FireRedAudio – 小红书 FireRed 推出的通用音频语言模型AI工具2小时前发布AI小集02FireRedAudio是什么FireRedAudio 是小红书 FireRed 团队推出的通用音频语言模型，基于 9B 参数 Qwen3.5 自回归 LLM。模型理解与生成分别使用独立的连续表征通道（Audio Encoder 与 RedAE），再汇入共享 LLM 统一推理。模型同时支持 ASR、音频问答、长达1小时的录音理解、Zero-shot TTS、指令 TTS 及语音编辑，在 MMAU、MMSU、多语种 ASR 和 Instruct TTS 等评测中均取得领先表现。FireRedAudio的主要功能音频理解：在 MMAU、MMSU 等综合音频问答评测中取得表内最佳成绩，覆盖语音、音乐与环境声理解。多语种 ASR：支持 102 种语言识别，FLEURS-102 平均错误率 14.94%，低资源语种表现尤为突出。Zero-shot TTS：给定任意参考语音即可合成新内容，中英文内容准确率表内领先。Instruct TTS：遵循”用更慢的语速朗读”等自然语言指令，六项评测指标全部领跑。语音编辑：支持语义层面的删除/插入/替换，以及声学层面的变速/变调/变音量。长音频处理：支持最长 1 小时录音，能生成秒级精度的时间线结构化摘要。FireRedAudio的技术原理解耦连续表征：FireRedAudio 的不强迫理解与生成共享同一种音频表示，为两者分别设计独立的连续向量通道：理解侧需要紧凑语义特征以支持长上下文建模，生成侧需要可重建的精细声学特征以保留音色与韵律，两者在共享 LLM 中完成统一推理。理解路径：音频由 Whisper-large-v3 初始化的 Audio Encoder 编码，经 Adapter 压缩为每秒 12.5 个连续表征后输入 9B LLM，直接输出识别文本或理解答案，适配 ASR、音频问答与长音频结构化任务。生成路径：条件音频先经 RedAE（确定性自编码器）压缩为 25Hz、64 维连续 latent，预训练时通过冻结教师编码器进行语义蒸馏以保留内容线索；由 Patch Encoder 每 4 帧聚合成一个 audio step（6.25Hz）送入 LLM；LLM 每预测一个 audio-step token，以其隐藏状态驱动 flow-matching DiT 生成新 latent，最终由 RedAE Decoder 还原为 24kHz 波形。五阶段渐进训练：训练依次完成 Adapter 对齐、Audio Encoder 适配、理解与生成联合训练、多任务后训练、以及 200k 长上下文扩展，累计约 2.66T 非填充多模态 token，逐步叠加能力而非一次性混合所有任务。共享推理中枢：9B Qwen3.5 自回归 LLM 作为唯一可训练主干，负责跨模态推理、任务规划与上下文建模；理解与生成仅在输入表征层解耦，在推理层统一，使模型既能”听懂”又能”开口”而不牺牲各侧的信息保真度。微信关注回复“开源”，加入AI开源项目交流群如何使用FireRedAudio环境配置：从 GitHub 仓库阅读环境与依赖安装说明，准备好运行环境。获取权重：从 Hugging Face 官方页面下载模型权重与配置文件。跑通样例：先执行官方提供的最小推理样例，验证模型版本、音频采样率与输出路径。验证理解：分别测试 ASR 和音频问答功能，确认理解路径正常工作。验证生成：分别测试 Zero-shot TTS 和指令 TTS，确认生成路径正常工作。音频格式：生成任务中保持输入输出为 24 kHz 采样率，并记录 DiT 采样步数与显存峰值。TTS 设置：Zero-shot TTS 时，用参考语音的最后两个 audio step 初始化声学历史，其他生成任务使用零初始化。硬件评估：根据 9B 主干权重、KV cache 及 DiT 采样开销评估显存需求，长音频任务需额外预留上下文缓存空间。FireRedAudio的核心优势统一架构：一个 9B 自回归 LLM 同时承载音频理解与生成，避免多模块拼接带来的能力分散。解耦表征：理解与生成分别使用最适合自身的连续表征通道，既保留语义紧凑性又不丢失声学细节。性能领先：在 MMAU、MMSU、102 语种 ASR 及 Instruct TTS 六项指标上均取得表内最佳成绩。长音频支持：通过 200k 上下文扩展，可处理最长 1 小时录音并输出秒级精度结构化时间线。全栈覆盖：单模型支持 ASR、音频问答、Zero-shot TTS、指令 TTS、语义/声学语音编辑六大任务。FireRedAudio的项目地址GitHub仓库：https://github.com/FireRedTeam/FireRedAudioHuggingFace模型库：https://huggingface.co/FireRedTeam/FireRedAudioarXiv技术论文：https://arxiv.org/pdf/2608.24168FireRedAudio的同类竞品对比对比维度FireRedAudioQwen3.5-Omni-Plus定位专注音频领域的通用理解与生成模型覆盖文本/图像/音频/视频的全模态通用模型架构9B 自回归 LLM + 解耦连续表征（Audio Encoder / RedAE）更大规模端到端多模态架构，所有模态统一处理理解评测MMAU test 80.9、MMSU 83.3，均为表内最佳MMAU test 79.9、MMSU 80.7，略低于 FireRedAudio多语种 ASRFLEURS-102 平均 WER 14.94%，低资源语种优势显著FLEURS-102 平均 WER 23.66%，多语种覆盖稍弱生成能力支持 Zero-shot TTS、Instruct TTS、语音编辑，DiT 输出 24kHz 波形支持语音合成与理解，但不侧重语音编辑与细粒度声学控制长音频200k 上下文支持 1 小时录音，strict@0 通过率 73.6%具备长音频处理能力，但论文中未展示同量级 1 小时结构化评测FireRedAudio的应用场景智能会议助理：将 1 小时会议录音自动转写为带秒级时间戳的结构化纪要，并提取关键决策与待办事项。多语种内容本地化：输入中文视频，自动识别原声并生成英语、日语等多语种配音，保持原说话人音色与情感风格。播客/有声书后期制作：通过自然语言指令调整语速、音量或替换特定语句，无需重新录制即可完成语音编辑。智能客服语音交互：实时理解用户语音咨询（含环境噪音与口音），并以指定音色、语速生成回复语音，实现端到端语音对话。音频内容审核与检索：对长音频平台的海量内容做结构化理解，支持”找出所有提到价格欺诈的片段”等语义级检索与标注。# 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MiniMax H3 Max - MiniMax 推出的实时视频生成模型下一篇WeMM-Embedding - 腾讯开源通用多模态Embedding模型相关文章OmniAlign-V – 上海交大联合上海 AI Lab 等推出的高质量数据集AI小集2Wonderland – 多伦多大学、Snap和UCLA联合推出的单视图3D场景生成技术AI小集2STUDY FETCH – AI学习平台，基于课程资料为学生创建全方位学习套件AI小集2MobileLLM-R1 – Meta推出的专项高效推理模型系列AI小集2聆音EchoCare – 香港中科院推出的超声大模型AI小集3StableV2V – 中国科技大学开源的视频编辑项目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搜索妙呀堆友Agent绘蛙AI美图设计室updream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat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！