English | 中文
这个仓库收集整理AI相关的实用工具，欢迎大家一起推荐更多实用的AI工具，推荐参考模板
非常感谢赞助商的慷慨支持！
点击折叠
【玄枢API是面向企业、技术团队和个人开发者的新一代 AI 模型路由网关，提供企业级稳定性的全球顶级模型（Claude, GPT, Grok等）一站式API 接入。充值享八折，模型2折起，注册送5美金，企业支持开票，点此链接注册额外获赠5美金额度。】 
|
- AI 助手与专有模型
- 开源大语言模型
- 大语言模型排行榜
- AI Agent
- Agent Skills
- AI 新闻与资讯
- AI Coding
- 通用 LLM 应用
- 办公协作CLI/MCP
- AI金融与量化投资
- AI图像创作与UI设计
- AI视频创作
- AI基础设施平台
- GPU编程
- LLM Prompts
- 大语言模型训练-评估平台
- LLM 推理与部署
- 阅读
- 写作
- 翻译工具
- 语音识别-生成字幕
- 文字转语音
- 音乐识别
- 变声软件
- 声音克隆
- 语音翻译
- 语音合成
- 语音处理
- AI生成音乐-音效
- 视频翻译
- 学术科研
- OCR图像识别文字
- 视频内容总结
- AI检测器
- 人形机器人
- 具身智能与仿真
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| ChatGPT | 🌟 OpenAI 的 AI 助手，当前最强模型：GPT-6 Astra；9 月发布的 GPT-6 Sol 与 GPT-6 Luna 将 API 价格下调约 50%（Sol $2/$10、Luna 输入 $0.10 起每百万 token），消费端额度内免费用。核心差异： 持久记忆和用户画像 —— 跨会话记住你的偏好，续聊最自然；通用能力最均衡，适合日常、编程和创意写作。入门介绍 | 1. URL 2. API |
免费/付费 |
| 豆包 | 🌟 字节跳动的 AI 助手，当前最强模型：Doubao-Seed-2.1 Pro。核心差异： 字节生态入口 + 多模态交互 —— 集成搜索、语音、音乐等能力；2026-08 推出办公 Agent「豆包工作」：虚拟桌面操作电脑、飞书上下文打通、200+ 技能与连接器、多 Agents 并行协作。入门介绍 | 1. URL 2. API |
免费 |
| Gemini | 🌟 Google 的 AI 助手，当前最强模型：Gemini 3.8 Flash（另有面向网络安全的 3.8 Flash Cyber 变体）。核心差异： 原生多模态 + Deep Research —— 图像理解/生成和网络深度研究最强；与 Google Drive、Workspace 无缝集成。入门介绍 | 1. URL 2. API |
免费/付费 |
| Claude | 🌟 Anthropic 研发的 AI 助手，当前最强模型：Claude Fable 5.1（公开版）/ Mythos 5.1（可信访问）；9 月新发布的 Claude Opus 5.5（5.5 家族首款）在大多数任务上媲美 Fable 5.1，成本低约 40%（$4/$20 每百万 token，输出提速 30%+）。核心差异： Cowork 模式把 AI 从“聊天机器人”变成可拉取数据、生成 Excel 预测模型并执行工作流的代理；在编程、长上下文、安全性和企业场景上最强。Fable 5.1 典型成本降低约 25%，网络安全误报减少约 60%。入门介绍 | 1. URL 2. API |
免费/付费 |
| 通义千问 | 阿里云的 AI 助手，当前最强模型：Qwen3.8-Max（8 月 3 日 GA；Qwen3.8-27B 开源权重于 8 月 14 日发布）。核心差异： 开源权重 2.4T MoE + 长链路 Agent 推理 —— 支持 100 万超长上下文、原生多模态和深度研究。 | 1. URL 2. API |
免费 |
| 腾讯元宝 | 腾讯的 AI 助手，当前最强模型：混元 Hy4 preview（770B 总参 / 49B 激活，1M 上下文，2026 年 8 月 28 日发布并开源）。核心差异： 混元 + DeepSeek 双模型 —— 可切换腾讯自研混元与 DeepSeek 模型；依托腾讯生态，适合中文搜索和内容创作。 | 1. 腾讯元宝智能助手 2. 混元 AI Studio |
免费 |
| DeepSeek | DeepSeek 的 AI 助手，当前最强模型：DeepSeek-V4.1-Flash（2026 年 9 月 10 日发布；全新 Causal-Encoder-Decoder 架构，552B MoE 非对称激活，原生多模态——官方基准显示能力超越 V4-Pro 且价格更低，V4-Pro 正逐步下线、请求迁移至 Flash）。核心差异： 推理性价比 —— 开源模型中最强的编码与智能体能力，API 价格极低。 | 1. URL 2. API |
免费/付费 |
| 月之暗面的 Kimi Chat | Moonshot AI 的 AI 助手，当前最强模型：Kimi K3。核心差异： 2.8T MoE + 100 万 token 超长上下文 —— 面向软件工程、知识工作和深度推理。 | 1. kimi 2. Moonshot AI 开放平台 |
免费 |
| 智谱AI | 智谱 AI 的 AI 助手，当前最强模型：GLM-5.3（743B MoE，40B 激活，2026 年 8 月 14 日发布）；同步提供 GLM-5.3-Flash（320B/18B MoE，原生多模态，MIT 开源权重，100 万 token 上下文），编程与 Agent 能力接近 Claude Opus 4.8，价格大幅降低。核心差异： Agentic 编程、仓库级分析、网络安全与长上下文推理。 | 1. URL 2. API 开发者网站 |
免费/付费 |
| Minimax | MiniMax 的 AI 助手，当前最强模型：MiniMax-M3。核心差异： 长文本 + 多模态 Agent —— 支持超长上下文和语音/文本混合交互，适合内容创作和复杂任务。 | 1. URL 2. API |
免费/付费 |
| Grok | SpaceXAI（原 xAI）的 AI 助手，当前最强模型：Grok 4.7（2026 年 9 月 21 日发布；约 2.1 万亿参数，主打编程与知识工作，500K 上下文，支持文本与图像输入，四档推理强度；API 定价 $2/$6 每百万输入/输出 token）。核心差异： 实时 X 数据访问 —— 可直接调用 X 帖子作为信息源，实时新闻和事件跟踪能力强。入门介绍 | 1. URL 2. API |
免费/付费 |
| Meta Muse | 🌱 Meta 推出的个人 AI 智能体：不是聊天，而是直接替用户干活——订差旅、填表格、购物下单、管理邮件与日历，通过 Stripe Link 一次性虚拟卡支付。全程在隔离虚拟机中运行，敏感操作由宿主端 Sentinel 组件审批；底层为 Meta 自研专有模型 Muse Spark 1.3。2026 年 9 月 8 日上线约 10 天即登顶美国 App Store 免费榜（反超 ChatGPT）。目前仅美国可用（18+），免费档约 1 亿 token/周，付费 $20/月起。入门介绍 | URL | 免费/付费 |
| Jev | 🌱 TypeSafe AI 推出的"System One"决策模型（当前为 early access）——不生成任何文本，只通过三类原语（Choice/Score/Noul）返回带校准概率的类型化答案，底层采用 RLCD 训练使置信度与实际正确率对齐。官方称结构化任务上比前沿大模型快 20-200 倍、成本低至 1/40；输入 $0.042/百万 token，输出免费，延迟 70-500ms。创始人为前 OpenAI 研究员、RLHF 共同发明人之一 Diogo Almeida，获 DCVC 领投的 4000 万美元种子轮。注意：性能数字为官方口径，尚无第三方验证。入门介绍 | URL | 免费/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Kimi K3 | 🌟 月之暗面（Moonshot AI）2.8 万亿参数旗舰开源权重模型，原生支持视觉理解，100 万 token 上下文，基于 Kimi Delta Attention（KDA）架构。全球首个 3 万亿参数级开源模型，完整权重已于 2026 年 7 月 27 日在 Hugging Face 发布，采用 Modified MIT 许可。入门介绍 | 技术博客 Hugging Face | 免费 |
| DeepSeek-V4 | 🌟 DeepSeek 第四代旗舰模型，MIT 许可、Hugging Face 开源权重。V4-Pro 0813 GA 于 2026 年 8 月 13 日推出；V4-Pro (1.6T MoE，激活 49B) 与 V4-Flash (284B MoE，激活 13B) 均支持 1M token 上下文与原生多模态，且 8 月 21 日新增 V4-Flash-Vision-Exp。V4.1-Flash 于 2026 年 9 月 10 日推出——全新 Causal-Encoder-Decoder 架构的首款模型：552B MoE、非对称激活（输入 8B / 输出 16B），原生多模态视觉理解，MIT 开源权重；官方基准显示其能力超越 V4-Pro 且价格更低，V4-Pro 将于 9 月 14 日下线，请求迁移至 V4.1-Flash。架构升级：混合注意力机制（CSA + HCA）将长上下文推理 FLOPs 降至 V3.2 的约 27%、KV 缓存降至约 10%；Manifold-Constrained Hyper-Connections（mHC）增强残差连接稳定性；Muon 优化器带来更快收敛。在 32T+ tokens 上预训练。两款模型均内置三档推理努力度——Non-think（快速）、Think High、Think Max，其中 Pro-Max 模式是 V4 代际中编码与智能体能力最强的一档。入门介绍 | Hugging Face | 免费 |
| DeepSeek-R1 | DeepSeek 的第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 是一种通过大规模强化学习（RL）训练的模型，没有监督微调（SFT）作为初步步骤，在推理性能表现卓越。 | Github  |
免费 |
| DeepSeek-V3 | DeepSeek推出的大语言模型，MoE 模型，671B 参数，激活 37B，在 14.8T token 上进行了预训练。 | Github  |
免费 |
| GLM-5.3-Flash | 智谱开源（MIT）的原生多模态 MoE 模型（320B 总参 / 18B 激活），2026 年 8 月 26 日发布。稀疏注意力与线性注意力混合架构使注意力计算量和 KV 缓存分别降低约 3 倍和 4.4 倍，支持 100 万 token 上下文；综合智能指数与 Claude Opus 4.8 持平，API 价格约为其 1/40。 | Hugging Face | 免费 |
