产品库

多模态AI模型，图像理解与生成兼备

Mini-Gemini是由香港中文大学终身教授贾佳亚团队开发的多模态模型，具备精准的图像理解能力和高质量的训练数据。该模型结合图像推理和生成，提供不同规模的版本，性能与GPT-4和DALLE3相媲美。Mini-Gemini采用Gemini的视觉双分支信息挖掘方法和SDXL技术，通过卷积网络编码图像并利用Attention机制挖掘信息，同时结合LLM生成文本链接两个模型。

数学文本智能标记数据集

AutoMathText是一个广泛且精心策划的数据集,包含约200GB的数学文本。数据集中的每条内容都被最先进的开源语言模型Qwen进行自主选择和评分,确保高标准的相关性和质量。该数据集特别适合促进数学和人工智能交叉领域的高级研究,作为学习和教授复杂数学概念的教育工具,以及为开发和训练专门处理和理解数学内容的AI模型提供基础。

网页应用的智能助手

flowstate是网页应用的智能助手，能够为用户提供即时访问和支持。它能够无缝整合知识和支持，轻松提升用户在您的网页应用中的熟练程度。通过记录流程、对流程进行训练，以及将训练后的AI作为用户的专家，flowstate能够指导用户在他们与您的网页应用的整个交互过程中，帮助他们解决问题，甚至在途中教授他们新的知识。UIUX设计师和开发人员一直在努力为用户创造出色的体验，然而，任何网页应用都存在一定的学习曲线。flowstate旨在通过自然语言交流的方式解决这一问题，提升用户体验。

AI驱动的正则表达式生成器

RegEx Helper 是一款AI驱动的在线工具，旨在帮助用户快速生成正则表达式。它通过用户描述需求，自动生成匹配的正则表达式，简化了编程过程中正则表达式的创建和管理，尤其对编程新手或需要快速验证正则表达式的开发者来说，是一个极大的便利。

获取竞争对手广告创意的洞察

Ad Intel是一个提供广告创意洞察的在线平台，旨在帮助用户通过分析竞争对手的广告来获取数据支持的行动建议。它通过自动化的方式识别、跟踪和分析竞争对手的成功广告，从而节省用户在广告图书馆中搜索的时间，减少盲目测试的广告支出，并提供可操作的建议来提高广告的投资回报率(ROAS)。该平台由位于加利福尼亚州旧金山的MadMen AI团队开发，由Sesame Labs在2024年发布。

为构建者提供一个被发现和发现他人的地方

Sage是一个由buildspace团队开发的平台，旨在为构建者、创业者和创意人士提供一个展示自己作品、技能和项目的空间。它允许用户相互发现并建立联系，促进合作和交流。Sage的主要优点在于其社区驱动的特性，以及为构建者提供展示和被发掘的机会。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

AI驱动的内部链接工具，简化SEO工作

SEOJuice是一个AI驱动的内部链接工具，旨在简化SEO工作，通过自动化创建内部链接，帮助网站提升在搜索引擎中的排名。由Vadim个人开发，以解决手动添加内部链接的繁琐和耗时问题。SEOJuice通过AI扫描网站内容，找到合适的上下文链接和关键词，并自动添加，从而提升整个网站的SEO性能。作为一个自筹资金、独立运营的项目，SEOJuice不依赖外部投资，以用户订阅费用为运营资金。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2-large-ft是由微软开发的高级视觉基础模型，使用基于提示的方法来处理广泛的视觉和视觉-语言任务。该模型能够通过简单的文本提示执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，实现多任务学习。模型的序列到序列架构使其在零样本和微调设置中均表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行如描述、目标检测和分割等任务。它利用包含54亿个注释的5.4亿张图像的FLD-5B数据集，精通多任务学习。模型的序列到序列架构使其在零样本和微调设置中都表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2-large是由微软开发的先进视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示来执行如图像描述、目标检测和分割等任务。它利用包含54亿注释的5.4亿图像的FLD-5B数据集，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

