OpenAI推出Codex Chrome扩展程序，支持Mac和PC，旨在简化浏览器任务执行。该扩展迎合用户浏览器工作趋势，提升Web任务效率。此前Codex通过沙盒浏览器和插件库支持GitHub、Slack、Figma等服务，新扩展填补了以往方法的空白。
OpenAI推出Codex for Chrome扩展，AI助手首次深度介入网页操作。获得授权后，Codex能像人类一样阅读网页、操作内部系统并填写复杂表单，标志着AI从对话框走向系统级应用。
OpenAI 推出“Codex for Chrome”浏览器扩展，支持macOS和Windows。该插件以非侵入式方式协作，不干扰用户浏览，可深度利用浏览器环境进行Web应用测试，并具备跨标签页获取上下文信息的能力，提升开发效率。
谷歌发布Chrome 148版本，新增AI功能，用户可在地址栏或新标签页直接向AI智能体提问，获取自然语言回答并支持追问。同时，AI自动填充工具获改进，可在用户同意下协助填写信用卡和地址信息。
SortFeed.io Chrome扩展，可排序TikTok、Instagram和Pinterest帖子并导出数据。
安装Knapsack Chrome扩展，在浏览器中获取AI助力，安全聊天与运行代理。
免费开源，无需迁移，为现有Chrome浏览器添加AI超能力
BlabbyAI Chrome扩展，快速准确将语音转换为文本，支持任意网站语音输入。
kayte0342
ChronoEdit-14B是NVIDIA开发的一款具备时间推理能力的图像编辑和世界模拟模型，拥有140亿参数。它通过两阶段推理过程实现物理感知的图像编辑和基于动作条件的世界模拟，从预训练视频生成模型中提炼先验知识。
QuantStack
这是NVIDIA ChronoEdit-14B-Diffusers模型的GGUF量化版本，专门用于图像转视频任务。该模型保留了原始模型的所有功能，同时通过GGUF格式优化了部署和运行效率。
amazon
Chronos-2是一个拥有1.2亿参数的时间序列基础模型，支持零样本预测。它在单一架构内支持单变量、多变量和协变量感知任务，在多个基准测试中实现了零样本预测的最先进精度，且推理效率极高。
CenKreChro-SVDQ是基于CenKreChro文本到图像模型的量化版本，采用SVDQuant技术进行优化。该模型结合了Chroma和Flux Krea的优势，提供了高效的图像生成能力，特别针对不同GPU架构进行了优化。
spooknik
CenKreChro-SVDQ 是基于 Chroma 和 Flux Krea 合并的文本到图像生成模型的量化版本，采用 SVDQuant 技术进行优化，提供 INT4 和 FP4 两种量化格式，分别适用于不同世代的 GPU 硬件。
bunnycore
chroma_art-lora 是一款专门设计的 LoRA 模型，旨在为生成的图像赋予独特的艺术美感，尤其注重鲜艳的色彩和艺术风格。它适用于创建风格化的数字艺术作品，如动漫、电影感图像和桌面壁纸。
duyntnet
Chroma 是一个高质量的文本到图像生成模型，专注于生成逼真的图像内容。该模型采用先进的扩散技术，能够根据文本描述生成高质量的视觉内容，特别适合本地部署环境下的图像创作需求。
lodestones
Chroma1-HD是基于FLUX.1-schnell架构的文本到图像生成基础模型，拥有89亿参数，采用Apache 2.0开源许可。该模型专为微调设计，为开发者和研究人员提供了强大的图像生成基础，支持创建各种专业化的视觉内容。
Salesforce
Moirai 2.0 是一个仅含解码器的通用时间序列预测Transformer模型，在多个高质量数据集上进行了预训练，包括GIFT-Eval、Chronos数据集子集、合成时间序列和Salesforce内部运营数据。相比第一版本，在损失函数、预测方式、数据处理等方面进行了重大改进。
Chroma1-Base是一个拥有89亿参数的文生图基础模型，基于FLUX.1-schnell架构构建，采用Apache 2.0许可证。该模型专为微调设计，为开发者、研究人员和艺术家提供强大而中立的基础，用于创建专门的生成模型。
Chroma模型的GGUF量化版本，支持文本到图像的转换和图像生成。
DFloat11
这是原始lodestones/Chroma（v39）模型的DFloat11无损压缩版本，将模型大小缩小了32%，同时保持位级相同的输出，并支持高效的GPU推理。
SG161222
SPARK.Chroma是一款基于Chroma1-HD模型微调的文本到图像生成模型，专注于生成逼真图像。该模型拥有89亿参数，采用Apache 2.0许可协议，当前为预览版本。
