Moonshot AI旗下开源编码代理Kimi Code近日升级，主要亮点包括：极简安装（一行CLI命令，零配置启动）、视频上下文能力（支持拖入视频作为编码参考，实现LUT引用、长视频转短视频、屏幕录制转代码等多模态开发）以及丰富插件生态，显著提升易用性和功能扩展性。
谷歌推出基于Gemini 3.1Pro架构的Deep Research与Deep Research Max两款AI研究代理，现已开放付费预览。它们旨在自动化复杂研究流程，推动AI从简单搜索向具备深度推理的“长时计算”演进。标准版注重高效低延迟，适合实时对话；Max版则优先研究深度与准确性，适用于复杂任务。
阿里巴巴通义实验室发布MAI-UI多模态GUI智能代理家族，整合人机交互、工具使用与云端协作，在通用及移动GUI导航方面表现领先，超越多个同行模型。该系统基于Qwen3VL构建，提供多种规模模型，支持自然语言指令处理。
谷歌DeepMind CEO哈萨比斯在Axios AI+峰会上预测，2026年将是多模态AI、互动视频世界和可靠AI代理快速发展的关键一年。他特别提到，其最新模型Gemini在多模态能力上已取得显著进展，不仅能描述情节，还能深入理解场景深层含义。
最强大的代理和编码模型，具备最佳的多模态理解能力。
OneReach是一个用于创建高级多模态AI代理的平台，旨在提升员工和客户体验。
一个用于智能设备等的多模态原生代理框架。
下一代AI代理框架，全球首个真正的实时多模态AI代理框架。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
-
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$6
$24
$2
$20
$8
$240
52
unsloth
InternVL3-78B-Instruct是一个先进的多模态大语言模型，在多模态感知、推理和语言处理等方面表现出色。该模型通过原生多模态预训练方法，将视觉和语言学习整合到统一训练阶段，在工具使用、GUI代理、工业图像分析、3D视觉感知等多个领域展现出卓越能力。
InternVL3-14B-Instruct 是一个先进的多模态大语言模型（MLLM），展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种任务。
InternVL3-2B-Instruct是先进的多模态大语言模型，相比前代有更出色的多模态感知和推理能力，扩展了工具使用、GUI代理、工业图像分析、3D视觉感知等方面。采用原生多模态预训练方法，将语言和视觉学习整合到单个预训练阶段。
InternVL3-78B是一款先进的多模态大语言模型，具备卓越的多模态感知和推理能力，在工具使用、GUI代理、工业图像分析、3D视觉感知等领域表现出色，整体文本性能也十分优秀。
InternVL3-14B是一个先进的多模态大语言模型，在InternVL 2.5基础上显著提升了多模态感知和推理能力，并拓展了工具使用、GUI代理、工业图像分析、3D视觉感知等领域的应用。
InternVL3-1B是一款先进的多模态大语言模型，在多模态感知、推理等能力上表现出色，还拓展了工具使用、GUI代理等多模态能力。
OpenGVLab
InternVL3-38B是一个先进的多模态大语言模型（MLLM），在多模态感知和推理能力上有显著提升，支持工具使用、GUI代理、工业图像分析、3D视觉感知等领域。
InternVL3-9B是InternVL3系列中的一款多模态大语言模型，具备卓越的多模态感知与推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种应用场景。
InternVL3-2B是OpenGVLab推出的先进多模态大语言模型（MLLM），具备卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等。
InternVL3-78B是OpenGVLab推出的先进多模态大语言模型，展现卓越的综合性能。相比前代InternVL 2.5，具备更强大的多模态感知与推理能力，并将能力拓展至工具使用、GUI代理、工业图像分析、3D视觉感知等新领域。
InternVL3-8B-Instruct 是一个先进的多模态大语言模型（MLLM），展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种功能。
InternVL3-38B-Instruct 是一个先进的多模态大语言模型（MLLM），展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种任务。
InternVL3-78B-Instruct是OpenGVLab推出的先进多模态大语言模型，展示了卓越的多模态感知和推理能力，支持工具使用、GUI代理、工业图像分析、3D视觉感知等多种任务。
FriendliAI
InternVL3-38B 是一款先进的多模态大语言模型，在多模态感知、推理等能力上表现卓越，相较于前代模型有显著提升，还拓展了工具使用、GUI 代理等多模态能力。
InternVL3-8B是一款先进的多模态大语言模型，具备卓越的多模态感知和推理能力，在工具使用、GUI代理、工业图像分析等多领域表现出色。
Alhdrawi
Qwen2.5-VL-32B-Instruct是Qwen家族的最新视觉语言模型，具备强大的视觉理解和智能代理能力，支持多模态任务处理。
Benasd
Qwen2.5-VL是通义千问团队推出的多模态大语言模型，具备强大的视觉理解和智能代理能力，支持图像、视频、文本等多种输入格式。
fixie-ai
Ultravox是基于Llama3.3-70B和Whisper构建的多模态语音大语言模型，支持语音和文本输入，适用于语音代理、翻译等场景。
Ultravox 是一个基于 Mistral-Nemo 和 Whisper 的多模态模型，可同时处理语音和文本输入，适用于语音代理、语音翻译等任务。
adept
Fuyu-8B是Adept AI开发的多模态文本-图像转换器，专为数字代理设计，支持任意图像分辨率，响应迅捷且架构简洁。
一个高性能的MCP服务器，为LLM代理提供持久化的多模态上下文存储，支持线程隔离、元数据过滤、全文搜索和语义搜索，兼容SQLite和PostgreSQL后端。
%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
