AI开发平台

3,662 个结果 · 第 46 / 102 页

together.ai chat

Together AI Chat 是一个在线聊天平台，与 HuggingChat 类似，提供多种开源模型供选择，已支持 DeepSeek R1、LLaMA、QWen、Flux Schnell 等模型。根据所提供资料，用户每天可免费发送 60 条消息，使用方式为通过网页访问 https://chat.together.ai/ 进行对话。

Token Counter

Token Counter 是一款用于精确计算 AI 模型使用成本的在线工具，主要面向 ChatGPT 和 GPT-3 等 OpenAI 模型。用户只需输入文本，即可获得对应模型的 token 数量以及费用估算，从而提升使用效率并避免浪费。该工具支持获取不同 ChatGPT（OpenAI）模型的 token 统计，并通过算法将普通文本准确转换为 token，而非简单的一对一映射。页面还提供 GPT token 的估算价格，帮助用户预估调用 AI 模型可能产生的开销。

Token Counter

Token Counter 是一款用于统计 Token 数量并估算 AI 模型使用成本的工具。根据现有资料，其核心用途是帮助用户了解文本在 AI 模型中对应的 Token 数量，并据此估算调用或使用相关模型可能产生的费用。此类工具通常服务于需要控制上下文长度、预算与调用成本的大模型开发者与使用者。除上述定位外，官方页面未提供更详细的功能清单、支持的模型范围、使用方式、平台信息与限制说明，具体能力暂未提供。

TokenDance

观猹团队推出的一站式大模型 API 调用平台

TokenFlow

TokenFlow 是字节跳动 ByteVisionLab 在 CVPR 2025 发表的统一图像分词器官方实现，旨在弥合多模态理解与图像生成之间的长期鸿沟。它采用创新的双码本架构，将语义特征与像素级特征的学习解耦，同时通过共享映射机制保持两者对齐。在多模态理解任务上，TokenFlow 大幅超越 LLaVA-1.5 和 EMU3 等旗舰模型；在文本到图像生成任务上，于 256×256 分辨率下达到与 SDXL 相当的性能。该仓库开源了分词器、文本到图像模型及多模态理解模型的检查点，并提供训练与推理代码，面向多模态学习与生成式 AI 的研究人员与开发者。

TOKENOMY

Tokenomy 是一个面向大语言模型（LLM）的 AI 成本管理与计量平台，定位为“AI 的经济运行时”。它能够对每一次 LLM 和智能体调用进行计量，在请求路径中执行预算控制，将请求路由到满足质量门槛的最便宜模型，并为每个数字提供带生效日期的价格记录。支持自带密钥（BYOK），覆盖 OpenAI、Anthropic、Google、xAI 及开放权重端点。平台提供计量代理、智能路由器、预算守卫、MCP 服务器和按工作区划分的 API 密钥，面向工程团队和财务团队两类用户，帮助实现成本归因、预算执行、毛利分析、预测和计费分摊。此外还提供无需登录的免费工具，如 Token 计算器、成本估算器、速度模拟器等。

TokenSwift

TokenSwift 是一个面向超长序列生成的无损加速框架，目标是在保持目标模型原有生成质量的前提下，将最长约 100K token 的生成过程从数小时缩短到数分钟。该框架通过单次前向传播获取多个 logits、基于树状注意力构造候选 token，并结合 top-k 候选 4-gram 检索、草稿 token 验证和 n-gram 表与 KV 缓存更新来实现加速。项目已被 ICML 2025 接收，仓库提供了对 20K/40K/60K/80K/100K 序列长度的基准测试脚本、预训练模型适配器，以及对全部实验的 100% 可复现支持。同时发布了经过微调的 QwQ-32B 和 DeepSeek-R1-Distill-Qwen-32B 模型，均带有约 3 倍加速。

tokenwise

中文介绍正在整理，稍后补充。

Tomorrow.io

Tomorrow.io 是一个由 AI 驱动的天气智能平台，提供超本地化天气预报、历史天气数据与 API 访问，并推出多款行业智能体套件，将天气数据转化为保险、制造、航空、电网、铁路、车队等领域的自动化决策。

topalternativesto-mcp

TopAlternativesTo MCP 服务器是一个免费、只读、无需认证和 API 密钥的 MCP 服务器，为 AI 助手提供经过验证的软件比较信息、带来源和检查日期的定价，以及排名替代方案。它由独立软件比较网站 TopAlternativesTo 支持，覆盖 59 个类别中的 360 多个工具和 358 个排名替代指南。用户可以在 Claude Desktop、Cursor、VS Code 等客户端中配置使用，通过自然语言提问获取软件对比、定价和替代建议，每个响应都附带页面 URL，方便查看完整推理和检查日期。

