AI资讯AI新闻资讯正文Google DeepMind发布气象大模型WeatherNext 3，实现每小时刷新与5公里高精度全球预报发布于AI新闻资讯发布时间 :2026年9月4号 15:37阅读 :1分钟近日，Google DeepMind与Google Research联合发布了全新的全球天气AI模型WeatherNext3。该模型打破了传统气象AI在局部地形分辨率和初始化延迟上的固有瓶颈，通过直接接入实时静止卫星拼图进行每小时初始化，并采用原始气象站观测数据进行训练，实现了从数据架构到预报精度的全方位跃升。在核心架构与输入机制上，WeatherNext3采用了与WeatherNext2相同的概率型功能生成网络（FGN）网格Transformer架构，并进一步扩展至多分辨率输出。它的输入端直接接入了全球实时静止卫星拼图与欧洲中期天气预报中心(ECMWF)的HRES分析数据，同时在训练阶段广泛汲取了ERA5/HRES-fc0、美国宇航局(NASA)的IMERG、气象站实测数据以及卫星拼图等多源信息。传统气象AI模型通常依赖于数值天气预报(NWP)的再分析网格，这会平滑掉海岸线、山谷和山脉等实际产生的局部气候变化。而WeatherNext3通过直接针对原始气象站观测数据训练专用的输出头，让其生成的0.05度温度和露点预报更加贴近实际仪器的记录，而非单纯依靠模型自身的物理大气表征。在分辨率与预报频次（Cadence）方面，WeatherNext3通过单次前向传递即可输出三个层级的预报结果。第一层是分辨率达0.05度(约5公里)、基于气象站训练的2米气温和露点;第二层是分辨率达0.1度(约10公里)的网格表面数据，包括10米与100米风速、气压、海面温度、云层分布、太阳辐射以及1小时降水量;第三层则是覆盖13个气压层的0.25度(约25公里)大气场。相比前代每6小时输出一次0.25度字段，其精度提升了大约5倍。在更新频次上，该模型每天进行24次初始化。其中，世界时00、06、12和18点的天气系统循环可向后延伸预测15天(360小时)并包含64个集成成员，而临时的每小时运行则覆盖48小时窗口。这种基于当前卫星观测的每小时滚动刷新，彻底打破了以往依赖滞后6小时传统数值预报分析的周期局限，对快速发展的强对流天气具有极高的捕捉价值。在降水模拟与清洁能源变量支持上，WeatherNext3展现出了极强的业务应用潜力。降水预报一直是全球模型的历史痛点，极易产生模糊不清且错过风暴边界的场。该模型通过结合ECMWF再分析、NASA的IMERG卫星反演以及Google自身的卫星雷达降水再分析等多源数据进行训练，在早期预报阶段，其连续排名概率评分（CRPS）相比IMERG基准最高可提升60%，对比气象站雨量计也有明显改善。对于新能源领域，该模型还能精准输出约风力涡轮机枢纽高度的100米风速、低中高云层完整分布，以及太阳辐照度的各项分量。这些关键数据组合能够直接赋能电网运营商，用来精准预测风能和太阳能的发电输出。目前，WeatherNext3的预报数据已开放申请，用户可通过BigQuery、Earth Engine以及Cloud Storage获取，但其模型权重尚未开源，且按需自定义推理目前依然运行旧版的WeatherNext2。随着该模型的全面推进，全球天气预报正加速迈向高精度、高时效的全新智能化时代。

AI资讯AI新闻资讯正文AI生成菜单陷入“完美美学”，食物图片出现恐怖谷效应发布于AI新闻资讯发布时间 :2026年9月4号 15:55阅读 :1分钟生成式AI正在进入餐饮菜单设计，但其高度同质化的“完美美学”也引发新的视觉体验问题。越来越多餐厅使用AI生成食品菜单图片，这些图像往往呈现过度对称、光滑和精致的特征，部分作品甚至出现食物结构异常等明显问题，被消费者形容为具有“恐怖谷效应”。Reality Defender首席技术官Alex Lisle认为，这一现象与AI模型的训练机制有关。LLM和扩散模型需要从海量数据中学习模式，当模型频繁参考风格相近的连锁餐厅菜单时，生成结果也会趋于相似;如果AI生成内容进一步进入训练数据，还可能强化这种风格收敛。埃隆大学“想象数字未来中心”主任李·雷尼表示，训练数据通常倾向于美观、规避冒犯内容，这会进一步推动图像和语言“去除棱角”。这一问题在反复编辑时可能更加明显。一名用户在ChatGPT中连续修改AI生成菜单100次后发现，食物图像逐渐偏离原始形态。德国杜伊斯堡-埃森大学研究人员此前也发现，AI生成食物图像可能产生类似“恐怖谷”的负面感知。业内人士指出，AI生成内容正在大规模进入现实信息环境，模型自身产生的数据又可能反过来影响后续训练。生成式AI如何避免审美同质化、保持真实世界的细节与多样性，将成为模型能力之外的重要问题。

