AI功能岛

AutoGen 是面向多智能体（Multi-Agent）协作开发的先进框架镜像。镜像预装了完整的 AutoGen 生态与多智能体通信工具链，支持灵活定义多 Agent 间的对话机制、代码生成与执行、代码解释器及工具调用。适用于复杂任务拆解、自动化代码编写与调试、多角色协同推理等场景，帮助开发者快速搭建高定制化、自治的 AI 工作流系统。

CrewAI 是专注于“基于角色（Role-Playing）”的多智能体编排与协作框架镜像。镜像开箱即用，集成了任务（Task）、角色（Agent）与团队（Crew）的协同逻辑与工具绑定扩展。支持按序（Sequential）或层级（Hierarchical）执行复杂工作流，广泛应用于自动化市场研究、内容创作流水线、复杂数据分析等业务场景，极大降低了精细化 AI 团队协作系统的开发与部署门槛。

Laya 是面向复杂决策场景的非文本多模态 AI 基础模型镜像（DECISIONS, NOT TEXT）。镜像预装了完整的视觉与行动推理工具链，集成基于螺旋感知结构的特征提取与多模态交互策略，支持在自动化决策、智能体交互及复杂场景控制中开展一键式训练与推理部署，大幅降低高性能非文本决策算法的开发门槛。

Qwen-Drive 是面向自动驾驶领域的视觉语言基础模型镜像。镜像预装了完整的 3D 感知、场景问答与闭环运动规划工具链，集成 SFT 和强化学习（RL）专家策略，支持在真实驾驶场景及通用视觉任务中开展一键式训练、推理与自动化安全评估，大幅降低端到端自动驾驶算法研发与调优的门槛。

SenseNova-U1.5是集图像生成、理解与精准编辑于一体的原生多模态镜像。预装 8B-MoT 规格模型环境，原生支持 4K 图像生成、多图合成及区域局部精细化修改，具备强大的中英文渲染与复杂长指令遵循能力，适用于电商主视觉设计、创意营销海报制作与高级视觉创作场景。

Deepseek-harness 是专为 DeepSeek 系列大模型及智能体打造的高性能评估与测试框架。镜像预装了 dsh-market 智能体市场工具链，支持快速部署复杂基准测试任务，可对多场景下 AI Agent 的任务规划、工具调用与推理能力进行自动化评测，极大地降低了大模型评估与智能体应用开发的门槛。

OpenMAIC 是开源的多智能体交互与协作研究平台。该镜像集成了完整的开放式多智能体模拟环境与通信协议，支持科研人员与开发者构建复杂的多 Agent 协作体系，进行群体智能演化、博弈决策及社会化行为建模，为下一代自主 AI 系统研发提供高效的基础设施支撑。

Hunyuan3D 是腾讯开源的高保真 3D 生成大模型系统。采用两阶段生成架构，支持单图或文本 Prompt 输入，能够快速生成具备高精细度几何结构与高质量 UV 纹理贴图的 3D 资产，极大提升了游戏制作、影视渲染、VR/AR 工业建模等领域的 3D 内容生产效率。

Muse Glimmer 30B 是 Meta 推出的开源多模态 Reasoning 基础模型，配备 300 亿参数及专用视觉编码器。模型专为端侧及本地 Agent 场景优化，具备强大的多步骤逻辑推理、可靠的 Function Calling 工具调用、长文本上下文理解及失败自我修复能力，可广泛应用于自动化代码调试、文档/截图解析及智能体编排。

Ornith 1.5 35B 是一款专注于 Agentic 代码生成与软件工程自动化的混合专家（MoE）开源大语言模型。该模型基于深层强化学习构建，引入创新的 Self-Scaffolding（自我骨架构建）机制，能够动态生成复杂的任务调度与调试策略，在多文件代码库解析、终端指令执行及 CI/CD 补丁修复等场景表现优异。

Qwen3.8-27B 是通义千问系列的高性能开源大语言模型，拥有 270 亿参数量。模型在长文本理解、复杂逻辑推理、多语言翻译及高质量代码生成方面实现了全面升级，能够高效响应复杂的 Prompt 指令，为企业级应用、智能 Agent 开发及高吞吐量推理场景提供强劲支撑。

Wan-animate-2 是专门针对角色动作控制与动态生成设计的生成式视频模型。基于先进的时空注意机制，模型能够实现高度一致的人物形态保持与自然的肢体动作过渡，支持从单张静态人像生成高帧率流畅动画，在动作捕捉模仿、虚拟人演绎及复杂场景动作续写方面具备优异表现。

LTX-2.5 是由 Lightricks 推出的开源高性能音视频生成模型，基于 Diffusion Transformer (DiT) 架构与 Gemma 4 文本编码器驱动。模型支持原生多镜头连续合成（Multi-shot）、自动画音同步与 4K HDR 级超高清渲染，具备出色的指令响应能力与复杂的镜头动态控制，可在极短推理时间内完成高品质文生视频与图生视频创作。