48秒前WeMM-Embedding – 腾讯开源通用多模态Embedding模型2小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型1天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型1天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战1天前Rome – 开源的智能体操作系统，自然语言生成完整应用2天前Headlong – Laude Institute 开源的 AI Agent 微框架2天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动3天前Zing-0.5 – Loopit 开源的实时交互视频世界模型3天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评4天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型4天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型4天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话4天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架4天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流4天前

Tripo AI是什么Tripo AI是AI 3D模型创作平台，文本、图像一键生成3D模型。Tripo AI支持与Flux和GPT-4o图像生成器集成，能通过文本、图片或涂鸦快速生成高精度3D模型，支持GLB、FBX、OBJ等全主流格式，一键导出至Blender、Unity、Unreal等引擎，适用于游戏、3D打印、元宇宙等领域。Tripo AI具备智能分割、自动骨骼绑定、纹理生成等强大功能，Tripo AI的最新版本3.0参数量达200亿，进一步提升了模型精度和生成效率，降低了3D创作的门槛。Tripo AI的主要功能快速3D模型生成：通过文本、单张图片、多张图片或涂鸦，在10秒内生成高质量的3D模型。双输出模式：提供标准模式和超模式。用户根据自己的具体需求选择合适的模式生成3D模型。多格式支持：生成的模型支持多种格式（如glb、fbx、obj、usd、stl等），适用于游戏、3D打印、元宇宙、产品设计等多个领域。高精度几何与纹理：Tripo 3.0版本提供更清晰的几何形状、更干净的拓扑结构和更丰富的纹理，支持超高清细节。智能分割与编辑：自动将复杂3D模型分割成有意义的部分，便于精细编辑和调整。自动骨骼绑定：为角色生成T-Pose模型并自动绑定骨骼，方便动画制作。纹理生成与修复：通过Magic Brush功能，轻松生成和修复纹理。低多边形优化：智能生成低多边形模型，适用于游戏和实时渲染。AI驱动的创作：与Flux和GPT-4o集成，支持从文本到图像再到3D模型的生成。社区与分享：提供主题画廊，创作者可以分享作品并与全球用户互动。如何使用Tripo AI访问官网：访问 Tripo AI官网 https://www.tripo3d.ai/，完成账号注册和登录。生成3D模型：选择生成模式：根据需求选择创作模式。标准模式适用需要优化拓扑结构的场景。超模式适用需要极致几何清晰度和细节的场景。输入内容：文本描述：输入详细的文本描述，如“一个未来风格的科幻飞船”。图片输入：上传单张或多张图片作为参考。涂鸦：用简单的涂鸦来生成模型。生成模型：点击“Generate”按钮，Tripo将在10秒内生成3D模型。编辑与优化：用平台提供的优化改进生成模型直到满意为止。选择格式：根据需求，选择合适的文件格式（如glb、fbx、obj等）导出模型。应用到项目：将导出的模型导入到3D软件或游戏引擎中，如Unity、Unreal Engine等。参与活动：在Tripo GameHub中参与每月的创作活动，赢取奖金和行业支持。Tripo AI的应用场景游戏开发：开发者快速生成未来风格的武器和外星生物模型，大大缩短游戏资产的制作周期。3D打印：设计师快速生成灯具的3D模型并导出为STL格式，直接用在3D打印机，轻松实现个性化设计。元宇宙：在构建虚拟社交平台的元宇宙中，用户生成自己的虚拟形象和个性化的虚拟空间装饰，增强虚拟社交的沉浸感和个性化体验。产品设计：设计师快速生成沙发的3D模型，展示给客户，提前获得反馈并优化设计，加速产品上市时间。教育：在大学的建筑设计课程中，教师让学生快速生成简单的建筑模型，帮助他们理解空间和结构的基本概念。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于Tripo AI的工具VoxCraftAI生成3D模型的工具Marble李飞飞World Labs推出的3D世界生成平台Hitems数美万物推出的AI创意物品生成社区造好物全球首个一站式AI造物平台Style3DAI服装设计工具，将草图转为3D服装模型MeshyAI快速从文本或图像生成3D模型暂无评论再想想发表评论暂无评论…

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 模型相关文章石榴AI – 一站式AI数字人定制和视频创作平台AI小集4KickRender – AI驱动3D渲染工具，短时间内完成高质量渲染任务AI小集2Molmo 2 – Ai2开源的AI视频分析模型AI小集3PaliGemma 2 – 谷歌DeepMind推出的全新视觉语言模型AI小集2ValueCell – 开源金融多Agent平台，协同工作提供财务洞察AI小集6motion-anything – Open Design 开源的本地优先动效引擎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搜索妙呀堆友Agent绘蛙AI美图设计室updream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat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！19分钟前WeMM-Embedding – 腾讯开源通用多模态Embedding模型2小时前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型2小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型1天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型1天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战1天前Rome – 开源的智能体操作系统，自然语言生成完整应用2天前Headlong – Laude Institute 开源的 AI Agent 微框架2天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动3天前Zing-0.5 – Loopit 开源的实时交互视频世界模型3天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评4天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型4天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型4天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话4天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架4天前

DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型AI工具6小时前更新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Keevx – AI数字人视频创作工具，自动生成脚本AI小集3Explainpaper – AI文献阅读工具，解析论文进行高亮显示难以理解内容AI小集2张大妈 – 值得买科技推出的AI购物管家AI小集3LangGraph – 基于图结构构建与部署多代理动态工作流的开源框架AI小集3Papers with Code – AI科研平台，自动关联论文、代码等AI小集2MiMo Code – 小米开源的终端 AI 编程助手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搜索妙呀堆友Agent绘蛙AI美图设计室updream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat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！44秒前WeMM-Embedding – 腾讯开源通用多模态Embedding模型2小时前FireRedAudio – 小红书 FireRed 推出的通用音频语言模型2小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型1天前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型1天前AI 技能成千上万怎么选？DeepSkill 精准搜索实战1天前Rome – 开源的智能体操作系统，自然语言生成完整应用2天前Headlong – Laude Institute 开源的 AI Agent 微框架2天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动3天前Zing-0.5 – Loopit 开源的实时交互视频世界模型3天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评4天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型4天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型4天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话4天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架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。

电影《奇异博士》里，奇异博士转动阿戈摩托之眼，可以让时间向前或向后流动，到了《复仇者联盟 3》，他又在与灭霸的对决前，提前看见了多种可能的未来。这是电影里的魔法，也是小鹏提供的现实。8 月 27 日，小鹏开了一个物理 AI 分享会，同时展示了第二代 VLA 的全新版本。这场沟通会最大的关键词是「时间」，小鹏给车上的模型加上一个「阿戈摩托之眼」：往回转，能回溯 30 秒的世界，向前转，则开始预判未来 6 秒会发生什么。汽车没有时间宝石，但有大模型加持，模型根据过去一段时间里累积的信息，计算出几种概率更高的后续状态，再为眼前这一刻选择动作。对智驾而言，拥有「时间线的记忆」，就能带来更加拟人化的操作。人在开车时，从来不只看眼前这一帧，你会根据前几秒的记忆判断后方路况，也会根据前车的减速和路边的岔口预判几秒后有可能出现的小电驴。从某种意义上说，驾驶不只发生在路面上，也发生在时间里。最新的小鹏第二代 VLA 全新 6.3.0 版本，即是一个在时间流中开车的模型，全新 VLA 将于 9 月开始面向所有 Ultra 和 Ultra SE 车型推送，小鹏 G9L Ultra 与 Ultra SE 将首发搭载，而单图灵芯片 Max 车型也将在 9 月获得第二代 VLA Lite 蒸馏版。驾驶没有单帧答案小鹏这次对新 VLA 的核心思路是让过去、现在与未来连在一起。Infini-VLA 负责记住过去。它的底层架构可以支持更长的时序，小鹏考虑驾驶任务与端侧计算量，将量产版本的历史记忆设置为 30 秒。也就是说它能记住过去 30 秒发生的路面状况，并将其带入到当下的判断中。小鹏在沟通会上展示了一段演示视频，前车在路中掉头时，车身后方一度露出可以穿过的空位，测试车没有立即加速，而是结合之前的运动过程，等待对方完成掉头后再向前。模型理解的是「前车正在掉头」这个持续发生的行为，不再只有「前方出现空位」这一帧画面。这有点像人与别人谈话时的短期记忆，人不会每听一句话就忘掉上一句，驾驶者也不会因为前车此刻横在路中，就忘记它前面做出了准备掉头的举动。如果说 Infini-VLA 让车辆不再忘记上文，Streaming Inference 「流式自回归推理」则负责缩短车辆理解当下的时间。按照小鹏的解释，模型可以边获取输入、边推理、边输出轨迹，不必等完整理解一段历史之后才开始动作。小鹏给出的数据是，这套流式推理让决策速度提升了 300%。同样地，这也类似人开车时，眼睛看路、大脑判断、手脚操作同时进行。遮挡处突然出现目标时，这样的并行处理能够少留下一段等待推理完成的空白。记得过去，着眼当下，自然也要展望未来。于是新版本 VLA 中的 X-Foresight 会根据历史状态，对未来 6 秒进行推演，Flow Matching 再对多种可能的轨迹分布进行拟合，帮助模型选择更合适的动作。词汇是晦涩难懂的，但带来的作用是十分清晰的，新版 VLA 通过持续观察当前路况，对未发生但可能出现的情况进行预判，并做下一步决策。而现实生活中老司机们常提到的「防御性驾驶」，本质上也是一种预判。现场视频里，一辆对向白车占据了逆向车道。测试车需要判断对方是准备等待、继续向前，还是让出一部分空间，再推演自己此刻前进会不会封死两辆车的通路。看清对方在哪里只是第一步，理解对方将要做什么，才能决定自己下一步的操作。过去的记忆和未来的推演，最终服务于每一次的加减速和转向，也让第二代 VLA 6.3.0 版本能「在时间里流动」。进入现实世界架构图里的名词很多，但回到产品上，VLA 要面对的还是现实道路上的各种麻烦，小鹏的答案是使用更大的模型，这一次小鹏将模型参数量扩大了 3.5 倍。沟通会播放的一段视频里，测试车来到了轮渡码头。渡口没有清晰的车道线，码头并非一条常规道路，但依靠模型自身的思考，车辆仍然自己找到入口，开上轮渡，跟着前车停下，轮渡靠岸后，它又随车流驶出。