Claude Opus 4.8 – Anthropic 推出的旗舰级大语言模型AI工具3个月前发布AI小集04Claude Opus 4.8是什么Claude Opus 4.8 是 Anthropic 推出的旗舰级大语言模型，在Opus 4.7基础上提升判断力、诚实性和长时独立工作能力，在编程、智能体推理、多学科推理等基准测试中全面领先GPT-5.5和Gemini 3.1 Pro，API 价格维持不变，极速模式成本降至三分之一。Claude Opus 4.8的主要功能智能体编程：在 SWE-Bench Pro 上达到 69.2%，支持端到端软件工程任务自主完成。终端编码：Terminal-Bench 2.1 得分 74.6%，具备强大的命令行工具使用与脚本编写能力。多学科推理：Humanity’s Last Exam 无工具 49.8%、带工具 57.9%，超越所有主流竞品。智能体计算机使用：OSWorld-Verified 得分 83.4%，可自主操作图形界面完成复杂任务。知识工作：GDPval-AA 得分 1890，在文档分析、深度研究等实际工作场景中表现最优。智能体金融分析：Finance Agent v2 得分 53.9%，支持复杂财务报表推理与高精度引用。动态工作流：在 Claude Code 中可自主规划并并行启动数百个子智能体处理超大规模任务。投入度控制：用户可手动调节模型的思考深度与资源消耗等级（低/高/额外/最大）。极速模式：运行速度提升至常规模式的 2.5 倍，API 成本仅为前代极速模式的三分之一。Claude Opus 4.8的技术原理诚实性对齐训练：通过专门训练降低模型做出无依据断言的概率，主动标注自身不确定性。安全性评估：发布前进行详尽的对齐评估，未对齐行为发生率与 Mythos Preview 持平。子智能体并行架构：动态工作流采用主智能体调度 + 数百个子智能体并行执行的分布式架构。长时运行支持：支持数日级别的持续任务执行，中断后可恢复，适用于大规模代码迁移。系统条目 API：Messages API 支持在对话数组中接收系统条目，实现运行时指令动态更新。多模态融合：具备直接推理 PDF、图表等非结构化内容的多模态理解与推理能力。如何使用Claude Opus 4.8API 接入：通过 Anthropic API 调用，输入 Token 每百万 5 美元，输出 Token 每百万 25 美元。启动动态工作流：在Claude Code环境中输入「workflow」关键词即可启动大规模并行任务。调节投入度：在 claude.ai 和 Claude Code 的模型选择器旁切换低/高/额外/最大投入度等级。切换极速模式：在 API 或客户端中选择 Fast Mode，以 2.5 倍速度运行且成本更低。企业版权限：动态工作流目前面向企业版、团队版及 Max 版用户开放。第三方平台使用：Cursor 等 IDE 已第一时间上线 Opus 4.8，可直接在开发环境中切换。Claude Opus 4.8的核心优势基准全面领先：在 6 项核心基准测试中 5 项超越 GPT-5.5 和 Gemini 3.1 Pro。诚实性显著提升：对代码缺陷未加提示的概率降至前代约四分之一，大幅减少幻觉风险。长时任务可靠性：支持数日级连续运行，可处理数十万行代码的大规模跨语言迁移项目。成本可控：常规模式价格不变，极速模式成本降至三分之一，Token 消耗效率提升约 25%。安全对齐最优：未对齐行为发生率显著低于 Opus 4.7，达到 Anthropic 目前最佳安全水平。灵活投入度：用户可根据任务难度自由调节模型思考深度，在质量与速度间取得最佳平衡。Claude Opus 4.8的项目地址项目官网：https://www.anthropic.com/news/claude-opus-4-8Claude Opus 4.8的同类竞品对比维度Claude Opus 4.8GPT-5.5Gemini 3.1 Pro智能体编程 (SWE-Bench Pro)69.2%58.6%54.2%终端编码 (Terminal-Bench 2.1)74.6%78.2%70.3%多学科推理 (Humanity’s Last Exam, 带工具)57.9%52.2%51.4%智能体计算机使用 (OSWorld)83.4%78.7%76.2%知识工作 (GDPval-AA)189017691314智能体金融分析 (Finance Agent v2)53.9%51.8%43.0%输入价格 (每百万 Token)$5待确认待确认输出价格 (每百万 Token)$25待确认待确认极速模式成本前代 1/3––动态工作流✅❌❌投入度控制✅❌❌Claude Opus 4.8的应用场景大规模代码迁移：用动态工作流完成数十万行代码的跨语言移植，如 Bun 从 Zig 到 Rust 的迁移。企业级软件开发：作为 Cursor 等 IDE 的后端模型，辅助完成端到端的软件工程任务。复杂金融分析：处理密集财报、法律文件，提供高精度引用和推理的金融文档工作流。深度学术研究：在 Humanity’s Last Exam 级别的多学科推理任务中提供高质量分析。法律专业服务：在 CoCounsel Legal 等法律 Agent 平台中处理高风险的实质性法律工作。数据与知识工作：在 Databricks Genie 等 AI Agent 中直接推理 PDF、图表等非结构化内容。# 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Qwen-Image-Bench - 通义千问推出的文生图模型评测基准下一篇Step 3.7 Flash - 阶跃星辰开源的新一代 Flash 模型相关文章Ming-omni-tts – 蚂蚁集团开源的统一音频生成模型AI小集2天天跳绳 – AI运动健身应用，智能捕捉用户动作自动计数和监测AI小集3HistAgent – 普林斯顿联合复旦推出的AI历史研究助手AI小集4AISEO Art – AI绘画工具，支持多种场景多种绘画风格和技巧AI小集2Freed – AI医疗助手，自动转写医生与患者对话内容生成结构化病历AI小集3InfinityStar – 字节跳动推出的高效视频生成模型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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型5小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前

DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型AI工具1天前更新AI小集02DeepSeek-V4-Flash-Vision-Exp是什么DeepSeek-V4-Flash-Vision-Exp 是DeepSeek推出的实验性多模态视觉理解模型。模型在保持DeepSeek-V4-Flash文本能力的基础上新增视觉输入，多模态 Agent 表现接近Opus-4.8。模型支持 Chat Completions、Messages、Responses 三种 API 格式，图片按 token 计费，单张最多 384 tokens，价格与 V4-Flash 持平。模型同步上线 Files API，支持图片复用。DeepSeek-V4-Flash-Vision-Exp的主要功能视觉理解：支持图片输入，可识别图像内容、图表、界面元素并进行语义理解。多模态 Agent：在 Agent 框架中执行需视觉感知的复杂任务，如生成 PPT、重构网页、分析截图。文本能力保持：纯文本推理、Agent 任务和世界知识水平与 V4-Flash 正式版持平，不因新增视觉能力而衰减。多格式 API：支持 Chat Completions、Messages、Responses 三种 API 格式调用，便于接入不同应用。灵活传图：支持 base64 内联、外部 URL、Files API 三种方式传入图片。图片复用：通过 Files API 上传图片获取 file_id，可在多轮对话和多次请求中重复引用，节省带宽。DeepSeek-V4-Flash-Vision-Exp的技术原理视觉编码与统一表示：图像通过视觉编码器转换为与文本对齐的 token 序列，单张图片最多编码为 384 个 token，与文本 token 统一输入语言模型进行联合推理，实现图文混合理解。模块化架构扩展：在 V4-Flash 基础模型上增加视觉理解模块，采用模块化扩展策略，确保新增视觉能力不损失原有文本 Agent、推理和世界知识性能，文本与多模态能力可独立优化。长上下文处理：模型支持 1M token 的上下文长度和 384K 的最大输出长度，通过高效注意力机制处理包含多张图片的长序列混合输入，满足复杂 Agent 任务需求。双模态推理机制：内置思考模式与非思考模式，前者进行深度链式推理提升复杂任务准确率，后者快速生成响应降低延迟，用户可按任务复杂度灵活切换。如何使用DeepSeek-V4-Flash-Vision-Exp账号准备：访问 DeepSeek 开放平台，https://platform.deepseek.com/ 注册账号并完成登录。获取凭证：进入控制台「API Keys」页面，创建并复制保存 API 密钥。API 调用：在请求中设置model=‘deepseek-v4-flash-vision-exp’可调用该模型。API 格式：支持 Chat Completions、Messages、Responses 三种标准格式接入。图片传入：可通过 base64 内联编码、外部图片 URL 或 Files API 三种方式提供图片。Files API 复用：先将图片上传平台获取file_id，后续请求直接引用，无需重复上传。Agent 框架接入：DeepSeek Harness 0.1.1 已原生支持，可直接接入现有 Agent 工作流。模式切换：支持思考模式与非思考模式，根据任务复杂度灵活选择推理深度。DeepSeek-V4-Flash-Vision-Exp的核心优势文本能力零损耗：新增视觉理解的同时，纯文本 Agent、推理与世界知识能力与 V4-Flash 正式版完全持平。多模态 Agent 跃升：在 ApexBench、Agents’ Last Exam 等多模态 Agent 基准上表现接近 Opus-4.8，实现大幅跨越。极致性价比：延续 V4-Flash 低价策略，图片按 token 计费且单张上限仅 384 tokens，视觉调用成本极低。图片高效复用：Files API 支持上传后通过file_id多次引用，避免重复传输，降低带宽与请求大小压力。全格式兼容：原生支持 Chat Completions、Messages、Responses 三种 API 格式，以及 DeepSeek Harness 0.1.1 框架。长上下文支撑：1M token 上下文长度与 384K 最大输出，从容应对含多图的长序列复杂 Agent 任务。