蔚来汽车成立人工智能技术委员会，由近30名专家组成，旨在加速AI技术在公司各领域的应用。CEO李斌表示，2026年是关键一年，公司将通过三次重大更新提升智能驾驶能力，并计划推出AI手机和AI芯片，以增强产品竞争力。
OpenAI宣布GPT-5.2在ARC-AGI-2基准测试中超越人类基线，该测试评估AI的抽象推理和举一反三能力，而非模式记忆。这一突破标志着AI在处理新任务时已跨越“及格线”，向专家级智能迈进。
AI专家修正预测，认为通用人工智能（AGI）的发展速度比预期稍慢，此前关于AI可能很快威胁人类的担忧有所缓解。
YuanLab.ai发布开源多模态大模型Yuan3.0Flash，参数规模达40B，采用稀疏混合专家架构，推理时仅激活约3.7B参数，显著提升效率。模型提供16bit与4bit权重、技术报告及训练方法，支持二次开发和行业定制，推动AI技术普及。
首款AI原生电子表格，AI像人类专家一样精确操作表格
SuperSEM结合AI与专家团队，提供实惠的数字营销解决方案
Leapility助力专家和AI原生组织，将专业知识转化为AI代理提升价值。
Tendem结合AI速度与人类专家判断力，处理繁琐任务
Xai
$1.4
Input tokens/M
$3.5
Output tokens/M
2k
Context Length
Anthropic
$105
$525
200
Google
$0.7
$2.8
1k
$7
$35
$2.1
$17.5
$21
Alibaba
-
$4
$16
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
$3.9
$15.2
64
evilfreelancer
这是ai-sage/GigaChat3-10B-A1.8B模型的量化版本，采用GGUF格式，需要特定的llama.cpp分支支持。模型采用混合专家架构，总参数量约118亿，其中激活参数量约18亿。
moonshotai
Kimi K2 Thinking 是月之暗面（Moonshot AI）开发的最新一代开源思维模型，具有强大的深度推理能力和工具调用功能。该模型采用混合专家架构，支持原生INT4量化，拥有256k上下文窗口，在多个基准测试中表现出色。
nvidia
NVIDIA GPT-OSS-120B Eagle3是基于OpenAI gpt-oss-120b模型的优化版本，采用混合专家（MoE）架构，具备1200亿总参数和50亿激活参数。该模型支持商业和非商业使用，适用于文本生成任务，特别适合AI Agent系统、聊天机器人等应用开发。
kshitijthakkar
LoggenixMoE133M是一款轻量级混合专家（MoE）因果语言模型，总参数量133M，活跃参数量80M。该模型在包含根因分析、代码生成和推理任务的自定义数据集上从头训练，支持智能体能力特殊标记，适合边缘设备部署和专业AI智能体构建。
sds-ai
小熠是由广州熠数信息技术有限公司开发的专注于数据安全领域的AI专家系统，基于Qwen3-1.7B大语言模型构建，提供数据分类分级、安全审计、防护检测等专业能力。
RedHatAI
Llama 4系列原生多模态AI模型，支持文本和图像理解，采用混合专家架构，适用于商业和研究场景。
Llama-4-Scout是Meta推出的Llama 4系列模型之一，采用混合专家（MoE）架构，是原生多模态AI模型，支持文本和图像输入，在多语言文本理解和视觉任务方面表现出色。该模型具有17B参数，16个专家，专为商业和研究用途设计。
fahadh4ilyas
Llama 4系列是Meta推出的原生多模态AI模型，采用混合专家架构，支持文本和图像交互，在多种语言和视觉任务中表现卓越。
Llama 4系列是Meta推出的原生多模态AI模型，支持文本和图像交互，采用混合专家架构，在文本和图像理解方面表现卓越。
hirundo-io
Llama 4 Scout是Meta推出的原生多模态AI模型，支持多语言文本和图像理解，采用混合专家架构，在文本和图像理解方面具有行业领先性能。
bnb-community
Llama 4系列是Meta开发的多模态AI模型，支持文本与图像交互，采用混合专家架构(MoE)，在文本和图像理解领域具有领先性能。
unsloth
Llama 4 Scout是Meta推出的170亿参数多模态AI模型，采用混合专家架构，支持12种语言和图像理解。