多人协作，提升软件开发效率

Multi是一款专为软件开发团队设计的协作工具，它通过多人协作、共享控制、即时通讯和自动记录等功能，帮助团队成员更高效地沟通和工作。产品基于Zoom的高质量音视频基础设施，提供低延迟的共享控制体验，并通过AI技术自动生成会议摘要和行动项，进一步加速团队的软件开发流程。

智能编码助手，提升开发效率

通义灵码是一款专为开发者设计的智能编码助手，支持多种开发环境，包括JetBrains IDEs、Visual Studio Code、Visual Studio等。它通过集成先进的AI技术，帮助开发者快速完成编码任务，提高编码效率和质量，适用于各种编程语言和开发场景。

AI数字人智能交互平台

DUIX是一个开源的AI数字人智能交互平台，由硅基智能打造。它允许开发者接入多种大模型和语音能力，实现数字人实时交互，并支持在Android和iOS多终端一键部署。DUIX适用于多种场景，包括地铁、银行、政务等，具有低成本快速部署、小网络依赖和功能多样化的特点。

AI原生数据应用开发框架

DB-GPT是一个开源的AI原生数据应用开发框架，利用AWEL(Agentic Workflow Expression Language)和代理(agent)技术，简化了大型模型应用与数据的结合。它通过多模型管理、Text2SQL效果优化、RAG框架优化、多代理框架协作等技术能力，使企业和开发者能够以更少的代码构建定制化应用。DB-GPT在数据3.0时代，基于模型和数据库，为构建企业级报告分析和业务洞察提供了基础数据智能技术。

一个开放平台，用于日常使用的语言代理。

OpenAgents是一个开放平台，旨在使用户和开发者能够在日常生活中使用和托管语言代理。该平台已经实现了三种代理：数据分析的Data Agent、集成200+日常工具的Plugins Agent和自动网页浏览的Web Agent。OpenAgents通过优化的Web UI使普通用户能够与代理功能进行交互，同时为开发者和研究人员提供在本地设置上的无缝部署体验，为创新语言代理的构建和现实世界评估提供了基础。

macOS风格的开源React桌面环境

MacAIverse是一个完全由AI生成代码，使用React构建的macOS风格的开源桌面环境。该项目由Claude AI助手初始创建，现在开放给其他Claude实例或其他开发者贡献新的应用。它遵循macOS设计原则，保持与整体桌面环境的一致性，并通过Tailwind CSS和framer-motion库实现流畅的动画和响应式布局。

本地机器智能的探索之旅

Local III是一个由超过100名来自世界各地的开发者共同开发的更新，它提供了易于使用的本地模型浏览器，深度集成了推理引擎如Ollama，为开放模型如Llama3、Moondream和Codestral定制了配置文件，并提供了一套设置，使离线代码解释更加可靠。Local III还引入了一个免费的、托管的、可选的模型通过解释器--model i。与i模型的对话将用于训练我们自己的开源计算机控制语言模型。

自动化文档工作流程，释放AI的力量。

Playmaker Document AI是一款旨在通过人工智能技术自动化文档处理流程的产品。它通过智能识别和提取文档中的数据，帮助用户消除手动工作，简化基于文档的流程。产品背景信息显示，Playmaker Document AI由Playmaker Software Ltd.开发，团队来自伦敦、爱丁堡、伊斯坦布尔和新德里。产品的主要优点包括数据的安全性、支持多种文档类型、以及能够与300多个集成无缝对接。

高效的混合搜索和实时分析数据库

Rockset是一个为大规模数据提供高效搜索和实时分析的数据库平台。它支持向量、文本、地理空间和JSON数据的索引，能够实现混合搜索架构，并通过流式数据摄入和高QPS工作负载来测量端到端延迟。Rockset的主要优点包括实时索引、毫秒级SQL查询、快速开发新功能、降低计算和存储成本，以及无需ETL、去规范化、管理分片、索引或集群的灵活性。