DeepSeek-V4-Flash-Vision-Exp的项目地址HuggingFace模型库：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-ExpDeepSeek-V4-Flash-Vision-Exp的同类竞品对比对比维度DeepSeek-V4-Flash-Vision-ExpOpus-4.8(Anthropic)开发方DeepSeekAnthropic模型定位实验性多模态视觉 Agent 模型旗舰级多模态大模型文本 Agent 能力Terminal Bench 2.1 得分 83.9，与 V4-Flash 持平Terminal Bench 2.1 得分 85.0，略领先多模态 Agent 能力ApexBench 36.5，Agents’ Last Exam 27.3，整体接近 Opus-4.8ApexBench 39.4，Agents’ Last Exam 25.7，为行业标杆之一上下文长度1M tokens200K tokens图片计费方式按尺寸转 token，单张上限 384 tokens按 token 计费输入价格¥0.05–3.0 / 百万 tokens（分时段缓存策略）旗舰定价，显著高于 DeepSeek输出价格¥4.5–9.0 / 百万 tokens（分时段）旗舰定价，显著高于 DeepSeek并发限制2500较低（通常数百级别）DeepSeek-V4-Flash-Vision-Exp的应用场景智能电商运营：自动识别商品图片并生成多语言卖点文案、详情页排版建议及适配不同平台的营销素材。教育课件制作：根据教材截图或手绘板书快速生成结构化课件，自动插入匹配知识点的示意图与互动习题。医疗影像辅助：读取医学检查报告截图或影像资料，辅助提取关键指标、对比历史数据并生成初步分析摘要。游戏资产设计：基于概念草图或参考图生成角色/场景设计文档，输出可直接供美术团队使用的风格规范与资源清单。智能客服质检：分析客服对话中的截图、订单页面或商品图片，自动判断沟通准确性并给出服务质量评分与改进建议。# 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SenseNova U1.5 Lite - 商汤科技开源的原生统一多模态大模型下一篇Tap8 - AI 原生互动视频平台，支持实时双向交互相关文章Mem – AI笔记应用，自动识别笔记间的关联AI小集3Same.dev – AI前端开发工具，输入网页链接、截图、文件转化为前端代码AI小集4Hy-Memory – 腾讯混元推出的 Agent 记忆插件AI小集2ssemble – 在线AI视频编辑平台，自动识别长视频的高光时刻AI小集3Stable Diffusion 3.5 – Stability AI最新开源的图像生成模型AI小集3八爪鱼RPA – 基于RPA的AI自动化机器人平台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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型5小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前

感谢IT之家网友fakepheonix、软媒新友2156291、Domado、陈倔强123的线索投递！IT之家8 月 31 日消息，刚刚，DeepSeek V4 首个多模态模型DeepSeek-V4-Flash-Vision-Exp在 Hugging Face 上线，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。据IT之家了解，DeepSeek-V4-Flash-Vision-Exp是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日上线 DeepSeek API 平台。该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。

Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型AI工具2小时前更新AI小集02Hy4 preview 轻量版是什么Hy4 preview 轻量版是腾讯混元将原本 1.5TB 的Hy4preview开源大模型，通过自研 Sherry 1.25bit 稀疏量化与 MIX-STQ1_0 逐层混合精度技术，压缩至约 214GB 的版本。模型在大幅降低硬件门槛的同时，保持了长文理解、代码生成等核心能力，支持多台异构设备跨网联合推理，让普通开发者也能本地运行旗舰级大模型。Hy4 preview 轻量版的主要功能代码生成：模型在 SWE-Bench 等多语言代码评测中表现优异，能为开发者提供高质量的编程辅助与复杂工程问题求解能力。办公文档处理：支持长文档理解、内容摘要与常规问答，可胜任日常办公场景中的文本处理与信息提取任务。科学推理：模型具备数学计算与科学任务求解能力，在需要逻辑推导和数值运算的场景中仍有稳定表现。长上下文检索：在多轮对话中，能精准定位并提取长文本中的关键信息，长文理解能力几乎与原始模型持平。工具调用：通过 MCP 等协议，模型可连接外部工具与 API，实现自动化任务执行与复杂工作流编排。游戏生成：基于指令，模型可生成包含界面与交互逻辑的可运行游戏，如文章中展示的 NEON DRIFT 游戏生成案例。异构联合推理：借助 prima.cpp 的跨设备调度，多台配置各异的机器可跨局域网协同运行该模型，无需采购同构高端硬件集群。Hy4 preview 轻量版的技术原理Sherry 稀疏三值量化：腾讯混元自研的极限压缩算法，将权重以 4 个为一组映射到 {-1, 0, +1} 并强制每组保留一个零，每组仅需 5 bit 编码，实现平均1.25 bit/权重的存储效率，且天然适配 SIMD 加速，在 llama.cpp 中完成了从量化到推理的完整链路。MIX-STQ1_0 混合精度策略：摒弃统一压缩方案，在校准集上逐层评估敏感度后分档处理——敏感层保留较高精度（IQ2_XXS），不敏感层采用激进的 STQ1_0，最终路由专家权重平均仅1.78 bpw，整体误差反而低于统一量化基线，同时节省 5GB 以上存储。