AI资讯AI新闻资讯正文智能戒指厂商Oura正式提交IPO申请，9个月营收增至12亿美元发布于AI新闻资讯发布时间 :2026年9月4号 16:01阅读 :1分钟智能戒指厂商Oura正式提交IPO申请。公司周四向美国证券交易委员会（SEC）递交文件显示，截至6月30日的过去9个月，Oura营收从去年同期的6.97亿美元增至12亿美元。公司此前预计2024年营收约5亿美元、2025年约10亿美元，并预计2026年营收接近20亿美元。截至目前，Oura过去一年已售出约360万枚智能戒指，付费会员约500万，12个月加权平均会员留存率约85%。Oura戒指售价约350至400美元，覆盖心率、代谢、压力和睡眠等生理指标，并通过配套应用提供持续健康监测服务。Oura于2013年在芬兰成立，今年5月已秘密提交IPO申请。此前市场消息称，公司计划通过IPO筹集约30亿美元，目标估值可能达到160亿美元;2025年10月公司估值约为110亿美元。Oura表示，未来将从传统活动和健身追踪向更广泛的医疗健康场景扩张，并深化与保险公司、雇主和医疗服务商的合作。公司披露，其已积累超过50项健康指标、近420亿小时生理数据，并将利用这些纵向数据训练AI和机器学习模型，以提升健康模式识别、个性化及预测能力。与此同时，Oura正面临一项拟议集体诉讼，被指在睡眠追踪准确性方面误导消费者。Oura否认相关指控，并表示将通过法律途径进行抗辩。此次IPO将成为观察智能穿戴从硬件销售向“硬件+订阅+AI健康服务”模式演进的重要窗口。

AI资讯AI新闻资讯正文海外三大 AI 集体宕机近 4 小时，智谱发文“我们还在线”并开启夜间免费发布于AI新闻资讯发布时间 :2026年9月4号 16:01阅读 :1分钟美国头部 AI 服务集体出现故障，ChatGPT、Claude、Grok 宣布服务异常，谷歌 Gemini、微软 Copilot 也收到大量中断报告。这次大规模宕机持续约 3 小时 40 分钟，故障最早于美东时间 9 月 3 日上午 9 点 23 分左右集中爆发。Claude 率先报错，峰值时 OpenAI 收到超 3.7 万份故障报告据海外故障监测平台 Down Detector 数据，Anthropic 的 Claude 系列模型率先出现错误率飙升，涵盖 Mythos 5.1、Opus、Fable 5.1 等核心模型。仅仅两分钟后，xAI 的 Grok 服务全端下线；约一个半小时后，OpenAI 的 ChatGPT 与编程工具 Codex 也出现大规模访问错误。事件峰值期间，全球针对 OpenAI 服务的故障报告超过 3.7 万份，其中 80% 集中于 ChatGPT。同期，谷歌 Gemini、微软 Copilot 收到大量用户中断反馈，AI 编程工具 Cursor 则直接公告，其部分服务因上游大模型故障被迫中断。截至美东时间当日中午 11 点 16 分，Claude 主要服务率先恢复，随后 ChatGPT、Grok 也逐步恢复正常运行。国内大模型坚挺，智谱顺势推出夜间免费值得注意的是，在海外大模型集体故障期间，国内大模型依然稳定。当晚，智谱在社交媒体 X 上发文：“We are still up。”——翻译过来就是“我们还在线”。与此同时，智谱还在 9 月 3 日晚间宣布，即日起至 9 月 20 日，每晚 23 点至次日 9 点，调用套餐中的 GLM-5.3-Flash 在 Z Code 中免费使用，在套餐支持的其他 Agent 中使用额度翻倍，进入指定时间段自动生效。据介绍，GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，在全球权威的 Artificial Analysis 综合智能指数中取得 57 分，进入全球前沿模型能力区间。该模型适合代码生成、代码理解、问题修复等代码任务，同时在 Office 与文档类任务，以及金融、法律等专业任务方面表现显著提升。

Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型AI工具3天前更新AI小集02Claude Fable 5.1是什么Claude Fable 5.1 是 Anthropic 推出的旗舰大模型，定位为目前公开可用的最强 AI 之一。模型专为复杂推理、长周期 Agent 任务和知识工作设计，在科学研究、编码、计算机操作等 8 项基准测试中全面领先上一代，且低推理档位即可达到前代高档位性能。同时缓存读取成本降低 75%，典型工作负载成本下降约 25%，高度 Agent 化任务最高省 45%，实现更强性能与更高性价比的统一。Claude Fable 5.1的主要功能复杂推理：专为多步骤深度推理设计，能追踪问题根本原因并稳定执行数小时甚至数十小时的长周期任务。Agent工作流：支持自主规划、工具调用与多步骤任务编排，适用于编码、科研发现及业务流程自动化。科学研究：在蛋白质设计、天文学数据分析（如基于NASA雷达图像生成金星高分辨率地形图）和计算生物学等领域具备实战能力。软件开发：在多项编码基准测试中领先，可定位罕见系统崩溃根源、优化代码性能并支持长时间开发会话。计算机操作：具备GUI理解与自动化操控能力，可在OSWorld等环境中完成复杂的跨应用任务。知识工作：处理文档分析、写作、多学科推理等知识密集型任务，对风格提示词遵循度更高。Claude Fable 5.1的技术原理共享基础架构：与Mythos 5.1基于同一底层模型，通过差异化安全措施实现分级访问，Fable面向公众开放，Mythos仅向审核通过的网络安全与生命科学机构提供更高能力边界。可调推理强度：内置low至max多档推理强度，用户可根据任务复杂度在响应速度、API成本与准确率之间动态权衡，低中档位即可达到前代高档位性能。上下文缓存优化：通过将缓存读取成本降低75%，使模型在复用已处理上下文时显著削减高度Agent化任务的整体开销，典型负载成本降约25%，重度Agent任务最高降45%。反蒸馏保护：为每个思维链区块附加签名，验证对话前缀未被篡改；若上下文被编辑则校验失败，直接阻断通过篡改历史对话提取模型推理能力的蒸馏攻击路径。