另一段视频发生在狭窄山路，在急弯之后，道路前方出现了一根悬空树枝，车辆没有将它当成普通的路面障碍物停在原地，也没有朝着看似尚有空间的缝隙直接向前，而是主动减速，一边观察树枝与车身的关系，一边寻找能够通过的空间。值得一提的是，前些天，一辆运行 FSD v14.3.7 的特斯拉在美国一座公寓停车楼中从二楼一路开到六楼，并试图继续朝顶层金属铁丝网方向寻找通路，好在车主在接近铁丝网时接管，车辆没有坠落。类似的 「corner case」极端案例，小鹏 VLA 和 FSD 却做出了不同的判断，模型除了要看到空间，也要能够理解那是不是一条路。轮渡和树枝属于很少见的场景，也正是小鹏坚持扩大模型的理由。一套依赖固定规则的系统，可以针对码头、羊群、暴雨或每一种新障碍物分别增加补丁，但真实道路总会出现你意想不到的情况。更大模型所追求的，是处理这些没有见过的问题，而非为每个场景背下一个答案。当然，模型不会凭空获得这种能力，小鹏称，当前模型单次训练的数据吞吐量已达 1 亿个视频片段。它还建立了向量化的数据检索系统，用户上报或测试中出现一个问题后，开发团队可以从数据库中找出更多语义相似的场景，组成一本更有针对性的「错题集」。模型训练完成后，小鹏的仿真系统会对车型、天气、光照和视角进行变化，反复验证同一个模型。按照小鹏公布的数据，从今年 6 月到沟通会前两周，每日仿真验证的新模型数量提升了 290%。真实数据提供题库，仿真负责考试，暴露的问题再回到数据库变成新的错题。小鹏将这套模型、数据和仿真的闭环视为物理 AI 的技术底座。依照小鹏的测试口径，新版本在仿真和测试中的综合安全能力提升超过 20 倍，这套能力还要开始进入算力更小的车型。为了让它进入单图灵芯片的 Max 车型，小鹏用 Hybrid ViT 重新设计了计算量最高的视觉部分，尽量保留视觉输入和大模型的底层能力。第二代 VLA Lite 将于 9 月开启首批推送，小鹏 G9L Max 也会首发搭载。汽车即机器人Car as Robot，汽车即机器人——这是今天小鹏通用智能中心负责人刘先明给出的定论。到了模型这一层，这两者其实没有多少分别：感知周围环境，记住之前发生过什么，理解人的意图，将一个含糊的目标变成一系列动作，再在物理世界中把它们做完。小鹏也在新版本里重构了车端大脑。Omni 全模态模型结合语言、环境和上下文理解用户，Master Agent 再将意图分成车辆可以执行的任务。相比每次只接一张工单的「执行员」，新架构可以记住整段对话，明白这些工单共同指向哪个目标。当用户向车辆说出「找个地方靠边停车」，系统不能在接到语音后就在当前车道里刹停，而要先变道至最右侧，观察护栏、公交站和道路环境，排除不合适的区域，找到可以停下的位置。理解语义并从座舱转向驾驶域，执行连续决策，是这套系统的目标。此外，小鹏的计划是将同一套架构和模型同时用在 L2 驾驶辅助与 L4 Robotaxi 上。按照小鹏公布的最新口径，其 Robotaxi 内测已经完成超过 2000 单，搭载第二代 VLA 的 Robotaxi 近日获得广州市智能网联汽车远程测试资质，可在相关测试道路开展主驾无安全员道路测试。汽车之外，小鹏还在现场留了一个机器人彩蛋。视频一边是车辆，另一边是机器人在室内完成导航与操作，小鹏称两种本体使用了同一套基座模型，虽说是彩蛋，但这也是「汽车即机器人」的核心逻辑，小鹏也将自己定义为「物理 AI 企业」但话又说回来，将汽车与具身智能领域相挂钩，这条路线并非小鹏独有。特斯拉早已将汽车、Robotaxi、Optimus 机器人和 AI 训练放进同一幅蓝图，理想也将自己的定位从智能汽车转变为「具身智能企业」。车企们的共识，是造车即是做一个能在物理世界中行动的机器人。毕竟「新造车」已经不那么性感了。它从一个充满想象力的新物种，变成了一片比拼价格、配置、渠道与交付的红海。「物理 AI 公司」显然性感得多，模型、芯片、Robotaxi 和机器人，可以组成一个更诱人的资本故事。资本市场的喜好当然是这次身份转换的一个推手，但在热钱之外，从无休止的价格战转向前沿开发，推动技术向前，依然是一件令人兴奋的事，只不过这条道路也同样需要靠持续投入、反复验证和一次次量产兑现走下去。奇异博士可以在一瞬间看尽多种未来，一家现实世界里的公司却只能一个版本、一辆车地向前。小鹏已经为 VLA 补上了过去 30 秒与未来 6 秒，「物理 AI 公司」这个新身份能否成立，则要看 9 月开始上车的新版本，能不能让车主真的感觉到它记得更多、判断更早、反应更快。

8 月 26 日，奇瑞风云正式上市风云 T7，一台全系 600km CLTC 续航的纯电 SUV。风云 T7 共推出三个版本：600km 悦享版 9.79 万元，抢先置换价 9.49 万元600km 舒享版 10.89 万元，抢先置换价 10.59 万元600km 智享版 11.89 万元，抢先置换价 11.59 万元奇瑞还在发布会现场完成首批交车，风云 T7 上市即交付。十万级纯电 SUV 早已是一片红海，9 万元级的起售价、长续航版本和越来越大的屏幕都不再稀奇。不过风云 T7 并没有在续航上分档次，三款车型续航里程完全一致，同时在安全性上做出了兜底承诺，力图在这个产品极为密集的市场里留下自己的位置。入门不缩水，全系长续航风云 T7 的三款车型都搭载 65.05kWh 犀牛电池，CLTC 续航同为 600km，30% 充至 80% 电量需要 20 分钟。奇瑞官方称实测续航能达到 681.6km，不过奇瑞并没有透露这个「实测」究竟是在什么环境下达成。通常来说，CLTC 续航都要比实际续航高出一截，如果实测能实现「反向虚标」，那风云 T7 的这套能耗管理值得非常多车企深入学习。除了电池，178kW 电机与 12 合 1 鲲鹏电驱也为全系配备，电驱综合效率为 90.8%，AGS 智能进气格栅、双源宽温域热泵空调和高压 PTC 同样为标配。在能耗和热管理上，风云 T7 选择了各配置一视同仁。值得一提的是，风云 T7 在灵犀智舱 2.0 接入豆包大模型，同时支持 CarPlay、HiCar 和 CarLink 无线连接，在十万级的产品中，这也是一个加分项。而相比入门版本，升级到舒享版得到的是天窗、电动尾门、座椅加热与通风、50W 无线充电、540° 影像，以及 BSD、开门预警和哨兵模式等更贴近日常使用的功能。顶配的智享版，则把高通骁龙 8775 舱驾一体芯片、猎鹰 500 驾驶辅助、18 英寸轮毂、氛围灯和主驾腰托放进来，在智能化层面上做出升级。智享版的猎鹰 500 驾驶辅助方案由 3 颗毫米波雷达、7 个摄像头和 12 个超声波雷达组成，支持跨楼层泊车、100 米循迹倒车、300 余种自动泊车场景及高速领航辅助。安全方面，风云 T7 的车身按 2026 版 E-NCAP 五星标准开发，采用高强度钢占比 80% 的车身，电池包使用 31 层的 「6D 锁子甲防护结构」，IP68 防水和 200kN 侧边抗挤压能力，分别达到国标要求的 96 倍和 2 倍。双框副车架和 Pack 防撞梁则负责在碰撞发生时，让冲击尽可能绕开乘员舱和电池包。先验证，再兜底风云 T7 这次的另一个重点是安全和耐久验证。奇瑞为风云 T7 投入了 81 台专属耐久试验车，整车累计测试里程超过 600 万公里，其中耐久专项实测 145 万公里。作为一台「全球车」，风云 T7 的路试地点也覆盖了全球的不同路况，如巴西的高减速坎、墨西哥的鹅卵石路、德国高速的大曲率弯道和南非的非铺装泥路，对用户来说，这也意味着长时间使用后，车子「闹脾气」的概率降低。奇瑞这一次还给风云 T7 带来了一些兜底政策。如果因动力电池自身原因导致整车发生热失控损毁，品牌将赔付同款新车或不低于原车配置的新车。而自购车之日起一年内，在泊车和智能领航场景中，若事故被判定为智能驾驶辅助系统原因造成，涉及车上人员伤害与第三者损失，最高赔偿 500 万元。这也是风云 T7 在十万级市场打出的一张差异化牌，和其他部分新车不同的是，风云 T7 的同源车型 Lepas L6 其实已在南非、泰国上市，随后还将进入更多欧洲和东南亚国家的市场。「全球车」也意味着需要适配更多地区的安全法规，比如在开发阶段这台车就按照 2026 版 E-NCAP 五星标准推进，在安全层面拥有先天的优势。而这让风云 T7 更有底气在安全层面上做出兜底的承诺。价格战把新车的门槛压得足够低，十万级的新能源 SUV 可选项并不少，于是在卷配置和卷价格之外，风云 T7 还选择了在「安全感」上更进一步，用兜底承诺来提供更多的隐性价值。