manelalab
ChronoBERT是一系列高性能时间一致性大语言模型，旨在消除前瞻性偏差和训练数据泄露，同时在时间敏感应用中保持良好的语言理解能力。
silveroxides
Chroma-GGUF 是一个基于 lodestones/Chroma 的量化模型集合，提供多种不同精度的量化版本，适用于不同的硬件和性能需求。
nieche
基于专有数据集微调的时间序列预测模型，特别适用于间歇性需求预测场景。
基于amazon/chronos-bolt-base架构微调的时间序列预测模型，专门针对间歇性需求预测任务优化
基于1.9亿时间序列数据点微调的间歇性需求预测模型
基于amazon/chronos-bolt-small精调的时间序列预测模型，使用2500万行专有数据训练
jhshao
ChronoDepth是基于视频扩散先验的时序一致视频深度学习方法，能够从视频中学习并预测深度信息。
BrowserTools MCP是一个强大的浏览器监控与交互工具，通过Chrome扩展和本地服务器实现AI对浏览器的智能分析与操作。
Browser MCP是一个MCP服务器+Chrome扩展，通过AI应用（如VS Code、Claude等）实现浏览器自动化操作，具有快速、隐私保护、保持登录状态和规避检测等特点。
Node.js调试器MCP服务器，提供基于Chrome DevTools协议的完整调试功能，包括断点设置、单步执行、变量检查和表达式评估等
MCP记忆服务是一个基于ChromaDB和句子转换器的语义记忆存储系统，为Claude Desktop提供长期记忆和语义搜索功能。
Chroma是一个开源的向量数据库，提供Python和JavaScript LLM应用的内存支持，支持多种客户端类型和文档操作。
一个基于Ruby的MCP服务器，使用Ferrum和Headless Chrome进行浏览器自动化，提供29种工具支持导航、交互、内容提取等功能，并内置反检测的隐身模式。
BrowserTools MCP是一个强大的浏览器监控与交互工具，通过Chrome扩展和本地Node服务器实现AI应用对浏览器数据的捕获与分析，支持与多种MCP客户端兼容。
一个基于MCP协议的服务器，通过Chrome DevTools Protocol（CDP）驱动本地Chrome/Chromium浏览器标签页，实现自动化点击、导航、截图等功能，无需开启远程调试端口。
本项目构建了一个基于IBM Watsonx.ai的检索增强生成(RAG)服务器，使用ChromaDB进行向量索引，并通过模型上下文协议(MCP)暴露接口。该系统能够处理PDF文档并基于文档内容回答问题，实现了将大型语言模型与特定领域知识相结合的智能问答功能。
该项目旨在构建一个与Chrome交互的MCP服务器，包含简易演示版和基于Python SDK的健壮版两种实现，用于页面截图和协议验证。
基于MCP架构的Chrome浏览器自动化服务，提供网页控制、登录管理和元素操作功能
一个基于Puppeteer的MCP服务器，提供浏览器自动化能力，支持连接现有Chrome窗口或创建新实例。
MCP RAG Server是一个基于Model Context Protocol的检索增强生成服务，通过本地化工具（ChromaDB和Ollama）自动索引项目文档，为连接的LLM提供上下文增强能力。
一个基于Streamable HTTP MCP协议的远程ChromaDB服务器，为Claude等AI助手提供向量数据库的远程访问能力，支持跨平台共享记忆和语义搜索。
WindTools MCP服务器是一个基于ChromaDB和句子转换器的代码助手服务，提供文档嵌入和检索功能，支持代码库索引和语义搜索。
Electron调试MCP服务器是一个连接模型上下文协议(MCP)与Electron应用的桥梁，提供通过标准化API进行高级调试的能力，深度集成了Chrome开发者工具协议(CDP)以实现高级调试功能。
一个通过MCP协议管理Chrome浏览器标签的工具，支持获取和关闭标签页。
这是一个用于与Google Chronicle安全运营套件交互的MCP服务器项目，提供安全事件搜索、警报获取等功能。
一个基于Playwright的MCP服务器，支持通过CDP连接现有Chrome实例，提供浏览器自动化能力。
一个Chrome扩展，用于选择和存储网页DOM元素。
Safetensors%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)
