全球 AI 產品排行榜

2026-07-25 21:44 更新

3
65.0 ↑16.62
Midjourney 影象生成
美國

全球領先的AI影象生成平臺,透過文字提示詞在約60秒內生成高質量藝術影象

132 條評論 13 個相關連結

說一個很多人不知道的省錢技巧:Standard Plan(30刀/月)的Relax Mode實際上是無限出圖的,只是高峰期可能要等2-5分鐘。我之前一直傻傻地用Fast Mode,一個月900張很快就用完了。後來改成先用Relax迭代方向,確定了再切Fast出最終圖,一個月實際能出2000+張,相當於單張成本不到一分五釐錢。但這個技巧僅限不急著出圖的個人創作者,商業專案等不起的話還是老老實實上Pr

6
64.1 ↓-0.4
AI Hedge Fund GitHub專案
美國

模擬18位傳奇投資大師和5位專業分析師AI Agent協作決策的開源對沖基金概念驗證專案,僅用於教育和研究目的

37 條評論 8 個相關連結

最大的坑是容易讓人產生一種'這麼多大師都分析了肯定靠譜'的錯覺。作者已經在README寫了三遍僅供教育研究,但GitHub issue裡還是有人問能不能連實盤。這東西就是一個投資哲學模擬器,拿來學習可以,拿來做真金白銀的決策得自己想清楚。

7
63.9
Codex CLI Vibe Coding
美國

OpenAI 推出的輕量級 AI 程式設計助手,可直接在終端執行

70 條評論 8 個相關連結

用 Codex CLI 已經三個月了,說說從入門到依賴的全過程。第一個月是試探期,主要在 suggest 模式下用,讓它寫一些獨立的函式和單元測試,質量確實不錯,基本 review 一下就能用。第二個月開始切換到 auto-edit 模式,開始讓它做模組級的重構,這時候發現它的程式碼規範性確實比 Claude Code 強——Claude 有時候會用自己的風格重寫整個函式,Codex 則儘量保持原有

15
60.8 ↓-0.15
memU Bot Agent
美國

基於開源記憶框架構建的7×24小時全天候AI個人助理,支援本地化部署和飛書整合

68 條評論 8 個相關連結

看了 1.0.4 更新日誌,團隊迭代速度真的快,基本上每週都有新功能上線。從最早只支援幾個模型到現在 Custom Provider 可以接各種 API,從單一平臺到現在飛書 Telegram Discord Slack 全支援,再加上 Skills 和 MCP 雙生態擴充套件,這個成長速度在開源專案裡算很誇張了。期待後續的技能市場。

23
58.3 ↓-0.2
ComfyUI 影片生成
美國

功能強大的開源節點式生成式AI應用,支援影象、影片、音訊和3D內容生成

53 條評論 8 個相關連結

ComfyUI 的 App Mode 推出來的時候我挺興奮的,結果用了幾次發現,本質上就是把節點圖藏起來了而已。給客戶交付確實方便了,但我自己除錯的時候還是得切回完整模式。而且那個 ComfyHub 上的工作流質量參差不齊,很多都是半成品,下載下來還得自己改半天。

37
56.1 ↑0.48
GPT-5.6 Luna 大語言模型
美國

OpenAI GPT-5.6 系列中速度最快、成本最低的輕量檔模型,專為高吞吐、低延遲的批次任務而生

41 條評論 16 個相關連結

把公司的批次摘要管線切到了 Luna,跑了一整天沒出岔子,成本直接從之前的每月三千塊壓到不到一千,省下來的預算還能再多跑幾個方向。不過我們同時用 Sol 跑了一條同樣的資料做對比,發現 Luna 在摘要的資訊密度上確實有差距,關鍵細節偶爾丟失,但勝在量大管飽速度起飛。

40
56.0 ↓-0.2
DALL-E 影象生成
美國

OpenAI 開發的第三代 AI 影象生成模型,與 ChatGPT 深度整合,支援對話式文字生成影象

55 條評論 12 個相關連結

上週趕一批電商詳情頁,二十張圖給到 API,結果 DALL-E 3 單次只能十張,被迫分五批提交,總共等了快兩分鐘。更坑的是提示詞裡把一個專有名詞拼錯了一個字母,整批直接翻車重來,容錯率是真的低。GPT-4o 那邊同樣的模板拼錯都能給你腦補出合理結果,一次四十來秒二十張。DALL-E 3 在工程效率這塊確實已經被自家新模型比下去了,除了 API 計費清楚這點還留著,別的真沒什麼非它不可的理由了。

44
55.1
WorkAny Agent
中國

一款本地執行的開源桌面 AI Agent 產品,以 Claude Code 為執行時,支援透過自然語言指令完成檔案整理、文件生成、網頁構建等多種任務,資料全程本地處理不上傳雲端

85 條評論 12 個相關連結

用了半個月來反饋一下,WorkAny最打動我的是它對中文自然語言的理解能力。以前用其他Agent工具,指令必須一步一步說得很死板,稍微口語化一點就理解偏差。WorkAny這方面做得好很多,說幫我把桌面上那些亂七八糟的文件按專案整理一下,它能理解亂七八糟是什麼意思,也能分辨哪些檔案屬於同一個專案,語義理解確實下了功夫。