| Gemma 4 | Google 最新发布的开源大语言模型系列，2026 年 4 月 2 日发布，基于 Gemini 架构构建。提供 Effective 2B、Effective 4B、26B MoE、31B Dense 四种尺寸，具备更强的性能、更长上下文窗口（最高 256K）、原生视觉/音频能力和更好的多语言支持。 | Github  |
免费 |
| Muse Glimmer | Meta 开源的 300 亿参数多模态本地智能体模型，2026 年 8 月 10 日发布，采用 Apache 2.0 许可。支持约 13.1 万 token 上下文、文本/图像输入、工具调用，4-bit 量化后可在 24–32 GB 显存的消费级显卡上运行，并配备 DFlash 投机解码。由 Muse Spark（最新 1.3 版）蒸馏而来。入门介绍 | Hugging Face | 免费 |
| Llama 4 | Meta 最新开源的多模态大语言模型系列，采用混合专家（MoE）架构，包含 Scout（1000 万 token 上下文）和 Maverick（总参 400B/激活 17B）等版本，支持文本与图像输入。 | GitHub  |
免费 |
| Mixtral-8x7B | 法国人工智能初创公司 Mistral AI开源的一种具有开放权重的稀疏专家混合模型 (SMoE)，在大多数基准测试中都优于 Llama 2 70B 和 GPT-3.5 论文地址：https://arxiv.org/pdf/2401.04088.pdf 论文主页：https://mistral.ai/news/mixtral-of-experts/ |
Github  |
免费 |
| grok-1 | 马斯克的xAI公司开源的大语言模型 | Github  |
免费 |
| Qwen3 / Qwen3.8 | 阿里云通义千问开源 LLM/VLM 系列。Qwen3-2507 提供 Instruct 和 Thinking 变体（235B-A22B、30B-A3B、4B 等），支持 256K 长上下文，部分场景可达 1M 输入；Qwen3.8 新增 27B 稠密视觉语言模型（2026 年 8 月 14 日发布），支持图像/视频输入、262K 上下文，在 Agentic 编码等基准上表现突出；Qwen3.8-Flash-Next（125B 总参 / 6B 激活，8 月 26 日开源）预览 Qwen4 架构，采用 GDN+QSA 混合注意力，原生 262K 上下文、可扩展至 1M。 | Github  Hugging Face |
免费 |
| ChatGLM2-6B | 中英双语对话模型 ChatGLM-6B 的第二代版本 | GitHub  |
免费 |
| Phi-4 | 微软开源的小型语言模型（SLM）系列，包含通用、推理、多模态和视觉版本（如 Phi-4-mini、Phi-4、Phi-4-multimodal、Phi-4-reasoning-vision），面向端侧与云端高效部署。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| LMSYS Chatbot Arena Leaderboard | 🌟 LMSYS Chatbot Arena 是一个用于大语言模型评估的众包开放平台。收集了超过 1,000,000 次人类成对比较，用 Bradley-Terry 模型对 LLM 进行排名，并以 Elo 标度显示模型评级。 B站视频：量子位/1v1单挑90万轮之后，最强大模型是…… |
URL | 免费 |
| Artificial Analysis | Artificial Analysis 是一个提供 AI 模型和服务商比较及基准测试的资源平台，帮助用户在选择 AI 模型和服务提供商时做出明智决策。平台提供多种流行 AI 模型的比较数据，包括 OpenAI 的 GPT-4、Meta 的 Llama 4 和 Anthropic 的 Claude 系列，涵盖了响应速度、延迟和成本等性能指标。 | URL | 免费 |
| LiveCodeBench | LiveCodeBench 是一个全面且无污染的 LLM 代码评估基准，它会持续收集新的问题。LiveCodeBench 尤其关注更广泛的代码相关功能，例如自我修复、代码执行和测试输出预测，而不仅仅是代码生成。 | URL | 免费 |
| StructEval | StructEval 是发表于 TMLR 2025 的评测基准与公开排行榜，用于评估 LLM 的结构化输出生成和转换，包含 2,035 个样例和 18 种文本及可渲染格式，并采用格式专用的结构与视觉检查。 | 排行榜 论文 Github | 免费 |
| BenchGecko | AI模型基准测试排行榜，跨供应商定价对比，AI经济仪表盘。追踪数千个AI模型、128个评估基准、数百个供应商。提供免费API和开放数据集。 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Claude Code | 🌟 Anthropic 推出的 AI 编程智能体。支持终端 CLI、VS Code/Cursor/JetBrains IDE 插件、桌面 App 和 Web，基于 Claude 系列模型，具备长上下文代码理解、跨文件编辑、shell 命令执行、MCP 扩展、Skills/Hooks/子代理、CLAUDE.md 项目规则与自动记忆能力；支持 Remote Control，可从手机或浏览器继续本地会话。入门介绍 对比 | URL Github |
免费 |
| Codex | 🌟 OpenAI 推出的开源（Apache-2.0）终端编程智能体，使用 Rust 编写。支持终端 CLI、VS Code/Cursor/Windsurf 等 IDE 扩展、Codex App/桌面体验及 Codex Web 云端任务；可直接理解并修改代码，内置内核级沙箱、MCP、Skills/Plugins/Hooks、子代理，通过 ChatGPT relay 在手机/桌面/Web 之间同步活跃会话，并支持 Remote SSH 连接远程环境。入门介绍 对比 | Github  |
免费 |
| Kimi Code | 🌟 月之暗面（Moonshot AI）推出的 AI 编程智能体 CLI，在终端中运行。可读取和编辑代码、执行 shell 命令、搜索文件、抓取网页，并根据反馈规划下一步。支持视频输入、AI 原生 MCP 配置、子代理、生命周期钩子以及 ACP 编辑器集成（Zed、JetBrains）。入门介绍 对比 | Github  |
免费 |
| Manus | 🌱 Manus 是一款行动引擎，它不仅提供答案，还能执行任务、自动化工作流程并扩展您的服务范围。入门介绍 | URL | 免费试用/付费 |
| DeepSeek Harness | 🌱 DeepSeek 于 2026 年 8 月 13 日开源（MIT）的 agent harness（智能体运行时）。提供 CLI 与本地 Web UI（默认 127.0.0.1:3080），采用基于 Cordis 的“一切皆插件”架构，内置 40+ 一方子包（LLM、MCP、LSP、ACP、沙箱、Skills、子代理、会话、工具、计划、调度、Web、Shell 等），并提供中英双语的架构文档。当前为开发者预览版，预计会有不兼容更新。入门介绍 | Github  |
免费 |
| Trae | 🌱 字节跳动推出的 AI 编程与工作智能体产品族。包含 Trae Code（终端 CLI Agent）、Trae IDE（含 IDE Mode 与 SOLO Mode）、Trae Work（Web/桌面/移动工作空间，支持 Code Mode 与 Work Mode 及云端任务）。覆盖从终端到 IDE 再到云端工作区的完整链路，支持自定义 Agent、MCP、规则与多模型。入门介绍 | URL Github  |
免费/付费 |
| Pi | earendil-works 开源（MIT）的自扩展 AI 编程智能体。采用 Monorepo 架构，包含 pi-coding-agent（交互式 CLI）、pi-agent-core（工具调用与状态管理）、pi-ai（统一多厂商 LLM API）、pi-tui 与遥测模块。内置插件化架构、供应链安全加固（精确锁定依赖、shrinkwrap、审计）以及沙箱方案（Gondolin、Docker、OpenShell）。入门介绍 |
Github  |
免费 |
| Qoder | 阿里云推出的 AI 智能编程助手与智能体产品族，主打“自主编程新范式”。通过多智能体协同、长时委派执行、记忆与知识引擎，与代码库和工具链深度连接，围绕真实任务持续完成理解、规划、执行、验证与迭代。产品包括 Qoder Desktop（自主开发工作台）、QoderWork（本地 AI 工作搭子）、QoderWake（数字员工）、Qoder CLI（终端原生编程搭档/智能体引擎）以及面向企业的 Cloud Agents 云端托管平台。入门介绍 对比 | URL | 免费/付费 |
| Antigravity | Google 推出的以智能体为先的 AI 编程平台 Antigravity 2.0，提供独立桌面 App、IDE、终端 CLI（agy）和 SDK 四种形态，用于替代 Gemini CLI。围绕 Gemini 3.5–3.8 Flash 等模型，支持在 Editor / Manager 双视图中编排多个自主智能体，具备内置浏览器/终端、可核验 Artifacts（计划、截图、录屏）、子代理、Hooks 与定时任务。同时支持 Claude、GPT-OSS 等第三方模型。入门介绍 |
URL | 预览期免费 |
| Grok build | xAI 推出的基于终端的 AI 编程智能体，开源且使用 Rust 编写。以全屏、支持鼠标交互的 TUI 形式运行，能理解代码库、编辑文件、执行 shell 命令、搜索网络并管理长时间运行的任务。支持交互式、无头（脚本/CI）以及嵌入 ACP 编辑器等模式，内置 MCP 服务器、技能、插件、钩子和沙箱。入门介绍 | Github  |
免费 |
| browser-use | 开源 Python 库，使 AI 智能体能够控制网页浏览器。支持自然语言任务执行、DOM 提取、表单填写、多步导航，并通过简单 API 与任意大模型集成。适用于构建网页智能体、自动化测试和数据提取工作流。入门介绍 | GitHub  |
免费 |
| Obscura | 开源（Apache-2.0）的 Rust 无头浏览器引擎，面向 AI 智能体与网页抓取。通过 Chrome DevTools 协议直接替代 headless Chrome，兼容 Puppeteer/Playwright：内存占用约 30MB、启动瞬时，内置 stealth 反指纹与追踪拦截模式。 | GitHub  |
免费 |