异构分布式推理：基于 prima.cpp 的跨设备调度能力，将 MoE 层拆分到不同硬件（如笔记本 4090 与服务器 A4000）上执行，通过计算与权重读取重叠，使 214GB 模型在合计 144GB 显存+内存的异构环境下达到可用推理速度，无需采购同构高端集群。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy4 preview 轻量版模型获取：从 HuggingFace 下载 AngelSlim/Hy4-preview-GGUF 量化模型文件到本地。本地推理：用支持 STQ1_0 推理内核的 llama.cpp 加载并运行 214GB 的轻量版模型。异构部署：通过 prima.cpp 将多台异构设备（如笔记本与服务器）跨网拼接，实现分布式联合推理。Hy4 preview 轻量版的核心优势极致压缩降门槛：通过自研量化技术将模型从 1.5TB 压缩至 214GB，让配置有限的机器也能运行旗舰级大模型。Sherry 量化又小又快：自研稀疏三值量化算法实现平均 1.25 bit/权重，且天然适配 SIMD，推理速度优于同类低比特方案。逐层混合精度保质量：MIX-STQ1_0 按敏感度逐层分档压缩，不增加比特预算却降低整体误差，评测表现领先统一量化基线。核心能力几乎无损：长文理解与多轮检索和原版持平，代码、数学、工具调用等任务仅小幅回落，日常生产力场景全面覆盖。异构设备联合推理：支持跨局域网的多台不同配置机器拼接运行，无需采购同构高端集群即可低成本部署超大模型。Hy4 preview 轻量版的项目地址HuggingFace模型库：https://huggingface.co/AngelSlim/Hy4-preview-GGUFHy4 preview 轻量版的同类竞品对比对比维度Hy4 preview 轻量版DeepSeek-V4发布方腾讯混元DeepSeek模型架构MoE，总参数量近 1.5TMoE，总参数量 1.6T（激活约 32B）轻量版权重214 GB（MIX-STQ1_0 量化）官方 FP8 约 300GB+；社区 INT4 约 200GB 级核心压缩技术自研 Sherry 1.25bit 稀疏三值量化 + 逐层混合精度官方原生 FP8 训练；社区依赖常规 GGUF/Q4_K_M 等方案SWE-Bench 多语言81.3%约 82.6%（原版）长上下文检索与 BF16 原版基本持平，几乎无损128K 上下文，表现优异最低部署门槛单台 80GB 显存 + 64GB 内存或异构拼机即可运行完整 FP8 需多卡 A100/H100；单卡需大量 offload异构联合推理原生支持（prima.cpp 跨设备跨局域网调度）无官方支持，需自行搭建分布式框架量化方案特点按层敏感度动态分配精度，误差低于统一量化依赖社区统一量化，精度损失相对不可控Hy4 preview 轻量版的应用场景私有化代码开发助手：基于其 SWE-Bench 多语言 82.9 分的代码能力，企业可在内网部署作为编程 Copilot，保障代码安全不外流。超长文档智能问答：凭借近乎无损的长上下文检索能力，用于法律合同、论文库、财报等百页级文档的精准信息提取与摘要。科学计算与数学推理：覆盖数学推导、公式求解等场景，适合科研机构作为辅助推理工具处理复杂计算任务。跨设备低成本 AI 服务：通过异构联合推理，将办公室闲置的 4090 笔记本与服务器拼接运行，以极低硬件成本搭建内部 AI 服务。自动化工具编排（Agent）：借助 MCP Atlas 等工具调用评测的领先表现，串联外部 API 与数据库，实现报告生成、数据抓取等自动化工作流。# 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Muse Voice Transcribe - Meta 推出的首个实时音频感知模型下一篇秒悟Meoo - 1分钟生成前后端完整的网站，真0门槛开发！相关文章MatChat AI – 松山湖实验室推出的材料科学AI智能体AI小集3Step 3 – 阶跃星辰最新推出的多模态推理模型AI小集5Olmo 3 – AI2最新开源的大语言模型系列AI小集2Elser AI – AI动漫创作Agent，支持长篇漫画创作AI小集3GenFlow超能搭子 – 百度文库推出的通用AI AgentAI小集3NutWorld – 新加坡国立、南洋理工和Skywork AI推出的视频处理框架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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型4小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评5天前

Muse Voice Transcribe – Meta 推出的首个实时音频感知模型AI工具4小时前发布AI小集02Muse Voice Transcribe是什么Muse Voice Transcribe 是 Meta 推出的首个实时音频感知模型，集流式自动语音识别、说话人分割与端点检测于一体。模型支持 70 多种语言及原生语码切换，可处理超 1 小时长音频与 20 人以上同时对话，在流式转写和语音分割基准测试中均排名第一。Muse Voice Transcribe 基于强化学习的自适应延迟技术，能动态权衡速度与准确率。Muse Voice Transcribe 已集成至 Meta AI 与 Muse Code，定位为 AI 系统的实时感知层。Muse Voice Transcribe的主要功能实时流式 ASR：模型以 80ms 为单位实时处理音频并输出文字，无需等待整段音频结束。说话人分割：自动识别并标记超过 20 位不同说话人，区分谁在何时发言。语音端点检测：精准判断语音开始与结束时刻，支持自然停顿与连续对话。