自动化
PaliGemma 2
PaliGemma 2是一款由Google DeepMind研发的视觉语言模型（VLM），结合了SigLIP-So400m视觉编码器与Gemma 2语言模型，支持多种分辨率的图像处理。该模型具备强大的知识迁移能力和出色的学术任务表现，在OCR、音乐乐谱识别以及医学图像报告生成等方面实现了技术突破。它能够处理多模态任务，包括图像字幕生成、视觉推理等，并支持量化和CPU推理以提高计算效率。
Paperguide
Paperguide是一款结合了AI研究助理、文献管理和写作辅助功能的学术平台，支持用户通过AI搜索、论文简化、注释笔记、视频摘要等方式高效完成学术任务。其参考文献管理器和文本编辑器进一步提升了研究效率和写作质量，适用于科研人员、学生及教育工作者等群体。
Browseragent
Browseragent是一款基于浏览器的AI自动化工具，支持无代码可视化工作流构建，可在本地运行以保障数据安全。用户可轻松实现文本处理、网页抓取、文件操作等任务，适用于内容创作、电商运营、数据分析等多个场景。通过Chrome扩展便捷访问，降低AI技术使用门槛，提升工作效率。
Agent TARS
Agent TARS 是字节跳动推出的开源多模态 AI 代理工具，支持浏览器、命令行和文件系统的集成，实现复杂任务的自动化执行。其核心功能包括代理工作流、数据处理、代码生成与解释等。基于事件流和模型上下文协议（MCP），Agent TARS 能高效分解任务并实时反馈结果，适用于网页自动化、任务管理、数据分析和代码辅助等多种场景。目前支持 macOS 平台，处于技术预览阶段。
VideoCaptioner
VideoCaptioner是一款基于大语言模型的智能字幕处理工具，支持语音识别、字幕优化、翻译、样式调整及视频合成等功能。无需GPU即可运行，兼容多语言和多种字幕格式，适用于视频创作者、教育工作者及字幕翻译团队，提升字幕制作效率与质量。
