模型
  1. 首页
  2. 模型

列表

Operator

Operator

Operator是由OpenAI开发的AI工具，基于Computer-Using Agent（CUA）模型，能够模拟人类操作网页浏览器，完成如预订、购物、表单填写等任务。它结合了GPT-4o的视觉识别能力和强化学习的推理能力，支持多任务处理和个性化设置。具备自我纠错、安全防护及隐私保护机制，在涉及敏感信息时会请求用户接管。适用于自动化购物、数据分析、日程安排等多种场景。
AI项目与工具 2025年06月12日
EMO2

EMO2

EMO2是一种由阿里巴巴智能计算研究院开发的音频驱动头像视频生成技术，通过音频输入和静态人像照片生成高质量、富有表现力的动态视频。其核心技术包括音频与手部动作的协同建模、扩散模型生成视频帧，以及高精度音频同步。该工具支持多样化动作生成，适用于虚拟现实、动画制作和跨语言内容创作等场景，具备自然流畅的视觉效果和丰富的应用场景。
AI项目与工具 2025年06月12日
WhisperKeyboard

WhisperKeyboard

WhisperKeyboard 是一款基于 OpenAI Whisper 技术的 AI 语音输入工具，支持多语言实时语音转文字，适用于写作、编程、会议记录等场景。具备离线识别、文本润色、多语言翻译和隐私保护等功能，兼容多平台，提升输入效率与文本质量。
AI项目与工具 2025年06月12日
UI

UI

UI-TARS是由字节跳动开发的图形用户界面代理模型，支持通过自然语言实现桌面、移动端和网页的自动化交互。具备多模态感知、跨平台操作、视觉识别、任务规划与记忆管理等功能，适用于自动化任务执行和复杂交互场景。支持云端与本地部署，提供丰富的开发接口，便于集成与扩展。
AI项目与工具 2025年06月12日
WebWalker

WebWalker

WebWalker是阿里巴巴研发的AI工具，用于评估和优化大型语言模型在网页浏览任务中的表现。它通过多智能体框架、垂直探索策略及WebWalkerQA数据集，提升模型处理长上下文和多源信息的能力。支持多语言、多领域和多难度任务，适用于信息检索、数据分析和内容监控等场景，具备良好的适应性和可扩展性。
AI项目与工具 2025年06月12日
OmniManip

OmniManip

OmniManip是由北京大学与智元机器人联合实验室开发的通用机器人操作框架，结合视觉语言模型与三维操作技术，实现机器人在非结构化环境中的任务执行。其核心为以对象为中心的交互基元表示法，支持零样本泛化、跨平台部署及大规模仿真数据生成。通过双闭环系统设计与任务分解机制，提升操作精度与适应性，适用于日常操作、工业自动化及服务机器人等场景。
AI项目与工具 2025年06月12日
豆包大模型1.5

豆包大模型1.5

豆包大模型1.5是字节跳动推出的高性能AI模型，采用大规模稀疏MoE架构，具备卓越的综合性能和多模态能力。支持文本、语音、图像等多种输入输出方式，适用于智能辅导、情感分析、文本与视频生成等场景。模型训练数据完全自主，性能优于GPT-4o和Claude 3.5 Sonnet等主流模型，且具备成本优势。
AI项目与工具 2025年06月12日
子曰

子曰

子曰-o1是网易有道推出的国内首款支持分步式讲解的推理模型，采用14B参数轻量化设计，适配消费级显卡，在低显存设备上运行稳定。通过思维链技术模拟人类思考过程，输出详细解题步骤，特别适合教育场景，如K12数学教学和AI学习辅助。其具备强逻辑推理能力和自我纠错机制，支持启发式学习，提升用户理解与自主学习能力。
AI项目与工具 2025年06月12日
DiffEditor

DiffEditor

DiffEditor是由北京大学深圳研究生院与腾讯PCG联合研发的图像编辑工具，基于扩散模型，结合图像与文本提示，支持细粒度对象移动、尺寸调整、内容拖动及跨图像编辑。采用区域随机微分方程（Regional SDE）和时间旅行策略，提升编辑准确性和灵活性。无需额外训练即可实现高效图像处理，适用于创意设计、人像修复和风景优化等场景。
AI项目与工具 2025年06月12日
3DIS

3DIS

3DIS-FLUX是一种基于深度学习的多实例图像生成框架，采用两阶段流程：先生成场景深度图，再进行细节渲染。通过注意力机制实现文本与图像的精准对齐，无需额外训练即可保持高生成质量。适用于电商设计、创意艺术、虚拟场景构建及广告内容生成等领域，具备良好的兼容性和性能优势。
AI项目与工具 2025年06月12日