| Cua | 面向计算机使用代理 (Computer-Use Agents) 的开源基础设施。提供可在 macOS、Windows、Linux 和 Android 上运行的沙箱、驱动和 SDK，使 AI 能够像人类一样控制桌面并执行任务。入门介绍 | GitHub  |
免费 |
| OpenClaw | 开源的自托管 AI 智能体，可以在本地运行并自主执行任务。能够连接 WhatsApp、Telegram、Slack、Discord 等消息平台，控制浏览器，访问系统，具有持久记忆功能。由 Peter Steinberger 开发，是增长最快的开源项目之一。入门介绍 | Github  |
免费 |
| OpenWorker | 吴恩达（Andrew Ng）开源的本地优先桌面 AI 同事。以交付完整工作成果（文档、Slack 回复、日程更新、报告）为目标，而非仅提供聊天回答。支持 35+ 应用连接器、MCP 协议，可接入自有 API Key 的多种模型（OpenAI、Anthropic、Gemini、DeepSeek、Kimi、Qwen、Ollama 等），数据和凭证本地存储。入门介绍 | Github  |
免费 |
| WorkBuddy | 腾讯推出的全场景 AI 智能体桌面工作台（“腾讯龙虾”）。支持自然语言派活，自主规划并操作本地文件、Office、文件夹完成复杂办公任务；可接入微信、企业微信、QQ、飞书、钉钉，数据支持本地运算。 | URL | 免费/付费 |
| autoresearch | Karpathy 开源的自动化 AI 研究助手。它能够自主提出假设、修改训练代码并运行实验，通过不断迭代来寻找性能提升方案，是专为机器学习研究设计的自主 Agent。 | Github  |
免费 |
| ml-intern | 由 Hugging Face 开发的开源自主 AI Agent，定位为专业机器学习工程师。它能够处理端到端的 ML 生命周期，包括研究论文、编写代码、运行实验以及将模型发布到 Hugging Face Hub。入门介绍 | Github  |
免费 |
| Dexter | 自主财务研究智能体，旨在通过思考、计划和迭代学习进行深度分析。专注于财务领域。入门介绍 | Github  |
免费 |
| Multica | 开源托管代理平台，将 AI 编码代理（Claude Code, Codex, Cursor, Copilot, OpenCode, OpenClaw, Hermes, Gemini, Pi, Kimi, Kiro CLI 等）作为“一等公民”队友集成到开发团队中。支持任务分配、进度跟踪、技能复用，本地守护进程可自动检测已安装的 Agent CLI。入门介绍 | Github  |
免费/付费 |
| Paperclip | 开源 AI 智能体编排平台，将 AI 运营建模为公司组织。可定义组织架构、汇报关系、预算和治理策略，让智能体在该结构内自主工作。支持 OpenClaw、Claude Code、Codex 等智能体后端。基于心跳机制执行，具备成本控制和审计追踪。入门介绍 | Github  |
免费 |
| Symphony | OpenAI 开源的项目需求到交付的 harness。将项目需求转化为隔离、自主的实施运行；代理可监听 Linear 等看板，自动提交 PR、合并代码，并提供 CI 状态、审查反馈、演示视频等工作证明。目前处于工程预览阶段。入门介绍 | Github  |
免费 |
| QM | YC 开源的面向企业组织的 multi-agent harness，运行在 Slack 和 Web 上。以 scope（作用域）为每个员工、项目、频道隔离记忆、文件、凭据与权限；核心为 headless 架构，模型和 harness 可替换，支持 Docker/Fly/AWS 自托管。入门介绍 | Github  |
免费 |
| Buzz | Block 开源的可自托管人机协作工作空间，人类与 AI 智能体共享同一个房间。智能体拥有独立密钥和审计轨迹，可打开仓库、提交补丁、审查代码、运行工作流、编辑画布、加入语音讨论等。基于 Nostr relay 构建，每条消息和操作都是签名事件。入门介绍 | Github  |
免费 |
| deer-flow | 字节跳动开源的长时程 SuperAgent harness，可编排子代理、记忆、沙箱、工具、技能和消息网关，完成研究、编程与内容创作等长时间任务。基于 LangGraph/LangChain 构建，提供 Web UI 并支持多种大语言模型。入门介绍 | Github  |
免费 |
| Orkas | 开源、本地优先的多智能体 AI 桌面客户端。Commander 会拆解目标，并协调拥有独立技能和记忆的专职 Agent 并行或串行工作。支持自带模型服务和本地模型端点，也可调用 Claude Code、Codex、OpenClaw、OpenCode 和 Hermes。跨平台支持 macOS、Windows 和 Linux。 | 官网 Github  |
免费 |
| Orca | 跨平台 Agent Development Environment（ADE），用于编排并行的 AI 编程智能体舰队。可在独立 git worktree 中并排运行 Claude Code、Codex、OpenCode、Pi 及任何 CLI 智能体，对比输出并合并最优解。支持 Mobile Companion、终端分屏、Design Mode（捕获 Chromium UI 元素）、GitHub/Linear 集成、SSH worktrees、AI diff 批注和 Computer Use。入门介绍 | 官网 Github  |
免费 |
| microsoft/autogen | AutoGen 是一个开源编程框架， 用于构建人工智能Agent，并促进多个Agent之间的合作，以解决任务。 | Github  |
免费 |
| msitarzewski/agency-agents | 开源AI代理工具包，包含230+个细分领域的专业代理角色，覆盖工程、设计、营销、销售、金融、游戏开发、医疗等。提供开箱即用的代理人设、工作流模板、可交付成果，以及原生桌面应用，可一键浏览/安装代理到 Claude Code、Cursor、Codex、Gemini、Kimi Code、Aider 等AI开发工具。入门介绍 | Github  |
免费 |
| ECC | 面向 AI 编程代理的开源增强框架。为 Claude Code、Codex、Cursor、OpenCode、Gemini、Zed、GitHub Copilot 等提供统一的 Agent/技能/规则/Hook/MCP 配置体系。内置 60 个子代理、232 个技能、记忆持久化、AgentShield 安全扫描，附带桌面仪表盘 GUI。 | Github  |
免费 |
| CC Switch | 跨平台桌面应用，用于一站式管理 Claude Code, Codex, Gemini CLI, OpenCode 和 OpenClaw。提供可视化界面管理 API 供应商、MCP 服务器和技能，支持双向同步。入门介绍 | Github  |
免费 |
| codex-plugin-cc | Claude Code 插件，允许用户在 Claude Code 工作流中直接使用 OpenAI Codex 进行代码审查和任务委托。提供 /codex:review、/codex:adversarial-review 等命令 | Github  |
免费 |
| codesight | CLI 令牌（token）优化器和 AI 上下文生成器，内置 MCP 服务器。扫描代码库以提取路由、架构、组件和依赖项，将 AI 上下文令牌减少 9 倍至 13 倍。支持 Claude Code、Cursor、Copilot、Codex 和 Windsurf。零运行时依赖。 | Github  |
免费 |
| AGENTS.md | 专门为 AI 编程智能体设计的代码库文档开放标准。通过提供结构化的上下文、指令和约束条件，帮助智能体更高效、更安全地工作。入门介绍 | Github  |
免费 |
| Spec Kit | GitHub 开源的规格驱动开发（Spec-Driven Development）工具包。提供 specify CLI 以及 /speckit.specify、/speckit.plan、/speckit.implement 等斜杠命令，与 30+ AI 编程智能体集成，将产品需求规格转化为可执行的实现计划。 |
Github  |
免费 |
| musistudio/claude-code-router | 一个强大的路由工具，可将Claude Code请求路由到不同模型并自定义任何请求。支持多提供商路由、请求/响应转换、动态模型切换、CLI模型管理和GitHub Actions integration。 | Github  |
免费 |
| instructkr/claw-code | Anthropic Claude Code 代理框架的重新实现项目，目前正在用 Rust 重写以提升内存安全性。专注于构建更好的 AI 代理工具框架，采用合法合规的方式重新实现 | Github  |
免费 |
| MemPalace | 开源AI记忆系统，将完整对话和项目数据本地存储，无需依赖云端。采用"记忆宫殿"分层结构组织记忆，在 LongMemEval 基准测试中达到 96.6% 召回率（目前得分最高），支持 MCP 集成，可以配合本地大语言模型离线使用。 | Github  |
免费 |
| TencentDB Agent Memory | 腾讯云开源的面向智能体团队的记忆基础设施。提供 Memory Hub 实现跨会话/跨 Agent 记忆共享，Chat Memory 通过 L0–L3 四层蒸馏保留上下文，Skill library 沉淀可复用技能，Wiki/CodeGraph 构建文档与代码知识图谱。支持与 Claude Code、CodeBuddy 等 Agent 集成。入门介绍 | Github  |
免费 |
| Hermes Agent | NousResearch 开发的开源 AI Agent 框架，基于 Hermes 系列模型构建，在工具调用和推理能力上进行了精细微调，用于构建自主 AI 智能体。 | Github  |
免费 |
| Screenpipe | 可检索的屏幕文字与音频历史，通过 MCP 或本地 API 为回忆、会议笔记和工作总结提供上下文。原始历史默认保存在本地；启用云端 AI、转录、同步或外部集成时，相关上下文可能在设备外处理。源码按 Screenpipe Commercial License 提供。支持 macOS、Windows 和 Linux。 | Github  |
免费版有限制；付费订阅 |
| FlowGram.AI | 字节跳动开源的可扩展可视化 AI 工作流开发框架，内置画布、表单引擎、变量作用链和现成物料（LLM、Condition、代码编辑器等），帮助开发者更快构建 AI 工作流平台。 | Github  |
