Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型AI工具1天前发布AI小集02Gemini 3.5 Transcribe是什么Gemini 3.5 Transcribe 是 Google 推出的最新语音转文本模型，支持实时流式和预录音频处理两种模式，前者通过 Live API 实现亚秒级延迟，后者支持说话人归属与词级时间戳。Gemini 3.5 Transcribe 能自动清理填充词与自我纠正、识别 85 种以上语言及实时语言切换、自定义专业词汇，词错误率低至 2.6%，支持调用其他 Gemini 模型完成图像生成等复杂任务。Gemini 3.5 Transcribe的主要功能实时流式转录：通过 Live API 提供亚秒级延迟的连续双向语音转文本服务。预录音频转写：通过 Interactions API 为录音文件提供带说话人归属和词级时间戳的精确转录。智能文本清理：自动去除”嗯””啊”等填充词，修正自我纠正语句，并输出格式化文本。自定义词汇适配：根据用户提供的专业术语和特殊拼写调整转录结果，准确识别邮政编码、订单号等字母数字组合。多语言自动检测：支持 85 种以上语言的自动识别与转录，并能处理实时语言切换和多种口音方言。多说话人区分：在预录音频中准确归属最多三位说话人的发言内容。跨模型功能调用：在转录过程中可调用其他 Gemini 模型执行图像生成、文件分析等复杂任务。屏幕上下文融合：结合设备屏幕内容和对话历史提升特定场景下的转录准确度。Gemini 3.5 Transcribe的技术原理端到端音频理解：模型直接从原始音频波形生成文本，避免中间表示引入的误差累积，同时保留语音中的语调、停顿等副语言信息用于语义消歧。原生多模态融合：基于 Gemini 3.5 统一架构，音频与文本在共享的 Transformer 注意力空间中进行联合编码，使模型能建立声学特征与语义概念的直接映射。上下文感知推理：通过长上下文窗口同时处理语音信号、屏幕截图文本和对话历史，用交叉注意力机制动态加权相关上下文，提升专有名词、文件名称和领域术语的识别精度。增量流式解码：采用自适应分块与投机解码策略，在音频输入持续到达的同时进行局部语义整合，平衡低延迟需求与输出稳定性，支持双向交互中的即时响应与打断处理。如何使用Gemini 3.5 Transcribe开发者接入：通过 Gemini API 在 Google AI Studio 或 Gemini Enterprise Agent Platform 调用模型。实时语音交互：用 Live API 调用gemini-3.5-transcribe-live实现双向流式转录。录音文件处理：用 Interactions API 调用gemini-3.5-transcribe进行带时间戳的离线转写。macOS 桌面端：在 Gemini macOS 应用中直接用语音输入、编辑文本并调用其他模型功能。Android 输入法：在 Gboard 中开启 Rambler 功能，语音输入自动清理并支持语音改稿。Chrome 浏览器：即将支持在任意网页输入框中语音输入与打字。企业部署：通过 Gemini Enterprise Agent Platform 集成至客服与内部工作流。第三方框架：借助 Agora、LiveKit、Vercel 等已接入 Live API 的平台快速搭建语音应用。Gemini 3.5 Transcribe的核心优势转录精度领先：流式场景词错误率低至 4.0%，非流式低至 2.6%，在嘈杂环境中仍能准确捕获字母数字实体。延迟大幅优化：相比前代 Chirp 3，最终转录交付时间缩短 70%，实时流式响应达到亚秒级。智能语义清理：自动去除填充词、修正自我纠正语句，并输出可直接使用的格式化文本。多语言无缝切换：自动识别并转录 85 种以上语言，支持对话中的实时语言切换与多方言口音适配。说话人精准归属：预录音频支持最多三位说话人的发言区分，并附带词级时间戳便于回溯定位。屏幕上下文感知：结合设备屏幕内容与对话历史，显著提升文件名称、专业术语和活跃文档的识别准确度。跨模型任务协同：内置 Function Calling 能力，可在转录过程中调用其他 Gemini 模型完成图像生成、文件分析等复杂操作。Gemini 3.5 Transcribe的项目地址项目官网：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/Gemini 3.5 Transcribe的同类竞品对比对比维度Gemini 3.5 TranscribeOpenAI GPT-4o-transcribe定位智能语音转录模型，支持实时流式与预录音频GPT-4o 架构的专用转录模型，API 托管服务词错误率 WER流式 4.0% / 非流式 2.6%约 2.5%（干净音频，行业领先）实时流式延迟亚秒级，原生双向连续流式支持流式，通过 Realtime API 实现智能文本清理自动去除填充词、修正自我纠正、格式化输出不支持，输出原始口语化文本说话人归属原生支持最多 3 人区分 + 词级时间戳不支持原生，需额外调用 diarize 端点Gemini 3.5 Transcribe的应用场景实时会议智能纪要：在多人会议中实时流式转录，自动区分说话人、清理口语填充词，调用 Gemini 模型即时生成会议摘要与待办事项。多语言客服语音助手：通过 Live API 构建亚秒级延迟的语音客服系统，自动识别客户语言并实时切换，结合自定义词汇准确识别订单号、产品型号等关键信息。医疗与法律口述记录：医生或律师通过语音口述病历、庭审记录，模型自动清理自我纠正语句并格式化专业术语，输出可直接归档的标准文档。跨语言实时字幕与翻译：为直播、视频会议提供多语言实时字幕，用 85+ 语言自动检测能力，结合实时语言切换实现无缝跨语言沟通。