🎮《GTA 6》公布 26 分钟实机演示，11 月 19 日登陆 PS5 和 Xbox💰英伟达同意以 129 亿美元收购 Hugging Face📱iPhone 17 登顶 4 至 6 月全球智能手机销量榜🚕小鹏 Robotaxi 获广州全无人道路测试资质🙏草间弥生去世，享年 97 岁🤝Anthropic 与 Nscale 签下 450 亿美元算力合同💵软银洽购 1X 多数股权，公司估值约 60 亿美元📈B 站第二季度营收 79.4 亿元，净利润同比增长 55%🧠吴泳铭入选 TIME100 AI 2026《时代》全球 AI 百大人物👤Thinking Machines Lab 联合创始人 Barret Zoph 加入 Google DeepMind⚖️Meta 以最高 180 亿美元和解青少年社交媒体伤害诉讼💵曝 Anthropic 计划 9 月公开 IPO 招股书，最早月底上市💵英伟达暂停部分 AI 云融资分成方案💾SK 海力士美国 HBM4E 工厂计划 2029 年第三季度量产💡黄仁勋：AGI 可能已经实现，但里程碑本身已失去意义⚡千问办公上线 Qwen3.8-Flash 标准模式，任务生成速度提升约 100%🔓微信开源 WeMM-Embedding，多模态模型已用于搜索和推荐📱曝 OPPO Find X10 系列调整为三款机型，新增 E 和 Pro Max✨Plaud One 探索版发布，可独立联网并从对话中执行任务👓雷鸟 iO 登顶三平台智能眼镜销量榜，首发到手价 1996 元起☕追觅咖啡回应多店闭店：上海首店仍营业，北京新店 10 月开业💔《未定事件簿》停止与德芙联名合作📉蜜雪集团上半年营收 152.2 亿元，净利润同比下降 14.7%🌐《社交清算》发布正式预告，10 月 9 日北美上映🎬李沧东新片《可能的爱情》发布预告，11 月 6 日上线 Netflix《GTA 6》公布 26 分钟实机演示，11 月 19 日登陆 PS5 和 XboxRockstar 通过 Netflix 公布了《GTA 6》时长 26 分钟的扩展实机演示《分量十足的一瞥》，视频展示了 Jason Duval 与 Lucia Caminos 两位主角在罪恶城及 Leonida 州的任务与开放世界玩法。该视频在 Netflix 独占 6 小时后，将免费登陆 Rockstar 官网和 YouTube，带中文字幕的版本则于今日上午 11 点上线 B 站。此次演示画面录制自 PS5。Rockstar 尚未公布项目预算，外界估算《GTA 6》总成本约为 10 亿至 15 亿美元，直接参与开发的人数接近 4000 人；上述数据并非官方确认。《GTA 6》计划于今年 11 月 19 日发售，登陆 PS5 和 Xbox Series X｜S。标准版与终极版售价分别为 79.99 美元和 99.99 美元。🔗 相关阅读：《GTA 6》公开 26 分钟实机玩法，这个游戏真值得等 13 年英伟达同意以 129 亿美元收购 Hugging Face据 The Information 报道，英伟达已同意以 129 亿美元收购开源 AI 模型与数据集平台 Hugging Face。英伟达和 Hugging Face 暂未回应；若交易完成，这将成为英伟达史上规模最大的收购之一。Hugging Face 为开发者托管开源模型、数据集和开发工具。报道提到，该平台目前年化收入约 1.5 亿美元。英伟达早在 2023 年便参与其融资，当时 Hugging Face 的估值为 45 亿美元。收购也会让英伟达直接控制 AI 开源生态中的关键分发平台。今年 7 月，Hugging Face 的基础设施曾在 OpenAI 内部安全评估中遭到智能体入侵，部分生产节点和集群受到影响。iPhone 17 登顶 4 至 6 月全球智能手机销量榜Counterpoint Research 最新报告显示，iPhone 17 以 6% 的销量份额成为今年 4 至 6 月全球最畅销智能手机，iPhone 17 Pro Max 和 iPhone 17 Pro 分列第二、第三。苹果与三星各有 5 款产品进入前十，前十机型合计占全球智能手机销量的 26%，较去年同期提高 2 个百分点。整体智能手机市场同期下滑 11%，苹果销量则同比增长 5%。Counterpoint 指出，iPhone 17 系列带动苹果在印度、日本、中东和非洲增长，在韩国的销量接近翻倍；基础款 iPhone 17 缩小了与 Pro 机型的配置差距。三星 Galaxy S26 Ultra 是榜单中销量最高的 Android 手机，也是超高端 Android 机型首次在 4 至 6 月领跑 Android 销量。该机占 Galaxy S26 系列销量的一半以上；三星的 Galaxy A 系列也凭借价格和软件支持周期继续进入前十。小鹏 Robotaxi 获广州全无人道路测试资质小鹏汽车宣布，搭载第二代 VLA 新版本的 Robotaxi 已获得广州市智能网联汽车远程测试资质，可在广州相关一、二、三级测试道路开展车内无安全员的全无人道路测试。小鹏 Robotaxi 自今年 6 月启动员工内测，两个月内完成超过 2000 单内测订单。车辆基于 GX 平台开发，搭载 4 颗自研图灵 AI 芯片，有效车端算力为 3000TOPS；第二代 VLA 采用贯通 L2 至 L4 的统一软件架构。小鹏此前表示，Robotaxi 将在今年下半年启动试运营，验证技术、用户接受度和商业模式，并计划在 2027 年初推进无现场安全员的全无人运营。草间弥生去世，享年 97 岁草间弥生工作室 8 月 27 日宣布，日本当代艺术家草间弥生已于 8 月 14 日在东京一家医院去世，享年 97 岁。工作室表示，她直到生命最后阶段仍在绘画，没有放下画笔。草间弥生的创作横跨绘画、雕塑、行为艺术、小说和诗歌，反复出现的波点、无限镜屋和南瓜雕塑成为其标志性视觉语言。她在 1950 年代末前往纽约，进入当地前卫艺术圈，作品后来在纽约现代艺术博物馆、惠特尼美国艺术博物馆等机构展出。苹果 CEO 库克也在 X 发文悼念。他称草间弥生是「展现无界想象力的真正远见者」，她的创造力推动了艺术世界，也留下了更鲜亮、更多彩的遗产。Anthropic 与 Nscale 签下 450 亿美元算力合同据 TechCrunch 报道，Anthropic 已与英国 AI 基础设施公司 Nscale 签署一份约 450 亿美元的算力租赁合同。知情人士称，合同期限为 6 年，算力将来自 Nscale 位于美国西弗吉尼亚州的旗舰数据中心。Nscale 将使用英伟达 Vera Rubin 系统为 Anthropic 提供服务，相关算力预计从明年年底开始上线。