免费 |
| Conductor | 源自 Netflix 的开源 durable workflow engine，现聚焦 AI Agent 编排。提供事件驱动执行、持久化状态、重试/超时、14+ LLM 提供商、MCP 工具调用、function calling、人工审批以及面向 RAG 的向量数据库集成。在 Netflix、Tesla、LinkedIn、J.P. Morgan 生产环境使用。入门介绍 | Github  |
免费 |
| DeepTutor | 香港大学数据科学研究院（HKUDS）开源的 AI 原生学习/辅导工作区，整合 AI 辅导、解题、测验生成、研究、可视化和掌握式学习路径。支持多引擎 RAG、持久化记忆、Partner/智能体、以及 Claude Code/Codex 等编程 CLI 实时接入。入门介绍 | Github  |
免费 |
| MiniMax Agent | Minimax的 Agent 助手 | URL | 免费/付费 |
| agentscope | 面向Agent的编程：构建大型语言模型应用程序。阿里开源 | Github |
免费 |
| Auto-GPT | 开源项目，使用gpt自主地实现你设定的任何目标。演示示例：爆火的自主人工智能AutoGPT，程序员表示开始真正有点担忧会失业了！ | GitHub  |
免费，需要OpenAI API key |
| CLI-Anything | 香港大学开发的开源框架，让所有软件都能原生支持 AI 代理 —— 通过 7 阶段流水线为任意应用自动生成生产级 CLI，使 AI 代理能够控制任何桌面软件。支持 Claude Code、OpenClaw、Codex 等 16+ AI 代理平台，并包含 CLI-Hub 用于社区 CLI 发现和安装。 | Github  |
免费 |
| AnyGen | AnyGen 是一款真正能帮你”完成工作”的 AI 助手。从写作和分析到规划和报告，它能在几分钟内将你的想法转化为可直接使用的专业成果。专为工作打造的 AI 助手 | URL | 免费试用/付费 |
| Understand Anything | 基于 AI 的代码库和知识库分析工具，构建交互式可视化知识图谱。支持多智能体分析、架构引导教程以及针对大型代码库的语义搜索。可作为 Claude Code、Cursor 等工具的插件使用。入门介绍 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| anthropics/skills | Claude Code官方技能仓库，为Claude Code AI助手提供可复用的工具集成和扩展功能 | Github  |
免费 |
| openai/skills | OpenAI GPT模型官方技能仓库，为OpenAI的AI助手提供可复用的工具和扩展功能 | Github  |
免费 |
| skills.sh | 社区驱动的AI助手技能注册表与市场，为包括Claude Code、OpenAI GPT等各类大语言模型助手提供精选的可复用技能集合，提供所有技能的下载用量统计和热门趋势排行榜 | 网站 | 免费/付费 |
| JimLiu/baoyu-skills | Claude Code社区技能仓库，提供包括微博发布功能在内的实用中文和地区特定技能 | Github  |
免费 |
| ClawHub | AI代理的快速技能注册中心，具备向量搜索功能。提供集中式的代理技能管理和发现平台。 | URL | 免费/付费 |
| SkillHub | 腾讯推出的专为中国用户优化的AI技能社区，SkillHub 精选 Top 50 高质量 AI Skills，经过安全审核与多维度评估，助你发现最实用的 AI 技能。 | URL | 免费 |
| garrytan/gstack | 一套精心设计的 Claude Code 技能集，可将 AI 智能体转换为由专家组成的专项团队（CEO、产品经理、测试工程师、运维工程师）。增加了自定义斜杠命令和自动化质量检查功能。 | Github  |
免费 |
| addyosmani/agent-skills | 由 Google Gemini 团队主管 Addy Osmani 开源的 20+ 标准化工程流程技能库。将资深工程师的开发规范封装成 AI 智能体可执行的技能，覆盖完整软件开发生命周期：从需求定义、规划、构建、验证、评审到发布。内置 7 个命令：/spec、/plan、/build、/test、/ship 等。兼容 Claude Code、Gemini CLI、Codex、Cursor。 | Github  |
免费 |
| phuryn/pm-skills | 面向产品经理的技能市场，适用于 Claude Code 和 Claude Cowork，提供产品发现、战略、执行、发布、增长以及 AI 辅助代码交付等场景的 PM 技能和串联工作流。 | Github  |
免费 |
| NVIDIA/SkillSpector | NVIDIA 开源的 AI 代理技能安全扫描工具。可扫描来自 Git 仓库、URL、压缩包或本地目录的技能，检测提示注入、数据泄露、权限提升、恶意代码、供应链问题和 MCP 工具投毒等风险模式。结合静态分析与可选的 LLM 语义审查，可用于 CI/CD 或作为 MCP 服务器。 | Github  |
免费 |
| Superpowers | 面向编码代理的完整软件开发方法论，基于可组合技能构建。支持跨 Claude Code、Codex、Cursor、Kimi Code、OpenCode、Antigravity、GitHub Copilot CLI 和 Pi 强制执行规格驱动设计、TDD、系统调试、代码审查和子代理驱动开发。 入门介绍 | Github  |
免费 |
| last30days-skill | AI 智能体技能，可跨 Reddit、X、YouTube、Hacker News、Polymarket、GitHub、arXiv 和全网研究任意话题，并根据真实互动（点赞、转发、投注等）评分后合成带引用的总结。支持 Claude Code、Codex、Cursor、Gemini CLI 等 50+ Agent Skills 宿主。 | Github  |
免费 |
| Claude Video | 用于 Claude Code 的 Agent Skill，让 AI 能够"观看"视频：提取关键帧、获取字幕/转录文本，并基于画面和音频内容回答问题。支持 YouTube、TikTok、本地文件，以及通过 Agent Skills CLI 接入 50+ 智能体宿主。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| SemiAnalysis | 由 Dylan Patel 创办，专注于半导体、AI 硬件、GPU、数据中心及算力供应链的深度研究与分析。发布对 AI 行业有深入研究的长篇行业研报（部分免费，大部分需订阅）。 | X、官网 | 免费/付费 |
| World Monitor | AI驱动的实时全球情报面板，聚合435+个精选信源，提供地缘政治监控、基础设施追踪、AI摘要、21种语言支持，可本地运行AI模型，支持全平台桌面端应用 | Github  、官网 |
免费 |
| Prismix | AI 服务实时状态监控中心，聚合 75+ AI 服务（OpenAI、Anthropic、Grok、Cursor 等）的实时运行状态，提供来自 55+ 来源的精选 AI 新闻并支持个性化信息流，还包含 500+ MCP 服务器目录及告警功能。 | 官网 | 免费/付费 |
| AI Weekly | 独立的 AI 新闻通讯，自 2015 年起每周 3 期，读者超过 44,000 名专业人士。聚焦真正重要的 AI 报道，由编辑单人策划。 | 官网 | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Coding Plan 价格对比 | 全球主流 Coding Plan 价格与用量对比（含国内厂商套餐表格，持续更新） | 讨论帖 | 免费 |
| Trae | 字节跳动推出的类似Cursor的AI编程IDE | URL | 免费 |
| Cursor | 🌟 使用 GPT进行协作的代码编辑器。入门介绍 | URL | 付费/免费试用 |
| GitHub Copilot | GitHub 和 OpenAI 合作开发的一个代码编写助手 Github Copilot技巧和窍门 |
URL | 付费 |
| Bolt.new | 🌟 StackBlitz 推出的浏览器端 AI 全栈应用构建工具——用自然语言描述需求，AI 智能体直接在浏览器内脚手架、运行并部署完整应用。基于 WebContainers 在浏览器中运行真实 Node.js 环境，速度接近原生，无需配置本地环境或云虚拟机。免费档 + $20/月 Hobby（按 token 计费）；开源姊妹版 bolt.diy 支持自带 API Key。增长最快的开发工具之一（上线 5 个月 ARR 达 4000 万美元；2026 年 5 月起与微软 Azure 合作）。 | URL | 免费/付费 |
| OpenCode | 开源的终端原生 AI 编码 agent。不绑定特定厂商（支持 Anthropic、OpenAI、Google 及本地模型），采用 TUI 客户端/服务端架构，集成 LSP，支持自定义 agent 和 MCP 服务器。入门介绍 | URL Github  |
免费 |
| OpenChamber | OpenCode AI agent 的桌面/网页图形界面。在 OpenCode 之上提供会话管理、diff 查看和工作区控制。入门介绍 | URL Github  |
免费 |
| oh-my-pi | @can1357 维护的 Pi fork。终端原生 AI 编码 agent，深度集成 IDE 能力：LSP、DAP 调试器、Python/Bun 代码执行、40+ 模型提供商和 32 个内置工具。入门介绍 | Github  |
免费 |
| Happy Coder | Codex和Claude Code的移动端和Web客户端，支持实时语音、加密和全功能 | URL GitHub  |
免费 |
| Termux | Android终端模拟器和Linux环境应用，可直接在移动设备上运行编码工具、AI模型和各类开发环境，内置SSH客户端支持登录远程主机。 | Github  |
免费 |
| AI-Codereview-Gitlab | 基于大模型(DeepSeek, OpenAI等)的 GitLab 自动代码审查工具；支持钉钉/企业微信/飞书推送消息和生成日报；支持Docker部署；可视化 Dashboard。 | Github  |
免费 |
| alibaba/open-code-review | 阿里巴巴开源的 AI 代码评审 CLI/Agent。基于确定性流水线与 LLM Agent 审查 Git diff，支持行级评论、OpenAI/Anthropic 兼容模型端点、自定义规则、JSON CI 输出、WebUI 会话查看，以及 Claude Code/Codex 集成。 | Github  |
