本文介绍了多款前沿的AI工具与模型，涵盖多模态扩散模型MMaDA、纯视觉推理模型Visual Planning、AI代理框架Cua、视觉语言模型Pixel Reasoner以及3D头像生成器Cutemorphic。这些工具分别在文本推理、视觉理解、安全交互和艺术创作等方面展现出强大的能力。此外，Anthropic还与Rick Rubin合作，利用Claude生成艺术代码，为开发者提供了学习和创作的素材。

🎨 MMaDA多模态扩散模型：一款开源模型，集文字推理、图片理解、文生图功能于一体，用户可通过官方在线演示体验其强大能力。

👁️ Visual Planning：突破传统，实现纯视觉推理，不依赖文本输入，直接通过图像序列进行推理，目前论文已发布但代码尚未开源。

🛡️ Cua：基于Docker容器的AI代理框架，可在隔离环境中运行，与主流大语言模型无缝配合，解决了AI代理与操作系统交互的安全性问题，且性能损失极小。

🖼️ Pixel Reasoner：基于Qwen2的视觉语言模型，在像素级视觉理解和推理能力上取得突破，能全局理解画布内容，并通过局部放大实现精细化细节分析。

👤 Cutemorphic：完全免费的3D风格头像生成器，基于OpenAI Responses API和gpt-image-1，用户上传头像即可生成个性化3D头像，并可通过提示词进行精细控制。

MMaDA 多模态扩散模型实现文本推理+视觉理解+文生图

MMaDA[1] 是一款开源的多模态扩散模型，同时具有文字推理、图片理解、文字生成图片的能力。

感兴趣的佬们可以通过官方的在线演示[2]体验。

Visual Planning：突破文本依赖的纯视觉推理模型

传统多模态大模型本质是视觉输入然后使用文本推理，而 Visual Planning[3] 直接通过图像序列进行推理，不依赖于文本。

该方法实现了真正的纯视觉推理范式，目前相关论文已正式发布（但代码尚未开源）。

Cua：基于 Docker 容器的高性能 Computer-Use Agents

Cua[4] 是一个开源项目，基于 Docker 容器技术构建的 AI 代理框架。它允许 AI 代理在隔离的 Docker 容器环境中运行，可以与 OpenAI、Anthropic 等主流大语言模型无缝配合使用。

非常看好 Cua，它解决了 AI 代理与操作系统交互的安全性问题，同时几乎不会造成性能损失。

Pixel Reasoner：像素空间推理的视觉语言模型

Pixel-Reasoner[5] 是一个基于 Qwen2 的开源视觉语言模型，在像素级视觉理解和推理能力上实现了显著突破。

该模型不仅能全局理解整个画布内容，还能通过局部放大功能实现精细化的细节分析。

官方演示[6]效果不错，强烈推荐佬们都去玩玩看。

Cutemorphic：基于 gpt-image-1 的免费 3D 风格头像生成器

Cutemorphic[7] 是一个完全免费且无需登录的可爱 3D 风格头像生成器，基于 OpenAI Responses API 和 gpt-image-1 实现。

佬们只需上传头像点击生成即可获得个性化 3D 头像，还可以通过提示词编辑功能进行更精细的控制。

Anthropic 与 Rick Rubin 合作推出 Claude 生成的艺术代码展

Anthropic 与 Rick Rubin 合作推出了这个独特的艺术代码展示网站[8] - 所有展示的代码均由 Claude 生成。

佬们可以来围观学习，这些作品大多采用 React + canvas 实现，你不仅能查看完整代码，还能直接在线编辑修改！