长程稳定性机制：改进多步骤任务中的错误传播控制，避免早期微小错误在后续数十步中放大导致全盘崩溃，同时能在遇阻时清晰汇报已尝试方案与卡点位置。企业隐私架构（EFS）：将数据存储于客户自有云基础设施而非Anthropic服务器，由客户而非Anthropic执行必要的人工审核，在维持安全监控的同时实现零数据保留级别的隐私保护。如何使用Claude Fable 5.1API 调用：开发者通过 Anthropic API 指定模型 IDclaude-fable-5-1可集成到自有应用或工作流中。网页端聊天：直接访问Claude，在对话界面选择 Fable 5.1 进行日常问答、写作与知识工作。Claude Code：在命令行工具中使用，默认开启高推理强度，适合复杂编码与长周期开发任务。Claude Cowork：在协作场景中调用，默认使用中等推理强度，平衡响应速度与任务质量。云平台部署：通过 Amazon Bedrock、Google Cloud 或 Microsoft Azure 等云服务商接入，满足企业级基础设施需求。调节推理强度：根据任务难度在 low、med、high、xhigh、max 五档间切换，以控制成本与响应延迟。Claude Fable 5.1的核心优势性能全面领先：在科学研究、编码、知识工作等 8 项公开基准测试中全面超越前代 Fable 5 与 GPT-5.6 Sol，树立新标杆。极致性价比：缓存读取成本降低 75%，典型工作负载总成本降约 25%，高度 Agent 化任务最高可省 45%。低档位高性能：低、中推理档位即可达到前代高甚至极高档位的表现，用更少资源完成更难任务。长周期稳定性：擅长执行持续数小时甚至数十小时的复杂多步骤任务，能追踪问题根本原因并防止早期小错误导致全盘崩溃。科研实战验证：在蛋白质设计（命中率近 50%）、金星高分辨率地形图生成、计算生物学 GPU 内核优化等领域取得可验证突破。分级安全架构：与 Mythos 5.1 共享底层能力但采用差异化安全措施，既向公众开放最强模型，又通过受控访问支持高风险专业研究。企业隐私保护：通过 Enterprise Frontier Safeguards (EFS) 将数据存储于客户自有云端，实现零数据保留级别的隐私安全。Claude Fable 5.1的项目地址项目官网：https://www.anthropic.com/claude-fable-and-mythos-5-1Claude Fable 5.1的同类竞品对比维度Claude Fable 5.1GPT-5.6 Sol科学研究Terminal-Bench-Science 0.1 得分52.6%22.4%Agent 编码Terminal-Bench 4.0 得分55.8%37.3%知识工作GDPval-AA v2 得分18531711业务流程AutomationBench 得分31.4%19.6%计算机操作OSWorld 2.0 有数据（77.9% partial）无公开数据性价比缓存读取降 75%，典型负载省 25%无同等降价Claude Fable 5.1的应用场景复杂软件开发：能追踪并定位困扰工程团队数年的罕见系统崩溃根源，支持长达数十小时的连续编码与多实验并行任务。生命科学蛋白质设计：调用开源工具设计高亲和力蛋白质结合剂，在12个靶标上实现近50%的实验验证命中率，亲和力达行业竞赛最佳方案的10倍。天文学数据分析：基于NASA麦哲伦号30多年前的雷达图像，为金星约三分之一表面生成分辨率提升至2-3公里的高程图，精度提高25%。企业业务流程自动化：执行跨系统的复杂多步骤业务工作流，在AutomationBench基准上得分较上一代提升近一倍，从17.1%跃升至31.4%。计算基础设施优化：自动编写自定义GPU内核并缓存中间结果，将7个开源深度学习模型推理速度最高提升2.5倍，降低30%-60%的GPU计算成本。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇WeMM-Embedding - 腾讯开源通用多模态Embedding模型下一篇Claude Mythos 5.1 - Anthropic 推出的 Claude 系列旗舰模型相关文章DeepSeek-V4 – DeepSeek推出的新一代大语言模型系列AI小集7covers.ai – AI音乐创作平台，创建个性化的AI语音模型生成歌曲作品AI小集2RedKnot – 小红书开源的长文本推理加速引擎AI小集310个免费的AI标书生成工具，一键制作投标方案AI小集16MimicMotion – 腾讯推出的AI人像动态视频生成框架AI小集5InternVLA·N1 – 上海AI Lab开源的端到端双系统导航大模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录文优小助ByteCPAgent.SpaceQwenWorkDeepSkillAlphaVow最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！6小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作6小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入9小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准14小时前zg – Zvec AI 开源的本地优先统一检索基础工具14小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型14小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型17小时前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型2天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

