Skyvern：开源浏览器工作流自动化工具，基于LLM与计算机视觉实现灵活可靠的网页交互
Skyvern是一款基于大语言模型（LLMs）和计算机视觉的开源浏览器工作流自动化工具，旨在解决传统自动化方案（如依赖XPath或DOM解析）的脆弱性问题。它通过视觉理解和逻辑推理...
DeepSeek-OCR：深度求索推出的开源 LLM 视角 OCR 工具，高效提取图像与文档文本
DeepSeek-OCR 是由 deepseek-ai 团队开源的高性能 OCR 模型，核心聚焦于从 LLM 视角探索视觉 - 文本压缩技术，支持图像、PDF 等多模态输入的文本提取。该模型提供 Native和...
Qwen3-VL：Qwen 系列推出的强大多模态 AI 模型，打通视觉与语言的智能融合
Qwen3-VL 是 Qwen 系列开源的强大多模态视觉 - 语言模型，支持图像 / 视频理解、文本交互、视觉代理等全场景任务，具备长上下文处理、空间感知、跨语言 OCR 等核心能力，提...
LiveCC：开源实时视频解说大模型，融合流式语音转录与多模态理解
LiveCC 是一款开源实时视频解说大语言模型（Video LLM），旨在通过融合视频视觉信息与流式语音转录（ASR）文本，实现对视频内容的实时理解与动态解说。该项目提供从数据生产...
Katakate：开源轻量级安全 VM 沙箱工具，支持大规模 AI 计算与多场景隔离编排
Katakate（简称 k7）是一个开源的轻量级安全 VM 沙箱工具，基于 Kubernetes、Kata Containers 和 Firecracker 等成熟技术构建，旨在为大规模 AI 计算、无服务器架构、CI/CD...
Open Notebook：开源隐私优先的研究助手，支持多模态管理与多 AI 模型集成
Open Notebook 是一款开源、隐私优先的研究工具，作为 Google Notebook LM 的替代方案，支持本地化部署与数据自主控制。它兼容 16+ AI 模型，可管理 PDF、音视频等多模态内...
ChatGPT Atlas 来了！OpenAI 首款 AI 浏览器落地 macOS，跨页实时辅助 + 代理模式成亮点
2025年10月21日，OpenAI正式发布ChatGPT Atlas——一款以ChatGPT为核心构建的全新网页浏览器。这款产品突破传统浏览器的功能边界，旨在将AI“超级助手”体验融入网页使用全...
ChopperBot：开源全自动化多平台直播切片机器人，支持智能剪辑与跨平台发布
ChopperBot 是一款开源全自动化多平台直播切片机器人，专注于直播视频的全流程处理，涵盖热门直播爬取、智能切片、标题封面生成及跨平台发布等功能。其采用插件化架构，支持...
VitaBench：美团联合 Sierra Research 推出的 LLM 智能体生活服务场景基准测试框架
VitaBench 是一款由美团与 Sierra Research 联合开发的开源基准测试框架，专为评估大型语言模型（LLM）智能体在真实生活服务场景中的综合能力而设计。该框架通过模拟外卖、...
Genkit：Google推出的开源全栈AI应用开发框架，支持多语言与多模型集成
Genkit是Google Firebase团队开发并开源的全栈AI应用开发框架，核心目标是简化AI应用从开发、测试到生产部署的全流程。该框架提供统一接口，可无缝集成Google Gemini、Open...