結合專業佈局與文字排版工具，並支援可選AI圖像生成和LLM提示輔助的網頁漫畫創作工具。

NEO 是一系列原生視覺語言模型，採用無編碼器密集架構，統一了像素與文字處理，以實現高效的多模態理解。

一個用於訓練與評估全模態嵌入模型的統一框架，該模型可為文本、圖像、影片、音訊及視覺文件生成固定維度的向量。

一個用於加速 Florence-2、PaliGemma 2 和 Qwen2.5-VL 等多模態視覺語言模型微調的精簡工具。

SoniTranslate 是一個用於將影片翻譯成不同語言並同步音訊的網頁應用，將轉錄、翻譯與語音配音整合於一個介面中。

包含419個跨視覺、音訊和文字等不同領域的預訓練AI模型，全部可透過統一CLI執行，並自動下載權重。

lionagi 是一個用於建構、執行與治理多智能體 LLM 工作流程的 Python 庫與 CLI。它提供類型化、持久化的對話狀態，支援平行扇出與基於 DAG 的流程，整合模型專用 CLI 與 API 提供者，並包含用於視覺化執行管理的 Web UI（Lion Studio）

cco 是一個用於 AI 編碼代理（如 Claude Code、Codex 等）的沙箱包裝器，可在隔離環境中執行它們，以保護您的系統免受提示注入與意外損壞的影響，同時保持無縫的終端體驗。

一款支援影片、音訊與 3D 編輯的瀏覽器端媒體編輯器，允許 AI 編碼代理在創作過程中直接將新工具與效果建構至工作區中。

由 Microsoft 提供的工具包（VS Code/Visual Studio 擴充與 CLI），可為 Microsoft 365 Copilot、Teams 和 Office 建立 AI 驅動的代理、聊天機器人及其他擴充功能。整合了驗證助手、Azure Functions 支援、熱重新載入除錯與 CI/CD 管道，針對 JavaScript/TypeScript 與 .NET 開發者設計。

用於跨多個提供方建立圖像、影片、音訊與 3D 內容複雜 AI 媒體生成流程的視覺化節點工作流編輯器。

Aliyun Model Studio CLI (bailian‑cli) 是 Alibaba Cloud AI 平台的終端工具，提供多模態生成（文字、影像、影片、語音）、資產理解、托管代理編排、資料集驗證、微調、部署與帳戶管理的指令。可透過 npm 或單行指令安裝，使用 API 金鑰或 OAuth 認證後，執行 `bl …` 指令，或讓 AI 代理將自然語言提示翻譯為 CLI 呼叫。

ChatTS 是一種專為多變量時間序列設計的多模態 LLM，能原生理解並推理時間序列資料，讓使用者能對數值資料進行對話式問答。

Shinkansen 是一款真正的 AI 驅動瀏覽器擴充功能，使用 Google Gemini、Google Translate 或自訂 OpenAI 相容模型來翻譯網頁、YouTube 字幕和文件（PDF、Word、EPUB 等）。它保留原始版面和時間戳記，提供雙語輸出，並在本地處理檔案以保護隱私。

IgFold是一種從胺基酸序列預測抗體3D結構的深度學習工具，能夠為藥物發現提供快速準確的結構建模。

FastVLM 是一種高效的視覺編碼框架，採用名為 FastViTHD 的混合編碼器，可大幅降低高解析度影像在視覺語言模型中的延遲與 token 數量。

FlexTok 是一種將影像重取樣為靈活長度的 1D 標記序列的系統，允許影像以可截斷的序列形式表示，同時仍能實現影像重建。

一系列用於縮小、優化和客製化前沿視覺與多模態 AI 模型的食譜，以提升效率與效能。

一個即時雙向翻譯系統，可將手語影片轉換為口語文字與音訊，也可將口語轉換為透過角色或GAN生成的手語。

一款使用 ONNX、MediaPipe 和 MNN 等本地執行環境，實現完全離線文字聊天與 Stable Diffusion 圖像生成的 Android 應用。

一個用於多模態模型推論、評估和後訓練的統一框架，透過單一介面支援影像理解、生成和編輯。

TorchANI 2.0 是一個 PyTorch 函式庫，用於訓練與使用 ANI 風格的神經網絡原子間勢能，提供 GPU 加速的能量/力預測以及分子動力學與 ML/MM 模擬工具。

mosaic 是一個基於 JAX 的 Python 庫，為數十種蛋白質性質與結構預測模型提供統一、可梯度優化的介面。透過允許使用者組合可微分的損失項（結合親和力、穩定性、溶解性、逆摺疊機率等）並以自訂優化器執行連續鬆弛設計，它在單一、JIT 加速的框架中實現多目標蛋白質工程。該倉儲包含許多最前沿模型（Boltz、AlphaFold、OpenFold‑3、Protenix、ProteinMPNN、ESM 等）、範例筆記本與詳細文件，但需使用者調整超參數並安裝 GPU/TPU 相容的 JAX。