Muse Spark 1.3 – Meta 推出的新一代大语言模型AI工具1天前更新AI小集02Muse Spark 1.3是什么Muse Spark 1.3 是 Meta 推出的新一代大语言模型，由扎克伯格亲自站台，定位为 Meta 在编程和智能体任务上的重大突破。模型在代码理解与长文本处理方面表现尤为出色，工具调用和 Token 消耗显著降低，同时用极具竞争力的价格向开发者开放 API。Muse Spark 1.3的主要功能长任务 Agent 工作流：支持长时间运行的开放式任务，能自主收集上下文、从杂乱信息中整理线索、发现计划缺口后主动调整，持续记录状态直至交付。编程能力增强：针对长时间编程任务优化，减少不必要的对话轮次，代码风格更干净，在代码库理解与终端编程上表现突出。复杂指令遵循：在多步骤、多限制条件的任务中能持续记住前文要求，减少后半段遗漏条件或偏离流程的问题。长上下文处理：支持 1M tokens 上下文窗口，长文本检索准确率极高。人机协作优化：面对模糊指令主动追问用户，任务受阻时主动求助，涉及不可逆操作前会确认执行。成本效率提升：完成相同任务时工具调用减少约 20%，Token 消耗减少约 25%。Muse Spark 1.3的技术原理后训练与测试时扩展：基于 Avocado 模型进行再次后训练，同时强化测试时扩展能力（test-time scaling），使模型在推理阶段能动态分配更多计算资源提升输出质量。多环境 Agent 训练：模型在多种不同的 Agent harness 中进行了训练，让它离开特定环境后依然能保持相近的工作能力。能力边界对齐：Meta 专门强化模型对自身能力边界的感知训练，使其能更准确地区分「知道什么、不知道什么、能做什么、做不了什么」，遇到障碍时明确表达而非虚构结果。长程编程任务数据：增加大量长时间编程任务的训练数据，针对日常工程场景中的可用性进行了优化，使模型在真实开发工作流中更高效、更克制。如何使用Muse Spark 1.3Muse Code终端编程：在终端执行curl -fsSL https://dev.meta.ai/install.sh | bash安装 Muse Code，可在编程工作流中直接调用 Muse Spark 1.3 作为底层模型。Meta Model API 接入：开发者通过官方 API 直接调用，标准定价为输入 $1.25/百万 tokens、输出 $4.25/百万 tokens。Contributor 折扣档：安装 Muse Code 后默认开启，以输入 $0.10、输出 $0.20 的低价使用，代价是提示词和代码输出会被 Meta 用于训练，可手动切换退出。第三方平台集成：Vercel AI Gateway 等合作伙伴平台已接入 Muse Spark 1.3，方便在现有工作流中快速集成调用。Muse Spark 1.3的核心优势编程能力领先：在 DeepSWE、SWEAtlas、Terminal-Bench 等编程基准中多项第一，超越 GPT-5.6 Sol 和 Claude Opus 5。长上下文极强：支持 1M tokens 上下文，长文本检索准确率高达 98% 以上，大幅领先竞品。成本效率双优：相同任务下工具调用减少约 20%、Token 消耗减少约 25%，API 定价远低于同级别模型。Agent 长任务自主化：能自主收集信息、发现计划缺口后主动调整，在复杂开放式任务中持续保持状态。人机协作更自然：面对模糊指令主动追问，任务受阻时主动求助，涉及不可逆操作前会确认执行。性价比极具竞争力：标准档定价仅为 Claude Opus 5 的约 1/5，Contributor 折扣档更是低至”几乎忽略不计”。Muse Spark 1.3的同类竞品对比对比维度Muse Spark 1.3Claude Opus 5发布方MetaAnthropic上下文窗口1M tokens200K tokens编程能力DeepSWE v1.1 得分 75.4%，领先DeepSWE v1.1 得分 74.0%，稍逊知识工作GDPVal-AA v2 得分 1754GDPVal-AA v2 得分 1824，更强计算机操控OSWorld 2.0 得分 66.9OSWorld 2.0 得分 68.3，略优标准输入定价$1.25 / 百万 tokens$5 / 百万 tokens标准输出定价$4.25 / 百万 tokens$25 / 百万 tokensMuse Spark 1.3的应用场景智能编程开发：通过 Muse Code 完成复杂代码编写、跨文件调试与大型代码库理解，工具调用和 Token 消耗显著降低。