免费 |
| code-review-graph | 基于 Tree-sitter 构建代码结构图并增量追踪变更，通过 MCP 为 AI 编程助手提供精准的代码审查上下文，减少重复读取整个代码库。 | Github  |
免费 |
| Cate | 开源桌面 IDE，基于无限缩放画布。可以把 Monaco 编辑器、xterm.js 终端、内嵌浏览器和 Claude Code 智能体面板自由排布在可缩放的空间里，代替传统的窗口和标签页。面板支持浮动、停靠或分离为独立窗口，布局按项目自动保存。基于 Electron 构建，支持 macOS、Windows 和 Linux。 | URL Github  |
免费 |
| CLIProxyAPI | 代理服务器，将各类 AI CLI 工具和订阅（Claude Code、Codex、Gemini、Grok 等）通过 OpenAI/Gemini/Claude/Codex 兼容的 API 接口暴露出来。支持 OAuth 登录、流式/WebSocket 响应、函数调用、多模态输入，以及跨多账号的负载均衡。 | Github  |
免费 |
| Markstream | 面向 AI 对话界面的开源流式 Markdown 渲染器家族，可处理未闭合 Markdown 并平滑展示 token 流。提供持续维护的 Vue 3/Nuxt、React/Next.js、Svelte、Angular、Vue 2 及框架无关的 parser/core 包，并支持 Mermaid、KaTeX、代码高亮、安全 HTML 与 SSR。 | 框架入口 Vue 在线体验 Github  |
免费 |
| Codex Security | OpenAI 开源的 CLI 与 TypeScript SDK，用于发现、验证并修复代码中的安全漏洞。支持仓库扫描、漏洞追踪、修复验证、CI/CD 集成以及容器化批量扫描。入门介绍 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Google AI Studio | Google AI Studio 是一个基于 Web 的免费平台，允许开发者使用 Google 的大型语言模型（如 Gemini 3.8 Flash）进行原型设计和实验。它提供了一个易于使用的界面，你可以快速构建文本生成、代码生成、聊天机器人等应用。可用的国家和地区 介绍：B站视频：一枚卓子/Google AI Studio教程｜体验Gemini 3.7 Flash 模型，和它视频聊天，创造提示词机器人 |
URL | 免费 |
| Cherry Studio | Cherry Studio 是一款支持多个大语言模型（LLM）服务商的桌面客户端，兼容 Windows、Mac 和 Linux 系统。支持主流 LLM 云服务：OpenAI、Gemini、Anthropic、硅基流动等；集成了流行 AI Web 服务：Claude、Peplexity、Poe、腾讯元宝、知乎直答等；支持 Ollama、LM Studio 本地模型部署 | Github  |
免费 |
| Gemini Notebook（原 NotebookLM） | Google 推出的 AI 研究助手，原 NotebookLM。可将文本、视频、音频、数据集等文件转化为播客节目（Audio Overview），并生成常见问题解答、学习指南、目录、时间轴和简报等，支持基于来源的自由对话与事实核查。 | URL | 免费 |
| Learn about | 谷歌开发的人工智能学习助手。它是一个会话式的学习伙伴，能适应您独特的好奇心和学习目标，帮助您掌握新主题并加深理解。 | URL | 免费 |
| Poe | Quora 推出的多模型 AI 聊天平台。可通过单一界面和积分制订阅使用 GPT、Claude、Gemini、Grok、Kimi、DeepSeek 等众多文本/图像/视频模型。支持自定义 Bot、群聊、多模型对比和 OpenAI 兼容 API。 | URL | 免费/付费 |
| HuggingChat | Hugging Face 的开源聊天应用程序 Hugging Chat. URL | Github  |
免费 |
| ollama | 在本地环境中轻松运行和管理大型语言模型，如Llama 、Mistral、Gemma2等 | Github  |
免费 |
| langchain | 是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。 | Github  |
免费 |
| Dify | 开源 LLM 应用开发平台。通过可视化界面构建 AI 应用、Agent 和工作流，支持提示词工程、RAG、模型编排和可观测性。可自托管或使用托管云服务。入门介绍 | 官网 Github  |
免费/付费 |
| anything-llm | 开源的文档聊天机器人解决方案 | Github  |
免费 |
| screenshot-to-code | 将截图、设计稿、Figma 设计和屏幕录制转换为干净的功能代码。支持多种 AI 模型（Gemini 3 Flash、GPT-5.5、Claude Opus 4.8）和输出框架（HTML+Tailwind、React、Vue、Bootstrap 等）。还支持 URL 克隆和视频转代码功能。 | GitHub  |
免费，需要 API 密钥（推荐 OpenAI/Anthropic/Gemini） |
| together.ai chat | 与 HuggingChat 类似，可选择不同的开源模型，支持 DeepSeek R1、LLaMA、QWen 和 Flux Schnell。每天 60 条免费信息。 | URL | 免费/付费 |
| OpenRouter | 集成 400+ AI 模型（OpenAI、Anthropic、Google、DeepSeek 等 60+ 家提供商）的统一 API 网关，一个 OpenAI 兼容 API Key 即可调用全部模型。模型按厂商原价计费（充值收 5.5% 手续费），支持智能路由 / 故障转移、:free 免费模型和 BYOK 自带 Key。日处理 10+ 万亿 token；2026 年 8 月 Stripe 宣布同意收购。入门介绍 |
URL | 免费/付费 |
| IMA | 腾讯推出的 AI 智能工作台，集成搜索、阅读、写作、知识库管理等功能。搜索覆盖微信公众号文章，支持上传本地文件、公众号文章或网页链接构建个人知识库。内置模型支持 DeepSeek-V4-Flash、GLM-5.3 和混元 Hy4 preview。 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Chrome DevTools MCP | Chrome DevTools 官方提供的 Model Context Protocol 服务器，让 AI 编程智能体（如 Claude Code、Gemini CLI）能够控制和检查正在运行的 Chrome 浏览器，支持性能追踪分析、网络请求调试、截图捕获和控制台日志查看，帮助 AI 更好地运行、测试和调试代码。 | Github  |
免费 |
| Lightpanda | 用 Zig 编写的高性能、轻量级无头浏览器，专为 AI 智能体设计。速度比 Chrome 快约 9 倍，内存占用极低。原生支持 MCP 协议，并能直接输出适合 LLM 的 Markdown 格式。入门介绍 | Github  |
免费 |
| bb-browser | 使 AI 智能体能够控制您的真实 Chrome 浏览器会话，利用现有的登录状态访问网站，无需 API。 | Github  |
免费 |
| Google Workspace CLI | 社区构建的 Google Workspace 非官方命令行工具，统一访问所有 Google Workspace API，包括 Drive、Gmail、Calendar、Sheets、Docs、Chat 等。内置 40+ AI 代理技能，结构化 JSON 输出非常适合 AI 代理使用，支持多种认证方式。 | Github  |
免费 |
| 飞书 CLI | 飞书官方命令行工具，帮助开发者快速开发和管理飞书应用 | Github  |
免费 |
| 钉钉 CLI | 钉钉官方命令行工具，帮助开发者快速开发和管理钉钉应用 | Github  |
免费 |
| 企业微信 CLI | 企业微信开源命令行工具，帮助开发者快速开发和管理企业微信应用 | Github  |
免费 |
| OpenConnector | 面向 AI 智能体的开源连接网关。用户一次性授权应用账号后，即可通过 SDK、CLI、MCP、HTTP 和 OpenAPI 向智能体提供 1000+ SaaS 服务的统一目录。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| TradingAgents | 一个多智能体大语言模型金融交易框架，模拟真实世界交易公司的运作。它使用专门的 AI 智能体（基本面、情绪、技术和新闻分析师）通过结构化辩论协作评估市场状况并辅助交易决策。 | Github  |
免费 |
| VNPy | 基于 Python 的全功能开源量化交易框架，支持策略回测、多交易所实盘交易，并集成 AI/大语言模型能力用于金融市场分析和策略开发，是国内量化交易者广泛使用的系统。 | Github  |
免费 |
| TimesFM | Google Research 开源的预训练时间序列基础模型，专门用于时间序列预测。支持长上下文（16k）和最长 1k 步的长区间预测，广泛应用于金融和量化投资预测场景。 | Github  |
免费 |
| Dexter | 自主财务研究智能体，旨在通过思考、计划和迭代学习进行深度分析。专注于财务领域。入门介绍 | Github |
免费 |
| yfinance | 开源的 Python 库，用于获取 Yahoo Finance 数据。无需 API 密钥即可获取股票、ETF 和加密货币的历史价格数据。是 AI 量化交易和金融分析的重要数据源。 | Github  |
免费 |
| OpenBB | 开源投资研究平台，整合多个金融数据源（Yahoo Finance、Alpha Vantage 等）提供统一 API。内置 MCP 服务器支持 AI 智能体集成，让 Claude 等大语言模型可直接查询金融数据。 | Github  |
免费 |
| AkShare | 开源的 Python 金融数据库，提供股票、期货、期权等金融数据接口。主要覆盖中国市场，是 AI 量化交易和金融分析的重要数据源。 | Github  |
免费 |