HunyuanVideo-1.5 是腾讯开源的 8.3B 参数轻量级视频生成模型，采用改进的 DiT 架构与 SSTA 稀疏注意力机制。模型专注于高画质、强动作连贯性与低显存高效推理，结合步数蒸馏技术可在消费级显卡上极速输出 480p 至 1080p 高高清画质视频，全面覆盖文生视频与图生视频等多模态创作需求。

Mage-Flow-4B 是一款基于 Flow Matching 架构的高性能 4B 参数视觉生成模型，专注于高质量图像生成与多模态创作。模型在提示词精准响应、复杂构图呈现及光影细节还原上表现优异，能够在极少推理步数下实现高清晰度、高一致性的视觉输出，适用于艺术创作、设计草图渲染与创意视觉生成。

Wan-Dancer 是一款专注于动作迁移与舞蹈视频生成的 AI 模型，能够精准捕捉参考动作并将其无缝应用至目标角色。该模型在保持人物面部特征与衣物细节一致性的同时，实现流畅、高精度的动态视频输出，适合动效创作与虚拟人渲染。

MiniMax H3 是一款高性能多模态大语言模型，具备极强的复杂逻辑推理、代码生成与超长上下文处理能力。旨在为企业与开发者提供高效、稳定且低延迟的智能交互体验，广泛适用于智能体开发、文档深度分析与复杂决策支持。

LTX-2 是一款专为高效视频生成设计的 AI 模型，旨在为创作者和开发者提供快速、高质量的视频生成能力。它专注于在保证出色视觉效果的同时，实现更快的推理速度和更低的资源消耗，是内容创作和快速原型设计的理想选择。

通义千问系列的多模态视觉语言模型，具备强大的图像理解与文本生成能力，能够处理复杂的视觉问答、图像描述等任务，是构建下一代AI应用的核心模型。

新一代AI视频生成模型，能够根据文本描述生成高质量、高保真的视频内容，为创意工作者和开发者提供强大的视频创作工具。

专为 AI 初学者与开发者设计，集成了丰富的深度学习教程、实战案例与交互式编程环境，支持一键启动主流模型训练任务，帮助用户以极低的门槛快速掌握 AI 核心知识与实践技能。

基于 Axolotl 打造的大语言模型微调与训练镜像。专为高效 AI 研发优化，集成了主流微调技术（如 LoRA、QLoRA、Full Fine-tuning），支持快速加载各类开源 LLM 进行定制化训练，帮助开发者以极低门槛高效完成模型的微调与部署。

基于 SGLang 框架构建的高性能大模型推理与并发优化镜像。融合 vLLM 等高效后端引擎，支持复杂 Prompt 程序化调度、基准测试与结构化输出生成，显著提升 LLM 在生产环境下的吞吐量与响应速度。

基于 HF TRL (Transformer Reinforcement Learning) 构建的大模型对齐与强化学习训练镜像。全面支持 SFT、PPO、DPO 等主流对齐算法，帮助开发者轻松实现 LLM 的人类偏好对齐与高性能强化学习训练。

基于 Dots-TTS 语音合成大模型构建的 AI 音频处理镜像。专为 RTX 4090 优化，支持高质量的文本转语音（TTS）与零样本（Zero-shot）声音克隆能力，能够通过极短的音频样本快速实现自然、具情感表现力的语音生成，完美助力智能助理、有声内容创作与多模态语音应用的快速开发。

基于 LocateAnything-3B 视觉定位大模型构建的 AI 图像处理镜像。专为 RTX 4090 优化，支持强大的多模态理解与精准的目标检测能力，能够通过自然语言指令快速实现图像中的物体定位、分割与交互分析，完美助力计算机视觉与多模态应用的快速开发。

集成 Ollama 0.30.9 最新版本的轻量化大模型本地运行镜像。完美适配 RTX 4090 算力，原生支持 Llama、DeepSeek、Gemma 等主流开源大模型的一键下载、量化运行与 API 部署，具备极低的推理延迟与极简的操作体验，是本地化 AI 应用开发的理想底座。

基于 TripoSplat 前沿算法构建的 3D 辐射场（Gaussian Splatting）重建与生成镜像。充分释放 RTX 4090 的并行计算能力，支持从单张图片或单段视频中秒级生成高质量三维模型，大幅优化了渲染速度与显存占用，助力独立开发者与设计师高效探索 AI 3D 创作。

基于 Unsloth 轻量化微调框架构建的 AI 编程镜像。完美适配 RTX 4090，原生支持 4-bit/8-bit 高效量化与 LoRA/QLoRA 训练，在大幅降低显存占用的同时成倍提升微调速度，助力开发者快速打造专属的智能代码生成与重构助手。