长文档深度分析：利用 1M tokens 上下文窗口处理百万字级长文本，进行跨章节信息提取、关联分析与精准检索。个人 Agent 长期任务管理：持续跟踪用户目标，自主收集信息、发现计划缺口后主动调整策略，直至交付最终成果。复杂工程报告生成：整合多源异构数据（如 CFD 仿真结果、CAD 模型），按指定格式自动生成结构化专业报告。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Easel - 浙大联合北大开源的 AI 社交媒体内容工作台下一篇Cheso - 腾讯推出的 AI PPT Agent 制作工具相关文章大创 – AI商拍工具，支持多功能电商AI工具和服务AI小集5OmniTalker – 阿里推出的实时文本驱动说话头像生成框架AI小集6星火飞码 – 科大讯飞推出的AI编程助手AI小集6DRT-o1 – 腾讯研究院推出的文学翻译系列AI模型AI小集3AgentSquare – 清华推出模块化智能体系统设计和搜索新框架AI小集3DeepSeek V3.1 – DeepSeek最新开源的AI模型版本AI小集5暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录文优小助ByteCPAgent.SpaceQwenWorkDeepSkillAlphaVow最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入5小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准11小时前zg – Zvec AI 开源的本地优先统一检索基础工具11小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型11小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型13小时前Cheso – 腾讯推出的 AI PPT Agent 制作工具1天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型2天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型2天前Atlas – World Labs 推出的全球首个多模态世界模型2天前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型2天前

感谢IT之家网友乌蝇哥的左手、不一样的体验的线索投递！IT之家9 月 3 日消息，Meta Platforms 于 2026 年 9 月 2 日发布迄今最强大 AI 模型 Muse Spark 1.3，专为延长智能体工作流与增强编码能力设计。Meta 首席 AI 官 Alexandr Wang 表示，该模型在编码能力上超越 OpenAI 的 GPT-5.6 Sol，与 Anthropic 的 Claude Fable 5.1 表现持平。定价方面，Muse Spark 1.3 维持与前代 Muse Spark 1.2 相同的定价，通过 Meta Model API 向开发者提供付费访问：每 100 万词元输入费用为 1.25 美元（IT之家注：现汇率约合 8.4 元人民币）每 100 万词元缓存命中输入费用为 0.15 美元（现汇率约合 1 元人民币）每 100 万词元输出费用为 4.25 美元（现汇率约合 28.6 元人民币）Wang 透露，API 平台市场采用强劲，部分开发者周用量达万亿级 token，新模型将逐步整合至 Instagram、Facebook 及 Meta AI 助手。官方博文指出相比较 Muse Spark 1.2，最新 1.3 减少了不必要的代码迭代，代码更简洁，整体编码风格也更加清晰，工具调用次数减少了约 20%，完成相同任务所需 token 减少 25%。Muse Spark 1.3 针对长周期智能体任务优化。模型能在单一长线程中协作处理多工作流，主动修正计划缺口并跟踪学习成果。面对模糊指令时，它会提出澄清问题；遇到障碍时请求用户帮助；执行关键操作前会寻求确认。新模型遵循复杂长指令的可靠性提升，多步骤任务中更好地保留详细需求，不丢失约束条件。多任务处理能力增强，能更准确地将新指令映射到单一线程中的正确任务。模型对自身能力与局限性的认知更强，减少幻觉输出。

Gemini 3.8 – 谷歌推出的推理与编码模型AI工具2天前更新AI小集02Gemini 3.8是什么Gemini 3.8 是 Google 推出的推理与编码模型，包含 Flash 和 Flash Cyber 两个版本。Gemini 3.8 Flash 在保持与前代相同速度和低价的基础上，大幅提升软件工程、Agent 任务及多步推理能力，在代码、金融、法律等基准测试中接近甚至超越更大参数的前沿模型。Gemini 3.8 Flash Cyber 是专为网络安全打造的版本，具备顶尖漏洞发现与自动补丁修复能力，仅通过 Fairwind Program 向认证安全防御人员开放。Gemini 3.8的主要功能长周期软件工程：自主完成复杂工程问题的端到端解决，在 DeepSWE 等基准中表现接近甚至超越更大参数的前沿模型。自主 Agent 任务：支持复杂多步骤的 Agent 工作流，可执行迭代式工具调用与推理，适用于终端编码、计算机操作等场景。