Vera Rubin 由 6 类芯片协同工作，是英伟达面向下一代 AI 训练和推理推出的机架级平台。这笔合同延续了 Anthropic 近几个月集中锁定算力的做法。TechCrunch 指出，公司此前还扩大了与亚马逊、Google 和 Broadcom 的合作，并与多家云计算及芯片企业签订长期协议，以支撑模型训练和服务扩张。软银洽购 1X 多数股权，公司估值约 60 亿美元据 The Information 报道，软银正洽谈收购人形机器人公司 1X Technologies 的多数股权，这笔交易对 1X 的估值约为 60 亿美元。谈判仍在进行，条款可能调整；软银拒绝置评，1X 尚未回应，路透社也未能独立确认报道。1X 获 OpenAI Startup Fund、Tiger Global 及挪威投资者支持，OpenAI 去年也曾与其讨论潜在收购。公司总部位于挪威，近年把研发重点放在家用人形机器人 NEO 等产品上。这笔谈判延续了软银对机器人业务的投入。软银去年已同意以 54 亿美元收购 ABB 的机器人业务；若 1X 交易落地，其在工业机器人之外还将取得面向家庭场景的人形机器人资产。B 站第二季度营收 79.4 亿元，净利润同比增长 55%B 站公布截至 6 月 30 日的 2026 年第二季度业绩，总营收为 79.4 亿元，同比增长 8%；按 GAAP 口径，净利润为 3.391 亿元，同比增长 55%。经调整净利润为 7.036 亿元，同比增长 25%。广告业务是当季主要增长来源，收入同比增长 28% 至 31.3 亿元；增值服务收入为 29.7 亿元，同比增长 5%。移动游戏收入同比下降 14% 至 13.9 亿元，主要受到去年同期《三国：谋定天下》高基数影响。毛利率由去年同期的 36.5% 升至 37.2%，连续第 16 个季度环比改善。第二季度，B 站日均活跃用户增至 1.165 亿，同比增长 7%；用户日均使用时长为 113 分钟，总使用时长同比增长 14%。截至 6 月底，公司持有的现金及现金等价物、定期存款和短期投资合计 243 亿元；今年以来至财报发布日，公司累计回购约 1.18 亿美元证券。吴泳铭入选 TIME100 AI 2026《时代》全球 AI 百大人物《时代》公布 TIME100 AI 2026 全球 AI 领域最具影响力的 100 人名单，阿里巴巴 CEO 吴泳铭入选「AI 领导者」类别，并与马斯克、贝索斯和奥特曼等人物一同出现在杂志封面中央。《时代》把吴泳铭的入选理由指向阿里巴巴的 AI 转型与开源模型生态。Qwen 系列累计下载量已超过 10 亿次，衍生模型超过 20 万个；爱彼迎和 Pinterest 等公司也在客服、视觉内容理解等场景使用 Qwen。今年还有字节跳动 CEO 梁汝波、中芯国际联席 CEO 梁孟松和月之暗面创始人杨植麟等中国企业家入选不同子榜单。Thinking Machines Lab 联合创始人 Barret Zoph 加入 Google DeepMind据路透社报道，Thinking Machines Lab 联合创始人 Barret Zoph 将加入 Google DeepMind，担任研究副总裁。Zoph 今年早些时候离开 Thinking Machines 后曾短暂回到 OpenAI，此次转投 Google，是近期前沿 AI 实验室人员流动的又一例。Zoph 此前曾在 Google Brain 担任研究科学家 6 年；该团队于 2023 年与 DeepMind 合并。他后来在 OpenAI 担任研究副总裁，并参与创办 Thinking Machines Lab。这次任命发生在 Google 调整 AI 组织架构期间。路透社此前报道称，Google 在 8 月 6 日的全员会议上宣布，DeepMind 部分团队将转入 Google 公司体系；DeepMind CEO Demis Hassabis 也在本月卸任。Meta 以最高 180 亿美元和解青少年社交媒体伤害诉讼Meta 与美国近 50 个州就社交媒体伤害青少年一事达成最高 180 亿美元和解。相关款项将在 10 年内支付；Meta 同意调整 Facebook 和 Instagram 的青少年使用方式，但在同意和解时否认存在不当行为。和解要求 Meta 对未满 18 岁用户默认设置每天 2 小时的应用使用上限。各州此前指控，Meta 有意设计容易使儿童成瘾的平台机制，并由此带来焦虑、抑郁和自杀等心理健康伤害。美国仍有个人、学区、地方政府等提起的数千起相关诉讼。这份协议也推动其他国家重新审视青少年社交媒体限制。澳大利亚去年禁止 16 岁以下儿童使用社交媒体，但多项研究显示，禁令生效数月后仍有 80% 的未成年人继续使用相关平台，薄弱的年龄验证成为主要漏洞。韩国媒体监管机构则要求 Meta 把新的青少年保护措施推广至全球用户。曝 Anthropic 计划 9 月公开 IPO 招股书，最早月底上市据路透社援引《The Information》报道，Anthropic 计划在美国劳动节后公开 IPO 招股说明书，上市时间可能落在 9 月下旬或 1

自从智能手机进入细长的全面屏时代，就不断有人想要回归当年黑莓全键盘的打字体验。这种需求先是催生出了一些全键盘手机壳，又促成了 Unihertz Titan 2 Elite 和 Clicks Communicator 这样的全键盘智能手机：Unihertz Titan 2 Elite｜ZDNET但上面那些都是众筹级别的小打小闹——在致敬黑莓这条赛道上，至今没有黑莓以外的真正大厂入局。直到华为推出了它的 Pura X View：作为 Pura 家族的新成员，Pura X View 在这个「细狗当道」的年代选择回归传统比例，用一块 16:9.5 的屏幕完成了一次视觉文艺复兴。如果把键盘改成黑色，让 Pura X View 直接 cosplay 成黑莓 Classic、9720 甚至 Q10 也未尝不可：当然文艺复兴只是一种表象。在深度使用了 Pura X View 之后，我们觉得这是 2026 年迄今为止第一台称得上「有趣」的手机。先阔带后阔其实单从形态来说，Pura X View 只做了一件事——沿用 Pura X 展开后的竖向宽屏，而没有选择 Pura X Max 那样的横向宽屏。而事实证明，Pura X View 也只需要做好这一件事。Pura X View 的对角线尺寸仅为 6.39 寸，从数字上看仿佛是个「小屏机」。但在 16:9.5 比例下，它的实际显示面积为 114.27 平方厘米，超过了很多 Pro Max 机型：Pura X View（左）与 Pura 90 Pro（右）毕竟以对角线论面积的习惯，还是上世纪 50 年代比例统一的 CRT 时代形成的，已经不太适合如今长宽比迥异的 OLED 时代了。这样一来，用 Pura X View 看视频，从流媒体到 IMAX，只要不是超宽幅，都可以获得相当沉浸的效果，优势和阔折叠一模一样。同理，一个比常规直板机更宽的屏幕对于阅读电子书和漫画来说，也有着前者难以比拟的优势——接近纸质书开本的沉浸感：更重要的是，Pura X View 的优势场景看似与阔折叠差不多，但它却规避了那个最致命的问题：软件适配。换言之——我们在阔折叠上看到的那些暴力拉伸、DPI 过大过小、控件错位的 app，哪怕是卓易通里面，在 Pura X View 上全都可以正常显示。并且 Pura X View 的形态还有一个隐性优势：竖屏。由于现在的 app 大多是信息流 UI，在我们使用 Pura X 和 Pura X Max 的时候，经常需要反复转动手机在横竖屏之间切换使用。