语音驱动编程与办公自动化：在 Google AI Studio 或 Gemini macOS 应用中，开发者通过语音描述需求即可生成代码，办公人员语音指令调用屏幕上下文完成跨应用文件总结与图像生成。# 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Hy-MT2-1.8B - 腾讯混元推出的端侧翻译大模型下一篇怎么用 MetaDig 做 AI 短视频，附教程实测案例相关文章You-TLDR – AI视频摘要工具，分析视频提取关键信息生成文本摘要AI小集2Orchids – AI全栈开发工具，生成完整应用与网站AI小集3酷表ChatExcel – AI数据分析辅助工具，一句话即可操控ExcelAI小集21PGTFormer – 先进的AI视频人脸修复框架AI小集2MUSIC.AI – AI音乐创作和音频处理平台，支持音频分离、混音、歌词处理等功能AI小集2SongCreator – AI音乐模型，能理解、生成和编辑歌曲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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评6分钟前Hy4 preview – 腾讯混元开源的新一代旗舰大模型6小时前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型10小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流10小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型1天前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha2天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

感谢IT之家网友华南吴彦祖、乌蝇哥的左手的线索投递！IT之家8 月 27 日消息，在外界仍等待 Gemini 3.5 Pro 发布之际，谷歌先推出了 3.5 系列中的另一款模型。该公司今日发布了 Gemini 3.5 Transcribe 语音转文本模型，这是一款旨在优化语音输入体验的 AI 模型，能够自动删除语音中的“嗯”“呃”等口头禅以及说错后自行纠正的内容，最终生成更加通顺、整洁的文本。IT之家注意到，这款模型目前已经为 Pixel 11 上 Gboard 键盘的“Rambler”功能提供支持，接下来还将陆续进入谷歌旗下更多产品和服务。谷歌表示，与此前名为 Chirp 3 的语音转文字引擎相比，Gemini 3.5 Transcribe 在速度和准确性方面都有提升。从用户说话到最终生成转录文本，整体速度预计可提升约 70%；在实时语音场景下，其错误率已经降至 5.5%。不过，准确率的提升幅度并不算特别大。按照谷歌的数据，Chirp 3 的错误率为 7.32%。但对于经常使用语音输入的用户来说，即便只是少打几个错字，也意味着后续需要手动修改的内容更少，因此依然是一项实用的改进。Gemini 3.5 Transcribe 的能力也不只是“听清楚”用户说了什么，它还试图理解用户真正想表达的意思。在说话过程中，模型可以自动删除“嗯”“呃”等影响语句流畅度的口头禅。如果用户说错话后立即进行修正，它也能够实时调整已经生成的文本。此外，用户还可以提供自定义词汇表，让模型更好地识别专业术语和特定领域的词汇。该模型目前支持 85 种语言，并且可以处理最多包含 3 名说话者的预录音频。当然，这种功能也存在一个明显的问题：用户需要相信 AI 能够准确理解自己真正想表达的内容。至少在较短的文本中，从 Rambler 功能的实际体验来看，模型确实能够较好地清理前后不一致的表达和说话时的磕绊，让文本看起来更加自然。但与此同时，Gemini 3.5 Transcribe 并不只是简单地把语音转换成文字。AI 在整理内容的过程中，实际上可能会改变用户原本的措辞。因此，在一些需要严格保留原话、不能随意修改表述的场景中，这种“智能润色”未必适合使用。

Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型AI工具1天前发布AI小集02Hy-MT2-1.8B是什么Hy-MT2-1.8B 是腾讯混元推出的端侧翻译大模型，仅 1.8B 参数却支持 33 个语种互译，翻译质量在 FLORES-200 等基准上超越微软、豆包等商业 API。模型通过 2-bit（574MB）与 1.25-bit（440MB）极致量化，可在手机、PC 端本地流畅运行，已落地哔哩哔哩直播弹幕实时翻译，实现低成本、高隐私的端侧高质量翻译。Hy-MT2-1.8B的主要功能33 语种互译：覆盖中英日韩等主流语言及少数民族语言，支持任意方向互译。端侧本地运行：通过极低比特量化将模型压缩至 440574MB，普通手机与 PC 均可常驻后台。实时翻译：单条弹幕 500800ms 响应，已接入哔哩哔哩直播弹幕等高频场景。隐私保护：翻译全程在设备本地完成，无需上传云端，数据不出端。Hy-MT2-1.8B的技术原理2-bit 极致量化：采用拉伸弹性量化（SEQ）将参数量化至 {-1.5, -0.5, 0.5, 1.5} 四个离散值，结合量化感知蒸馏（QAD）在压缩至 574MB 的同时保持几乎无损的翻译质量。1.25-bit 稀疏量化（Sherry）：混元自研的 ACL 2026 Oral 方案，核心为”细粒度稀疏”策略——每 4 个参数中保留 3 个 ±1、1 个置 0，平均每个参数仅需 1.25-bit；配合专为 CPU 设计的 STQ 内核，模型体积降至 440MB，可常驻后台运行。