trackmage-mcp-server

中文介绍正在整理，稍后补充。

TrainEngine

TrainEngine 是一个面向 AI 模型训练与 AI 艺术生成的工具，主打训练图像模型、将模型串联起来使用，以及生成 AI 艺术作品。根据其官方介绍，它可以训练 Dreambooth 模型，并生成不限量的 AI 素材。页面还展示了多个“热门模型”标签，涵盖动漫、游戏、角色、风格等多种主题。适合需要训练自定义图像模型、生成 AI 艺术素材的用户。目前关于平台具体操作方式、收费模式、支持平台等细节暂未提供。

Trapi

Trapi 是一个 AI 驱动的旅游 API 集成平台，官方定位为帮助用户快速、低成本地接入旅游 API。根据现有资料，其具体功能、使用方式、适用场景、平台支持、收费模式与价格等信息暂未提供，需以官方页面说明为准。

trendflow-js

trendflow-js 是一个面向 JavaScript 与 TypeScript 的类型安全 Google Trends API 客户端库，也是 trendflow-py 的 JavaScript 移植版本。它可以查询和导出 Google Trends 数据，涵盖随时间变化的关注度、按地区的关注度、当前热门趋势以及相关查询等。该库以 ESM 和 CommonJS 两种形式发布，内置类型声明，宣称零运行时依赖，并支持代理轮换以应对 Google 的限流。需要 Node.js 18+，使用全局 fetch。失败请求会抛出 ResponseError，HTTP 429 时抛出其子类 TooManyRequestsError，两者都带有 .status 和原始 .response。

Trieve

Trieve 是一个面向搜索、发现与 RAG（检索增强生成）应用的 AI 平台，提供质量调优工具。根据现有资料，其定位集中在为搜索与检索增强生成场景提供平台化能力，并配套用于调整与优化结果质量的工具。资料未提供具体功能模块、技术架构、部署方式、收费模式、支持平台或使用步骤等细节，这些内容暂未提供。

trustscoreagent

TrustScoreAgent 是一个免费、开放的 AI 微服务信誉注册表，让 AI 智能体在调用任何服务之前先查询其信任评分，调用之后可提交评价，从而帮助智能体发现哪些服务更可靠。无需账户、无需 API 密钥，服务可通过 URL、域名或 DID 进行标识。项目当前处于第一阶段早期：API、评分（Beta + EigenTrust）、收据验证、Merkle 审计追踪和 MCP 服务器均已实现并经过测试，但公开数据集仍然较小；x402 支付和强制智能体签名属于第二阶段。它提供 MCP 服务器集成（Claude、Cursor 等）以及 LangChain、CrewAI 等框架的即插即用工具，核心评分功能永久免费，高级功能目前免费、未来计划采用 x402 微支付。项目采用 Apache-2.0 许可，开源，强调可审计的信任模型，但当前由单一运营方维护，去中心化联邦属于后续阶段。

TTS

🐸TTS（TTS）是 Coqui AI 开源的深度学习文本转语音（Text-to-Speech）工具包，已在研究与生产环境中经过验证。它提供预训练模型、训练与微调工具、数据集分析工具，支持多说话人 TTS、语音转换和声音克隆。新版本包括支持 16 种语言的 XTTSv2、可低于 200ms 延迟的流式合成，以及 Bark、Tortoise 等模型。代码库模块化，同时提供命令行与 Python API 使用方式。

turbomcp

中文介绍正在整理，稍后补充。

twitter-username-changes-mcp

Twitter Username Changes MCP Server 是一个用于追踪 Twitter 用户名历史变更的 MCP 服务器。它通过当前用户名查询某个 Twitter 用户曾使用过的历史屏幕名称及对应时间段，常用于识别加密货币项目中频繁改名可能存在的诈骗风险。项目轻量，依赖 mcp 和 requests，可通过 pip 或 uv 安装，并集成到 Claude Desktop 中使用。

UFO

UFO 是微软开源的研究项目，包含面向 Windows 桌面自动化的 UFO² 桌面 AgentOS 与全新的 UFO³ Galaxy 多设备编排框架。UFO² 深度集成 Windows 系统，支持混合 GUI 与 API 操作，可独立完成单设备自动化任务，也可作为 Galaxy 的 Windows 设备智能体。UFO³ Galaxy 在 UFO² 基础上引入跨设备协作能力，通过 Constellation 将任务拆解为可执行 DAG，支持动态图编辑、异步并行执行与基于能力匹配的设备调度，并采用统一 AIP 协议实现智能体间安全通信。项目采用 MIT 许可证，提供文档、迁移指南与多平台设备配置说明。

