宇树科技创始人王兴兴在2026世界机器人大会透露,公司将推进物理AI机器人模型自进化,探索用AI大模型自动生成机器人控制代码。登陆科创板次日他表示,计划以前沿大模型为核心,自定义规则、经验框架和约束工具,自主检索最新论文、成果及开源方案,生成代码并经模型自评与人工评审。
ComfyUI,一家由开源项目发展而来的AI初创公司,于4月24日宣布完成3000万美元融资,估值达5亿美元。本轮由Craft Ventures领投,Pace Capital等跟投。其核心产品是基于节点的工作流平台,通过模块化框架解决主流扩散模型在生成图像、视频、音频时缺乏精确控制的问题,让用户能精细调节生成过程的每一步,与Midjourney等提示词驱动的“老虎机”式工具形成对比。
Anthropic宣布Claude大模型助手获得直接控制用户电脑的能力,标志着AI从“聊天”转向“行动”的实战阶段。这一功能被视为对开源框架OpenClaw的反击,推动“代理型AI”进入新竞争。
荣耀发布折叠旗舰Magic V6及AI生态“荣耀龙虾宇宙”,将端侧AI深度融入多设备协同。其开源框架OpenClaw可提供决策建议并直接控制PC、平板等终端,实现自动化任务处理。
GitAgent是用于定义、版本控制和运行AI代理的开放式标准,支持多框架。
轻量级布局到图像生成框架,实现精准空间控制。
为 Diffusion Transformer 提供高效灵活的控制框架。
基于 DiT 的人类图像动画框架,实现精细控制与长效一致性。
Alibaba
$2
Input tokens/M
-
Output tokens/M
256
Context Length
Bytedance
32
Openai
$0.35
$2.8
400
Chatglm
128
Baidu
$1
$4
64
Tencent
$6
$18
Minimax
$0.1
$0.4
Google
01-ai
4
QuantFactory
UIGEN-FX-4B-Preview是一个具有40亿参数的UI生成模型,专门针对前端开发进行优化,能够在22个框架中表现得像一名前端工程师。该模型专注于生成语义化的HTML代码,具有优秀的布局节奏、间距控制和组件组合能力,适合快速生成单文件网页。
bytedance-research
ATI 是一个基于轨迹的运动控制框架,统一了视频生成中的物体、局部和相机运动。
Ziang-Li
基于LeRobot框架训练的机器人策略模型,适用于机器人控制任务
jclinton1
Diffusion Policy 是一个基于扩散模型的策略学习框架,适用于机器人控制任务。
OTA-AI
OTA-v1是基于Qwen2.5-14B微调的专业级浏览器智能体模型,专精于浏览器环境控制,通过browser-use等框架实现高精度自动化网页操作。
homebrewltd
PoseLess是一种创新的机器人手部控制框架,通过使用投影表示直接将2D图像映射到关节角度,无需显式的姿态估计。
Menlo
Poseless-3B 是一种基于视觉语言模型(VLM)的机器人手部控制框架,能够直接将2D图像映射到关节角度,无需显式姿态估计。
sayakpaul
基于Flux控制框架的图像编辑模型,支持多种风格转换和内容修改
frankjoshua
针对图像修复和扩展优化的控制网模型,兼容稳定扩散XL框架
TTPlanet
基于SDXL框架的控制网Tile模型,用于增强或改变原图细节特征,兼容WebUI和ComfyUI
一个基于安全控制框架(SCF)的MCP服务器,提供1451个安全控制项在262个合规框架(包括ISO 27001、NIST CSF、DORA、AI治理标准等)之间的双向映射和搜索功能,使AI助手能够直接查询和关联不同安全标准的要求。
Archicad-MCP是一个基于Tapir插件的MCP服务器框架,允许Claude等客户端与Graphisoft Archicad建筑软件进行交互和控制
GUARDRAIL是一个专为大型语言模型(LLM)应用生态系统设计的安全框架,特别针对模型上下文协议(MCP)提供全面保护。它采用多层架构,包括信息网关层、上下文验证层、请求控制层、执行隔离层和审计监控层,旨在防止数据泄露、未授权访问和资源滥用。该框架强调渐进式采用,允许开发者逐步增强安全性,同时保持高性能和易用性。
该项目是一个为Metasploit框架设计的MCP服务器,提供大语言模型与渗透测试平台的集成接口,支持通过自然语言控制复杂的安全测试流程。
一个基于Nix的模型控制协议(MCP)服务器配置框架,提供模块化配置和预构建的服务器包,支持安全部署和可重复构建。
MCP Plexus是一个基于FastMCP 2.7的Python框架,用于构建安全、可扩展的多租户MCP服务器,支持OAuth 2.1集成和API密钥管理,为现代AI应用提供隔离环境和工具访问控制。
该项目是一个Metasploit框架的MCP服务器,为大型语言模型(如Claude)与Metasploit渗透测试平台之间提供桥梁,支持通过自然语言接口控制复杂的安全测试工作流。
一个基于MCP框架的多功能TTS服务器,整合了Kokoro本地TTS和OpenAI云端TTS引擎,支持实时音频流、语音定制及播放控制。
基于FastMCP框架和火山引擎API的图像生成MCP服务器,支持通过豆包模型生成高质量图像,提供多分辨率、参数控制和本地存储等功能。
GatewayStack是一个为ChatGPT等LLM提供安全身份验证和用户数据访问的MCP服务器框架,通过OAuth/JWT实现用户身份验证、权限控制和审计追踪,解决AI应用中的三方身份验证问题。
这是一个用于与Google Cloud合规管理器交互的MCP服务器,使AI助手能够发现、部署和监控云合规框架与控制项。
一个基于AgentKit的多智能体浏览器自动化框架,通过分工协作实现智能网页导航与任务执行,包含任务规划、导航控制、浏览器操作和结果验证四大核心模块。
Geeker-Admin是一款基于Vue3.4、TypeScript等最新技术栈开发的后台管理框架,提供丰富的组件和功能,如ProTable、动态路由、权限控制等,显著提升开发效率。
一个用于测试MCP(任务控制平台)服务器功能的项目,包含基本服务器设置、API端点、认证和测试框架等功能。
本项目通过Model Context Protocol (MCP)框架实现AI代理对Windows画图程序(MSPaint)的自动化控制,利用pywinauto操作画图工具,结合Gemini模型实现自然语言指令驱动的绘图功能。
该项目实现了一个基于WebAssembly Go的管理控制协议(MCP)服务器,用于执行'sai'命令并处理其输出和退出码,支持与wpcli框架集成。
LAMDA是一个功能强大的Android逆向工程与自动化框架,旨在简化安全分析和应用测试流程,提供编程化接口替代手动操作,支持远程控制、网络代理、UI自动化等多种功能。