x86 算子适配优化：英特尔团队针对低比特格式优化向量化、权重重排与 VNNI 指令融合，使 Q2_0C 与 STQ 在主流酷睿处理器上的 token 吞吐分别提升约 2.7 倍和 5 倍，将极低 bit 方案从移动端扩展到 PC 与边缘设备。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy-MT2-1.8B下载模型权重：访问 Hugging Face 仓库huggingface.co/collections/AngelSlim/hy-low-bit-model，下载 2-bit 或 1.25-bit 量化后的模型文件。获取推理框架：从 GitHub 克隆github.com/tencent/AngelSlim完整代码，该仓库包含极低比特量化的推理内核与加载逻辑。加载与推理：用 AngelSlim 框架加载下载的权重，在本地 CPU 上执行翻译推理；x86 设备可调用英特尔优化后的 VNNI 指令集内核以获得最佳性能。Hy-MT2-1.8B的核心优势体积极小质量极高：1.8B 参数经 2-bit / 1.25-bit 量化后仅 440574MB，翻译质量却超越微软、豆包等商业 API。端侧隐私优先：翻译全程在设备本地完成，无需联网上传，彻底杜绝数据泄露风险。跨平台无缝运行：同时适配 ARM 移动端与 x86 PC 端，经英特尔算子优化后在酷睿处理器上吞吐提升 2.75 倍。真实场景已落地：已接入哔哩哔哩直播弹幕实时翻译，单条 500~800ms 响应，能准确处理网络流行语。多语种全覆盖：原生支持 33 个语种互译，涵盖主流语言及少数民族语言，满足全球化沟通需求。Hy-MT2-1.8B的项目地址GitHub仓库：https://github.com/Tencent-Hunyuan/Hy-MT2HuggingFace模型库：https://huggingface.co/collections/AngelSlim/hy-low-bit-modelHy-MT2-1.8B的同类竞品对比对比维度Hy-MT2-1.8BGoogleTranslateGemma-4B参数规模1.8B4B支持语种33 个语种互译 + 5 种民族语言/方言覆盖主流语言对端侧体积440MB(1.25-bit) / 574MB (2-bit)2GB+ (原生 FP16，需自行量化压缩)核心量化技术Sherry 1.25-bit 细粒度稀疏量化（ACL 2026 Oral）无官方量化方案，需依赖第三方工具翻译质量FLORES-200 整体优于微软、豆包等商业 API接近研究级水平，4B 版为移动端效果妥协版推理框架AngelSlim（自研，含 x86 VNNI 优化内核）需借助 TensorFlow Lite、ExecuTorch 等通用框架商业落地已接入哔哩哔哩直播弹幕实时翻译主要用于研究/开发者实验，无大规模商业集成开源协议权重+代码全开源Apache 2.0 开源，可自由商用Hy-MT2-1.8B的应用场景直播弹幕实时翻译：已落地哔哩哔哩，单条 500800ms 响应，可准确翻译网络流行语与梗。离线即时通讯：集成于社交 App，在无网络环境下实现跨国聊天实时互译，保障对话隐私。移动端网页/文档翻译：作为浏览器插件或系统级翻译服务，本地完成外文网页、PDF 文档翻译。游戏内实时本地化：嵌入手游或 PC 游戏客户端，实时翻译外服游戏聊天、任务文本与 UI。跨境电商内容翻译：在商家端本地批量翻译商品标题、详情页与客服话术，降低多语言运营成本。# 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GLM-5.3-Flash - 智谱开源的原生多模态模型，即Ox Alpha下一篇Gemini 3.5 Transcribe - 谷歌推出的最新语音转文本模型相关文章IntroCard – AI驱动的在线个人名片生成器AI小集2getdesign.md – VoltAgent 团队推出的 AI 原生设计系统库AI小集2MeCheck – AI合同审查工具，精准识别和定位合同风险点AI小集3混元DiT – 腾讯混元开源的文生图扩散模型Hunyuan-DiTAI小集2Recall – AI知识管理工具，将分散的内容转化为知识库AI小集3Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评6分钟前Hy4 preview – 腾讯混元开源的新一代旗舰大模型6小时前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型10小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流11小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型1天前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha2天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型AI工具2天前更新AI小集03Qwen3.8-Flash是什么Qwen3.8-Flash 是阿里云通义千问推出的多模态 MoE 模型，总参数量 125B，每 token 仅激活 6B，原生支持 262K 上下文。模型采用 GDN+QSA 混合注意力、门控残差、N-gram 嵌入及 Muon 优化器四大架构创新，训练成本仅为 Qwen3.7-Plus 的 1/9，在编码和办公任务上能力更强。