| Fincept Terminal | 基于 C++20 + Qt6 的原生金融终端（内嵌 Python），集成 100+ 数据源、37 个面向交易/投资/经济/地缘政治的 AI Agent、多资产量化分析、16 家券商实时交易及 MCP 工作流。注意：公开版自 2026 年 6 月起改为每月更新，团队重心转向私有订阅版。 | Github  |
免费/商业许可 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| GPT Image | 🌟 OpenAI 最新的图像生成模型 GPT Image 2.5（2026 年 9 月）。速度提升约 50%，画面更逼真，支持精准局部编辑，新增 Sketch 草图功能；API 提供 GPT-Image-2.5 Flare 与 Sunburst 两个模型。 | URL | 免费/付费 |
| 豆包 | 字节跳动旗下的AI图像创作助手，支持文生图、图生图等多种功能 | URL | 免费/付费 |
| Nano Banana / Nano Banana Pro | 🌟 谷歌用于图像生成与编辑的先进人工智能模型。旗舰版 Nano Banana Pro（Gemini 3 Pro Image）用于复杂高质量创作；Nano Banana 2（Gemini 3.1 Flash Image）为快速版。两者在 LMArena 文本转图像和图像编辑排行榜中均位居前列。 Nano Banana 的用法合集 在线网站： 1. aistudio 2. gemini 3. lmarea.ai |
URL | 免费/付费 |
| Grok Imagine | SpaceXAI 的图像生成模型（原 Grok Image / Aurora），集成在 Grok 和 X 中。Grok Imagine Image 2.0（2026 年 8 月 7 日发布）新增精确局部编辑、多图参考融合与智能重构图。 | URL | 免费/付费 |
| Stitch | Google Labs 推出的 AI 驱动 UI 设计工具，主打“氛围设计（vibe design）”。支持通过文字提示、草图或语音生成高保真多屏原型、设计系统和前端代码，可导出到 Figma 或 Google AI Studio，并提供 MCP Server 与 SDK 供编码代理调用。入门介绍 | 官网 | 免费 |
| Z-Image | Z-Image是阿里巴巴通义实验室（Tongyi Lab）于近期开源的一款高性能图像生成模型。它主打“极速”与“高质量”的平衡，非常适合需要快速出图的场景。Z-Image-Turbo在线demo: https://huggingface.co/spaces/mrfakename/Z-Image-Turbo | Github  |
免费 |
| 即梦AI | 字节跳动旗下的文生图、AI视频生成和AI图片编辑应用 | URL | 免费/付费 |
| Midjourney | 输入文字或图片进行图片创作。当前默认模型 Midjourney V8.2（2026 年 7 月 24 日发布）。应用示例： 尝试用chatGPT+midjourney进行科研绘图，被效果震惊到了。。。 |
URL | 付费 |
| Stable diffusion webui | 开源项目，输入文字或图片进行图片创作，Stable diffusion webui 是 Stable Diffusion 的 GUI，将 Stable Diffusion 实现可视化的图像用户操作界面，当前模型 backbone 为 Stable Diffusion 3.5。它本身还集成了很多其它有用的扩展脚本。 新手入门教程：https://www.bilibili.com/video/BV1Qo4y167AK/ AI风格化视频或AI真人视频的效果： 1. 【AI动画】欣小萌天台蹦迪 动画版， 2. 死磕真人AI动作，人物和背景的终于不闪了，你们觉得哪个更好点？ 3. 5分钟，教会你如何生成AI动画 |
GitHub  |
免费 |
| Photoshop 生成式AI功能 | 在Adobe Photoshop中使用生成式AI填充功能。功能介绍： 1. B站视频：Photoshop 革命性新功能-生成式填充功能介绍 2. 巫师后期B站视频：引爆点——Photoshop核弹级更新（创成式AI填充）彻底改变图片行业！ |
URL | Photoshop 订阅会员可下载Beta版本试用 |
| firefly | Adobe 的AI图片处理网站 | URL | 免费/付费 |
| clipdrop | Stability AI 公司旗下的图像处理网站，底层模型已升级为 Stable Diffusion 3.5 / Stable Image Ultra，包含文生图、AI 扩图、图生图、去除背景等功能。 | URL | 免费/付费 |
| civitai | Civitai(C站)是一个用于分享AI图像创作模型资源的网站平台，拥有大量模型，已成为SD开源社区主要的模型交流场所 | URL | 免费 |
| 通义万相 | 阿里旗下的文生图和AI图片创作应用 | URL | 免费 |
| ideogram.ai | AI 文字生成图片的网站。当前版本 Ideogram 3.0（2025 年 3 月 26 日发布）。前谷歌 AI 绘画 4 位大牛创立的公司推出的产品。 | URL | 免费 |
| Skybox AI | 输入文字生成360度全景图片 | URL | 免费/ 付费 |
| Nero AI | AI图片放大、修复划痕、AI图片上色、AI图片去噪、AI一键抠图换背景、AI神奇擦除笔、AI写真；介绍。API文档：https://ai.nero.com/ai-api/docs/ | URL | 付费/试用 |
| remove.bg | 一键删除图片背景 | URL | 免费/付费 |
| ControlNet | 能够在一个text2image上训练的扩散模型进行高效finetune，并且结合特定的condition输入，得到可控的效果 | Github  |
免费 |
| black-forest-labs/flux2 | FLUX.2 模型的官方推理资源库 | Github  |
免费 |
| Topaz Photo AI | 面向摄影师的AI图像增强套件，集成图像放大、降噪、锐化、人脸修复等功能，本地桌面端运行 | URL | 付费/试用 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Seedance | 🌟 字节跳动的视频生成模型系列。当前 Seedance 2.5 驱动了即梦 / 小云雀等产品，支持 30 秒单次生成、最高 4K 输出、最多 50 个多模态参考输入、文生视频、图生视频、首尾帧条件控制与局部编辑，并通过火山引擎对开发者开放。介绍 / Skills | URL | 免费/付费 |
| MiniMax H3 | 🌱 MiniMax 开源的通用多模态生成系统，支持文生视频、图生视频、首尾帧生视频、文生音视频等，可通过 SGLang、vLLM、diffusers、ComfyUI 本地部署。介绍 | GitHub  , HuggingFace |
免费 |
| 小云雀 | 小云雀app是由字节跳动旗下剪映推出的AI视频和图片创作助手,支持AI智能成片、数字人视频、AI设计、AI换背景等多种功能，可以免费试用 Seedance 2.5, Seedance 2.5专题 | URL | 试用积分/付费 |
| 豆包 | 字节跳动旗下的AI视频创作助手，支持文生视频、图生视频、数字人视频等多种功能 | URL | 免费/付费 |
| 即梦AI | 字节跳动旗下的文生图、AI视频生成和AI图片编辑应用 | URL | 免费/付费 |
| 剪映 | 字幕生成语音、语音生成字幕、字幕翻译、一键图文成片，还有很便捷、强大的视频剪辑功能 识别字幕是vip功能 |
URL | 免费/付费 |
| 通义万相 Wan 3.0 | 阿里通义万相全能参考视频生成模型，支持文本、图片、视频、音频、文档、PPT、网页等多模态参考输入，最高 20 个素材参考，单次直出最长 30 秒视频，具备像素级一致性保持和精准视频编辑能力 | URL | 免费/付费 |
| 海螺AI | MiniMax 的 AI 视频生成平台，当前基于 MiniMax H3 / Hailuo 3。 | URL | 免费/付费 |
| 快手可灵 | 快手 AI 视频创作平台，当前基于 Kling 3.0（2026 年 1 月 31 日全量上线；3.0 Turbo / Omni 于 6 月 17 日升级；4 月 23 日支持原生 4K）。支持文生视频、图生视频、首尾帧、动作控制。 | URL | 免费/付费 |
| PixVerse | 利用文本和照片创建令人惊叹的人工智能视频 | URL | 付费/试用 |
| Dream Machine | 由 Luma AI 提供。Dream Machine 是一个人工智能模型，能根据文本和图像快速制作出高质量、逼真的视频，底层采用 Luma Ray 3.2（2026 年 6 月 9 日发布）。官方介绍视频 | URL | 免费/付费 |
| Runway | AI 视频生成与编辑平台，当前 Gen-4/Gen-4.5 模型支持文生视频、图生视频、视频生视频、运动笔刷及高级电影级镜头控制 | URL | 免费试用/付费 |
| Pika | 文本/图像 AI 生成视频。当前版本 Pika 2.2（2025 年 2 月 27 日发布），支持最长 10 秒 1080p 视频与 Pikaframes。 | URL | 免费试用/付费 |
| krea.ai | 提供文生图/视频、图片放大、模型训练等功能，Krea ai想做视频和图片界的 POE，目前集成了海螺、luma、Runway和可灵四家最好的视频生成模型。 | URL | 免费试用/付费 |
| HeyGen | 根据文字生成数字人的配音视频 | URL | 免费试用/付费 |
| Palmier Pro | 面向 AI 构建的开源 macOS 视频编辑器。结合专业时间线剪辑、AI 辅助工作流，以及 Seedance、Kling、Nano Banana Pro 等生成式图像/视频能力；支持 MCP，可让 Claude Code、Codex、Cursor 或内置 Agent 控制视频时间线。仅支持 Apple Silicon Mac。 | Github  |
免费/付费 |
| Topaz Video AI | AI视频增强、放大、去隔行、稳定、补帧、运动去模糊等专业视频修复工具，本地桌面端运行 | URL | 付费/试用 |
| OpenMontage | 开源的 Agentic 视频制作系统。将 AI 编程助手变成完整的视频工作室，提供 12 种制作流程（讲解视频、动画、纪录片蒙太奇等）、100+ 工具、提供商评分、预算治理和质量关卡。支持 Claude Code、Cursor、Codex、Windsurf 和 Copilot。 | Github  |
