AI项目
jina-ocr-v1 - 面向高效部署的端到端文档解析 OCR 模型
jina-ocr-v1 是 jinaai 发布的端到端文档解析模型，任务类型为 image-text-to-text，基于 transformers 框架，采用 cc-by-nc-4.0 许可。据项目自述，它在 DeepSeek-OCR 骨干之上加入 FastMTP 推测解码头，主打「高效服务点」上的高质量 OCR，可直接输出 Markdown。
jina-ocr-v1 是 jinaai 发布的端到端文档解析模型，任务类型为 image-text-to-text，基于 transformers 框架，采用 cc-by-nc-4.0 许可。据项目自述，它在 DeepSeek-OCR 骨干之上加入 FastMTP 推测解码头，主打「高效服务点」上的高质量 OCR，可直接输出 Markdown。
Qwen-Image-2.1 是 Qwen 团队开源的统一文生图与图像编辑模型，视觉生成部分为 7B 参数、32 层 Single-Stream DiT。据项目自述，它支持原生透明（RGBA）图像生成、最多 10 张参考图的编辑、局部涂抹与掩码指定，并改善了排版与肖像光影。本文整理其维护状态、主要能力、安装调用方式与许可边界。
agent-memory 是 tigerless-labs 维护的 AI 智能体长期记忆运行时，采用 MIT 许可。它把 Markdown 文件作为唯一事实来源，SQLite 索引仅作可随时删除的缓存，检索在本地完成并返回文件路径而非粘贴文本。项目自述支持 Claude Code、Codex CLI 等可执行 shell 命令的宿主，写入在会话边界自动触发，无需 API key。
reverify 是一个把「模型提议、工具裁决」落到实处的开源项目：AI 提出的结构性或行为性断言，必须由确定性工具对照真实产物核验，只有通过核验的结论才算数。项目自述其同时提供上下文交接能力，避免长任务中上下文腐化。仓库采用 MIT 许可证，由 2akouwu 维护。
Step 5 Preview 是阶跃星辰推出的新一代旗舰基座模型，面向真实世界 Agentic 任务设计。模型采用稀疏 MoE 架构，总参数 600B、激活仅 27B，支持百万 Token 上...
Qwen3.8-LiveTranslate是阿里通义千问推出的实时同声传译大模型，采用Interleave架构重构，字均延迟从2.8秒降至2.3秒，支持60种语言。
gliner2.5-multi-v1 是 fastino 发布在 Hugging Face 上的多语言信息抽取模型，采用 apache-2.0 许可，任务类型为 token-classification，基于 gliner2 框架。据项目自述，它把实体抽取、文本分类、结构化记录解析、跨度属性打分与关系抽取统一到同一套 schema 与边界架构中，适合需要在多语言场景下用一个模型完成多种抽取任务的开发者。
MiniMax Code CLI 是 MiniMax 推出的开源命令行 AI 编程工具，为 MiniMax Code 客户端的核心组件，已以 MIT 协议开放源码。在 FrontierHarness Eval 评测中任...
HappyOyster 1.0是阿里推出的实时生成式开放世界模型系列，已上架阿里云百炼，无需邀测可API调用。模型包含两款，Adventure可基于文本或图像生成可自由探索的...
BrowserKitten 是维护者 Player-YN 开源的 Chrome MV3 未打包扩展，在侧边栏里跑一个能操作当前标签页、执行页面脚本并保存会话产物的智能体。它不上架 Chrome 应用商店，也不自带托管模型，需要用户自备 OpenAI 兼容 API Key。本文据事实表与项目自述整理其状态、能力、安装方式与已知限制。
maskit 是一个本地隐私脱敏与还原网关，在请求发往外部大模型前自动把密钥、连接串、手机号等敏感信息替换为结构化占位符，并在模型流式回复时本地还原。项目由 xiaYuTian11 维护，采用 AGPL-3.0 许可，截至 2026-09-20 星标 255。
GLM-5.3-FlashX 是智谱推出的高速推理模型，输出速度最高 200 tokens/s，较 GLM-5.3-Flash 提速 5 倍、提价 2.5 倍，API 已开放。模型基于 10 万张国产芯片算...
Hypit 是开源的 AI 视频生成工具，核心思路是给 Agent 一条爆款视频，Agent 自动拆解并复刻其完整工作流。工具把视频写成结构化的 .svml 文件，改一句文本，...
Jev 是 TypeSafe AI推出的 AI 结构化决策模型。模型不会聊天、写代码或生成任何文字，只做一件事：高频决策，输入非结构化信息，经一次并行计算，瞬间输出带...
Qwen3.8-Omni-Flash是阿里千问推出的原生全模态模型，支持文本、图像、音频、视频输入及1M长上下文，主打'从理解到交付'的Agent能力，可自主完成视频剪辑、MV...
Open-RAIL 是中国移动向全球开源的具身智能通用工程底座，同时是行业内首个连接 VLA/WAM 模型与机器人本体的通用神经系统。
Spark-Audio-1.0-Preview是科大讯飞推出的全国产语音基座大模型，采用0.65B音频编码器+30B-A3B MoE语言模型架构，用1300万小时音频及大量文本数据基于纯国产...
Union Alpha 是登陆 OpenRouter、Cline 和 OpenCode 的匿名'stealth'模型。模型支持文本与图像输入、工具调用，拥有256K上下文和131K最大输出，面向研究、编...
ZDTaichu5.0-9B是紫东太初开源的新一代通用多模态大模型，面向物理世界与具身智能场景。模型在九大国际空间基准中拿下8项同参数全球第一，MindCube-tiny得分7...
Iris 是小红书 AllSpark 团队开源的搜索智能体，含 35B（Iris-mini）和 397B（Iris-pro）两个版本。Iris能在真实网络中自主决定搜什么、怎么读、何时收敛作答...
Vidu S2 是生数科技推出的实时视频模型，发布即开放体验，含两大核心模型，S2-Editing 支持对视频流实时改风格、换装、换角色、换背景，帧对齐技术保证高速运...
Gemini 3.8 Live 是谷歌推出的实时语音对话模型系列，包括Gemini 3.8 Live 面向规模化部署，兼顾对话智能、视觉理解与成本效益；Gemini 3.8 Live Extended Th...
HiDream-O1-Video-1.0（简称HD-V1）是智象未来（HiDream.ai）推出的原生全模态视频生成模型，支持文本、图片、视频等多模态输入，可一键直出5–20秒1080p视频。
StepAudio 3 是阶跃星辰推出的语音大模型系列，包含 Realtime、ASR、TTS、Gen和 Music五款模型。模型中 Realtime 的语音推理准确率99.7%、ASR 的词错误率1.7%...