Qwen3.8-Flash的主要功能超长上下文处理：原生支持 262K tokens，可扩展至 1M，胜任长文档与代码库分析。代码智能体：支持端到端软件工程任务，包括代码生成、调试与多语言开发。办公自动化：执行长程办公流程与专业工作任务，集成工具调用能力。多模态理解：理解长视频、科学图表、视觉数学问题及现实世界场景。设备与界面操控：通过视觉感知操控网页、Android 设备及桌面操作系统。推理与问答：覆盖科学推理、竞技编程、指令遵循与多学科综合推理。Qwen3.8-Flash的技术原理GDN + QSA Hybrid Attention：模型在每四层中安排三层 Gated DeltaNet 和一层 Qwen Sparse Attention，实现”高效记忆 + 精准查找”的混合注意力机制，在 1M 上下文下 Prefill 吞吐达到前代的 8.6 倍。Gated Residual（GR）：将传统单一残差流扩展为四条并行分支，通过动态门控控制各层信息的读写比例，保留长距离信息通道，抑制激活异常值，同时支持 FP8 存储大幅降低访存开销。N-gram Embedding：在常规词嵌入之外，引入 51B 参数的 N-gram 嵌入层，结合局部上下文查表捕捉短语搭配模式；该层可卸载至 Host Memory 并通过异步预取与计算重叠，几乎不增加 token 级计算量。Muon Optimizer：针对主要线性映射权重采用 Muon 正交化优化，对 Embedding 和 Router 等保留 AdamW；重新拟合 Scaling Law 后支持更大学习率与批次，取消无效的 Batch Size Warmup 策略。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen3.8-Flash开源权重部署：从 Hugging Face 下载 Qwen3.8-Flash-Next 权重，在本地或云端进行推理部署。API 服务调用：通过千问AI平台调用官方 API，输入 1 元/百万 tokens、输出 3 元/百万 tokens。千问办公使用：在”千问办公”中直接体验，用于长文档处理、代码生成与办公自动化任务。查阅技术报告：访问 GitHub 仓库中的技术报告，了解架构细节与训练方法以进行深度定制。Qwen3.8-Flash的核心优势极致成本效率：训练开销仅为 Qwen3.7-Plus 的 1/9，API 定价输入 1 元/百万 tokens，用极低算力成本实现旗舰级性能。超长上下文领先：原生 262K 可扩展至 1M tokens，1M 上下文下 Prefill 吞吐达到前代的 8.6 倍，长序列处理速度与精度兼具。Agent 与编码能力突出：在代码智能体、软件工程、长程办公任务等多项基准上显著超越同级模型，胜任复杂生产级开发工作。下一代架构创新：采用 GDN+QSA 混合注意力、门控残差与 N-gram 嵌入等全新设计，是 Qwen4 系列架构的提前验证版。多模态操控能力：支持长视频理解、视觉网页开发、Android 及桌面设备操控，实现真正的多模态智能体交互。开源与工程友好：Flash-Next 权重已开源，GR 支持 FP8、N-gram 嵌入可卸载至 Host Memory，降低部署门槛与显存占用。Qwen3.8-Flash的项目地址项目官网：https://qwen.ai/blog?id=qwen3.8-flash-nextHuggingFace模型库：https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next技术论文：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdfQwen3.8-Flash的同类竞品对比对比维度Qwen3.8-Flash-NextDeepSeek-V4-FlashClaude-Opus-4.6总参数量125B + 51B N-gram284B—激活参数6B13B—Agentic Coding(DeepSWE 1.1)58.754.4—SWE-bench Pro62.556.053.4多语言软件工程81.0—77.5长程办公(CoWorkBench)73.945.168.2专业工作(JobBench)55.741.336.6科学推理(GPQA Diamond)91.790.891.3竞技编程(LiveCodeBench)91.990.688.8指令遵循(IFBench)81.379.262.5多模态工具(ClawEval-MM)64.4/ 60.4—52.5 / 54.7移动操控(AndroidWorld)84.5—62.0计算机使用(OSWorld 2.0)19.4 /52.3——视觉网页开发(Vision2Web)64.0——具身智能(ERQA)72.3—40.8长视频理解(LVBench)76.6—63.0视觉数学(MathVision w/ CI)95.7—65.5科学图表分析(CharXiv w/ CI)90.6—66.0Qwen3.8-Flash的应用场超长文档与知识库智能分析：用 1M tokens 超长上下文，对整本技术手册、法律合同或大型代码库进行一次性深度理解与问答，无需分段处理。端到端软件开发与代码维护：作为代码智能体（Agentic Coding）完成需求分析、代码生成、Bug 修复、单元测试编写及多语言项目维护，覆盖 SWE-bench 级别复杂任务。企业办公流程自动化：执行跨平台长程办公任务，如自动整理会议纪要、批量处理 Excel 报表、撰写并排版商业文档，集成工具调用实现端到端闭环。多模态内容理解与教育辅导：解析长视频课程、科学论文图表、视觉数学题目，提供步骤化讲解与答案验证，支持 STEM 领域的深度教学辅助。