AI項目和框架

MedGemma是谷歌推出的開源AI模型，專門用在醫療圖像與文本分析。模型基于Gemma 3架構，包含4B參數的多模態模型和27B參數的純文本模型。4B模型擅長解讀醫療圖...

BAGEL是字節跳動開源的多模態基礎模型，擁有140億參數，其中70億為活躍參數。采用混合變換器專家架構（MoT），通過兩個獨立編碼器分別捕捉圖像的像素級和語義...

Gemma 3n 是谷歌 I/O 開發者大會推出的端側多模態 AI 模型。基于 Gemini Nano 架構，采用逐層嵌入技術，將內存占用壓縮至 2-4B 參數模型水平。模型參數量分別...

News Agents基于終端的新聞聚合與摘要系統。基于Amazon Q CLI作為 Agent 框架，用Model Context Protocol （MCP）解析RSS新聞源，借助tmux實現終端分割和多任...

Imagen 4是谷歌發布的最新圖像生成AI模型。支持高達2K分辨率的圖像生成，細節呈現逼真，可清晰呈現復雜織物紋理、水滴折射及動物毛發質感等。在文本渲染方面...

Pixel3DMM是慕尼黑工業大學、倫敦大學學院和Synthesia聯合推出的單圖像3D人臉重建框架。框架基于DINO基礎模型，引入專門的預測頭，從單張RGB圖像中準確重建出...

AutoBE 是 AI 驅動的后端服務器代碼生成工具，通過用戶描述需求自動生成高質量的后端代碼。基于 TypeScript、NestJS、Prisma 和 Postgres 等技術棧構建，強調...

Index-AniSora 是嗶哩嗶哩開源的先進動漫視頻生成模型，模型支持一鍵生成多種動漫風格的視頻，涵蓋番劇片段、國創動畫、VTuber 內容等。模型包含超過 1000 萬...

Veo 3是谷歌I/O開發者大會上發布的新一代視頻生成模型。Veo 3是谷歌首個可生成視頻背景音效的模型，能合成畫面，能為鳥鳴、街頭交通等場景配上相應的音效，可...

豆包·語音播客模型是字節跳動旗下火山引擎推出的語音播客模型。模型基于流式模型構建，可將文本秒級轉化為雙人對話式播客，具有低成本、高時效、強互動特點。...

II-Agent 是開源的Agent框架，通過與大型語言模型（LLM）的交互，簡化和提升跨多個領域的工作流程。具備多種核心功能，包括研究與事實核查、內容生成、數據分...

NLWeb 是微軟推出的開源項目，基于簡化網站自然語言界面的創建，讓任何網站都能變成 AI 驅動的應用程序。NLWeb用 Schema.org、RSS 等半結構化數據，結合 LLM ...

EvoAgentX 是開源的 AI Agent 自進化框架，通過進化算法實現多 Agent 系統的自動化生成與優化。能根據目標描述自動生成工作流，通過迭代優化提升性能。

ScaleMCP是普華永道推出的工具選擇方法，動態的為大型語言模型（LLM）Agents 配備Model Context Protocol（MCP）工具。基于自動同步工具存儲系統與MCP服務器...

Agent Squad 是輕量級、開源的多 Agents 框架，用在協調多個 AI Agents 處理復雜對話。Agent Squad支持 Python 和 TypeScript 兩種語言，根據用戶輸入動態路...