多语言与语码切换：覆盖 70 多种语言，原生支持中英文夹杂等任意语码转换。长音频与多人会议：可连续处理超过 1 小时音频，无需后处理即可输出完整转写。Muse Voice Transcribe的技术原理自回归多模态架构：基于 Muse Spark 系列的自回归模型，将音频流逐帧转化为软 token 并与文本 token 统一建模，实现音频到文本的端到端生成。流式音频 token 机制：每 80ms 音频片段编码为软 token，模型通过预测<|next_audio|>决定是否继续监听下一段，收到<|empty_audio|>则立即输出剩余文本，实现真正的流式推理。任务扩展特殊 token：在 ASR 基础上引入<|start_of_turn|>与<|speaker_{A-Z}|>实现说话人切换识别，引入<|speech_onset|>与<|speech_endpoint|>实现端点检测，所有任务共享同一流式训练框架。强化学习自适应延迟：通过 RL 将词错误率奖励与延迟奖励以乘法方式组合，使模型根据每个单词的识别难度动态决定等待更多上下文还是立即输出，在速度与准确率间达到帕累托最优。如何使用Muse Voice Transcribe选择入口：通过 Meta Model API、Mac 版Meta AI或Muse Code三种方式接入服务。启动语音：在 Muse Code 中按下⌘ + v快捷键，或在 Mac 版 Meta AI 中点击语音按钮开始听写。跨应用使用：在任意 Mac 应用中按住 Fn 键，即可调用 Meta AI 完成语音转写。API 调用：通过 Meta Model API 按量计费（每 1000 分钟 3 美元），集成到自己的应用或工作流中。Muse Voice Transcribe的核心优势实时流式 ASR：用 80ms 为单位处理音频，实现真正的低延迟实时转写。多人说话人分割：原生支持超过 20 位说话人区分，无需后处理即可精准归属每句话。自适应延迟：通过强化学习动态调整每个单词的等待时间，在速度与准确率之间达到帕累托最优。无缝语码切换：原生支持句子内或句子间的任意语言切换，精准识别中英文夹杂等混合表达。超长音频处理：支持超过 1 小时的连续长音频输入，适用于长时间会议或访谈场景。语音端点检测：自动标记语音开始（<|speech_onset|>）与结束（<|speech_endpoint|>），精准判断用户何时说完。基准测试第一：在 Artificial Analysis 流式语音转文本和公开语音分割基准测试中均排名第一。Muse Voice Transcribe的项目地址项目官网：https://research.meta.ai/blog/introducing-muse-voice-transcribeMuse Voice Transcribe的同类竞品对比对比维度Muse Voice Transcribe(Meta)Gemini 3.1 Flash Live(Google)产品定位专门的实时音频感知与 ASR 模型通用实时多模态对话模型，ASR 只是其输入能力之一核心能力流式 ASR、说话人分割、语音端点检测实时双向语音对话（ASR + TTS）、多模态（音频/视频/图像/文本）、函数调用词错误率AA-WER Streaming Index3.1%，Artificial Analysis 排名第一未公布具体 ASR WER 数值，主打低延迟流式 ASR 与对话流畅度说话人分割原生支持20+ 位说话人，DER 仅17.5%未明确支持多人说话人分割，专注单轮/双轮实时对话延迟策略自适应延迟，通过强化学习为每个单词动态调整等待时间Sub-200ms固定首 token 延迟，追求极速响应长音频处理原生支持1 小时+连续音频，无需分段纯音频会话默认15 分钟限制，需接入 session 续接机制语码切换原生支持句子内/间任意语码转换，精准识别中英文夹杂支持 90+ 种语言，但未强调语码切换专项优化纯转写成本$0.18/小时音频输入$0.30/小时+ 文本输出约$0.07/小时，合计约$0.37/小时输出能力仅文本转写 + 说话人标签（<|speaker_A|>）文本 + 音频合成（TTS）+ 工具调用 + 结构化输出 + 实时搜索Muse Voice Transcribe的应用场景跨国会议实时纪要：支持20+人同时发言、超过1小时的长时间会议，自动区分说话人并精准转写中英文夹杂的讨论内容。AI语音助手/Agent：作为实时感知层，提供低延迟流式ASR与精准的语音端点检测，让AI助手知道用户何时开始和结束说话。播客与访谈字幕生成：处理长达数小时的音频素材，原生支持多人对话分割，无需后期手动标注说话人。多语言客服质检：实时转写客服与客户的混合语言对话，用上下文偏好提升专业术语识别准确率，并自动归档。开发者语音输入工具：通过Mac版Meta AI或Muse Code的Fn键全局调用，在任何应用中实现语音转写编程、写文档或发消息。# 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Atlas - World Labs 推出的全球首个多模态世界模型下一篇Hy4 preview 轻量版 - 腾讯混元开源的Hy4量化压缩模型相关文章Slax Note – 语音转文字的AI笔记应用，自动润色文本AI小集3Reel.AI – 井英科技推出的AI短剧应用AI小集3Learn Your Way – 谷歌推出的实验性AI学习工具AI小集3Mini-InternVL – 上海AI Lab联合清华等机构推出的轻量级多模态大模型AI小集3VideoCrafter2 – 腾讯推出的高质量视频生成模型AI小集4Yeri AI – AI 全能在线创作平台，覆盖完整内容生产流程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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型4小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评5天前