免费/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 🌟 Hugging Face | 领先的开源 AI 平台与社区。托管 100 万+ 模型、20 万+ 数据集和 50 万+ Spaces 演示；通过 Hub、Transformers、Diffusers、Accelerate 等生态支持模型发现、推理、微调和部署。入门介绍 | 官网 Github  |
免费/付费 |
| Together AI | Together AI是一个专为生成式AI设计的云平台，提供了从模型推理、微调到GPU集群部署等多种服务。相比其他传统云平台，Together AI 主要聚焦于高效处理开源生成式模型，并为开发者和企业提供更灵活、定制化的解决方案。Together AI 支持多个开源模型，包括 LLaMA、Falcon、FLUX1 等。这些模型覆盖了从自然语言处理、对话系统到代码生成等多个领域，满足了不同场景下的应用需求。用户可以直接调用这些模型，也可以上传自己的数据进行微调，提升模型在特定任务中的表现。 文章介绍: Together AI是一个生成式AI服务平台 |
URL | 免费/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| LeetGPU | GPU编程学习和竞赛平台，类似于GPU编程领域的 LeetCode，帮助开发者练习和掌握GPU编程技能。对于AI模型训练和推理的GPU加速优化非常有帮助，是学习CUDA/GPU编程的优质平台。 | URL | 免费 |
| LeetCUDA | 一个开源的 CUDA 编程和深度学习算子优化学习仓库及题库。包含从基础到高级（如 FlashAttention-2）的 200 多个 Kernel 实现，并提供 PyTorch 绑定，是学习 GPU 加速和算子优化的优质资源。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| System Prompts and Models of AI Tools | 目前最全面的主流 AI 工具（Cursor, Claude Code, Windsurf, Trae, v0 等）系统提示词、工具定义和模型配置集合。是研究提示词工程（Prompt Engineering）和 AI Agent 架构设计的终极参考。 | Github  |
免费 |
| f/awesome-chatgpt-prompts | This repo includes ChatGPT prompt curation to use ChatGPT better. | Github  |
Free |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| FastChat | 用于训练、服务和评估大型语言模型的开放平台。Vicuna 和 Chatbot Arena 的发布仓库。 | Github  |
Free |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| AirLLM | 通过逐层加载大幅降低大语言模型推理显存占用的 Python 库，可在 4GB 显存上运行 70B 模型、8GB 上运行 405B 模型、约 12GB 上运行 671B 的 DeepSeek-V3。支持 4 位/8 位量化，并通过统一的 AutoModel 接口支持众多开源模型。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 微信读书 | “AI问书”功能，在阅读时遇到不理解的内容，可以通过AI问书功能获得即时解释。AI问书的回答通常包含注释和相关书籍推荐，并且可以通过点击回答中的链接跳转到相关书籍的特定选段，增加回答的可信度更多介绍 | URL | 免费/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Notion AI | AI辅助笔记软件，支持AI写作、总结、头脑风暴等功能 | URL | 提供一定的免费AI试用额度，AI功能每月$10 |
| Obsidian | 强大的本地优先 markdown 笔记工具，拥有丰富的 AI 插件生态 - 通过社区插件支持 AI 总结、RAG、智能笔记处理等功能 | URL | 免费/付费 |
| Deep L Write | 英文、德文写作工具，可以及時修正写作錯誤、改写句子。 | URL | 免費版本使用有文字字数限制/有付费升级版 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Google 翻译 | 支持不同的格式，包括文本、图片、文档和网址 | URL | 免费 |
| Deep L | 准确即时的翻译工具，目前支持 31 种语言 | URL | 免费/付费 |
| immersive-translate | 开源的，沉浸式双语网页翻译扩展 | GitHub  |
免费 |
| RTranslator | RTranslator 是一款开源、免费的安卓离线实时翻译应用程序。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| whisper | 开源，OpenAPI 开源的通过大规模的弱监督进行鲁棒性的语音识别的模型 | GitHub  |
免费 |
| FunASR | 阿里通义实验室开源的工业级语音识别工具包，GPU上170倍实时（比Whisper快13倍），支持50+语言、说话人分离、情感检测。提供OpenAI兼容API：funasr-server --device cuda |
GitHub  |
免费 |
| whisper.cpp | OpenAI 的 Whisper 模型在 C/C++ 中的实现 | Github  |
Free |
| VideoCaptioner | 基于 LLM 的智能字幕助手，无需GPU一键高质量字幕视频合成！支持生成、断句、优化、翻译全流程。让视频字幕制作简单高效！ 视频介绍：痕继痕迹/开源免费！一键生成字幕并翻译，中日英多语言支持！- 字幕生成、断句、优化、翻译全流程处理 |
Github  |
免费 |
| buzz | 开源，基于OpenAI的Whisper识别语音并生成字幕的开源桌面软件，使用CPU进行处理 | GitHub  |
免费 |
| WhisperDesktop | 开源，基于OpenAI的Whisper，Windows系统的桌面应用，使用GPU进行处理，GPU性能好的话会比CPU上更快。使用介绍：https://www.appinn.com/const-me-whisper/ | GitHub  |
免费 |
| whisperX | 开源，一位来自牛津大学的博士生Max Bain开源的模型，WhisperX可以按照单词对齐时间戳，基本上生成的字幕都是完整的句子。生成结果除了srt还有json文件，里面有每一行里面单词的时间戳，可以根据需要二次整理字幕。还能识别发言人，准确率还可以。使用示例： 1. 在google colab上使用whisperX生成youtube视频字幕的代码：whisperx_youtube_subtitle，可以免费使用colab的GPU，使用GPU T4，2小时40分钟的视频字幕生成6分钟左右，挺快的。 |
whisperX  |
免费 |
| 飞书秒记 | 上传视频或者音频可转录为文字，并可一键导出到飞书文档。处理速度很快，一个将近 2 个多小时的视频，约 6 分钟完成。 | URL | 免费，有企业付费版 |
| 通义听悟 | 阿里旗下的语音转录应用 | URL | 免费/付费 |
| 阿里云智能语音交互-语音识别API | 试用版3个月免费试用期，录音文件识别免费额度:2小时/日 | URL | 付费/免费试用 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 海螺 AI 语音转文字 | 提供 17 种语言、多种口音的 300 多种声音，涵盖多种风格和年龄段 | URL | 限时免费 |
| 剪映 | 文本朗读有很多的音色选择 | URL | 免费/vip |
| IndexTTS | B站开源的工业级可控零样本文本到语音系统。当前旗舰版本 IndexTTS-2.5 支持中、英、日、西、阿五种语言，具备情感控制、语速控制、拼音/CMU音标/日语假名发音控制，推理速度优于 2.0，并支持通过 vLLM 部署。在线 Demo: https://huggingface.co/spaces/IndexTeam/IndexTTS-2.5-Demo 论文: https://arxiv.org/abs/2601.03888 |
Github  |
免费 |
| 微软Azure 文本转语音 | 目前最好用最真实的语音工具，包括自媒体配音最常见的云希和晓晓的声音； 效果演示：痕继痕迹:啊？这是AI合成的？- 盘点那些超逼真的AI语音！ |
URL | 付费/每个月有50万字符的免费额度 |
| FireRedTTS‑2 | FireRedTTS‑2 是一种用于多说话人对话生成的长格式流式 TTS 系统，可提供稳定、自然的语音，具有可靠的说话人切换和上下文感知的韵律。小红书开源的。 | URL | 免费 |
| TTS-Online | 提供超过160种声音选项 美真人配音选择，包含主流的小帅 小美 微软的一些语音，如果你是二次元游戏迷之类网站还提供超过1000+的动漫游戏角色的声音。网站可以提供api。分享者：issue | URL | 免费 |
| 火山引擎TTS | 火山引擎的语音合成 | URL | 付费 |
| 配音神器 | 有网页端、windows客户端工具，使用比较方便 | URL | 付费/非 VIP 每天可试用 5 次 |
| elevenlabs | 文字转语音的服务，提供多种语言。当前旗舰 Eleven v3 已全面可用。 | URL | 免费/付费 |
| ChatTTS | ChatTTS是专门为对话场景设计的文本转语音模型，例如LLM助手对话任务。它支持英文和中文两种语言。最大的模型使用了10万小时以上的中英文数据进行训练。官网：https://chattts.com/ | Github |
免费 |
| FunAudioLLM/CosyVoice | 阿里开源的TTS模型 | Github  |
免费 |
| fish-speech | 输入 10 到 30 秒的声音样本即可生成高质量的 TTS 输出 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| shazam | 下载Shazam app可以进行音乐识别，识别速度挺快的 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| ElevenLabs | 业界领先的 AI 语音合成和变声工具。当前旗舰 Eleven v3 已全面可用；提供高度逼真的文本转语音、语音克隆（只需几分钟音频）和变声功能，支持多种语言和情感语音。 | URL | 免费/付费 |