而在 Pura X View 上，由于它一开始就不存在折叠屏的横竖问题，我再也不需要向 Pura X 那样来来回回地转手机了——就拿知名问题学生「美团」来说，它在 Pura X View 上完全不会出现三星 Z Fold8 与鸿蒙版发布初期的字比图大、图比脸大的问题。因此目前，由于竖向信息流/视频流依然是 UI 绝对主流，Pura X View 这样的「阔直板」在使用时相比「阔折叠」，无疑是更加省心省事的。让直板机重新有趣有关屏幕形态的优势和短板，在今年阔折叠集中爆发的背景下，我们其实已经讨论过非常多相关的内容了。而 Pura X View 的真正优势在于，除了一块足够新奇和好用的屏幕之外，它本身的硬件功底同样扎实。就拿续航来说，Pura X View 在 201g 的机身里塞下了足足 7000 毫安时的硅碳负极电池。搭配鸿蒙 7 与麒麟 9030s 的优秀功控，在我的使用习惯下，它是一台两天一充的手机——在极限情况中，这台 Pura X View 从我早上 7 点起床赶飞机、全程 5A 流量、蓝牙和热点混合到晚上 8 点半，亮屏 6 小时 22 分钟之后，剩余电量仍然有 60%：虽然没有游戏这样的重负载应用，但一台能刷六个半小时小红书的手机，续航已经比我的命都要长了。除此之外，Pura X View 的影像素质也没有掉队。2 亿像素主摄可以在光线充足的情况下实现不错的细节还原，3.7 倍长焦的最近对焦距离也可以满足绝大多数微距场景：再加上 XMAGE 智拍、新版本色卡、AI 姿势推荐与辅助构图，可以说 Pura X View 除了有点难拿稳之外，在影像能力上是完全不掉队的：只不过在聊了这么久 Pura X View 特殊的机身比例带来的好处之后，我们也不得不面对它存在的一些问题。比如宽阔的机身虽然带来了绝佳的打字体验，但也让长时间的握持比普通直板机更累人——使用 Pura X View 的这几天里，我的手指出现了非常明显的酸痛，这还是在不戴壳的前提下。长期的主力机使用有可能会带来更多的手部疲劳：另外 Pura X View 四种配色全是亮面背板 + 亮面边框，即使有背板疏油层的帮助，沾指纹的现象还是非常明显。另外对于计划买来双持的用户来说，目前鸿蒙微信在 Pura X View 上不支持平板模式登陆，未来是否会调整策略还有待观察：因此，Pura X View 相比它的折叠屏兄弟，在硬件上其实更像 Pura 数字系列的特殊分支——想要入手，就必须做好当作主力机的准备。为什么只有华为能做 Pura X View从 2026 年整体来看，Pura X 系列无疑是日趋沉闷的手机市场里，难得的形态创新者。这样一来，就有一个问题摆在了我们面前：16:9 又不是什么外星科技，为什么只有华为第一个想起来造「阔直板」？或者换个角度——为什么只有华为能在不景气的手机市场里，以一浪高过一浪的话题度，不断推出具有探索性质的新形态？归根结底，无论 Pura X、Pura X Max 还是 Pura X View，本质上都是尝试突破市场陈规、寻求新形态话语权的产品。而这种「试验」，真就只有苹果华为这样的头部厂商可以支撑得起——而苹果还在忙着研究折叠屏，已经很久没有推陈出新的大动作了。另一方面，我们也可以认为，整个 Pura X 系列本质上都是鸿蒙成熟到一定程度之后所带来的创新性的必然。对于那些想要尝试新形态产品、又不希望花小一万买折叠屏的用户来说，Pura X View 就是 2026 年内最有趣的手机，没有之一。

💬微信折叠发图被网友用成线上「试衣间」📱意大利拟对过马路看手机的行人罚款 75 欧元💾《人民日报》评论小米玄戒芯片，雷军回应「继续努力」📰电动重卡销量上升，商业险却成了上路难题🧠OpenAI、英伟达和 SpaceX 高管将参加 G20 技术会议🤖国家发改委：机器人产业要防止盲目跟风、一哄而上🌱鸿蒙生态设备突破 8000 万，年底目标 1 亿💬微信回应方言采集争议：已清理异常文本💰顺丰控股上半年营收增长 5.89%，净利润下降 4.1%💵灵巧操作机器人公司 Sharpa 完成超过 45 亿元融资📰优必选上半年营收 12.7 亿元，经调整 EBITDA 亏损收窄📉比亚迪上半年营收下降 7.13%，归母净利润下降 20.54%🔓智谱开源 GLM-5.3，百亿美元模型服务商商业使用须先过安全审查💡阮一峰：理解 AI 回答问题，要先分清参数、推理和联网🔓腾讯发布并开源 Hy4 preview，上下文长度达 1M🔓蚂蚁发布金融增强模型 Ling-3.0-flash-Fin，下周开放权重🤖Meta 内测个人 AI 智能体 Hatch，可在后台代办购物和预约📈名创优品上半年营收增长 22.4%，净利率降至 8.3%📰美团二季度调整后净利润 21.6 亿元，环比扭亏💸Apple TV 美国月费涨至 14.99 美元，Apple One 个人版同步涨价📰 周末也值得一看的新闻微信折叠发图被网友用成线上「试衣间」微信最近上线了图片折叠展示功能。一次发送 3 张或更多图片，并勾选「发送后合并展示」，多张图会在聊天窗口里折叠成一组，点开后才能逐张查看。网友很快把这个小改动用成了线上「试衣间」：将同一人的不同穿搭、发型或配色放进一组，收件人可以连续翻看对比，群聊里也不会被一长串大图刷屏。它原本只是整理聊天界面的功能，却意外形成了一种更顺手的穿搭分享方式。意大利拟对过马路看手机的行人罚款 75 欧元意大利政府提出的新道路安全法草案，拟对过马路时使用手机或其他电子设备的行人处以最高 75 欧元罚款。草案针对的是会遮挡视线或分散注意力的使用方式，紧急呼叫等情形不在处罚范围内。意大利汽车俱乐部 ACI 介绍，行人仍享有斑马线优先权，但新规则同时要求行人在进入路面前确认车辆距离和速度。法案还需经过议会审议，最终文本和生效时间尚未确定。《人民日报》评论小米玄戒芯片，雷军回应「继续努力」《人民日报》昨日在「人民时评」栏目刊文，把小米日前发布的 3 款玄戒芯片作为体系化攻关案例。文章称，这次发布覆盖高带宽计算、智驾和智能手机领域，背后有 20 多家企业与科研机构协同攻关。文章举例称，小米与晶圆厂共同调整晶圆转速、刀片方向和切割速度等参数，经过多轮试错，攻克 6 纳米工艺多层晶圆超高密度先进封装难题。文章评价这项协作「为业界探索出一条新路」。雷军随后转发相关报道，表示「感谢大家，我们继续努力」。电动重卡销量上升，商业险却成了上路难题澎湃新闻调查发现，电动重卡销量加速增长后，商业险投保难逐渐成为行业普遍问题。一位物流公司负责人购买的 13 辆电动重卡都无法在购车后直接投保，只能请经销商代办；一名经销商称，至少 80% 的客户需要渠道协助才能完成商业险投保。险企的顾虑来自高赔付和难以精确定价。2025 年新能源货车的 59 个规模车系中，37 个赔付率超过 100%，占比 62.7%；赔付率达到 150% 以上的 22 个车系里，货车占 19 个。重卡高强度运营、电池维修成本和缺少真实运营数据，共同推高了承保风险。交强险属于法定必保业务，但车损、三者和驾乘人员保障主要依赖商业险。业内提出，主机厂、物流车队与保险公司需要共享车辆工况、路线和驾驶行为数据，才可能从统一谨慎报价转向按实际风险分层定价。OpenAI、英伟达和 SpaceX 高管将参加 G20 技术会议据路透社报道，英伟达 CEO 黄仁勋、OpenAI CEO Sam Altman、SpaceX CEO 马斯克、Meta 的 Dina Powell McCormick，以及投资人 David Sacks 将参加下周在美国举行的 G20 技术部长会议，部分嘉宾通过视频连线出席。美国计划推动成员国签署一份不具约束力的协议，主张采用较温和的 AI 监管路径、避免新设监管机构，并由政府与私营企业共同测试新技术。