IT之家9 月 2 日消息，科技媒体 9to5Mac 昨日（9 月 1 日）发布博文，报道称 Meta 公司推出 Muse Voice Transcribe，这是其首个实时音频感知模型。开发者可通过 Meta Model API 调用该能力，定价为每 1000 分钟音频 3 美元（现汇率约合 20.2 元人民币），等同每小时 0.18 美元（现汇率约合 1.2 元人民币）。该模型在同一流程中整合流式自动语音识别、说话人分离与端点检测，用户说话时，系统可同步输出文字，无需等待完整录音结束后再单独处理。IT之家注：“流式”就是边说边转写，模型不必等整段音频说完才出结果，而是会一小段一小段持续输出文字，所以延迟更低，适合实时听写、会议记录、通话字幕。Muse Voice Transcribe 可在包含 20 余名说话者的录音中分离不同发言者，还能识别说话是否结束，从而自动确定一段输入的边界。模型训练覆盖 70 余种语言，其中 25 种语言在发布时完成验证。该模型支持长度超过 1 小时的音频，也支持句内或句间的自然语言切换。开发者还可通过语言、关键词和上下文偏置，提高特定语言、术语或场景下的识别效果。在技术方面，Meta 为兼顾实时响应和识别准确度，引入名为自适应延迟（adaptive delay）的动态决策机制。系统不会为所有词语采用固定的速度与准确度取舍，而是针对每个词判断需要额外接收多少音频后再输出识别结果。对于较容易识别的语音，系统可更快提交转写结果。对于发音不清、术语较多或语境复杂的词语，系统会调用更多前后文音频信息。这种机制旨在兼顾。Meta 称，截至 2026 年 9 月 1 日，Muse Voice Transcribe 位列 Artificial Analysis 流式语音转文本排行榜第 1 名。

GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具2个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# 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Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章天狼智标 – AI标书辅助平台，从解析到生成一站式解决AI小集9TeleAI 视频生成大模型 – 中国电信AI研究院推出的视频生成模型AI小集2Co-Sight – 中兴通讯开源的超级智能体项目AI小集2稿定AI社区 – AI创意设计平台，提供丰富的创意设计资源AI小集3Orchard – 微软研究院开源的 Agentic AI 建模框架AI小集2Mistral Vibe CLI – Mistral AI推出的开源命令行代码助手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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型5小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前

Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型AI工具4小时前更新AI小集02Claude Mythos 5.1是什么Claude Mythos 5.1 是 Anthropic 推出的 Claude 5.1 系列旗舰模型，与Claude Fable 5.1 共享同一基础能力。模型专为高风险专业领域设计，仅面向通过审核的网络安全机构和生命科学研究人员开放，支持漏洞防御、蛋白质设计等前沿研究。用户需通过 Cyber Verification Program 或 Life Sciences Verification Program 申请访问，目前主要面向美国机构。Claude Mythos 5.1的主要功能蛋白质分子设计：调用开源工具设计高亲和力结合蛋白，实验验证命中率接近 50%，达行业典型水平的 3–5 倍。计算生物学加速：编写定制 GPU 内核并缓存中间结果，将 7 个开源基因组深度学习模型推理速度提升最高 2.5 倍，降低研究成本 30–60%。网络安全防御：通过 Cyber Verification Program 向审核机构开放，支持防御性漏洞研究与代码安全分析，同时禁止漏洞利用开发。前沿科研支持：在受控环境下为生命科学和网络安全专业人员提供超越公开版模型的研究能力，支持复杂分子设计与系统安全评估。Claude Mythos 5.1的技术原理同源双生架构：Claude Mythos 5.1 与Claude Fable 5.1 共享完全相同的底层模型权重与推理能力，仅通过上层差异化的安全围栏策略实现能力释放程度的区分，使同一模型能同时服务公众与专业高风险场景。受控访问机制：采用 Cyber Verification Program 和 Life Sciences Verification Program 双重审核体系，仅向通过背景审查的专业机构开放，确保高风险能力不被滥用。动态安全围栏：针对网络安全和生命科学领域设置专门的安全边界，在保持核心对齐能力的同时，为专业防御性研究释放更多模型潜能。如何使用Claude Mythos 5.1申请受信访问计划：需通过 Anthropic 的 Cyber Verification Program（网络安全）或 Life Sciences Verification Program（生命科学）提交审核申请，仅面向通过背景审查的专业机构开放。