Kimi K3 是一个拥有 2.8T 参数的开源权重原生多模态 MoE 模型，专为长周期编码、深度研究和复杂的智能体知识工作而设计。

一个开源的扩散模型引擎，可在消费级 GPU 上实现图像、视频和音频生成模型的高性能推理与训练。

一款专为英语学习者打造的 AI 增强视频播放器，提供本地 AI 字幕生成、句子拆解和词汇工具，以促进沉浸式语言习得。

Flyte 2 是一个用于定义、编排和提供机器学习流水线及 AI agent 服务的开源 Python 框架。它允许您将普通的 Python 函数作为任务编写，将其组合成工作流，并在本地或未来的 Kubernetes-native 后端上运行。该项目包含 CLI、面向开发者的 TUI，以及对 FastAPI 模型服务化的原生支持。

Beav（前身为 RedBox）是一款专为自媒体创作者设计的跨平台桌面 AI 工作站。它让您能够收集网页与社交媒体素材、存储至本地知识库、利用 AI 生成文字、图片与视频、编辑配音剪辑、添加动画并排程发布，所有功能皆整合于单一界面。该应用程序随附 Chrome/Edge 网页抓取工具、每日运营报告、可重复使用的图片模板、多轨视频编辑器，并可选择整合外部 Agent。它运行于 macOS、Windows 与 Linux，可使用内置 AI 服务或任何兼容 OpenAI 的端点，并以 MIT-NC（非商业）授权发布。

一套AI代理技能工具包，应用专业电影制作和戏剧学原理，为AI视频和图像模型生成高精度提示。

一个浏览器原生的、本地优先的幻灯片编辑器，利用 Web AI 和 WebGPU 提供无需后端的 AI 驱动幻灯片生成、翻译和演示工具。

一个通用的多模态生成模型强化学习训练框架，提供快速采样和稳定的扩散模型与多模态模型后训练能力。

Omnigraph 是一个基于 Rust 的湖仓式图数据库，将数据以列式 Lance 格式存储在任何 S3 兼容对象存储中。专为 AI 代理舰队设计：每个代理可写入其隔离分支，然后提交变更以供审查和 Git 风格合并。查询在单个运行时中融合图遍历、向量 ANN 和全文搜索，Cedar 策略对每次变更强制执行细粒度安全。项目提供 CLI、Axum HTTP 服务器、TypeScript SDK 和 LLM 主机用的“MCP”桥接器，是代理记忆、企业脑知识图谱、开发图自动化和版本化 ML 数据层的全栈解决方案。

一个开放平台，提供全模态世界模型和工具，用于构建物理AI，支持机器人和自主系统对文本、视觉、音频和动作序列的联合处理与生成。

Tren⚡Torch 是一个教育性质的、仅依赖 NumPy 的深度学习框架，重写了 TinyTorch 并添加了 20 个渐进式模块——从张量和自动微分到 CNN、Transformer、量化和基准测试——还包含 CLI 和历史里程碑脚本，支持动手学习。

面向 Document AI 的视觉-文本基础模型，提供多语言视觉编码器以及专用于文档解析与理解的模型。

mcpc 是一个轻量级、跨平台的 CLI，提供对 Model Context Protocol (MCP) 的完整访问——AI 代理的工具、提示、任务和支付的标准 API。它允许代理和脚本从 Bash shell 调用任何 MCP 操作，支持持久会话、存储在操作系统密钥链中的 OAuth 2.1、适合管道的 JSON 输出、通过 grep 的动态工具发现，以及实验性的 x402 支付集成。

一款开源桌面应用，可从 1000 多个站点下载视频和音频，在本地进行转录，并使用 AI 对内容进行摘要和搜索。

Doop 是一个开源的实时设计画布，人类和 AI 代理（通过 Claude Code 或内置 Doop 代理）可共同编辑 HTML 帧。它提供实时多人功能、AI 驱动的设计任务、私有共享，并可通过单个 Docker 命令或 `bun run dev` 自托管。AI 后端支持 Anthropic（免费层）或用户提供的 OpenAI/ChatGPT 密钥。

一个全栈式 AI 内容创作工作台，通过无限画布和代理辅助工作流，将文本转化为 AI 电影和短视频。

一个通过统一的 Streamlit 界面实现语音转录、翻译和语音生成自动化的 AI 驱动视频翻译与配音工具。

一个 Pi 代理插件，通过一个轻量工具代理 MCP 服务器，懒加载服务器并按需发现工具，以节省上下文窗口

Google Workspace MCP Server 是一个开源 Python 服务，通过 Model‑Client‑Protocol 暴露 120 多个 Google Workspace 操作（Gmail、Drive、Docs、Calendar 等），使 Claude 或 ChatGPT 等 LLM 助手能够读写 Workspace 数据。支持多用户 OAuth 2.1、三种工具层级、无状态容器部署和完整 CLI，同时将所有流量限制在 Google 的 API 范围内，并提供 MIT 许可证、可自行托管的代码。

一个基于 GGML/C++ 的 NVIDIA Kimodo 模型实现，可从文本提示生成角色和机器人动作动画。

一系列专为高效设备端部署设计的口袋大小多模态 LLM，可在手机上实现高性能图像、视频和实时全模态交互。

一个开源的 AI 记忆系统，通过可穿戴设备和桌面应用捕获屏幕和音频数据，提供实时转录、摘要和可搜索的 AI 聊天功能。

Burn 是一个原生 Rust 的深度学习框架，通过单一 API 统一训练与推理。它提供类似 PyTorch 的易用性、自动微分、JIT 编译的内核融合，以及灵活的后端系统（CUDA、ROCm、Metal、Vulkan、WebGPU、CPU 和 no-std）。借助 ONNX 导入、权重加载、终端训练仪表板，以及对嵌入式和浏览器环境的支持，Burn 让您编写一次模型，即可在任何地方运行。

