开源工具与社区

爱派 (AiPy) 是一款国内开源、支持本地部署的智能 Agent 工具，基于 “Python Use” 理念，让 AI 不仅能“思考”，还能够“动手”——自动生成并执行 Python 代码、操作本地文件与应用。本文面向 AI 工具使用者，深入解析爱派 (AiPy) 的功能、技术原理、使用流程、典型场景与常见问答，助你快速上手，开启“让 AI 做实事”的新纪元。

Hugging Face 是一个专注于自然语言处理（NLP）和机器学习开源技术的公司，旨在推动人工智能技术的民主化，让开发者和研究人员更容易访问和部署先进的模型与工具

智象未来研发的开源图像生成大模型

开源的工作流自动化平台,通过连接各种应用和服务，帮助用户构建和管理复杂的工作流。

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。

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。

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。

Upstash 推出的一款开源 AI 编程辅助工具，解决大型语言模型（LLM）在生成代码时因训练数据过时而导致的“代码幻觉”问题。

深度探索与高效研究流程，兼顾研究流程的可视化、可复用与社区贡献。

字节跳动的开源多模态基础模型。

TradingAgents‑CN 是一个基于多智能体大语言模型的中文金融交易决策框架，支持中文界面、A 股港股数据、本地模型集成和 Docker 部署，适合 AI 工具使用者构建和测试智能交易系统。

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。

Intelligent Internet 团队于 2025 年 5 月发布的开源通用 AI Agent 框架。

由牛津大学等研究团队于 2025 年 5 月发布的开源 AI 工具，旨在自动将学术论文转化为高质量的海报（poster）。

Seed‑X 是 ByteDance Seed 团队开源的 7B 多语言翻译 LLM，支持 28 种语言双向翻译，性能媲美 Gemini‑2.5、GPT‑4、DeepSeek‑R1，适合希望构建本地翻译系统的 AI 工具使用者。

OpenBB 是一个开源、可扩展的金融数据与投资研究平台，提供 CLI、Python SDK、Web API 和 Workspace，可接入多源数据并支持 AI 助手，适合 AI 工具使用者与金融分析师使用。

KAT‑V1 是 KwaiPilot 团队开源的 40B 大语言模型，具备“自动思考”机制，可动态切换链式思维与直接回答模式，显著降低推理浪费，适合 AI 工具使用者提升效率与响应速度。

雾象Fogsight 是由 WaytoAGI 社区开源的 LLM 驱动动画引擎，通过“语言用户界面”（LUI）将抽象概念转换为生动动画，适合 AI 工具使用者用于教学、演示与创意生成。

SuperDesign 是首款开源设计 Agent，内嵌 IDE 内，通过自然语言生成 UI Mockup、组件与线框布局，适合 AI 工具使用者快速构建设计原型。

JoyAgent‑JDGenie 是京东开源的端到端多智能体系统，支持多子 Agent 协同处理查询任务，具有轻量化架构、可插拔组件和高准确率，适合 AI 工具使用者构建智能 Agent 应用。

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。

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。

微软推出的一款开源浏览器自动化工具，旨在为大型语言模型（LLM）如 Claude、GPT-4o 等提供真实网页交互能力。

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。

出门问问（Mobvoi）于 2025 年 5 月 29 日正式发布的一款多模态 AI 服务平台。

Skywork‑R1V 3.0 是一款开源的多模态视觉‑语言推理模型，采用视觉 CoT、强化学习优化，在 MMMU、MathVista 等多项测试中实现开源最佳性能，适合 AI 工具使用者部署与实验。

OxyGent 是京东开源的模块化多 Agent 协作框架，支持快速构建、部署与演化 AI 多智能体系统，适合 AI 工具使用者用于开发生产级 Agent 应用。

由 Mass General Brigham 人工智能医学（AIM）项目开发的尖端深度学习工具，旨在通过分析面部照片估算生物年龄。

Kimi K2 是 Moonshot AI 发布的开源 trillion‐parameter 混合专家大语言模型，支持代码生成、长上下文处理、多 Agent 工具调用，被评为 SOTA 开源模型，适合 AI 工具使用者部署与集成。

RoboOS 2.0 是北京智源研究院推出的开源多智能体机器人操作系统，支持跨形体协作、集成 RoboBrain 认知大脑、技能库和共享内存，为 AI 工具使用者提供部署机器人智能系统的完整解决方案。

MonkeyCode 是长亭科技开源的企业级智能编程助手，支持私有化部署、离线使用、自然语言编程与代码安全扫描，适合 AI 工具使用者在研发团队中提升效率与品质。

一个突破性的在线平台，让漫画创作变得简单而高效。

深入剖析开源反思型生成模型 MetaStone‑S1：其架构、Test‑Time Scaling、性能基准、实际部署与未来发展，面向 AI 工具使用者的全面指南。

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。

DMind 提供了一系列AI工具和模型，包括DMind-1和DMind-1-mini等大型语言模型（LLMs），专为区块链、去中心化金融（DeFi）、智能合约和链上数据分析等任务设计。

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。

通过简单的文本编写，用户即可创建具备交互性、动画效果和代码高亮的专业演示文稿。

帮助开发者轻松将网站转化为支持自然语言交互的 AI 应用。

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。

Higgs Audio V2 是 Boson AI 发布的开源音频大语言模型，基于 1000 万小时语音数据训练，支持多说话人对话、情感语音、多语言语音生成，适合 AI 工具使用者构建语音 Agent 和音频应用。

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。

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。

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。

Voxtral 是由 Mistral 推出的首款开源语音理解模型系列，支持高精度转录、语音问答、多语言识别与函数调用，提供 24B 和 3B 两种参数规模，适合 AI 工具使用者本地部署或云端集成。

上海交通大学与 GAIR 实验室联合开发的高效计算机使用智能体训练框架。

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。

一款开源的 Python 网页抓取工具，通过结合大型语言模型（LLMs）和模块化图逻辑，彻底改变了数据提取的方式。

实现跨文本推理、多模态理解和文本到图像生成等多个领域的卓越性能。

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。