满足资质要求：目前优先面向美国境内的网络安全防御机构与生命科学研究人员，国际用户需等待后续与美国政府协调后的扩展计划。使用 Claude Security 产品：已审核通过的企业可直接使用接入 Mythos 5.1 的 Claude Security 服务，对代码库进行漏洞扫描与修复建议。等待审核结果：提交申请后需等待 Anthropic 及合作方的资质审核，通过后获得模型访问权限，无法像 Fable 5.1 直接公开使用。Claude Mythos 5.1的项目地址项目官网：https://www.anthropic.com/claude-fable-and-mythos-5-1Claude Mythos 5.1的同类竞品对比对比维度Claude Mythos 5.1OpenAI GPT-Rosalind所属公司AnthropicOpenAI模型定位面向网络安全与生命科学的受控访问旗舰模型面向生命科学的受信访问专用模型覆盖领域网络安全（CVP）+ 生命科学（LSVP）双轨专注生命科学（药物发现、基因组学、湿实验）访问方式需通过 CVP / LSVP 政府级审核，目前以美国机构为主通过 trusted-access deployment 向符合条件的全球科研机构开放，需证明公共利益与安全治理核心能力蛋白质设计、GPU 内核优化、防御性漏洞研究、长周期自主科研药物发现、NGS 分析、生物信息学工作流、Codex 插件执行可重复实验插件/工具调用开源蛋白质设计/折叠工具，自主编写代码内置 Life Sciences Research 与 NGS Analysis 插件，支持序列/结构可视化查看器安全策略与 Fable 5.1 同源，差异化安全围栏，反蒸馏机制企业级安全 + 受控访问，需具备治理和安全监督能力Claude Mythos 5.1的应用场景蛋白质分子设计与药物研发：用开源蛋白质设计工具，针对特定靶标设计高亲和力结合蛋白，实验验证命中率可达行业典型水平的 3–5 倍，加速早期药物发现。防御性网络安全研究：通过 Cyber Verification Program 向审核机构开放，支持代码库漏洞扫描、防御性渗透测试与漏洞修复建议，提升关键基础设施安全性。基因组学与计算生物学：编写定制 GPU 内核优化开源基因组深度学习模型（如 Enformer、ProGen2），将全基因组分析成本降低 30–60%，加速变异检测与功能预测。长周期科学实验管理：可连续运行数十小时执行复杂科研任务，如自主设计实验方案、发现并修正数据标签错误、并行启动多组实验并整理结果。科学数据重建与建模：基于历史观测数据（如 NASA 雷达图像）训练神经网络，生成高分辨率科学地图或模型，为后续探测任务提供目标筛选依据。# 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Claude Fable 5.1 - Anthropic 推出的最新旗舰大模型下一篇Atlas - World Labs 推出的全球首个多模态世界模型相关文章DrawingSpinUp – AI驱动的2D绘画转化为3D效果的动画生成技术AI小集2getdesign.md – VoltAgent 团队推出的 AI 原生设计系统库AI小集215个AI生成PPT的工具和网站，智能制作精美的幻灯片AI小集62ImageFX – 谷歌推出的人工智能图像生成工具AI小集4OpenNof1 – 开源的AI自主交易系统，实时交易监控AI小集2AnyVoice – AI声音克隆平台，3秒克隆逼真声音模型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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型4小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评5天前

Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型AI工具4小时前更新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Surya – 开源的OCR工具包，支持90+语言、布局分析等识别AI小集2Agent Squad – 开源的多 Agents 对话编排框架AI小集213个免费AI小红书文案生成工具，种草文案创作好帮手AI小集9Moonshine – 实时转录场景、低延时高准确的语音识别模型AI小集3内容特工队ReelsAgent – 首个移动端AI营销视频生成AgentAI小集6Getfloorplan – 2D和3D平面图AI生成工具，提供360°虚拟体验AI小集4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商汤小浣熊秒哒最新收录Agent.SpaceQwenWorkDeepSkillAlphaVowXCellMetaDig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Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型2小时前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型4小时前Atlas – World Labs 推出的全球首个多模态世界模型4小时前Claude Mythos 5.1 – Anthropic 推出的 Claude 系列旗舰模型4小时前WeMM-Embedding – 