专业领域推理：在金融分析、法律工作流及跨学科专家推理中展现出企业级可靠性。网络安全攻防：Flash Cyber 版本专注于自主漏洞发现与自动化补丁修复，在 CyberGym 和 CWE-Bench 等行业基准中达到前沿水平。原生多模态：支持文本、代码、图像、视频等多种模态输入，可生成 3D 可视化、游戏、交互式应用等富媒体内容。Gemini 3.8的技术原理长期运行的 Agent 循环机制：Gemini 3.8 引入长期运行的 Agent 循环（long-running agentic loops），该机制使模型能在任务执行过程中递归地评估和精炼自身输出。与单次前向传播不同，模型会在复杂任务中持续迭代——执行额外的推理步骤、反复调用外部工具、根据中间结果动态调整策略，在多步骤推理和代码生成任务中实现更深度的执行和更高的准确率。动态计算投入与推理强度调节：模型采用”投入更多计算量”的设计哲学，在复杂任务上展现出更高的执行勤勉度（greater diligence）。模型会根据任务难度自动分配更多推理资源，在更高推理强度（higher effort levels）下可能消耗更多 Token 以最大化性能；同时，开发者可选择较低的推理强度级别来减少 Token 开销，在性能与成本之间灵活权衡。网络安全领域的深度专项训练：Gemini 3.8 Flash 和 Flash Cyber 共享同一套底层基础智能，显著的代码与推理能力提升部分源于在网络安全这一高要求领域进行的严格训练。通过在漏洞发现、补丁修复等任务上的深度优化，模型学会了识别和修复跨 20 种编程语言的复杂代码漏洞，内化防御者优先的安全思维。如何使用Gemini 3.8开发者：通过Google AI Studio、Gemini API 或 Android Studio 调用 3.8 Flash，也可在Google Antigravity中探索 Agent 优先的工作流，或在 Stitch 中生成 UI。企业用户：直接在 Gemini Enterprise 平台中接入 3.8 Flash，用于构建企业级智能应用。普通消费者：订阅 Google AI Pro 或 Ultra 后，可在 Gemini App、Google Search 的 AI Mode 以及 Google Sheets 中使用 3.8 Flash。安全防御人员：通过 Fairwind Program 提交申请，获得认证后可优先访问 3.8 Flash Cyber，用于漏洞发现与自动化补丁修复。Gemini 3.8的核心优势极致性价比：用 Flash 系列的低价提供接近甚至超越 Claude Opus 5、GPT-5.6 等更大参数前沿模型的推理与代码能力。长周期软件工程：在 DeepSWE v1.1 等长周期软件工程基准中，能够自主端到端解决复杂工程问题，性能位居行业前列。企业级专业推理：在金融分析、法律工作流及跨学科专家推理等关键领域展现出支撑自主任务的可靠性。动态计算调节：支持根据任务复杂度灵活调整推理强度，既能在高难度任务上投入更多计算资源以最大化性能，也能在效率优先场景下降低 Token 消耗。网络安全专精：Flash Cyber 版本在漏洞发现和自动化补丁修复上达到前沿水平，且成本远低于同类大参数模型。原生多模态与 Agent 能力：基于长期运行的 Agent 循环机制，支持文本、代码、图像、视频等多模态输入，可自主迭代完成复杂多步骤任务。Gemini 3.8的项目地址项目官网：https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/Gemini 3.8的同类竞品对比对比维度Gemini 3.8 FlashClaude Opus 5产品定位高智能”主力模型”，兼顾性能与成本旗舰级深度推理模型，追求极致智能输入价格$0.75 / 百万 Token$5.00 / 百万 Token输出价格$3.75 / 百万 Token$25.00 / 百万 TokenDeepSWE v1.1（长周期软件工程）73.7%74.0%HLE-Verified（跨学科专家推理）54.9%54.4%Harvey 法律 Agent（复杂法律工作流）10.0%6.7%Vals Finance Agent（金融分析）61.4%58.6%推理速度Flash 级别，高速响应相对较慢，侧重深度多模态能力原生支持文本、代码、图像、视频以文本推理为主核心优势极致性价比 + 自主 Agent 能力超长上下文 + 深度逻辑推理Gemini 3.8的应用场景自主软件开发：模型支持端到端完成复杂代码重构、Bug 修复与功能开发，支持长周期软件工程任务。金融量化分析：自动化解析财报与市场数据，生成投资研究报告、风险评估及合规建议。法律文档审查：快速分析合同条款、判例与法规，辅助律师完成尽职调查与合规审查。网络安全防御：自动扫描跨语言代码库漏洞并生成修复补丁，帮助安全团队快速响应威胁。多模态智能应用：基于自然语言生成 3D 交互游戏、数据可视化应用或富媒体内容。