SuperAPI AI 工具集3,632 个结果 · 第 20 / 101 页
MixEval 是一个基于标准答案（ground-truth）的动态大语言模型评测基准，通过对现有多个基准进行混合构建。它从网络挖掘真实用户查询，并与现有基准中的相似查询匹配，从而兼顾真实世界查询的全面性与标准答案评测的高效、公平评分。MixEval 与 Chatbot Arena 的模型排名相关性达 0.96，运行速度快、成本低，仅为运行 MMLU 所需时间和成本的 6%，且完全本地运行、可复现。项目还提供难度更高的 MixEval-Hard，用于更好地区分强模型。MixEval 支持动态更新，通过快速稳定的流程定期替换查询，以缓解数据污染问题，更新后版本间分数方差低（0-100 分制下标准差 0.36），版本差异显著（唯一查询比例 85%）。该基准已被 NeurIPS 2024 接收，后续还发布了支持任意到任意真实世界评测的 MixEval-X。官方网站提供排行榜、评估套件及论文等资源。
Google 面向移动设备开发者的设备端机器学习套件，以封装包的形式将谷歌的机器学习能力提供给 iOS 与 Android 应用。无需机器学习经验，开发者即可用少量代码实现常见功能；有经验的 ML 开发者还可通过相关 API 在移动应用中使用自定义 TensorFlow Lite 模型。
MLB API MCP Server 是一个基于 Model Context Protocol（MCP）的服务器，通过 FastMCP 接口为 AI 应用提供全面的 MLB（美国职业棒球大联盟）统计数据和棒球数据访问。它作为 AI 应用与 MLB 数据源之间的桥梁，可将棒球统计数据、比赛信息、球员数据等无缝集成到 AI 工作流和应用中。所有 MLB 相关功能均以 MCP 工具形式暴露，而非 RESTful HTTP 端点，通过 /mcp/ 端点使用 MCP 协议访问。
中文介绍正在整理，稍后补充。
MLX-VLM 是一个基于 MLX 的包，用于在 Mac 上进行视觉语言模型（VLM）以及支持音频和视频的多模态模型（Omni Models）的推理与微调。它提供命令行接口（CLI）、Gradio 聊天界面、FastAPI 服务端，并支持思维预算（Thinking Budget）、推测解码（Speculative Decoding）、连续批处理、自动前缀缓存（APC）、KV 缓存量化等能力。可通过 pip 安装，支持多图对话、视觉特征缓存、TurboQuant KV 缓存和分布式推理等特性。
MMedBench 是一个用于评估大语言模型多语言医疗问答能力的基准数据集。它包含6种语言的医疗多选题，每道题均配有正确答案和高质量的理由说明。训练集约4.5万样本，测试集8518个样本。该基准旨在衡量模型在不同语言环境下回答医疗问题的表现，为医疗领域大语言模型的研究与评测提供标准化数据。用户可通过GitHub仓库下载数据和代码，并按照说明提交模型。
MMR1 是一个面向多模态推理模型的开源研究项目（CVPR 2026），由 LengSicong 等人开发。项目针对当前多模态推理训练面临的两大瓶颈——缺少开放的大规模高质量长链思维（CoT）数据，以及标准 GRPO 强化学习在低奖励方差下易出现梯度消失导致微调不稳定——提出方差感知采样（Variance-Aware Sampling，VAS）方法。VAS 以方差促进分数（Variance Promotion Score，VPS）为指导，结合结果方差与轨迹多样性来筛选训练提示，从而提升奖励方差、稳定策略优化并加速收敛。项目同时开源了约 160 万条长 CoT 冷启动轨迹的 MMR1-SFT 数据集、约 1.5 万条 RL QA 对的 MMR1-RL 数据集，以及 3B、7B、32B 多尺度模型检查点，并提供端到端可复现训练流程。评估显示 MMR1-7B-RL 在多项数学类多模态推理基准上取得 7B 规模 SOTA。项目基于 Apache 2.0 许可，仅为非商业用途的研究预览。
中文介绍正在整理，稍后补充。
mnemos 是一个面向 LLM 智能体的持久记忆框架。它把智能体记忆拆分为情景记忆（episodic，记录说过什么、何时说的）、语义记忆（semantic，蒸馏出的用户事实）、程序记忆（procedural，记录哪种检索策略对该用户最有效）以及反思（reflection，随时间整合与遗忘事实）。存储后端可选 Postgres/pgvector、Qdrant 或 Neo4j，通过 FastAPI 暴露接口，并提供 React 仪表板进行观测。项目自带基准测试，检查一次提及的事实能否在模拟 30 天后仍被正确回忆，并对比有无记忆时的检索召回率与回答准确率，而非仅靠演示效果。
利用多个 LLM 的集体优势来提高准确率。
MobiLlama 是一个面向边缘设备的小型语言模型，拥有0.5B参数，采用LLaMA-7B架构，通过参数共享方案降低预训练和部署成本，完全开源（Apache 2.0）。模型提供预训练权重、训练与评估脚本，并支持在Android设备上运行。
