Gamma-World：英伟达联合清华研发的AI世界模型，虚实场景高效协同仿真
Gamma-World（γ-World）是NVIDIA联合清华、多伦多大学推出的生成式多智能体世界模型，通过单纯形旋转智能体编码与稀疏枢纽注意力两大创新，解决传统模型对称性缺失、算力爆...
Cosmos 3：英伟达开源的多模态物理AI世界基础模型
Cosmos 3是英伟达（NVIDIA）完全开源的全模态物理AI基础模型，采用创新混合Transformer架构，原生集成视觉推理、世界生成与动作预测能力，可理解并生成文本、图像、视频、环...
Polar：英伟达开源的AI智能体强化学习训练框架
Polar是由NVIDIA NeMo团队开发的强化学习训练框架，专为真实世界智能体（Agent）工具箱（Harness）设计。其核心理念是“将工具箱视为环境”，允许开发者将现有智能体评估框...
OmniVoice Studio：开源本地化 AI 语音工具集，完全替代 ElevenLabs 的免费方案
OmniVoice Studio 是一个完全开源、本地运行的 AI 语音工具集，定位为 ElevenLabs 的替代品。它支持 646 种语言的零样本语音克隆、语音设计（多参数调节）、全流程视频配音...
Webwright：微软开源的终端原生Web智能体框架
Webwright是微软开源的终端原生Web智能体框架，核心采用代码驱动范式，让大模型自动生成Playwright脚本操控浏览器，摒弃传统点击预测模式。框架极简轻量（约1000行代码），...
Qwen‑VLA：通义千问开源的视觉语言动作模型，单一模型覆盖多机器人全场景任务
Qwen‑VLA是阿里通义千问推出的开源通用视觉‑语言‑动作统一具身智能模型，基于Qwen多模态基座构建，通过四阶段训练实现视觉感知、语言理解与连续动作生成的端到端融合，单...
Qwen3.7-Plus：通义千问推出的多模态智能体大模型，全链路自动化编程与GUI视觉操控
Qwen3.7-Plus是由阿里达摩院通义千问团队自研、依托Qwen3.7原生基座迭代升级的多模态通用智能体大模型，主打视觉+文本+代码三位一体的自主智能体闭环能力，Qwen3.7-Plus从底...
AgentMemory：开源AI编程智能体持久记忆系统，解决跨会话上下文丢失难题
AgentMemory是一款开源的AI编程智能体持久记忆系统，基于iii-engine构建，支持Claude Code、Cursor等工具接入，具备全自动捕获、四层结构化存储、混合检索等功能，本地私有...
ControlFoley：小米开源的可控视频音效生成模型，文本/参考音频双驱动精准配音
ControlFoley是小米开源的可控视频音效生成框架，支持文本引导、文本控制、参考音频控制三大配音任务，通过联合视觉编码、时间-音色解耦等技术，实现高可控、高同步、高音质...
Qwen-Image-Bench：通义千问推出的文生图评测基准，驱动AI绘画能力标准化评估
Qwen-Image-Bench是阿里通义千问团队开源的文生图专业评测基准，配套1000条中英双语分层数据集与自研Q-Judger评估引擎，可对AI绘画模型进行5大核心能力、56项指标的自动化量...