一个用于生成图像、音频和 3D 分子结构的模块化库，支持使用和训练最先进的扩散模型。

使用 Rust 编写的 ML 驱动的漫画翻译工具，自动化文本检测、OCR、翻译和生成式修复，实现本地优先的工作流。

一个为 Android、iOS 和 Mac 设计的全面离线 AI 套件，提供文本、图像和视觉 AI 以及语音转录功能，所有功能均在设备本地原生运行，确保完全隐私。

一个 Codex 插件，可自动将参考图像重绘为 Microsoft PowerPoint、WPS Presentation 或 draw.io 中的可编辑图表。

一个开源自动化视频剪辑工具，使用 ASR 和 LLM 根据语音文本、说话人身份或 AI 驱动的内容分析来提取视频片段。

DBHub 是一个极简且 Token 高效的 MCP 服务器，让基于 LLM 的工具能安全地查询 PostgreSQL、MySQL、SQL Server、Oracle、SQLite 和 MariaDB。它仅提供两个核心工具（SQL 执行与结构搜索），占用约 1.4k Token，并包含可选的额外工具、防护机制与内置网页 UI，是 AI 代理与真实数据库之间的轻量级桥梁。

一个开源的编排框架，通过 WebRTC 集成 LLM、TTS、STT 和视频渲染，实现实时数字人对话。

一个开源框架，使代码代理能够从文本提示和 SVG 资产生成生产就绪的 Lottie 动画。

WorldClaw 是一个代理式3D生成框架，旨在创建大规模、开放世界的3D环境。

一个开源生成式 AI 平台，提供统一的 OpenAI 兼容 API，支持文本、图像、视频、音频、3D 和嵌入生成。

Pixal3D 是一个高保真 3D 资产生成器，通过像素对齐的反投影技术，从单张图像或多视角图像生成精细的几何结构和 PBR 纹理。

一个将 Claude AI 与 Ableton Live 连接的 Model Context Protocol (MCP) 服务器，支持提示驱动的音乐制作、轨道操作和自主歌曲编排。

用于解码 DNA 序列调控代码的统一模型和 API，可预测基因表达、剪接和染色质特征。

一个开源视频本地化工具，可自动完成 YouTube、Bilibili 或本地文件视频的转录、翻译和配音。

LinguaGacha 是一个跨平台桌面应用，利用 OpenAI、DeepSeek、Anthropic、Google 或本地模型（如 Qwen2.5-7B）等大语言模型 API，仅需一键即可将字幕、电子书和游戏脚本翻译成数十种语言。它提供“AGENT”工作流，支持自动术语表提取、批量翻译和自动审查，同时保留格式和代码风格。

Oil Motion 是一个 AI 代理技能，可将设计提示和源图像转换为交互式网页动画（滚动驱动、鼠标跟随、触摸等）。它自动完成关键帧创建、AI 视频生成、帧级清理，并打包为 MP4 或 WebP 资产，最终提供可直接嵌入的前端代码。

一个多模态工具集和 MCP 服务器，通过模式驱动的架构使 AI 智能体能够生成和编辑专业级的图像、视频和音频。

Agency Orchestrator 是一个基于 npm 的工具（CLI + Web UI），可从一句话或极小的 YAML 文件自动组合并运行多代理 AI 工作流。它提供 276 个预构建中文角色（191 个英文角色），支持 15 个 LLM 提供商（许多无需密钥），构建 DAG 实现并行执行，验证输出，并生成可共享的 HTML 报告。适合希望零代码拥有“AI 团队”的个人创业者、产品分析师和开发者。

一个8B规模的视觉语言交互模型与系统，可在不到一秒内无需等待用户提示，主动响应实时视频流

一个 MCP 服务器，通过 104 个全面的工具集，让 AI 助手能够完全控制 Aseprite，从而创作出专业级的像素艺术和动画。

一个基于网络摄像头的双手追踪界面，让您能够以空间方式操作笔记、图像和 3D 模型，旨在作为视觉与交互的“身体”接入 AI 代理。

Agent Teams AI 是一款免费的跨平台桌面应用，可让您构建和监控 AI 代理团队（Claude Code、Codex、OpenCode、Cursor、SuperGrok、GitHub Copilot、Z.AI、MiniMax、Kiro 等）。代理可以创建任务、通信、运行代码和终端命令，并在您观看看板时执行代码审查。该应用会跟踪令牌使用量、预算和每个代理的资源统计信息，并提供内置终端、支持 Git 的编辑器、多语言 UI，以及通过 `mcp-server` 组件的插件支持。

ContextForge 是一个开源网关，将 MCP、A2A、REST 和 gRPC 服务联邦化为一个集中治理的单一端点，支持认证、速率限制、OpenTelemetry 跟踪、插件系统和管理 UI，可通过 PyPI、Docker 或 Helm 运行。

Gemini Live API 的示例集合，使开发者能够利用多模态输入构建低延迟、实时的语音和视频 AI 代理。

一个利用视觉感知和规划实现移动端、桌面端及 Web 界面任务自动化的多平台 GUI 智能体及基础模型系列。