| RVC (Retrieval-Based Voice Conversion) | 开源语音转换模型，可以高质量地将任何声音转换为另一种声音。常用于唱歌声音转换和语音克隆。 | GitHub  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 剪映 | 目前只有APP端有声音克隆的功能，朗读一小段文字就能完成音色的克隆，音色效果很牛。当你添加文本时，在“文本朗读”那个功能中，点击“我的”tab，就能看到这个功能了 | URL | 限免 |
| 豆包 | 字节跳动的AI聊天应用，豆包app中声音设置可以选择“创建我的声音”，回答问题的时候就可以用克隆的声音来回答了 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Seamless | 可以实时翻译100多种语言，延迟不到2秒钟，说话者仍在讲话时就开始翻译。Seamless翻译不仅仅是文字上的转换，还能保持说话者的情感和语气、语调等，使得翻译后的语音更加自然和真实。Seamless模型统一了SeamlessExpressive、SeamlessStreaming和SeamlessM4T v2的功能。旨在实现多语言、表达性和流畅的语音翻译。在线体验Demo地址 | Github  |
Free |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| open-mmlab/Amphion | 开源音频、音乐和语音生成工具包， 在线使用：https://huggingface.co/amphion 文章介绍：机器之心：霉霉演唱《稻香》，国内团队的Amphion音频生成火了 |
Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| VibeVoice | 微软开源的语音 AI 框架，同时包含 ASR 和 TTS 功能。ASR 支持 60 分钟长音频处理，自带说话人分离和 50+ 语言支持；TTS 支持生成自然的长格式多说话人语音和实时流式输出。入门介绍 | Github  |
免费 |
| Voicebox | 开源、本地优先的 AI 语音工作室（可自托管，替代 ElevenLabs + WisprFlow）。集成声音克隆、语音生成（多个 TTS 引擎，支持 23 种语言）、基于 Whisper 的听写/转录，以及用于文本润色的本地 LLM。内置 MCP 服务器，可让 Claude Code、Cursor 等 AI 智能体用克隆的声音说话。所有模型与语音数据均保留在本地；支持 macOS/Windows/Linux/Docker 并可 GPU 加速。 | Github  |
免费 |
| speech-to-speech | Hugging Face 开源的低延迟、全模块化语音 Agent 流水线（VAD → STT → LLM → TTS）。对外提供 OpenAI Realtime 兼容的 WebSocket API；每个组件都可替换，支持完全本地部署或 API 后端。已作为 Reachy Mini 机器人的对话后端投入生产使用。 | GitHub  |
免费 |
| vocalremover | 分离人声和伴奏 | URL | 有免费的试用额度/付费 |
| lala.ai | 从任何音频和视频中提取人声、伴奏和各种乐器 | URL | 有免费的试用额度/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 海绵音乐 | 字节跳动推出的AI音乐创作网站，输入提示词和风格来创作音乐 | URL | 免费 |
| suno.ai | 使用 AI 通过文本来创作音乐。当前版本 Suno v5.5（2026 年 3 月 26 日发布）。suno专题页面 应用示例： 韩雪：【AI音乐家】我在古镇用AI写歌！ |
URL | 免费/付费 |
| udio | 使用AI通过文本来创作音乐 | URL | 免费/付费 |
| mureka.ai | 昆仑万维的 AI 生成音乐应用。当前旗舰 Mureka V9（2026 年发布）。 | URL | 免费/付费 |
| elevenlabs/sound-effects | elevenlabs 提供的通过文本生成音效的工具 | URL | 免费 |
| audiocraft | Meta开源的一个用于音频/音乐生成的开源库，其中主要包括两个模型，MusicGen：文本到音乐模型，AudioGen：文本生成声音模型。MusicGen在线Demo | GitHub  |
免费 |
| Stable Audio | Stability AI 旗下的 AI 音乐、音效生成应用。当前版本 Stable Audio 3.0（2026 年 5 月 20 日发布）。 | URL | 免费/付费 |
| OptimizerAI | 音效生成 | URL 官方推文介绍 | 免费/付费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| VideoLingo | VideoLingo 是一站式视频翻译本地化配音工具，能够一键生成 Netflix 级别的高质量字幕，告别生硬机翻，告别多行字幕，还能加上高质量的克隆配音。 | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Lean 4 | 交互式定理证明器 and 函数式编程语言，是 AI 形式化数学研究和自动定理证明的核心基础设施（如 DeepMind 的 AlphaProof 和 DeepSeek-Prover 均基于此）。 | Github  |
免费 |
| AMiner | AI赋能科技情报挖掘，提供学术搜索、论文检索、专利、文献追踪、学者画像等功能 | URL | 免费 |
| alphaxiv | 一个基于arXiv平台的开放学术讨论社区，允许用户通过替换论文链接域名（arxiv.org替换为alphaxiv.org）直接在论文页面上进行逐行评论、提问和实时互动。并提供了 Ask AI 和 AI 生成文章博客等 AI 功能 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| 微信 | 微信对话框中的图片有提取文字的选项，识别效果很好，使用了几次基本没有什么识别错误。 2021-03月份 微信AI对OCR功能的介绍：三年磨一剑——微信OCR图片文字提取 |
免费 | |
| Umi-OCR | 开源、免费的离线OCR软件。支持截屏/粘贴/批量导入图片，段落排版/排除水印，扫描/生成二维码。内置多国语言库。 | Github  |
免费 |
| light-ocr | 面向 Node.js 和 C++ 的快速离线 OCR，内置 PP-OCRv6 模型和跨平台运行时。 | Github  |
免费 |
| allenai/olmocr | 一个用于训练语言模型以处理实际PDF文档的工具包。Demo网址: https://olmocr.allenai.org/ | Github  |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| ChatGPT for YouTube | Chrome 插件，快速总结 Youtube 视频內容，需要登录chatgpt账号或者apikey | URL | 免费 |
| BibiGPT | 开源项目，音视频内容 AI 一键总结：哔哩哔哩、YouTube、网页、播客、会议、本地文件等 | GitHub  |
免费 |
| Claude Video | 开源工具，让 AI 智能体能够"观看"并总结视频：从 YouTube、TikTok 或本地文件中提取关键帧、字幕/转录文本，并基于画面和音频内容回答问题。支持 Claude Code 及 50+ 智能体宿主。 | Github |
免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| AI Detect Lab | 针对 Midjourney v7 和 Flux 优化的专业 AI 图像及 Deepfake 检测工具，提供高精度鉴别服务。 | URL | 免费 |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Figure 03 | Figure AI 的第三代人形机器人，搭载自研 Helix 视觉-语言-动作模型。公司 2025 年完成超 10 亿美元 C 轮融资，估值达 390 亿美元；F.03 已进入量产爬坡阶段并在宝马（BMW）工厂投入使用。 | URL | |
| Atlas | 波士顿动力新的电动人形机器人 | URL | |
| Optimus Gen 2 | 特斯拉的人形机器人 | URL | |
| Apollo | Apptronik 公司的人形机器人，已迭代至 Apollo 2，合作方包括 Google DeepMind、NVIDIA、奔驰（Mercedes-Benz）、GXO 等，聚焦物流与制造场景。 | URL | |
| GR-1 | 傅利叶公司的人形机器人 | URL | |
| Digit | Agility公司的人形机器人 | URL | |
| NEO | 1X 公司面向家庭场景的消费级人形机器人，已开放预订（200 美元定金） Neo Gamma家务机器人视频 |
URL | |
| H1 | 宇树科技的人形机器人 | URL | |
| Phoenix | Sanctuary AI 公司的人形机器人，以液压灵巧手技术见长；2026 年公司战略转向为其他机器人平台提供 Physical AI 软件，并拓展至工业机器人领域。 | URL | |
| MenteeBot | 以色列人形机器人公司 Meetee Robotics 发布的首款双足人形机器人 | URL |
| 名称 | 说明 | 链接 | 费用 |
|---|---|---|---|
| Genesis | 通用机器人和具身智能（Embodied AI）的高性能仿真平台。集成了统一物理引擎、照片级渲染器和跨平台编译器，支持刚体、流体、布料等多种物理模拟，是训练 AI 机器人核心能力的“虚拟世界”。入门介绍 | Github  |
免费 |
- Sparks of Artificial General Intelligence: Early experiments with GPT-4: 该论文是一篇长达154页的对 GPT-4 的测试。微软的研究院在很早期就接触到了 GPT-4 的非多模态版本，并进行了详尽的测试。这篇论文不管是测试方法还是测试结论都非常精彩，强烈推荐看一遍。
- 《GPT-4 ，通用人工智能的火花》论文内容精选与翻译: Sparks of Artificial General Intelligence: Early experiments with GPT-4 这篇论文的精选和中文翻译。
有兴趣赞助这个项目吗？欢迎联系我们！
如果您喜欢这个项目，可以赞赏一下支持我们，谢谢您的支持！ღ( ´･ᴗ･` )ღ