MobSF MCP Server 是一个兼容 Model Context Protocol（MCP）的工具，通过 MobSF（Mobile Security Framework）的 REST API 对 APK 和 IPA 文件进行扫描与分析。它可接入 Claude、5ire 或其他支持 MCP 的客户端，让用户以自然语言提示触发移动应用安全扫描，并自动解析返回的 JSON 报告。使用前需在系统中安装并运行 MobSF，同时安装 npm，并下载 MCP TypeScript SDK（文件夹重命名为 sdk）。该工具仅支持 .apk 和 .ipa 文件类型，为避免响应过大，会跳过原始字符串或源代码转储等大字段。
modbus-mcp 是一个 MCP 服务器，用于标准化和上下文化工业 Modbus 数据，使 AI 智能体能够与工业物联网系统无缝集成。它提供读取/写入保持寄存器、读取/写入线圈、读取输入寄存器、读取多个保持寄存器等 Modbus 工具，以及通过可自定义提示分析寄存器值的提示功能。支持通过 TCP、UDP 或串口连接 Modbus，连接参数通过环境变量配置，使用 uv 进行依赖和虚拟环境管理。
和鲸社区在线数据科学工具，提供免费GPU
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
ModelGate 是一个兼容 OpenAI 的 LLM 网关，用于观测和优化 AI API 调用成本。它记录并定价每一次请求，通过缓存、多模型路由以及可审查的代码变更来降低开销。所有优化变更需用户批准，默认不存储提示词。主要面向希望控制 AI 调用费用的开发者和团队。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
ModelSafetyMCP 是一个用于机器学习模型安全检测的 MCP 服务器，可在加载、分发或信任模型之前检查模型工件。它结合 ModelScan、PickleScan 和启发式检查，扫描本地模型文件、可下载的模型 URL 以及整个模型目录，识别不安全的序列化、恶意模式和风险打包方式，并返回标准化发现结果、最高严重级别和具体建议操作。
MONAI 是一个面向医疗影像人工智能的开源框架，用于医学影像 AI 的开发与部署。该框架聚焦医疗健康影像领域，为相关研究与工程实践提供基础支撑。
NetLicensing-MCP 是 Labs64 官方推出的 NetLicensing MCP 服务器，为 AI 智能体提供自然语言接口，使其能够通过对话式指令管理软件许可的完整生命周期，无需编写任何 API 调用。它可与 Claude Desktop、GitHub Copilot（Agent 模式）、VS Code、JetBrains / IntelliJ IDEA 以及其他兼容 MCP 的客户端配合使用。用户可以通过自然语言让 AI 助手创建产品、发放许可证、验证权益并生成商店 URL，而无需接触 NetLicensing 界面。它覆盖 NetLicensing REST API 的各类工具，包括产品、模块、模板、被许可方、许可证、捆绑包、令牌、交易和支付方式。内置五套审计提示模板，用于账户审计、到期扫描、异常检测和清理工作流。默认安全设计：删除操作提供 force_cascade 选项，不会静默级联；响应经过脱敏过滤；一次性凭据标记为仅显示一次；破坏性操作需两步确认。支持 uvx 或 Docker 零依赖快速启动。
Netskope NPA MCP 服务器是一个用于管理 Netskope Private Access（NPA）基础设施的模型上下文协议（MCP）服务器，通过 AI 驱动的自动化进行管理。该项目提供 84 个专用工具，覆盖 10 个类别，支持通过 AI 对话完成 NPA 部署、安全响应和合规审计等任务。该服务器支持本地开发和容器化部署，通过 MCP 客户端连接使用。
中文介绍正在整理，稍后补充。
NIIA 是一款面向美发沙龙等预约制门店的 24/7 AI 接待员与 WhatsApp 预约机器人，通过 WhatsApp Business API 自动完成预约、改约、取消和多语言客户回复，并实时同步至 Google Calendar。资料显示其提供 Starter（84 美元/月）与 Growth（194 美元/月）两档订阅，均不收预约佣金；但该页面内容与时尚/电商设计、产品照片生成无关，用户提交的分类与介绍可能存在偏差。
中文介绍正在整理，稍后补充。
Notion MCP Integration 是一个简单的 Model Context Protocol (MCP) 服务器，用于让 Claude 通过 Notion API 读取和管理个人待办事项列表。该项目为个人项目，针对极简的 Notion 待办列表结构设计，仅支持三个属性：任务名称、When（选择：today 或 later）和 Checkbox（标记完成）。主要功能包括添加新待办、查看今日任务、勾选完成。需要 Python 3.10+、Notion 账号、集成 API 密钥及匹配结构的数据库，可通过克隆仓库、配置环境变量和 Claude Desktop 使用。
