Adobe发布Photoshop和Lightroom重大更新，将生成式AI扩展至3D空间处理。核心亮点是“旋转对象”工具，允许用户在3D空间中实时旋转、倾斜或翻转2D素材，自动调整透视角度和环境视觉逻辑，显著提升合成创作效率与效果。
国家安全部发布AI术语“词元”（Token）安全警示，指出其日均调用量超140万亿，需警惕数据泄露与金融诈骗风险。作为AI信息最小单元，词元兼具可计量、可定价、可交易特征，已成为智能时代“结算单位”。截至2026年3月，我国词元调用量较2024年初增长超千倍，应用场景从文本生成不断扩展。
字节跳动旗下视频编辑应用CapCut正式推出Dreamina Seedance2.0模型，已在移动、桌面及网页端同步上线。该模型率先在印尼、菲律宾、泰国、越南、马来西亚、巴西和墨西哥推出，未来将扩展至更多地区。Dreamina Seedance2.0旨在通过CapCut解锁视觉叙事新可能，支持在单一流畅工作流中实现行业领先的视频生成与编辑，其核心亮点包括最高级别的长视频生成能力。
ElevenLabs于2026年3月推出AI音乐交易市场，用户可利用其AI音乐模型创作并销售曲目，将语音克隆的成功商业模式扩展至音频领域。创作者上传原创AI歌曲后，可通过下载、混音或授权获得收益。此前，其语音市场已向创作者支付超1100万美元，音乐模型已生成近1400万首歌曲。
AI音乐生成器，可秒将文本或歌词转为歌曲，支持生成、扩展和翻唱
FLORA整合顶尖AI工具，提供可扩展生成式工作流加速创意产出。
通过 EvoLink 集成，生成 10 - 15 秒音画同步写实视频，扩展 AI 视频生产规模
AI音乐生成器，数分钟内创作、扩展并发布原创歌曲
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
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
DavidAU
这是一个增强版的多模态视觉语言模型，基于Qwen3-VL-8B-Thinking模型，通过Brainstorm 20x技术扩展至12B参数，采用NEO Imatrix增强的GGUF量化。模型具备强大的图像理解、文本生成和多模态推理能力，在视觉感知、文本质量和创意场景方面都有显著提升。
noctrex
本项目是对Qwen3-Coder-30B-A3B-Instruct模型进行MXFP4_MOE量化的成果，将上下文大小从256k扩展到1M，为代码生成和编程任务提供了更优化的模型版本，具有提升性能和节省资源的价值。
unsloth
ERNIE-4.5-300B-A47B 是一款文本 MoE 后训练模型，拥有 3000 亿的总参数，每个标记有 470 亿的激活参数。该模型具备多模态异构 MoE 预训练、高效扩展基础设施和特定模态后训练等先进技术，能在文本理解与生成、图像理解及跨模态推理等任务中表现出色。
DeSTA-ntu
DeSTA2.5-Audio是一个通用的大型音频语言模型，通过自生成的跨模态对齐技术，在无需特定任务指令调优数据的情况下实现高扩展性和效率，同时保留语言能力并避免灾难性遗忘。
CypressYang
SongBloom是一个创新的全长歌曲生成框架，采用自回归草图绘制和基于扩散的细化交错范式，结合了扩散模型的高保真度和语言模型的可扩展性，能够生成高质量的全长歌曲。
prithivMLmods
DeepSeek-R1-Llama-8B-F32-GGUF 是 DeepSeek-R1-Distill-Llama-8B 的量化版本，采用强化学习直接训练，具备自我验证、反思和生成扩展思维链等能力。
trentmkelly
用于检测Reddit评论中AI生成内容的二分类文本分类模型，支持浏览器扩展实时检测。
shakamone
TRELLIS是一个基于图像条件的大型3D生成模型，采用结构化3D潜变量实现可扩展与多功能的3D生成。
larsquaedvlieg
TRELLIS是一个基于文本条件的大型3D生成模型，采用结构化3D潜变量实现可扩展与多功能的3D内容生成。
TRELLIS是一个大型3D生成模型，通过结构化3D潜变量实现可扩展与多功能的3D内容生成。
Llasa是一个基于LLaMA的文本转语音(TTS)系统，通过整合语音标记扩展了语言模型的能力，支持中英文语音生成。
OctoThinker
OctoThinker是基于Llama-3家族模型构建的强化学习友好型基础语言模型，专注于训练中期激励强化学习扩展研究。该3B参数规模的模型在自然语言处理领域具有重要应用价值，特别适合文本生成任务。
slprl
该模型是基于Llama-3.2-3B微调的语音语言模型，专注于分析交错语音-文本SLM的扩展性，支持语音和文本的生成任务。
基于Qwen2.5-7B扩展的语音语言模型，支持语音-文本交错训练和跨模态生成
microsoft
TRELLIS Text Large 是一个大型文本到3D生成模型，基于结构化3D潜在空间实现可扩展和多样化的3D内容生成。
junnei
Gemma-3-MM是基于Gemma-3-4b-it扩展的多模态指令模型，新增语音处理能力，可处理文本、图像和音频输入，生成文本输出。
Efficient-Large-Model
SANA-1.5是一个基于线性扩散Transformer的可扩展文生图模型，支持1024像素分辨率图像生成，具有高效训练与推理缩放技术。