Ukasiewicz tabular data to ml model

Ukasiewicz tabular data to ml model 是一个自动化平台，用于将表格数据转换为机器学习模型。根据现有资料，该工具的核心功能是自动化地从表格数据生成机器学习模型，降低建模过程的手动操作需求。目前除产品名称、分类和官网地址外，暂无更详细的功能说明、使用方式、适用场景或限制信息，也未提供收费、平台支持等具体事实。

unified-diff-mcp

unified-diff-mcp 是一个面向 Claude Desktop 的 MCP（Model Context Protocol）服务器工具，主要用于将代码差异（diff）转换为美观的可视化对比。它基于 diff2html 生成 HTML 差异视图，并支持通过 GitHub Gist 即时分享或输出为本地文件（PNG/HTML）。该项目使用 Bun 运行时，具备跨平台支持（Windows、macOS、Linux），并提供多级安全保护与临时差异自动删除功能，适合在 AI 辅助编程工作流中直观查看代码变更。

Unity-MCP

Unity-MCP 是面向 Unity 引擎的 AI 游戏开发助手，包含 AI Skills、MCP 工具与 CLI，支持编辑器与运行时（编译后的游戏内）使用。它可通过 MCP 将 Claude、Cursor、Windsurf、GitHub Copilot 等 AI 智能体连接到 Unity，用于自动化工作流、生成代码、调试与测试。插件内置 70+ 默认 MCP 工具，覆盖资产、包管理、GameObject、场景、截图、控制台、编辑器状态、反射、脚本、测试、Profiler 等类别；任意 C# 方法可通过一行代码变成工具。官方宣称可与 Claude Code、Gemini、Copilot、Cursor 等免费协作。支持本地 stdio 与远程 http 部署，并可在编译后的游戏中使用 LLM 实现动态 NPC 行为或运行时调试。

Unstruct ai

UnStruct.ai 是一款基于可定制 RAG（检索增强生成）与大语言模型（LLM）的工具，用于跨多种数据源进行上下文分析。根据现有资料，它强调对多样化的数据来源进行关联理解，并允许按需定制检索与生成流程，从而在具体业务语境下输出分析结果。目前关于其具体功能、操作界面、支持的模型与数据源清单、收费方式及使用限制等信息暂未提供。

upsonic

Upsonic 是一个用 Python 构建自主 AI 智能体的框架，可用于创建类似 OpenClaw、Claude Cowork 的自主智能体，也支持构建传统智能体系统。它提供预构建智能体集合、自定义工具接入、MCP 工具集成，以及带分层流水线的统一 OCR 与文档处理接口（支持 EasyOCR、RapidOCR、Tesseract、PaddleOCR、DeepSeek OCR 等引擎），并可将文档索引接入 Cursor 等编码工具。文件与 Shell 操作被限制在工作区内，路径穿越和危险命令会被阻止。项目采用 MIT 许可证。

Upstream

Upstream 是一个 AI 原生的功能开关（feature flag）平台，提供智能发布决策、异常检测和自动回滚能力。它面向安全软件交付的控制平面，让功能开关不仅能判断“功能是否开启”，还能判断“是否应该保持开启”。当指标出现漂移时，Upstream 可自动执行回滚，SDK 边缘评估延迟低于 10ms，回滚中位数耗时 0.2 秒。平台还提供 Codebase Intelligence 自动映射代码中的开关使用情况、检测长期未使用的死开关并生成文档，以及用自然语言查询开关状态的 Config Copilot。

vaemail-mcp

VaEmail 是面向 AI 智能体的电子邮件基础设施，本项目 vaemail-mcp 为其 MCP 服务器与 CLI 工具。它让智能体能够发送交易类邮件、验证发信域名、跟踪投递状态并诊断送达率，无需人工查看仪表板。基于欧洲基础设施：服务器位于德国，通过 Amazon SES Europe 发送。项目零依赖，附带面向智能体的技能与多语言示例，支持作为库直接调用，并提供同接口的 Python SDK。

vectorize-mcp-server

Vectorize MCP Server 是 Vectorize 官方推出的 Model Context Protocol（MCP）服务器实现，用于将 Vectorize 的检索与文本提取能力接入支持 MCP 的客户端。它提供文档向量检索、任意文件转 Markdown 的文本提取与分块，以及基于用户管线生成私有深度研究报告等能力。用户可通过 npx 运行，也可在 VS Code 中一键或手动配置安装，并可在 Claude、Windsurf、Cursor、Cline 等客户端中配置使用。