跨设备智能体操控：通过视觉感知与推理能力，自动操控 Android 手机完成 App 测试、在桌面操作系统中执行文件管理，或根据设计稿自动生成可部署的网页前端。# 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Omarchy - 开源的AI原生Linux桌面 ，自然语言生成桌面主题下一篇GLM-5.3-Flash - 智谱开源的原生多模态模型，即Ox Alpha相关文章Nano Banana Pro – 谷歌推出的最新图像生成与编辑模型AI小集3InfiMM-WebMath-40B – 字节联合中科院开源的超大规模多模态数据集AI小集2VLM-R1 – 浙大 Om AI Lab 推出的视觉语言模型AI小集3GenieAI – 腾讯云 CodeBuddy 推出的 AI 应用生成平台AI小集2彩漩 – AI PPT生成工具，可通过主题、微信文章等生成高质量演示文稿AI小集2GPT-4.1 – OpenAI 推出新一代语言模型，支持百万 token 上下文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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评7分钟前Hy4 preview – 腾讯混元开源的新一代旗舰大模型6小时前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型10小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流11小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型1天前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型1天前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox AlphaAI工具1天前更新AI小集03GLM-5.3-Flash是什么GLM-5.3-Flash 是智谱最新推出的开源大模型，总参数三百二十亿，激活参数仅十八亿，为 GLM-5 系列首个原生多模态模型。模型综合智能指数达五十七分，与Claude Opus 4.8持平，定价仅为其四十分之一。模型采用稀疏与线性注意力混合架构及流形约束超连接技术，支持视觉编码、代码生成和专业文档处理，首次实现国产芯片集群大规模高效部署，端到端性能提升三倍。GLM-5.3-Flash的主要功能原生多模态理解：支持文本与图像的联合理解与生成，是 GLM-5 系列首个原生多模态模型。视觉编码：将视觉能力原生集成进模型，使其能自主判断何时需要”观察”，并利用视觉反馈指导编程与行动。代码生成与迭代：支持前端、游戏、3D 仿真等开发任务，能根据渲染和交互反馈自我检验并迭代改进代码。专业文档处理：针对 PPTX、PDF、DOCX、XLSX 等 Office 文档优化，具备审美判断与自我验证能力。金融与法律工作：覆盖金融研报生成、建模分析，以及合同审查、法律文书起草等专业场景。Agent 协同：通过 Browser Use Agent 与 Computer Use Agent 在代码、浏览器和图形界面间协同操作。GLM-5.3-Flash的技术原理混合注意力架构：GLM-5.3-Flash 采用线性注意力与稀疏注意力混合架构，线性注意力通过递归机制捕获局部依赖，稀疏注意力借助轻量级索引器召回全局上下文；同时引入 IndexPool 将索引器缓存向量从 4 个压缩至 1 个，使注意力计算量与 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍，在保持精准长上下文能力的同时大幅降低服务成本。流形约束超连接（mHC）：模型采用 mHC 技术提升 Scaling 能力，使其在总参数量 320B 与 GLM-4.5 相当的情况下，将激活参数量从 32B 降至 18B、层数从 92 减至 45，结合 30T Token 多模态预训练语料，用更少的计算资源实现超越 GLM-5.2 的性能。国产芯片推理引擎：针对国产芯片内存容量与带宽瓶颈，团队在 SGLang 基础上构建专用推理引擎，采用 EPD（Encode-Prefill-Decode）分离式架构将多模态编码、预填充和解码拆分为独立工作池，结合张量并行、ReplaySSM、W8A8 量化及混合缓存量化等技术，使端到端性能较基线提升 3 倍，达到与主流英伟达 GPU 相当的效率。微信关注回复“开源”，加入AI开源项目交流群如何使用GLM-5.3-FlashBigModel API：访问 BigModel 开放平台 https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash注册账号，获取 API Key 后按文档调用glm-5.3-flash接口。Z.ai API：访问 Z.ai  API 官网 https://docs.z.ai/guides/vlm/glm-5.3-flash文档中心，注册并获取 API Key 即可接入模型。Z.ai 在线聊天：访问Z.ai网页，登录后直接开始多模态对话。智谱清言 App：下载智谱清言 App并登录，在模型列表中选择 GLM-5.3-Flash 即可使用。ZCode：进入ZCode，启用模型后在代码编辑器中让 Agent 协同完成开发任务。AutoClaw：访问AutoClaw官网，上传文档让模型自动处理办公和专业文书任务。开源本地部署：从 HuggingFace 下载模型权重，按说明在本地服务器加载运行。GLM Coding Plan：前往 https://bigmodel.cn/glm-coding 申请限量体验卡，免费试用模型能力。