图像理解

Experiential 是一个面向智能体工作流的开源网关与路由器，通过一个 OpenAI 兼容 API 统一托管、BYOK 和本地模型。它支持按用户、智能体、用例及预算控制模型访问，并可将生产流量转化为针对质量、速度和成本优化的自定义路由器或模型。项目支持本地部署（pip install experiential）及托管平台，默认启用匿名聚合遥测。

MiMo是小米推出的通用智能平台大模型，专注于智能体代理与长程连贯推理。它通过网页演示与API门户支持快速集成，具备针对长周期代码任务的计算、记忆与进化设计核心。该平台支持多模态交互、开源语音识别与智能体语音合成，通过将复杂世界压缩为可理解语言并预测所需答案，辅助开发者高效构建应用

ResceneAgent（Rescene Agent OS）是一款本地优先的开源自迭代智能体操作系统，聚合多家免费模型并提供智能路由与熔断自愈，可用一条 marathon 命令抓取 Hacker News/GitHub 热点自主选题，按需求→计划→自检闭环迭代交付；同时具备联网自学写入记忆文件，以及内置 54 个设计系统参考的前端设计能力。

Ling-3.0-flash 是蚂蚁百灵（inclusionAI）推出的混合专家（MoE）大模型，总参数约 1240 亿，每 token 激活约 51 亿参数，支持 262144 token 上下文窗口、单次最大输出 32768 token。该模型已上架 OpenRouter，可通过统一 API 免费调用，适合需要长上下文与低成本推理的开发场景。

Gemini是Google打造的生成式AI助手，能够帮助用户完成写作、规划与头脑风暴等核心任务。该工具支持70种以上语言的实时语音到语音翻译，具备流式连续音频生成与自动语种检测功能，可精准保留原始语调、语速和音调，并拥有出色的强抗噪能力。借助生成式AI技术，用户可流畅开展跨语言交流、内容生成及多场景智能协作

GenOffice 是 Genspark 开源的 AI 原生办公套件，支持 macOS 与 Windows，由五个 Electron 应用共享一套引擎层，覆盖 .docx 文字处理、.xlsx 电子表格、演示文稿与 PDF。其 Docs 采用字节级保真往返，仅重新生成被编辑的段落，其余内容按原字节保留，避免在 Word 中打开保存时破坏排版，并支持分页视图、修订、批注、样式、公式与墨迹。

kixparadigm 是一套 AI 自编排编码范式开源包，将常驻认知层（persona/认知指令/方法论记忆）与 kixpower 多智能体编排（Producer 规划→Dev 实现→QA 验证）封装为 npm 包，可一键导入 DeepSeek Harness 或 VS Code Copilot。内置 17 技能、6 团队 Agent、5 slash 命令、机械门禁 hooks（128 断言）及 dsh-vision-bridge 识图补足插件（GLM-4.6V 自动转描述）。MIT 开源。

GPT-6 Luna 是 OpenAI 于 2026 年 9 月 22 日发布的 GPT-6 系列新模型，与 GPT-6 Sol 同样基于 GPT-6 Astra 的技术成果，在继承其大部分能力的同时提供更快速度与更低成本，面向规模化工作负载，并改进了缓存与推理效率。

GPT-6 Sol 是 OpenAI 于 2026 年 9 月 22 日发布的 GPT-6 系列新模型，基于 GPT-6 Astra 的技术成果，在继承其大部分能力的同时提供更快速度与更低成本，面向规模化工作负载，并通过更高效的缓存与推理支撑大规模使用。

Grok 是由 xAI 构建的 AI 助手，支持聊天对话、图像创建、代码编写，并能从网络和 X 平台获取实时信息回答用户问题。订阅用户可通过 Grok Heavy 等套餐获得 X Premium+ 等增值权益。

通义千问（Qwen）是阿里巴巴云开发的大语言模型系列，提供对话助手、代码生成、智能体工具调用、256K至100万token长文本理解、多语言翻译和创意写作等能力。模型涵盖Dense和MoE架构，支持思考与非思考模式切换，可通过Qwen Chat、API及多种推理框架使用。

Bonsai 27B 是 PrismML 发布的开源多模态模型，基于 Qwen3.6 27B。提供三元（5.9GB）和1-bit（3.9GB）两个变体，后者首次将27B级模型装入 iPhone 17 Pro。支持多步推理、结构化工具调用、视觉任务和智能体循环，262K上下文窗口，支持推测解码。三元变体保留全精度95%性能，1-bit保留90%，数学与编码能力几乎无损。Apache 2.0开源。

Claude 是由 Anthropic 开发的 AI 助手，专为应对复杂挑战与高效工作协同而设计。它能够协助开发者完成代码编写、调试与逻辑优化，并提供深度的数据分析与可视化图表生成服务。用户可通过自然语言直接下达指令、上传复杂文档进行智能解析，或连接外部数据源。Claude 支持设定每日、每周或每月定时任务，自动产出格式化的报告、演示文稿或电子表格，实现从问题拆解到自动化交付的全流程协同