腾讯开源通用多模态Embedding模型1天前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型1天前MiniMax H3 Max – MiniMax 推出的实时视频生成模型2天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型2天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战2天前Rome – 开源的智能体操作系统，自然语言生成完整应用3天前Headlong – Laude Institute 开源的 AI Agent 微框架3天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动4天前Zing-0.5 – Loopit 开源的实时交互视频世界模型4天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评5天前

感谢IT之家网友软媒用户1053564、Nuc_F、乌蝇哥的左手、软媒新友2156291、华南吴彦祖、AlanMac、黄后登高徒、小星_14、JARK006、飞奔的安卓、shutiao、软媒新友2203184、愚公骑马、非液化、Stephen_233的线索投递！IT之家9 月 2 日消息，当地时间 9 月 1 日，Anthropic 宣布推出 Claude Fable 5.1 和 Claude Mythos 5.1 模型。该公司称这两款模型为“全球最先进的编程与知识工作模型”。Fable 5.1 与 Mythos 5.1 采用相同的基础模型，区别在于安全防护等级不同 ——Fable 5.1 面向所有用户开放，Mythos 5.1 仅通过可信访问计划向经过审核的网络安全和生命科学领域的机构提供。性能方面，Anthropic 披露的基准测试数据显示，Fable 5.1 在多项测试中超过了前代 Fable 5、Opus 5 以及 OpenAI 的 GPT-5.6 Sol。在智能体科学研究基准 Terminal-Bench-Science 0.1 中，Fable 5.1 得分为 52.6%，而 Fable 5 为 24.7%、Opus 5 为 29.0%、GPT-5.6 Sol 为 22.4%。在智能体编程基准 Terminal-Bench 4.0 中，Fable 5.1 得分为 55.8%，Mythos 5.1 在更宽松的安全防护下达到 60.9%。知识工作方面，Fable 5.1 在 GDPval-AA v2 测试中获得 1853 分，高于 Opus 5 的 1824 分和 Fable 5 的 1723 分。价格方面，Fable 5.1 的缓存读取（cache reads）费用下调 75%，降至每百万词元 0.25 美元。典型工作负载下，Fable 5.1 的成本比 Fable 5 低约 25%；对于高度智能体化的工作负载，成本最高可降低 45%。基础定价保持不变：输入词元每百万 10 美元，输出词元每百万 50 美元。数据保留方面，Anthropic 推出了全新的企业级前沿防护措施（Enterprise Frontier Safeguards，EFS）。该方案将零数据保留的隐私保护与先进的安全防护相结合，客户数据存储在由企业完全控制的云基础设施中，而非 Anthropic 的系统中。EFS 将于今年秋季开始分阶段向企业客户推出。在 EFS 可用之前，符合条件的客户可使用零数据保留政策使用 Fable 5.1。安全防护方面，Anthropic 对 Fable 5.1 的防护机制进行了改进，以减少误报。在网络安全领域，新版防护措施的误报拦截数量比此前减少约 60%。Fable 5.1 现在可用于发现软件漏洞，但不会用于开发针对这些漏洞的利用程序。生物学领域，Anthropic 与美国政府合作建立了访问计划，允许研究人员利用 Mythos 5.1 的高级生物学能力，并计划在近期向科学家开放注册。科学能力方面，Anthropic 展示了 Mythos 5.1 在多个领域的成果。在分子设计领域，Mythos 5.1 利用开源蛋白质设计和折叠工具，设计出了高亲和力结合剂。在三个靶点上，其结合亲和力比 Adaptyv Bio 蛋白质设计竞赛的最佳参赛作品高出 10 倍；在 12 个靶点上的命中率接近 50%，而目前蛋白质设计的典型命中率为 10% 至 15%。在计算分析领域，Fable 5.1 基于 NASA 麦哲伦任务 30 多年前的雷达图像，训练了一个神经网络，绘制了覆盖金星三分之一区域的高分辨率高程地图，分辨率从之前的 10 至 20 公里精细到 2 至 3 公里，高程精度提升了 25%。在计算生物学领域，Mythos 5.1 通过编写自定义 GPU 内核并缓存中间结果，将七个开源深度学习模型的速度提升了至多 2.5 倍，预计可将 GPU 成本降低 30% 至 60%。合规方面，Anthropic 于 2026 年 7 月签署了欧盟《人工智能法案》关于 AI 生成内容透明度的实践准则。根据该法案要求，自 2026 年 8 月 2 日之后发布的模型输出需添加不可见水印。Fable 5.1 已为生成的文本加入了这种不可见水印（IT之家注：该水印对未持有检测 API 的用户不可见，不影响输出质量和内容，也不包含用户或其对话的任何信息）。Anthropic 正在以私人预览形式推出相应的检测 API，符合条件的机构（如监管机构、执法部门、媒体、事实核查机构等）可根据欧盟法律要求使用。Claude Fable 5.1 现已登陆所有平台，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure，开发者可通过 Claude API 使用；Claude Mythos 5.1 目前仅面向经审核的美国组织提供。