GLM-5.3-Flash的核心优势极致性价比：与 Claude Opus 4.8 同级智能，定价仅为其 1/40，限时折扣内为 GLM-5.3 的 1/20。原生多模态：GLM-5 系列首个原生多模态模型，视觉能力原生集成，可自主判断并调用视觉反馈。高效架构：采用稀疏注意力与线性注意力混合架构，注意力计算量和 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍。国产芯片部署：首次大规模使用国产芯片集群，端到端性能较基线提升 3 倍，效率对标主流英伟达 GPU。全面超越前代：用 320B 总参数 / 18B 激活参数，在多项基准测试中全面超越参数量高出一倍的 GLM-5.2。专业工作优化：针对金融、法律、Office 文档等专业场景深度优化，输出格式可直接交付。GLM-5.3-Flash的同类竞品对比维度GLM-5.3-FlashClaude Opus 4.8GLM-5.3总参数320B未公开约 355B激活参数18B未公开32B模型层数45 层未公开92 层AA 智能指数57 分57 分更高（约 60+）多模态能力✅ 原生视觉编码✅ 多模态✅ 多模态开源状态✅ 开源❌ 闭源❌ 闭源定价水平极低（Opus 4.8 的 1/40）高端定价中端定价（Flash 的 10~20 倍）注意力架构稀疏 + 线性混合标准 Transformer标准 Transformer长上下文支持1M200K+1M国产芯片部署✅ 已验证❌ 否❌ 否核心定位前沿智能普惠化顶级闭源模型上一代旗舰模型GLM-5.3-Flash的应用场景前端与游戏开发：根据视觉反馈自主迭代代码，生成可运行的网页、游戏和 3D 场景。金融专业工作：覆盖金融研究、报告生成、建模与分析全流程，提供可追溯的数据来源。法律实务处理：审查合同条款、批注修订，并起草符合实务规范的律师函与诉讼文书。Office 文档自动化：处理 PPTX、PDF、DOCX、XLSX 等格式，具备审美判断与排版优化能力。Agent 协同办公：通过 Browser Use Agent 和 Computer Use Agent 在浏览器、代码与 GUI 间自动协同。日常多模态对话：在 Z.ai 和智谱清言 App 中进行图文理解、创意生成与知识问答。# 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Qwen3.8-Flash - 阿里通义推出的多模态 MoE 模型下一篇Hy-MT2-1.8B - 腾讯混元推出的端侧翻译大模型相关文章AI Companion – Zoom 推出的 AI 助手，具有记忆、推理、任务执行和协调能力AI小集2EMO2 – 阿里研究院推出的音频驱动头像视频生成技术AI小集4CustomGPT.ai – 为企业提供定制化AI聊天机器人的平台AI小集3悦颜相机 – AI拍照和图像编辑应用，制作动态写真效果AI小集2VidBee – 开源音视频下载工具，支持YouTube、Bilibili平台AI小集3VoxInstruct – 清华推出的开源语音合成技术，支持多语言和跨语言合成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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评7分钟前Hy4 preview – 腾讯混元开源的新一代旗舰大模型6小时前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型10小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流11小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型1天前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型1天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

OpenRouter是什么OpenRouter是 AI 大模型API 聚合平台，被称为”所有模型的统一接口”。平台通过一个API接入了80多家供应商的500多个模型，涵盖OpenAI、Anthropic、Google、Meta等主流厂商。平台会自动处理故障转移，为每次请求智能选择最具性价比的模型方案。平台兼容OpenAI SDK，现有代码几乎零改动即可迁移，同时提供Agent SDK和MCP服务器，方便构建AI应用。OpenRouter的主要功能统一模型接入：通过单一 API 端点调用数百个大模型，一个 Key 通用所有供应商。模型故障转移与智能路由：请求失败时自动切换备选模型，并按成本、速度或供应商偏好智能选择方案。OpenAI SDK 兼容：仅需修改 baseURL 即可无缝迁移现有 OpenAI 生态代码。三种集成方式：提供原生 API、类型安全的 Client SDK，以及自动处理工具调用循环的 Agent SDK。工具调用与结构化输出：支持函数调用、JSON 结构化返回和消息转换等高级能力。企业级管理：支持工作区预算、SSO 单点登录、SCIM 群组映射和预设策略。隐私与安全：提供零数据保留（ZDR）、输入输出日志、防护栏（Guardrails）和数据主权选项。性能优化：支持响应缓存、提示词缓存和正常运行时间优化，降低延迟与成本。MCP 服务器：让 AI 编程工具实时查询模型目录、价格和账户余额。丰富生态集成：兼容 LangChain、Vercel AI SDK、Zapier、Replit 等 10 余种主流框架。