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Fusion Model - FUMO Lab 推出的智能分配模型下一篇Easel - 浙大联合北大开源的 AI 社交媒体内容工作台相关文章MiniCPM-V 4.6 – OpenBMB 开源的端侧多模态大模型AI小集4PRefLexOR – MIT 团队推出的新型自学习AI框架AI小集3Polar – AI 浏览器，自动跨站收集整合信息AI小集2StyleArt相机 – AI艺术风格应用，一键生成个性化艺术风格的二次元形象AI小集2Pika 1.5 – Pika Labs最新推出的AI视频生成工具AI小集5scade.pro – 无代码AI模型集成平台，千种AI模型快速构建部署AI应用AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录文优小助ByteCPAgent.SpaceQwenWorkDeepSkillAlphaVow最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入5小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准11小时前zg – Zvec AI 开源的本地优先统一检索基础工具11小时前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型11小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型13小时前Cheso – 腾讯推出的 AI PPT Agent 制作工具1天前Muse Spark 1.3 – Meta 推出的新一代大语言模型1天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Fusion Model – FUMO Lab 推出的智能分配模型2天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型2天前Atlas – World Labs 推出的全球首个多模态世界模型2天前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型2天前

MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型AI工具11小时前发布AI小集02MAI-Transcribe-2是什么MAI-Transcribe-2 是微软推出的最强AI语音转文字模型，在准确率、速度和成本上全面领先。模型支持60种语言，FLEURS测试集平均词错误率仅5.2%。模型新增说话人分离、逐词时间戳功能，提供verbatim（保留口误）和clean（删除填充词）两种转写风格，支持自动语言识别与语言切换。MAI-Transcribe-2的主要功能多语言语音转写：支持60种语言，可自动检测录音语言，无需预先指定语种。说话人分离：在一段录音内区分不同发言者，并将转写文字归属到对应说话人。逐词时间戳：为每个词标注精确的时间位置，便于字幕对齐、音频检索与编辑。可配置转写风格：verbatim模式保留语气词与口误，clean模式删除填充词以生成易读文本。自动语言识别与切换：支持自然混用语言的对话，自动检测并适应语言切换。关键词偏置：可预设领域术语列表，提升特定词汇的识别准确率。噪声环境转写：具备在背景噪声环境下保持高准确率的转写能力。MAI-Transcribe-2的技术原理端到端统一架构：采用单一神经网络直接完成声学特征到文本序列的映射，将语音识别、说话人分离、语言检测等任务整合在一个模型内，避免传统级联系统的误差累积，在速度与准确率上同时达到最优。多语言联合训练：基于60种语言的海量语音-文本数据进行联合训练，模型学习到跨语言共享的声学表示与语言规律，使其不仅能覆盖主流语种，能对低资源语种保持较高准确率，具备自然语言切换的实时检测能力。上下文感知解码：在解码过程中，模型不仅依据当前声学帧进行预测，结合全局上下文语义与外部关键词偏置进行联合推理，动态调整输出词的概率分布，提升专业术语识别精度，并支持verbatim与clean两种风格的可控生成。如何使用MAI-Transcribe-2创建 Azure 资源：在 Azure 门户创建 AI Speech 服务资源，获取 API 密钥与区域终结点地址。接入 Foundry 预览：通过 Microsoft Foundry 公共预览版入口 https://ai.azure.com/catalog/models/MAI-Transcribe-2进入模型调用界面。配置模型参数：在 API 请求中指定model: “MAI-Transcribe-2”，按需开启说话人分离与逐词时间戳功能。上传音频转写：提交 WAV/MP3/MP4 等格式音频文件，模型自动检测语言并执行转写。获取结构化结果：接收返回的 JSON，包含完整文本、逐词时间戳、说话人标签及自动检测的语言代码。MAI-Transcribe-2的核心优势准确率全球领先：FLEURS 60 语种平均词错误率仅 5.2%，中文低至 4.5%，全面优于 Gemini 3.1 Pro 与 Whisper v3-Large。速度行业最快：处理速度达 403.6 倍实时，1 小时音频约 9 秒完成，比 GPT-Transcribe 快 10 倍。成本业界最低：限时定价 0.10 美元/小时，较上一代降价约 72%。功能原生集成：内置说话人分离、逐词时间戳、自动语言识别与切换、verbatim/clean 双风格转写，无需额外后处理。多语言无缝覆盖：支持 60 种语言，可自动检测并适应自然混用语言对话，无需预先指定语种。