NuxtPro 是一个基于 Nuxt3 的开源 SaaS 启动模板，旨在帮助开发者快速将产品想法落地并推向客户。它预集成了全球支付网关（Stripe/Waffo Pancake）、Google OAuth 登录、国际化路由和 SEO 优化工具，支持 SSR/SSG 服务端渲染与静态生成，并提供生产级安全能力。模板集成了多个流行开源技术栈，包括 Vue、Nitro、Tailwind CSS、Drizzle ORM、NextAuth 等，开箱即用。官方称从想法到生产仅需 1 小时。提供开源版本和付费商业版本，付费版额外包含后台管理系统配置、可视化数据分析、智能邮件营销、高权重站点推荐、专属海外社群服务、新功能优先体验、多样化主题定制、SEO 博客内容管理以及一站式出海指南 PDF，价格为一次性支付 158 美元，终身访问与更新。适用于需要快速搭建多语言 SaaS 应用的独立开发者与团队。
中文介绍正在整理，稍后补充。
Ocean-R1 是一个基于规则强化学习的两阶段多模态大视觉语言模型训练框架，旨在提升模型的通用多模态智能。项目针对现有 DeepSeek R1 框架在多模态场景下多集中于单一任务、导致灾难性遗忘的问题，提出先强化推理能力、再提升视觉感知的两阶段方案。实验表明，该方法能在 Qwen2.5-VL-Instruct（3B/7B）中诱发元认知式的“Aha Moment”行为，并在视觉数学、几何推理、视觉计数、指称表达理解、视觉空间推理、OCR 等多项任务上取得显著提升。项目基于 verl 框架训练，开源了代码、模型（Ocean-R1-3B-Instruct、Ocean-R1-7B-Instruct）和数据集（stage1 63k、stage2 20k），支持单节点与多节点 GRPO 训练及多种基准评测。
OCI Pricing MCP Server 是一个面向 Oracle Cloud Infrastructure（OCI）定价信息的 Model Context Protocol（MCP）服务器，可让 Claude 等 AI 助手获取 OCI 价格数据。它提供来自 Oracle 公开定价 API 和内置数据的价格信息，并包含计算器与跨云厂商比较功能。所有 API 调用均免费且无需认证。注意：该服务器无法保证 AI 助手始终正确解读价格或找出绝对最便宜的选项，决策前务必在 Oracle 官方价格表上核实。该服务器填补了 AWS、Azure、GCP 均有定价 MCP 服务器而 OCI 此前没有的空白。
Octomind 是 Muvon 打造的 AI 开发公司相关项目，其官方页面展示该公司为一家小型、AI 原生、自举运营（无风投）的团队，专注于构建产品、开源 AI 工具并选择性合作。根据用户提供资料，Octomind 被描述为基于会话的 AI 开发助手，支持 MCP、7 家 LLM 提供商和可扩展架构，具备计划优先工作流、语义代码搜索和持久记忆等功能。官方页面还列出博客文章，涉及 Claude Code 上下文窗口管理、Anthropic 提示缓存验证以及面向创业者的书籍推荐等主题。该团队强调构建开源、AI 原生工作流和精选合作三大运营支柱。由于官方文本未直接展开 Octomind 的详细技术文档、安装方式、定价或具体使用步骤，部分信息暂未提供。
Odds-API.io 官方 MCP 服务器，为 Claude、Cursor、VS Code 等 AI 工具提供体育博彩赔率数据的直接访问。覆盖 25 个 API 工具，涵盖 Odds-API.io v3 完整接口：体育项目、赛事、赔率、历史数据、投注结算、价值投注、套利和赔率降幅等。数据来自 34 种体育项目的 365+ 家博彩公司，支持实时和历史数据。安装方式包括 Claude Desktop 一键安装 .mcpb 文件、Claude Code CLI 配置、Cursor 和 VS Code 的 MCP 设置，也可全局安装后以 odds-api-mcp 命令运行。需提供 API 密钥。
Odyssey 3 是 Odyssey 推出的基础世界模型（foundation world model），最新版本为 Odyssey-3，并推出 Odyssey-3 Pro。该模型以自回归扩散 Transformer 实现，学习物理、动力学与因果关系，可实时生成具身环境、模拟物体运动与交互，并用于训练各类物理系统的策略。据官方介绍，Odyssey-3 Pro 在 Physics-IQ Verified 视频到视频基准上取得 66.1 的最高分，图像到视频得分为 54.7；在 WorldMark 的 4 个类别评估中，有 3 个类别排名第一。模型可适配机器人手臂、人形机器人、车辆驾驶以及多传感器数据生成等场景，官方称仅用数小时至数十小时演示数据即可完成任务并展现演示中未出现的恢复行为。研究预览现已开放，可试用 Odyssey-3 Flash。
Liquid AI 的决策模型（Decision Models）是面向结构化决策任务定制的模型，覆盖分类、路由和评分三类场景，可在单次调用中返回结果且不生成任何 token。资料介绍其三类输出形式：Noul 为返回 0 到 1 之间概率的是/否二元判断，例如判断某条消息是否为垃圾信息可能返回 0.92；Choice 为从多个命名选项中择一，返回各选项上的概率分布；Score 为在有序评分标准上打分，返回概率加权后的位置。资料同时提示不同模型在字段名称、SDK 覆盖范围、预处理方式和置信度语义上存在差异，小屏幕下需横向滚动查看表格。文末提供了文档索引与用途说明入口，并提及“何时使用决策模型”和“用决策模型构建游戏”两个主题。资料未提供具体价格、平台支持列表或详细使用步骤。