Apple 的 SHARP 模型的 ComfyUI 封裝器，可在不到一秒內從單張影像實現 3D 高斯點雲。

用於微調 Qwen-VL 系列模型（Qwen2-VL、Qwen2.5-VL、Qwen3-VL、Qwen3.5）的訓練工具包，支援 SFT、DPO、GRPO 和多模態資料。

TongFlow 是一個開源的可視化工作室，允許您透過連接簡單的「新增」、「轉換」和「合併」節點來建構多模態生成式 AI 流水線。它支援文字、影像、影片、音訊、3D 和文件，擁有豐富的插件生態系統（官方 API 插件、路由器和 GPU/CPU 計算插件），可透過輕量級桌面客戶端或自架後端使用。採用 AGPL-3.0 授權。

一個為影片與照片檔案生成純文字 AI 描述、轉錄與元資料邊車檔案的可查詢知識庫。

一個結合SAM與生成式修復模型的統一框架，可實現影像、影片和3D場景中的物件移除、填補或替換。

一款 AI 驅動的 e-ink 相框，利用視覺模型對回憶進行評分與標註，每天展示「歷史上的今天」中最精彩的照片。

`mcp-devices`（又稱 `claude‑in‑mobile`）是一個模組化的 Node/Rust 伺服器，讓 Claude 風格的 AI 代理能控制 Android、iOS、網頁、桌面、Aurora 和 HarmonyOS 裝置。安裝基礎包（`npm i -g mcp-devices`），新增平台插件（如 `@mcp-devices/plugin-android`），啟用它們，並將 MCP 兼容客戶端指向伺服器。該工具提供截圖、點擊、UI 檢查、即時除錯與測試等功能，支援 AI 驅動的裝置自動化與具身智能體研究。

一個全原子生成式世界模型，用於設計能與特定靶標結合的蛋白質、配體和核酸。

Ovo 是一個 Rust 庫，提供可嵌入的多代理執行時核心。它讓主應用程式能夠啟動輕量級代理（turns），執行 Rhai 腳本，並可選擇作業系統層級的沙盒（macOS Seatbelt 或 Linux Landlock）。該套件提供可配置的批准策略、沙盒後端特徵，以及可選的工具包功能以取得受監管的檔案系統存取權。目前處於預穩定階段（0.9.x），並以 MIT/Apache-2.0 雙重授權。

一種全球擴展的CLIP配方，可在不降低英語性能的前提下實現高效率多語言影像-文字對齊

skrub 是一個 Python 函式庫，提供以資料框架為中心的清理、編碼和相似性分組工具，全部包裝為 scikit-learn 相容的轉換器，以簡化表格機器學習管線的預處理階段。

用於材質辨識與跨模態學習的機器人滑動接觸大型同步視頻、音訊與觸覺力資料集。

LiveKit 的 Rust 客戶端 SDK，支援跨桌面與行動裝置平台的即時影音/數據流串流、房間管理以及硬體加速編碼。

一種基於擴散模型的生成式模型，用於創建 200bp 的細胞類型特異性合成調控 DNA 序列。

AnyGPT 是一個開源的多模態大語言模型（文字、語音、影像、音樂），透過離散標記化統一所有模態。它提供基礎模型與聊天模型檢查點、推論腳本，以及用於訓練和零樣本多模態任務的 AnyInstruct 資料集。

Kimi K2.5 是一個開源、原生多模態代理模型，採用 1T 參數 MoE 架構，整合視覺與語言理解，實現複雜任務執行。

MCP 2026-07-28 的純 Bash 實作，為 AI 代理工具呼叫提供零開銷的 stdio 和本地 HTTP 綁定。自動發現 `tool_*` 函數，使用官方模式驗證 JSON，包含完整測試套件，並提供建構自訂 Bash 基 MCP 伺服器的逐步文件。

一個使用 JSON 基礎中間語言 MulmoScript 生成影片、播客與簡報等多模態內容的 AI 原生簡報平台。

MathVista 是一個用於評估基礎模型在視覺情境中數學推理能力的基準測試，整合了來自 31 個多模態資料集的 6,141 個範例。

he4o 是一個基於 Helix 熵減理論的 AGI 系統，結合預先設計的規則與動態學習，實現具身智能與終身學習。

一個用於自動化天文觀測、光變曲線與脈衝星分類，並提供天文研究專用技能包的AI框架。

面向視覺-語言模型的生產導向 ComfyUI 節點套件，提供結構化檢測、分割與自適應影片推理，並優化 VRAM 使用。

一組用於 ComfyUI 的自訂節點，新增提示翻譯、AI 驅動內容生成與影像操作工具。

一款利用 OpenAI-Whisper 和 Edge TTS 自動生成帶有自然語音旁白的字幕 TikTok 影片的 AI 工具。

Hallo-Live 是一個即時文字驅動的框架，使用因果雙流 Diffusion Transformer 為數位化身產生同步的音訊與影像。