MAI-Transcribe-2的同类竞品对比对比维度MAI-Transcribe-2Gemini 3.1 Flash TTS功能方向语音 → 文字（STT/ASR）文字 → 语音（TTS）输入类型音频文件（WAV/MP3/MP4）文本字符串输出类型结构化文本 + 时间戳 + 说话人标签合成语音音频核心任务识别语音内容并转写为文字将文字合成为自然语音典型应用会议记录、字幕生成、呼叫中心质检有声书、语音助手回复、导航播报定价模式按音频时长计费（$0.10/小时）按生成字符数或 token 计费技术原理声学模型 + 语言模型联合解码文本编码器 + 声码器合成MAI-Transcribe-2的应用场景呼叫中心质检与分析：用说话人分离区分客服与客户，结合逐词时间戳实现话术比例测量与关键 moment 精准定位。会议与访谈智能记录：将多人录音转为带说话人标签的结构化文本，自动归属行动项与决策来源。语音智能体实时听写：作为低延迟听觉输入层，与 MAI-Voice-2 Flash 搭配实现语音到语音的实时对话闭环。媒体字幕与本地化：逐词时间戳大幅降低字幕对齐成本，60 种语言覆盖支持全球化内容生产。合规、法律与监管存证：生成带说话人归属与时间戳的精确记录，满足金融、医疗等行业的审计与取证要求。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇GPT-6 Astra - OpenAI 推出的最新旗舰大模型下一篇zg - Zvec AI 开源的本地优先统一检索基础工具相关文章GraphAgent – 港大联合港科大开源的智能图形语言助手AI小集4ImmerseGen – 字节跳动联合浙大推出的3D世界生成框架AI小集3AniDoc – 2D动画上色AI模型，基于视频扩散模型自动将草图序列转换成彩色动画AI小集2SmolDocling – 轻量级的多模态文档处理模型AI小集3秒画趣拍 – 商汤科技推出的AI创意写真小程序AI小集8Skill Zoo – 面向 Coding Agent 的一站式桌面技能管理工具AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录文优小助ByteCPAgent.SpaceQwenWorkDeepSkillAlphaVow最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入5小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准11小时前zg – Zvec AI 开源的本地优先统一检索基础工具11小时前GPT-6 Astra – OpenAI 推出的最新旗舰大模型13小时前Cheso – 腾讯推出的 AI PPT Agent 制作工具1天前Muse Spark 1.3 – Meta 推出的新一代大语言模型1天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型2天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型2天前Atlas – World Labs 推出的全球首个多模态世界模型2天前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型2天前

IT之家9 月 4 日消息，微软昨日（9 月 3 日）发布博文，宣布推出 MAI-Transcribe-2，宣称是其最快、最准确、最便宜的 AI 语音转文字模型。在定价方面，MAI-Transcribe-2 上市时限时收费 0.10 美元（IT之家注：现汇率约合 0.67 元人民币）/ 小时，优惠持续至 2026 年年底。性能方面，MAI-Transcribe-2 是微软最强的转录模型，相比较市场上其它主流模型，在准确率、速度和价格方面存在优势。在 FLEURS 测试集中，MAI-Transcribe-2 支持强制指定语言和自动推断语言两种模式，平均词错误率均为 5.2%。同一测试中，Gemini 3.1 Pro 的两项结果分别为 5.3% 和 5.8%；GPT-Transcribe 为 10.4% 和 10.6%；Whisper v3-Large 为 22.8% 和 23.5%。速度方面，微软援引 Artificial Analysis 评测称，MAI-Transcribe-2 比 GPT-Transcribe 快 10 倍，比 Scribe v2 快 7 倍，比 Gemini 3.5 Transcribe 快 5 倍。功能方面，MAI-Transcribe-2 新增说话人分离功能，可在一段录音内区分不同发言者，并将文字归属到对应说话人。逐词时间戳可为每个词标注精确位置，便于音频检索、导航、编辑和字幕对齐。风格方面，模型提供可配置转写风格。verbatim 模式保留语气词和口误，面向合规与分析工作；clean 模式删除语气词，以生成更易读的字幕、笔记和发布文本。模型还支持关键词偏置、自动语言识别、语言切换和噪声环境转写。模型支持 60 种语言，并支持自然混用语言的对话，用户无需预先指定语言，模型可自动检测录音语言。目前，开发者可在 Microsoft Foundry、MAI Playground 和 OpenRouter 调用或试用该模型。