HunyuanCustom：腾讯推出的多模态驱动的定制化视频生成框架，让视频创作更自由

支持文本、图像、音频、视频等多种输入模态，满足多样化创作需求；单主体视频定制效果出色，身份一致性高达0.627；提供单GPU和多GPU推理方案，适配不同硬件环境
DeerFlow：深度研究的利器，结合语言模型与多种工具，助力高效研究与知识探索。

支持多语言模型集成，兼容OpenAI等API；无缝集成MCP服务，拓展研究边界；提供交互式修改研究计划，支持人类参与研究流程
一款无需OCR的本地部署文档信息提取工具，通过视觉语言模型轻松提取文档中的结构化信息。

完全本地化部署，保障数据隐私；支持多页文档处理，满足复杂文件需求；提供REST API接口，方便与现有系统集成

docext | #工具
工具
SweetPad：让VSCode成为iOS开发的强大工具。

集成swift-format等工具，代码格式化更高效；支持Simulator和物理设备调试，开发更灵活；提供Autocomplete和Debug功能，提升开发效率
AgentDock：用AI Agents构建复杂任务的开源框架。AgentDock让你轻松打造可配置、确定性强的AI系统，解决复杂任务自动化难题。

支持多语言，覆盖12种语言的README翻译；采用节点化架构，可扩展性强；提供多种预配置Agent模板，如“Dr. Gregory House”诊断Agent，助力快速开发
YASB：一个高度可配置的Windows状态栏，用Python打造你的个性化桌面体验。

支持超过30种可定制的桌面小部件，满足多样需求；适配Windows 10和11，兼容性强；开箱即用，安装简单，配置灵活
Seed-Coder：开源代码大语言模型，让代码模型自己筛选数据，大幅提升编程能力。

8B参数量，轻量级却强大；仅需极少量人工干预，自动筛选训练数据；在多种编程任务中表现卓越，超越部分更大模型
Awesome-Unified-Multimodal-Models：一站式汇聚前沿多模态统一模型资源，助力研究人员和开发者快速掌握领域动态。

涵盖2023年至2025年的最新多模态模型，紧跟技术前沿；提供丰富论文、数据集和评估基准，资源全面；细分多种模型架构与任务类型，便于精准定位需求
MMAR：一个极具挑战性的深度推理基准测试，专为音频、音乐和语音领域的AI模型设计

包含1000个精心策划的音频-问题-答案三元组，覆盖多种真实场景；部分问题需要研究生级别的专业知识，难度极高；数据涵盖语音、音频、音乐及其混合模态，全面评估模型能力
Media is too big
VIEW IN TELEGRAM
跨平台Xcode替代工具，用SwiftPM在Linux、Windows和macOS上构建和部署iOS应用。

无需Mac即可开发iOS应用；支持多平台，覆盖Linux、Windows和macOS；提供完整的命令行工具和库支持

xtool | #工具
工具
Continuous Thought Machines：让思考成为一种持续的过程。核心价值在于模拟人类思考的动态过程，解决复杂任务

内部时间轴，独立于输入数据，让神经活动自由展开；神经元级时间处理，每个神经元都具备独特参数，实现精细的时间动态；神经同步作为直接的潜在表示，通过神经活动的时序编码信息
Before
After
Back to Top