tencent
混元视频-I2V是一个全新的图像转视频生成框架，基于腾讯混元视频模型扩展，支持从静态图像生成高质量视频内容。
GenerTeam
GENERator是一个具有9.8万碱基对上下文长度和30亿参数的生成式基因组基础模型，基于真核生物DNA扩展数据集训练
motexture
基于条件增强的文本生成视频模型，通过时序条件变换器扩展生成片段并实现平滑过渡，支持提示词插值功能
Aderyn是一个开源的Solidity智能合约静态分析工具，由Rust编写，帮助开发者和安全研究人员发现Solidity代码中的漏洞。它支持Foundry和Hardhat项目，可生成多种格式报告，并提供VSCode扩展。
pg-aiguide是一个AI优化的PostgreSQL知识库，为AI编程助手提供语义搜索官方文档、最佳实践技能和扩展生态文档，帮助生成更高质量的PostgreSQL代码。
Notebook Intelligence (NBI) 是一个为JupyterLab设计的AI编码助手和可扩展AI框架，支持GitHub Copilot及其他LLM提供商的模型，包括本地Ollama模型。它通过代码生成、自动补全和聊天界面等功能显著提升生产力，并支持Model Context Protocol (MCP) 服务集成。
Speech MCP是为Goose设计的语音交互扩展，提供实时语音识别、高质量文本转语音、多语言支持和现代化音频可视化界面，支持多角色对话生成和音频转录功能。
一个基于MCP平台的本地代理服务器和客户端实现，集成天气查询、谷歌搜索、摄像头控制、图片生成和智能对话等多种AI工具功能，支持模块化扩展和高性能并发处理。
一个基于OpenAI GPT-4o/gpt-image-1模型的图像生成与编辑工具，支持通过文本提示生成图像、编辑图像（如修复、扩展、合成等），并兼容多种MCP客户端。
Modal MCP工具箱是一个运行在Modal平台上的工具集合，基于模型上下文协议(MCP)，可为LLM提供扩展功能，如Python沙箱代码执行和FLUX模型图像生成。
Claude MCP是一个增强Claude代码生成能力的服务器工具系统，通过提供最新文档和API访问，确保生成的代码遵循最新最佳实践。系统支持本地或共享部署，包含文档抓取等工具，并可通过模块化扩展功能。
ServiceBricks是一个开源的微服务平台，集成了人工智能功能，支持通过自然语言生成生产级微服务，并采用领域驱动设计和事件驱动架构，提供可扩展、可定制且存储无关的分布式系统开发解决方案。
Workers MCP Server是一个概念验证项目，通过Cloudflare Worker实现Model Context Protocol (MCP)服务器，使Claude Desktop等MCP客户端能够调用Cloudflare Worker的RPC功能来扩展其能力。项目提供了文档生成、本地代理和远程调用等功能，支持开发者快速构建和部署MCP服务。
rag-mcp是一个过度设计的检索增强生成系统，通过Python服务器提供多种文本搜索模式（语义搜索、问答搜索、风格搜索），使用PostgreSQL和pgvector存储文本嵌入向量，支持与AI代理交互，架构复杂但可扩展。
本地多专家智能体调度系统，支持自动生成专家、工具调用和知识库扩展，用于毕业设计项目。
Model Context Protocol (MCP) 是一个开源协议，提供了一系列参考实现和社区开发的服务器，旨在为大型语言模型（LLM）提供安全、可控的工具和数据源访问。这些服务器展示了MCP的多样性和可扩展性，涵盖了从文件系统操作到数据库集成、从网络搜索到AI图像生成等多种功能。
这是一个用于管理Claude桌面应用和Cursor IDE功能扩展配置的工具，支持多种功能如Brave搜索、Git操作、Obsidian笔记等，通过Makefile自动生成配置文件并安装到指定目录。
一个基于fal.ai API的MCP服务器，用于生成图像和视频，支持扩展不同模型和API端点。
Runbook AI MCP服务器是一个通过Chrome扩展提供浏览器自动化能力的工具，允许终端AI代理与实时浏览器会话交互，其核心特点是生成高度简化的HTML以优化上下文使用，并完全在本地运行保障隐私。
一个基于MCP平台的本地代理服务器和客户端实现，集成天气查询、谷歌搜索、摄像头控制、AI图片生成和智能对话等多种AI工具调用能力，支持跨平台运行和模块化扩展。
MCP-SynClub-Generate-Comic是一个专为漫画创作设计的Claude桌面扩展，集成了从剧本生成、角色图像生成、故事板创建到最终漫画图像生成的全流程工作流。
该项目展示了一个结合模型上下文协议(MCP)和检索增强生成(RAG)的轻量级多智能体AI系统，用于商业分析。系统通过协调多个专用工具服务器，提供自然语言查询的商业数据统计分析和知识检索功能，具有模块化设计便于扩展和LLM后端切换。
Luma AI MCP服务器是一个基于Model Context Protocol的服务，集成了Luma AI的Dream Machine API(v1)，提供AI生成视频/图像的工具集，包括文本/图像转视频、视频扩展、音频添加、画质提升等功能，支持通过Claude Desktop直接调用。
%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)