Altman 还将与美国商务部长 Howard Lutnick 对谈，讨论 AI 技术的下一阶段进展。本次会议是 12 月迈阿密 G20 领导人峰会前的一系列部长级活动之一，议题包括 AI 和其他新兴技术。国家发改委：机器人产业要防止盲目跟风、一哄而上国家发改委新闻发言人李超表示，机器人产业涉及人工智能、先进制造和新材料等前沿技术，各地应结合资源禀赋和产业优势找准定位，防止盲目跟风、一哄而上。2025 年中国机器人产业规模以上企业营业收入突破 3000 亿元，近 5 年年均增速超过 20%；今年上半年营业收入达到 1655 亿元，同比增长 24.5%。具身智能产品正从小批量试用转向规模化落地。下一步，国家发改委将围绕具身智能实训场和应用中试基地，补充真机数据、支持多条模型技术路线，并推动标准体系建设。相关中试基地还将开放制造、医疗、消费、服务和公共安全等真实场景，帮助企业跨过从样机到量产的验证门槛。鸿蒙生态设备突破 8000 万，年底目标 1 亿华为轮值董事长徐直军在鸿蒙生态大会上表示，截至 8 月 20 日，搭载 HarmonyOS 6 的终端设备已超过 8000 万台，预计今年第四季度突破 1 亿台。目前鸿蒙原生应用超过 10 万个，HarmonyOS 手机上可获取的应用超过 40 万个。华为将 1 亿设备视为生态进入下一阶段的规模节点，接下来还将推进应用完善和海外市场拓展。微信回应方言采集争议：已清理异常文本微信方言活动中的少量采集文本出现不合常理的句子，引发用户对题库质量和数据用途的质疑。微信产品团队回应称，文本由算法基于日常语义和中文文库随机合成，「算法合成有时候很蠢」，目前已清理异常内容。团队表示，采集到的语音只用于提升方言识别等相关服务，不会用于无关用途，也不会向第三方提供或披露。用户参与前需要单独授权；活动的目标是补齐微信语音转文字等功能对不同方言的支持。顺丰控股上半年营收增长 5.89%，净利润下降 4.1%顺丰控股 2026 年上半年营业收入为 1555.06 亿元，同比增长 5.89%；归属于公司所有者的利润为 55.02 亿元，同比下降 4.1%。同期毛利为 204.87 亿元，同比增长 7.48%，经营现金流为 111.71 亿元，同比下降 13.65%。分业务看，时效快递收入同比增长 0.2%，快运业务增长 12.6%，供应链及国际业务增长 15.6%。截至 6 月底，公司总资产为 2288.85 亿元。灵巧操作机器人公司 Sharpa 完成超过 45 亿元融资据第一财经记者获悉，专注灵巧操作的 AI 机器人公司 Sharpa 已完成超过 45 亿元人民币融资。投资方包括阿里巴巴、美团、腾讯、京东和传音等产业资本，以及红杉中国、启明创投、美团龙珠、光合创投等机构。Sharpa 表示，本轮资金将用于核心技术研发、人才引进与培养，并推动通用机器人从技术验证走向真实场景。优必选上半年营收 12.7 亿元，经调整 EBITDA 亏损收窄优必选昨日发布 2026 年中期业绩材料：上半年总营收为 12.7 亿元，同比增长 104.2%；整体毛利为 5.7 亿元，同比增长 160.9%，毛利率提升 9.7 个百分点至 44.7%。经调整 EBITDA 为 -1.7 亿元，同比减亏 1.5 亿元，减亏幅度为 45.9%。报告期内，公司人形机器人总销量为 16123 台，同比增长 268.3%。按公司定义，全尺寸具身智能人形机器人实现收入 5.9 亿元，同比增长 1445%，销量为 921 台。该口径限定为非遥控、非玩具，大脑芯片算力不低于 200T，身高在 160cm 以上。优必选上半年研发投入超过 3 亿元，研发人员为 1103 人。公司预计 Walker、Cruzr 和优世界 U1 等产品线将在下半年进入生产与交付。比亚迪上半年营收下降 7.13%，归母净利润下降 20.54%比亚迪昨日披露 2026 年半年报。上半年营业收入为 3448.2 亿元，同比下降 7.13%；归属于上市公司股东的净利润为 123.3 亿元，同比下降 20.54%。公司将营收下降主要归因于新能源汽车业务减少，汇率波动带来的汇兑损失也拖累了利润。其中，汽车及相关产品业务收入为 2753.4 亿元，同比下降 8.98%；电子及其他产品业务收入为 694.1 亿元，同比增长 0.96%。期内新能源汽车销量为 180.85 万辆，同比下降 15.72%；出口量约 79.2 万辆，同比增长 67.8%。上半年毛利率由去年同期的 18.01% 升至 18.85%，研发投入约 289 亿元，经营活动现金净流入为 373.4 亿元，同比增长 17.3%。智谱开源 GLM-5.3，百亿美元模型服务商商业使用须先过安全审查智谱在 Hugging Face 开放 GLM-5.3 的 FP8 与 BF16 模型权重。官方模型卡显示，它沿用 GLM-5.2 的基础模型，本轮能力提升全部来自后训练，重点强化复杂编程、长时任务和漏洞发现。智谱公布的评测中，GLM-5.3 在 Terminal-Bench 3.0 上由上一代的 4.6 分提升至 28.3 分，DeepSWE v1.1 由 46.2 分升至 66.9 分；模型还支持通过 reasoning_effort 参数选择 low、high 或 max 三档推理预算。新许可允许使用、修改、分发、再许可及销售模型和衍生作品，但增加了一项商业门槛：经营「模型即服务」业务、且自身与关联公司连续 12 个月合计收入超过 100 亿美元的企业，商业使用前须通过智谱安全审查。能力仅嵌入特定功能的终端产品，以及单纯转发第三方模型请求的服务，不在这一条款定义范围内。💡 阮一峰：理解 AI 回答问题，要先分清参数、推理和联网阮一峰在最新一期《科技爱好者周刊》中，把大模型回答问题的过程拆成参数、推理和联网三种机制。他认为，训练先用参数建立词元之间的数学关系，模型回答时据此生成概率上更合适的内容；参数没有直接包含的结论，则可以通过逻辑推理获得。他把参数机制概括为「压缩—生成」：训练阶段把知识关系编码进权重，生成阶段再依据这些权重寻找最可能的下一个词元。参数越多通常能描述得更细，但训练与推理成本也会随之上升，因此模型不可能把所有知识都直接储存在参数里。推理机制承担从已有事实推出新结论的部分。例如已知一座城市的出生率和死亡率后，净增长率可以通过逻辑关系算出，不必成为独立记忆。联网机制则负责补足参数和推理都无法给出的实时信息，例如当天的股票收盘指数，由 Agent 或应用框架调用外部搜索取得。这篇文章是其「AI 小知识系列」第三篇，前两篇分别讨论大模型内存需求和 AI 缓存，写作对象是希望用较低技术门槛理解大模型工作方式的普通读者。腾讯发布并开源 Hy4 preview，上下文长度达 1M腾讯混元发布并开源新一代旗舰模型 Hy4 preview。模型采用混合专家架构，总参数为 770B、激活参数为 49B，上下文长度达到 1M，重点提升软件工程、游戏开发、办公和科学研究等生产力任务。腾讯组织 163 名内部专家完成 203 项工程任务盲测，Hy4 preview 平均得分 2.99 / 4.00；官方还展示了模型通过 MCP 操作 Unreal 5 制作射击游戏、处理 72 份文件进行财务费用稽核，以及协调多个 Codex Session 开展实验的案例。模型权重与推理代码已在 GitHub 发布，开发者可自行部署和评测。官方仓库同时给出了模型架构与运行说明。蚂蚁发布金融增强模型 Ling-3.0-flash-Fin，下周开放权重蚂蚁百灵发布首个金融增强模型 Ling-3.0-flash-Fin。模型延续 Li