 AI 大模型驱动的开源知识库搭建系统，旨在帮助用户快速构建智能化的产品文档、技术文档、FAQ 和博客系统。

Kwaipilot 团队开源的大型语言模型，旨在实现根据问题复杂度自动调节思考深度的能力。