Verba

Verba（又称The Golden RAGtriever）是由Weaviate推出的开源检索增强生成（RAG）聊天机器人应用，提供端到端、简洁易用的RAG界面。它支持本地或云端部署，可连接Ollama、HuggingFace、OpenAI、Anthropic、Cohere、Groq、Novita AI等多种LLM提供商，并依托Weaviate向量数据库实现数据导入、查询和交互。用户可导入文档（支持Unstructured IO处理纯文本、PDF、CSV等，AssemblyAI处理音频），在Chat页面向数据提问并获得语义相关的答案。项目提供pip、源码构建和Docker三种部署方式，但注意：该项目已停止开发，仓库已归档，不再接受更新、问题或PR，代码仅作参考和fork用途，按原样提供，无稳定性、兼容性或支持保证。

verl

verl（Volcano Engine Reinforcement Learning for LLMs）是面向大语言模型的开源强化学习后训练框架，也是 HybridFlow 论文的开源实现。它采用混合控制器编程模型，支持以少量代码构建 GRPO、PPO 等 RL 数据流，并通过模块化 API 与 FSDP、Megatron-LM、vLLM、SGLang 等现有 LLM 基础设施集成。框架支持灵活的模型 GPU 放置与 3D-HybridEngine 重分片，可降低训练与生成切换时的内存冗余和通信开销，并集成 Hugging Face 模型。除核心库外，还衍生出 verl-vla、VeRL-Tinker、VeRL-Omni、RL-Insight 等相关项目。verl 支持监督微调与多种强化学习算法，适用于数学、代码、多模态、多轮工具调用等后训练场景。

vesselapi-mcp

VesselAPI MCP Server 是一个基于模型上下文协议（MCP）的服务器，它将 VesselAPI 的海事数据接口暴露给 AI 助手，例如 Claude Desktop、Cursor、Windsurf 和 Claude Code。用户可以使用它搜索船舶、获取实时船位、预计到达时间（ETA）、排放数据、港口事件、检查信息以及 NAVTEX 安全消息等。该服务器提供 19 个工具，覆盖船舶、港口、位置搜索和排放数据，无需安装，通过 npx 即可在 AI 客户端中配置使用。

VictoriaMetrics-mcp-server

VictoriaMetrics-mcp-server 是一个面向 VictoriaMetrics 数据库的 MCP 服务器，用于在支持 MCP 的客户端中与 VictoriaMetrics 交互。根据现有资料，它提供写入和查询能力：支持写入数据、导入 Prometheus 曝光格式数据、按时间范围查询时间序列、查询时间序列当前值、获取所有唯一标签名以及获取指定标签的所有唯一值。安装方面，资料提到可通过 Smithery 自动为 Claude Desktop 安装。项目托管在 GitHub。

VisualWebArena

VisualWebArena 是一个用于评估多模态网页智能体的基准测试，专注于需要视觉理解的现实网页任务。它包含 910 个新任务，分布在 Classifieds、Shopping 和 Reddit 三个网站上，要求智能体处理图像-文本输入、解释自然语言指令并在网站上执行操作以完成目标。该基准提供基于执行的评估，并引入 Set-of-Marks 表示来提升可导航性。

Vitral ai

Vitral 是一个融合 AI 的工作空间中枢，用于与大语言模型交互以及协作使用 AI 工具。用户可创建可定制的工作空间，将对话、笔记和实时样例等组件组合在一起，在同一界面内调用并切换不同模型，随时调整提示词，并以多模型分支的方式探索不同视角，从而围绕特定项目或任务组织 AI 驱动的协作流程。

Vizly

Vizly 是一款 AI 驱动的数据分析工具，官方简介称其可用于数据分析、机器学习模型训练以及可视化生成。用户可通过其官网 https://vizly.fyi/ 了解和使用。除上述用途外，关于具体功能、使用方式、适用场景、平台支持及收费情况，现有资料暂未提供。

vLLM

vLLM 是一个面向大型语言模型（LLM）的高吞吐、内存高效的推理与服务引擎。它以 PagedAttention 为核心技术，通过先进的调度和连续批处理（continuous batching）实现峰值 GPU 利用率，从而在基准测试中达到约 2-4 倍于基线的吞吐量。vLLM 提供与 OpenAI 兼容的即插即用 API，支持在各类硬件上部署广泛的开源模型，旨在让高性能 LLM 服务更易用、更快速、更具成本效益。安装需 Python 3.10+，推荐 Python 3.12+ 及使用 uv 安装，兼容 CUDA 13.x 版本，提供稳定版与 Nightly 构建版本。