chutesai
Llama 4 Maverick是Meta推出的原生多模态AI模型，采用混合专家架构，支持文本和图像输入，输出多语言文本和代码。
Undi95
Llama 4 Maverick 是 Meta 发布的多模态 AI 模型，支持文本与图像理解，采用混合专家架构（MoE），在多语言文本和代码生成任务中表现优异。
Llama 4 Scout是Meta推出的17B参数/16专家混合的多模态AI模型，支持12种语言和图像理解，具有行业领先性能。
meta-llama
Llama 4 Maverick是Meta开发的多模态AI模型，采用混合专家架构，支持文本和图像理解，具有170亿激活参数和4000亿总参数。
Llama 4系列是Meta开发的多模态AI模型，支持文本和图像理解，采用混合专家架构。
Llama 4 Scout是Meta开发的多模态AI模型，采用混合专家架构，支持12种语言的文本和图像交互，具有17B激活参数和109B总参数。
Llama 4 Maverick是Meta推出的170亿参数多模态AI模型，采用混合专家架构(MoE)，支持多语言文本和图像理解，具备128个专家模块。
Llama 4系列是Meta开发的多模态AI模型，支持文本与图像交互，采用混合专家架构(MoE)，在文本和图像理解方面具有行业领先性能。
基于MCP协议的MyBatis Mapper XML SQL提取服务，提供SQL解析、参数模拟和数据库测试功能，支持AI协作的专家工具
一个通用的模型上下文协议（MCP）服务器，允许任何LLM或AI代理访问本地文件系统中的专家技能。通过结构化提示实现跨平台技能共享，支持懒加载以节省上下文令牌。
AI专家工作流MCP是一个基于OpenRouter API的模型上下文协议服务器，通过产品经理、UX设计师和软件架构师三个AI专家角色，提供从产品规划到技术实现的完整工作流解决方案。项目支持独立生成PRD文档，也可与Task Master集成进行任务管理。
Pearl MCP Server是一个标准化的AI与专家服务接口实现，支持通过MCP协议与各类客户端交互，提供AI自动应答、AI辅助专家和直接专家咨询三种服务模式。
该项目为Google开发者专家(GDE)提供了一个通过AI对话界面便捷上报活动的MCP服务，支持内容创作、公开演讲、研讨会等多种活动类型的提交，简化了GDE项目中的活动报告流程。
ConsultingAgents MCP Server是一个多模型咨询代理服务器，通过MCP协议为Claude Code提供四种AI专家咨询服务（Darren、Sonny、Sergey、Gemma），支持代码分析、文档搜索和仓库级开发规划。
一个基于Model Context Protocol的Apple Mail邮件管理服务器，提供AI助手自然语言访问Apple Mail的能力，包括邮件阅读、搜索、组织、撰写和管理功能，并包含专业的邮件管理专家技能。
Claude Team是一个多智能体MCP服务器，通过配置多个AI模型（如GPT、Claude、Gemini）协同工作，实现智能任务分配、预置工作流模板和自定义专家系统，用于复杂开发任务的自动化协作。
NS旅行信息MCP服务器将AI助手转变为荷兰铁路专家，提供实时列车信息查询服务
Athena Protocol是一个智能MCP服务器，作为AI编程代理的技术负责人，提供专家验证、影响分析和战略指导，帮助AI代理在代码更改前发现问题、验证假设并优化解决方案，从而提高代码质量、减少回归并做出更明智的架构决策。
Yachtsy MCP 服务器是一个通过集成 Yachtsy Agent API 提供 AI 驱动的游艇和船只市场情报的服务。它允许用户在 Claude Desktop、Cursor 等 MCP 客户端中访问超过 25,000 条船只列表、获取专家航行建议，并自动将查询路由到最合适的专业代理（如列表搜索、通用专家、深度研究）。
AgentHub是一个基于MCP协议的本地多AI代理协调服务器，通过意图声明和软锁定机制，允许多个AI编码代理（如Claude、Cursor等）在同一代码库中协同工作而不会相互冲突，提供消息总线、代码审查和专家升级功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