Claude Fable 5是专为解决复杂编程与高难度知识工作打造的第五代人工智能模型。它能够处理持续数天的长周期异步任务，自动进行多阶段规划与自我验证。该模型支持深度解析文件与PDF中的图表及表格内容，可自主编写测试代码并校验输出结果，适用于金融、法律、数据分析及架构设计等领域的重度文档处理场景，团队可交付大型项目并直接审核最终成果

DeepSeek Harness（dsh）是 DeepSeek AI 开发的开源 Agent harness，采用“万物皆插件（everything is a plugin）”的架构，基于 Cordis 框架构建，目前处于开发者预览阶段。可通过 npx @deepseek-ai/dsh web 启动默认运行在 127.0.0.1:3080 的 Web UI，也支持从源码构建运行，采用 MIT 许可证，并开放 GitHub Discussions 与 Discord 社区。

dsh_desktop 是把 DeepSeek Harness（dsh）智能体引擎封装为 Windows 桌面客户端的开源项目，采用 Electron 构建，内置独立 Node 运行时与 dsh CLI，目标机器无需安装 Node.js，双击即可一键启动 dsh Web UI（自动挑选空闲端口加载到原生窗口）。提供便携版与安装版，支持与 dsh CLI 共享配置、官方更新自动升级、agent 会话完成时弹出系统通知等能力，采用 MIT 许可证。

阿里云EMR Serverless Spark是面向数据与AI场景的高性能湖仓服务，基于开源Spark生态构建，提供端到端数据平台服务，包括作业开发、调试、调度和运维。内置Fusion Engine性能比开源Spark提升300%，支持存算分离与按量付费，显著简化数据处理和模型训练流程。

FLUX 3 是 Black Forest Labs 发布的多模态基础模型，基于 Self-Flow 方法在单一架构中联合学习图像、视频与音频，同一组权重即可输出图像、视频、带原生音频的视频以及机器人动作预测。FLUX 3 Video 可单次生成长达 20 秒、带原生音频的视频。模型提供 API、Playground 在线试用与开放权重部署，支持按需付费与商业授权，面向内容创作与物理 AI 场景。

Gemini 3.5 Flash 是一款面向智能体与编程领域的前沿多模态AI模型。它能够在极速响应下提供媲美旗舰模型的智能水平，支持文本、音频、图像、代码和视频的深度融合理解。该模型擅长长周期任务的自主推理与多智能体协同调度，可在编码迭代中快速生成并优化界面，同时具备针对提示注入等网络威胁的主动拦截能力。凭借百万级长上下文支持与企业级安全标准，它为开发者构建高效自动化工作流提供核心支持

华为 HarmonyOS 7 面向开发者开放的系统级能力集合，官方页面列出小艺 Agent、小艺 Skill、文搜图等应用智能化能力，沉浸光感组件与 3DGS 端侧重建推动应用界面从平面走向立体，碰一碰·精准分享实现素材精准插入指定位置，互动卡片与应用浮窗承载多形态服务窗口，并由星盾机密风控引擎、数字盾守护用户隐私安全。

Kimi 是月之暗面推出的 AI 助手，核心产品 Kimi K3 为全球首个开源 3T 级模型，具备 2.8T 参数、原生视觉能力与百万 Token 上下文窗口。支持实时联网搜索、50+ 文件分析、AI 幻灯片与网站生成、前沿编程能力及增强图像理解，适用于长程编程、知识工作与推理任务。

LongCat-2.5-Preview 是美团 LongCat API 开放平台上线的新一代 MoE 大模型，总参数约 1.6 万亿、每次推理激活约 480 亿，原生支持 100 万 token 上下文，适合超长文档、代码库与多轮复杂任务。模型新增图片理解能力，支持跨模态问答、内容摘要与复杂视觉推理，并在代码生成、代码理解与自动化编程任务上表现突出，已适配 Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code 等开发环境，可通过 API 与网页端体验。

OpenMinis 是一款免费开源的移动端 AI Agent 应用，支持 iOS 与 Android。它允许用户接入自己的 Claude、GPT、Gemini 等模型（API Key 或账号登录），并在设备本地运行 Alpine Linux 沙箱，让 Agent 能安装软件包、执行脚本、操作真实文件、进行浏览器自动化，并深度集成健康、日历、提醒事项、HomeKit 等系统能力。支持可扩展 Skills 与跨会话持久记忆，代码以 GPLv3 开源。

Yosuri 是一款开源（AGPL-3.0）、本地优先的 AI Agent 工作台，支持 Windows、Linux、macOS、Android 与 CLI 五端同步。它把 98 个免费模型及自定义提供方聚合为兼容 OpenAI 与 Anthropic 的统一 API，并按健康度智能路由；可联动浏览器、终端与真实工具自动拆解任务并闭环验证，具备长期记忆、子代理后台任务、免费联网搜索、图像理解、MCP 工具接入与短剧工作台等能力，承诺永久免费。