基于开源技术构建的 AI 编程与代码助手镜像，为开发者提供智能代码生成、补全及重构支持。支持 ccswitch，可自由切换并选择任意模型使用。

集成 openwebui 和 ollama 的大语言模型镜像，支持快速部署与本地高效推理。

基于开源技术构建的 AI 编程与代码助手镜像，为开发者提供智能代码生成、补全及重构支持。

高性能 AI Agent 智能体部署环境，支持自主任务规划、工具调用与自动化工作流的高效执行。

集成了 Anthropic 官方终端代码助手 Claude Code 的镜像环境，支持在命令行中直接进行代码库理解、编写与调试。

OpenClaw 智能体框架环境，镜像内已预装好 Kimi 2.5 模型，开箱即用，支持快速构建具备长文本处理能力的 AI Agent。

基于 Protenix 的蛋白质结构预测与推理镜像。开箱即用，专为生物信息学与前沿生命科学研究打造，助力高效完成复杂的大分子结构预测科研项目。

集成了深度学习与时序分析算法的能源预测镜像。支持负荷预测、电网优化等复杂场景，为高校及研究机构的相关科研项目提供稳定、高效的计算环境。

基于 GPT 生态的 Image-2 UI 镜像，支持在 UI 界面端直接体验和生成高品质图像，操作简单，无需复杂命令行配置。

谷歌新一代 Gemma 4 大模型镜像，集成 Open WebUI 交互界面，支持在界面中随机切换不同模型进行对话与能力体验。

统一的开源低代码大模型微调框架，集成了业界最广泛使用的微调技术，支持通过 Web UI 界面零代码微调大模型。

DeepSeek-OCR 是由 DeepSeek-AI 开源的 OCR 模型与工具链，核心依托 “上下文光学压缩” 创新技术，通过 DeepEncoder 模块将文档转为信息密度更高的视觉 tokens，在压缩比 10倍内仍保持 97% 的识别精度

Gemma3-27B 是谷歌 2025 年推出的开源多模态大语言模型，参数量 270 亿。它在 LMSYS Chatbot Arena 榜单中位列前十，性能出色。其亮点是单卡即可运行，且具有多模态处理、长上下文理解、多语言支持、函数调用与结构化输出等能力。

QwQ-32B 是一款结合强化学习与智能体技术的高效推理模型，凭借其卓越的性能、低部署成本 and 开源特性，正在推动 AI 技术的普及与应用。其成功验证了“大规模强化学习+强大基座模型”的技术路径。

Qwen2.5-VL-7B-Instruct 模型 升级时空感知与视觉编码器，简化结构提升多模态效率，在多个任务中超越了GPT-4o-mini。

DeepSeek-R1 32B int4模型，采用强化学习训练，具备出色的推理能力，能够在数学、编程和推理任务中与 OpenAI 的模型相媲美。

DeepSeek-R1 14B int8模型，采用强化学习训练，具备出色的推理能力，能够在数学、编程 and 推理任务中与 OpenAI 的模型相媲美。

DeepSeek-R1 7B无量化模型，采用强化学习训练，具备出色的推理能力，能够在数学、编程和推理任务中与 OpenAI 的模型相媲美。

多模态 AI 模型，拥有 70 亿参数，能够同时处理视觉和语言任务，在图像生成和视觉问答等任务中表现出色。

由复旦大学和百度联合推出，支持通过音频驱动生成 4K、时长 1 小时的人像动画，支持文本提示以增强内容多样性与可控性

由 Black Forest Labs 推出的开源图像生成模型，专为本地开发和个人使用场景设计，能快速生成高质量图像

ChatTTS是一款专为日常对话设计的文本到语音(TTS)模型，支持中英文，通过大规模数据训练，提供自然、富有表现力的语音合成。

多语言文本到语音合成系统，支持零样本和少样本TTS，无需依赖音素，具有高准确度和快速实时因子。

CosyVoice是一个多语言的大型语音生成模型，提供推理、训练和部署的全栈能力。

GLM-4-Voice 是智谱 AI 推出的端到端语音模型，能够直接理解和生成中英文语音，实时语音对话，并且能够遵循用户的指令要求改变语音的情感、语调、语速、方言等属性。

由智谱AI推出的开源视频生成模型，专为创意内容制作和个性化视频创作场景设计，能高效生成高质量视频

LLaMA-Factory 是一个高效的大型语言模型微调工具，支持多种模型和训练方法，包括预训练、监督微调、强化学习等，同时提供量化技术和实验监控，旨在提高训练速度和模型性能。

智谱AI和清华大学KEG实验室联合发布，对话流畅、部署门槛低，原生支持工具调用、代码执行和 Agent 任务等复杂场景

Stable Diffusion web UI v2.1 是一款基于 Gradio的图形用户界面（GUI），提供了丰富的功能和灵活性，以满足复杂和高级的文生图需求

Stable Diffusion XL v1.0 结合硅基流动发布的推理加速引擎 OneDiff，提供高速图像生成能力