功能类型

Mendable AI 推出的一款开源 AI 深度研究工具，旨在通过智能搜索和内容合成，帮助用户高效获取高质量的信息。

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。

Depth Anything 3 (DA3) 是 ByteDance-Seed 团队开源的下一代通用 3D 视觉重建模型，可从任意数量与任意视角的图像／视频输入中恢复空间一致的 3D 几何结构，包括深度图、相机位姿、三维点云与新视图合成，非常适合视觉创作者、3D 艺术师、研究者与开发者进行几何估计、3D 重建与视觉内容创作。

一款让你轻松预览剃光头风格的 AI 工具快速预览剃光头效果，无需剃发即可在线体验多种短发风格，适合好奇尝试、新造型预览和社交娱乐。

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。

一个基于先进人工智能的 多模态内容生成平台。

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。

Tbox AI 浏览器 是一款为内容创作与知识管理而设计的智能浏览器，通过网页剪藏、AI 辅助写作 /摘要 /翻译 /知识库整理等功能，帮助创作者、内容运营者和知识工作者高效获取、整理与再创作信息。

Fotor 以其全面且高效的图片编辑功能，成为了现代数字创意和营销的重要工具，让用户在快速处理图片的同时，也能尽情释放创意灵感。

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。

GPT-5.1-Codex-Max 是 OpenAI 最新推出的前沿编程 AI 模型，具备长任务处理、多窗口上下文 (compaction)、更高效率和更强智能推理能力。

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。

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。

Google Workspace Studio 是 Google 推出的 no-code AI 代理构建平台，允许用户通过自然语言在 Gmail、Drive、Chat、Docs 等 Workspace 应用中一键创建、管理和共享智能 AI agent，自动化日常任务与复杂工作流程，适合企业、团队及普通用户提升办公效率。

SkyBot 是 Skywork 平台推出的 7×24 小时云端 AI 助理，基于 Cloud VM 与即时通讯集成，可主动执行多步骤复杂任务、长期记忆用户偏好，并支持 WhatsApp、Telegram 等 IM 工具实时交互，用于信息整理、数据分析、自动化任务及个人办公流程管理。

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。

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。

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。

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。

字节跳动发布的通用 Agent AI 模型。

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。

苹果推出的开源单目视图 3D 场景合成模型。

可灵O1 是由 可灵AI 发布的全球首款统一多模态视频生成大模型，支持图片、视频与文字混合输入，实现从文生图／文生视频／图生视频到视频编辑的一站式创作流程，适合内容创作者、电商、广告商与自媒体用户快速生成短视频与营销内容。

讯飞输入法是由 科大讯飞 出品的一款多模式智能中文输入法，支持语音、拼音、手写、拍照 OCR、方言识别等多种输入方式，并可高度自定义键盘皮肤与输入体验，适合日常聊天、办公、学习与跨语言沟通用户。

Z-Image 是阿里通义 (Tongyi MAI) 发布的高效 6 B 图像生成与编辑基础模型，支持高逼真度渲染、中英双语文本、低资源运行与快速推理，为创作者、设计师和开发者提供了兼顾质量与效率的开放图像生成方案。

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。

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。

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。

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。

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。

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。

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。

Gemini 3 DeepThink 是 Google 推出的新版 AI 推理 /多模态模型，通过增强算力与并行推理机制，实现对复杂数学、科学、逻辑、编程、创意任务的深度思考与解决，是科研、学习、开发、创作和高级思维任务用户的新利器。

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。

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。

WorkAny Bot 是基于 OpenClaw 框架的云端 AI 智能体，支持 7×24 小时在线运行、接入多种 AI 模型、自定义插件及多渠道交互。它具备长期记忆、任务执行与自动化能力，可通过 Web 或即时通讯应用完成查询、内容生成、编程支持及办公自动化等任务。

Spokenly 是一款适用于 macOS / iOS 的智能语音听写与语音-驱动输入工具，支持 100+ 语言、离线转写与云服务、实时语音转文字、AI 文本润色、语音命令控制，适合写作、会议记录、聊天、编程、文档编辑等各种文本输入场景。

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。

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。

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。

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。

FLUX.2 是 Black Forest Labs 推出的新一代 AI 图像生成与编辑模型，支持最多 10 张参考图、多参考融合、高达 4MP 的高精度输出、复杂文本渲染和品牌级一致性，适合设计师、营销、产品可视化和创意团队进行专业级图像创作。

GPT-5.3 Codex 是 OpenAI 于 2026 年推出的最新编码与智能代理模型变体，集成于 Codex 生态系统中，针对真实软件工程任务、代理协作和长流程执行进行了优化，提供跨环境集成与专业工作流支持。

一款提供“真正 无限”AI 音频与视频转录服务的平台。

Temvideo.ai 是一款面向电商、内容创作者与品牌商的 AI 视频生成 /编辑平台，通过 AI-agent 和模板机制，将图片、脚本或产品素材自动生成广告视频、产品展示、社交媒体短视频等，大幅节省剪辑与制作时间，适合电商卖家、内容创作者、跨境品牌快速输出优质视频。

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。

Meta 推出的统一多模态音频分离 AI 模型。

StepAudio R1 是首个真正能对音频进行“Chain-of-Thought（CoT）推理 / 深度分析”的开源音频语言模型，支持对说话、音乐、环境音进行理解、推理与分析，适合开发者、研究者、内容创作者用于音频理解、分析、检索与多模态工具构建。