程序员阿超

分享人工智能工具和教程
EmbeddingGemma 2(开源多模态嵌入模型)

EmbeddingGemma 2(开源多模态嵌入模型)

Google 2026 年 10 月 6 日发布的开源嵌入模型:740M 参数、Apache 2.0,把文本、代码、图像、音频、视频映射到同一个 768 维向量空间。
034.4K0
Gemini agent(Google 通用工作智能体)

Gemini agent(Google 通用工作智能体)

Google Cloud 2026 年 10 月 8 日发布的通用工作 Agent:编排子 Agent、按任务路由模型,带企业级身份、审计与花费管控。
030.2K0
Google AX(Agent 编排运行时)

Google AX(Agent 编排运行时)

Google 开源的声明式 Agent 编排运行时,用 Kubernetes 风格在集群里跑大规模自主 Agent 工作负载。
034.8K0
MiniMax Music 3(开源音乐生成)

MiniMax Music 3(开源音乐生成)

MiniMax 开放权重音乐生成模型,单次生成最长 5 分钟的完整歌曲,含人声与编曲。
044.5K0
Gemini 3.8 Flash TTS(Google 语音合成)

Gemini 3.8 Flash TTS(Google 语音合成)

Google Gemini API 新一代文本转语音模型,含音色设计、授权音色复刻与 150+ 音色库。
050.8K0
StepAudio 3(阶跃语音模型系列)

StepAudio 3(阶跃语音模型系列)

阶跃星辰开放平台语音系列:全双工实时对话、流式 TTS、综合音频生成、音乐生成与专业 ASR
058.9K0
Grok Voice Transcribe 2.0(语音转写 API)

Grok Voice Transcribe 2.0(语音转写 API)

xAI 2026 年 9 月 18 日发布的语音转文字模型,批量 $0.10/音频小时、流式 $0.20/音频小时
046.1K0
Qwen3.8-Omni-Flash(全模态 API 模型)

Qwen3.8-Omni-Flash(全模态 API 模型)

阿里云百炼全模态模型:文本/图片/音频/视频输入,1M 上下文,音频覆盖 113 种语言与方言
043.1K0
Odyssey-3(基础世界模型 / Pro)

Odyssey-3(基础世界模型 / Pro)

Odyssey 2026 年 9 月发布的基础世界模型,一个模型可驱动机器人、汽车、无人机,也能用来训练 AI。
051.8K0
Fotor Agent 视频智能体

Fotor Agent 视频智能体

Fotor 推出的 AI 视频智能体,支持长视频、4K 动态图形与时间线剪辑,拿下 Product Hunt 当日第一。
053.6K0
WeKnora(腾讯开源知识库平台)

WeKnora(腾讯开源知识库平台)

腾讯开源的 LLM 知识平台,把文档变成可查询的 RAG、会推理的 Agent 和自动维护的 Wiki,约 2.5 万 star。
051.6K0
Qwen3.8-27B 开源多模态模型

Qwen3.8-27B 开源多模态模型

阿里通义 Qwen3.8 系列的 27B 稠密开源模型,原生视觉语言、支持思考控制,本地部署友好。
051.4K0