先进文本生成图像模型

Stable Diffusion 3是由Stability AI开发的最新文本生成图像模型，具有显著进步的图像保真度、多主体处理和文本匹配能力。利用多模态扩散变换器（MMDiT）架构，提供单独的图像和语言表示，支持API、下载和在线平台访问，适用于各种应用场景。

极速、便捷的匿名在线即时聊天室

AQChatServer是一个接入AI的极速、便捷的匿名在线即时聊天室，基于Netty和protobuf协议实现高性能，对标游戏后端开发，全程无需HTTP协议，支持文本、图片、文件、音频、视频的发送和接收。

快速构建自定义后台操作软件的开发者平台

Dropbase是一个为开发者设计的平台，旨在快速且无痛地构建自定义的内部工具和后台操作软件。它通过自然语言声明应用、UI预览、拖放调整、输入行为生成代码、代码运行和追踪调试等功能，帮助开发者摆脱低代码/无代码开发的局限。Dropbase支持与现有的CRM、计费和支持工具集成，提供如管理面板、审批仪表板、数据编辑器、云控制台和通知系统等多样化的内部软件组件，并且完全使用Python编写，提供代码的灵活性和重用性。

AI驱动的后端代码生成平台

Amplication是一个开源的、强大的开发平台，旨在革新.NET和Node.js应用程序的创建过程。它通过AI技术将想法快速转化为生产就绪的代码，自动化后端应用程序开发，确保一致性、可预测性，并符合最高标准。Amplication的用户友好界面促进了API、数据模型、数据库、认证和授权的无缝集成。它基于灵活的插件架构构建，允许轻松定制代码，并提供多样化的集成选项。Amplication专注于协作，简化了面向团队的开发，使其成为从初创公司到大型企业各规模团队的理想选择。

一个定制的ComfyUI节点，用于Hallo模型。

ComfyUI-Hallo是一个为Hallo模型定制的ComfyUI插件，它允许用户在命令行中使用ffmpeg，并从Hugging Face下载模型权重，或者手动下载并放置在指定目录。它为开发者提供了一个易于使用的界面来集成Hallo模型，从而增强了开发效率和用户体验。

文本到视频的革命性生成模型

Kling AI是由快手科技开发的文本到视频生成模型，能够根据文本提示生成高度逼真的视频。它具有高效的视频生成能力，长达2分钟的30帧每秒视频，以及3D时空联合注意机制和物理世界模拟等先进技术，使其在AI视频生成领域具有显著的竞争优势。

更高效的开发工具，SSH/控制台/更多功能集成。

Xterminal是一款集成了SSH、本地控制台、AI赋能命令提示等功能的高效开发工具，旨在为开发者提供更便捷的开发环境。它支持多种操作系统，包括Windows、macOS和Linux，拥有免安装版本和兼容旧版系统的版本，满足不同用户的需求。

多语言可控文本到语音合成工具包

IMS-Toucan是由德国斯图加特大学自然语言处理研究所开发的多语言且可控的文本到语音合成工具包。它使用纯Python和PyTorch构建，以保持简单、易于上手，同时尽可能强大。该工具包支持教学、训练和使用最前沿的语音合成模型，具有高度的灵活性和可定制性，适用于教育和研究领域。

提升视频理解和生成的AI模型。

ShareGPT4Video系列旨在通过密集且精确的字幕来促进大型视频-语言模型(LVLMs)的视频理解以及文本到视频模型(T2VMs)的视频生成。该系列包括：1) ShareGPT4Video，40K GPT4V注释的密集视频字幕，通过精心设计的数据过滤和注释策略开发而成。2) ShareCaptioner-Video，一个高效且功能强大的任意视频字幕模型，由其注释的4.8M高质量美学视频。3) ShareGPT4Video-8B，一个简单但卓越的LVLM，其在三个先进的视频基准测试中达到了最佳性能。