如何使用OpenRouter注册账号：访问 OpenRouter 官网 https://openrouter.ai/，点击登录按钮后选择 Google、GitHub 或 MetaMask 钱包任一方式完成注册。充值积分：进入账户的 Billing 页面购买 credits，积分按实际 Token 用量扣费，可用于平台全部 500+ 模型且永不过期。获取 API Key：在控制台 Keys 页面点击创建，生成一串以sk-or-开头的密钥，可复制保存并随时吊销。选择集成方式：想要完全控制就用任意语言直接 POST 原生 API；已有 OpenAI 代码只需把baseURL改成https://openrouter.ai/api/v1可零改动迁移；构建智能体安装@openrouter/agent。挑选模型：在 openrouter.ai/models 按能力、价格、上下文长度筛选模型，用~openai/gpt-latest这类 latest 别名可让代码始终自动指向最新旗舰版本。发送请求：向https://openrouter.ai/api/v1/chat/completions发送包含模型名和消息体的请求。可选进阶：在请求头加上HTTP-Referer和X-OpenRouter-Title可让应用登上官方排行榜，接入 MCP 服务器（https://mcp.openrouter.ai/mcp）能让 Claude Code、Cursor 等 AI 编程工具实时查询模型与价格数据。OpenRouter的核心优势一站式模型接入：一个 API、一把 Key 可调用 80+ 供应商的 500+ 模型，省去逐家注册、充值、适配接口的麻烦。高可用性：内置自动故障转移和供应商冗余，某个模型宕机时自动切换备选，保障服务不中断。成本最优：智能路由为每次请求挑选最具性价比的方案，按量付费无订阅，平台宣称比直连价格更优。零迁移成本：完全兼容 OpenAI SDK 和 API 格式，现有代码改两行配置即可接入全部模型。免运维升级：latest 别名自动跟随厂商最新旗舰模型，模型换代无需修改和重新部署代码。厂商中立：不被单一供应商锁定，可随时切换或混用不同厂商的模型。开发者友好：提供 Agent SDK、MCP 服务器和 10+ 主流框架集成，从简单调用到复杂智能体都有对应工具。企业级能力：支持工作区预算、SSO、零数据保留（ZDR）和数据主权，满足合规与团队管理需求。OpenRouter的同类竞品对比对比维度OpenRouterOfoxAIDMXAPI背景/注册地美国，全球最知名的模型聚合平台新加坡注册，自称授权合作伙伴国内团队，LangChain 中文网旗下模型规模500+ 模型、80+ 供应商100+ 模型，覆盖 GPT/Claude/Gemini/DeepSeek 等300+ 模型，含文本/图像/语音/视频多模态国内访问国内连接不稳定、常丢包，晚高峰延迟约 850ms国内直连无需翻墙，延迟 <300ms国内线路优化，部分场景延迟约 180ms支付方式仅海外支付（信用卡等），对国内用户不友好支持支付宝，秒到账人民币结算，支持公对公付款接口兼容OpenAI 兼容，另有 Agent SDK 和 MCP 服务器兼容 OpenAI/Claude/Gemini 三大协议，支持 RAG 和 MCP100% 兼容 OpenAI 协议，改两行代码迁移企业功能工作区预算、SSO、ZDR 零数据保留 [^文档索引^]企业账号：多用户+统一付费+用量可观测可开增值税发票，充值后即可开票，无需等消耗SLA/稳定性官方未承诺高 SLA，实测成功率约 92%（国内）宣称 SLA 99.9%高可用站宣称 99.99% SLA，但实测延迟波动较大OpenRouter的应用场景软件开发与代码辅助：开发调用 AI 模型自动生成代码片段、优化代码结构、修复错误，甚至设计复杂的软件架构，显著提高编程效率。内容创作：内容创作生成高质量的文本内容，如文章、故事、新闻报道和营销文案，激发创意并提升创作效率。自然语言处理：企业构建智能聊天机器人，用在客户服务和虚拟助手，提供实时语言理解、翻译和情感分析，提升用户体验。数据分析与报告：企业和研究机构生成数据报告和可视化图表，帮助用户更好地理解复杂数据，支持决策制定。教育与学习：教育机构和在线学习平台生成个性化的学习材料和练习题，根据学生的学习进度和需求提供定制化的内容，提升学习效果。©️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OpenRouter的工具千问云阿里云推出的全新MaaS模型服务平台智谱清流智谱推出的企业级AI智能体开发平台LangChain开发由语言模型驱动的应用程序的框架MoMA中国移动推出的国内首个开放普惠大模型聚合平台无问芯穹AI大模型服务平台，提供从算力、模型到应用一站式服务ChatDev面壁智能推出的AI智能体软件开发平台，使用自然语言即可创建软件暂无评论再想想发表评论暂无评论…

Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型AI工具10小时前发布AI小集03Gemini Omni 1.1 Flash是什么Gemini Omni 1.1 Flash 是谷歌推出的AI 视频生成模型，面向开发者和专业创作者，支持从 360p 快速预览到 4K 超高清的多档位输出。模型具备场景续写、首尾帧指定、视频参考等精细控制能力，可基于已有画面无缝扩展至 40 秒，通过引入最长 3 秒的参考片段保持角色与场景一致性。模型采用按秒计费模式，360p 约 0.2 元/秒，4K 约 2 元/秒。Gemini Omni 1.1 Flash的主要功能场景扩展：基于已有视频从结尾无缝续写，每次 10 秒，单条累计最长可达 40 秒。指定首尾帧：给定起始帧与结束帧，自动生成平滑转场与镜头运动。360p 快速预览：生成速度比 720p 提升 60%，成本仅为三分之一，适合快速迭代。4K 高分辨率输出：支持直接输出 1080p 或 4K 画质，满足专业制作需求。视频参考：可引入最长 3 秒参考视频，精准保持场景背景与角色一致性。Gemini Omni 1.1 Flash的技术原理长上下文视频理解：模型将可分析的前置视频上下文从 1 秒扩展至 10 秒，通过更长的时序记忆捕捉画面中的动态细节与叙事逻辑，在续写时维持角色外观、光影环境和摄像机运动的一致性，避免片段衔接处的跳变。多模态输入融合：系统同时处理文本提示、静态图像与视频片段三种模态，将文本语义映射为视觉指令，以图像定义关键帧构图，以参考视频锁定角色与场景风格，最终在统一的潜空间中生成连贯的时序内容。分辨率自适应生成：采用同一套模型架构支持 360p 到 4K 的多档位输出，低分辨率模式下通过减少潜空间采样步数实现快速草稿，高分辨率模式下则启用增强的上采样与细节重建，让创作者先用低成本验证创意，再输出成片。时序一致性保持：通过引入外部参考视频作为条件输入，模型在生成过程中将参考帧的特征嵌入与当前生成帧进行对齐，结合对前序 10 秒上下文的自注意力计算，抑制角色形变、背景漂移等时序不一致问题。如何使用Gemini Omni 1.1 Flash获取访问权限：访问Google AI Studio或接入 Gemini API，确保账号具备调用权限。选择目标模型：在模型列表中选择gemini-omni-1.1-flash作为目标模型。准备输入素材：根据需求准备输入素材：纯文本提示、起始/结束图像、参考视频（最长 3 秒）或已有视频片段。选择生成模式：直接生成新视频、基于已有视频续写（需传入previous_interaction_id）、或指定首尾帧生成过渡。设置输出分辨率：先用 360p 快速预览验证创意，满意后再切换至 720p、1080p 或 4K 输出成片。执行生成：调用 API 或点击生成按钮，等待模型返回视频结果。导出与后续编辑：下载最终视频文件，或直接在 Adobe Firefly、Runway 等已集成平台中继续编辑。Gemini Omni 1.1 Flash的核心优势4K 超高清输出：支持直接生成 1080p 乃至 4K 分辨率视频，满足专业影视制作标准。场景无缝续写：基于已有视频从结尾继续生成，每次 10 秒步进，单条叙事最长可延伸至 40 秒。首尾帧精准控制：只需提供起始帧与结束帧，即可自动生成平滑转场与复杂镜头运动。360p 极速草稿：预览模式生成速度提升 60%，成本仅为 720p 的三分之一，大幅降低迭代试错开销。视频参考一致性：引入最长 3 秒的参考视频，即可精准锁定角色形象与场景风格，避免生成漂移。10 秒长上下文理解：模型可回溯分析多达 10 秒的前置画面（此前仅 1 秒），续写时叙事与视觉连贯性显著增强。多模态灵活输入：同时融合文本提示、静态图像与视频片段，让创意指令的表达维度更丰富。Gemini Omni 1.1 Flash的项目地址项目官网：https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/Gemini Omni 1.1 Flash的同类竞品对比对比维度Gemini Omni 1.1 FlashRunway (Gen-3/Gen-4 系列)开发商Google DeepMindRunway ML最高分辨率4K1080p（主流版本）累计生成时长最长 40 秒（原生支持扩展）单次通常 10–16 秒场景续写原生支持，10 秒步进无缝扩展需借助外部工具拼接首尾帧控制原生支持，自动生成平滑过渡与运镜支持 Image to Video参考视频一致性最长 3 秒参考视频，精准锁定角色与场景支持 Video to Video低成本预览360p 模式，速度快 60%，成本低至 1/3无专门低分辨率预览模式上下文理解可分析前 10 秒画面保持连贯通常仅参考末端帧计费方式按秒计费（$0.03–$0.30/秒）按信用点或订阅制Gemini Omni 1.1 Flash的应用场景影视广告与预告片制作：用 4K 输出和首尾帧控制，快速生成高质感商业短片、品牌广告与电影预告。社交媒体内容创作：借助 360p 快速预览低成本迭代，批量产出短视频、动态封面与 viral 内容。游戏与动画预演（Previz）：通过场景扩展和参考视频保持角色一致性，快速生成分镜脚本与动作预览。电商产品动态展示：基于产品图指定首尾帧，生成 360° 旋转、细节特写等动态展示视频。教育与培训视频：用视频参考保持讲师或动画角色形象统一，批量生成解释性视频与课件动画。# 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Twoo - 双人共用 AI 伙伴应用，能同时听懂双方对话下一篇Hy4 preview - 腾讯混元开源的新一代旗舰大模型相关文章twee – 专门为英语教师打造的AI备课助手，自定义生成教学素材及习题AI小集2LoopTool – 上交大和小红书推出的自动化数据进化框架AI小集3爱图表重磅升级 – AI秒生图表+自动写报告，新功能来了AI小集3Matryoshka Diffusion Models – 苹果开源高清图像和视频生成的扩散模型AI小集2LightLab – 谷歌等机构推出的图像光源控制模型AI小集2ReadPaper – AI科研工具，高效阅读、翻译、管理学术论文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搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评6分钟前Hy4 preview – 腾讯混元开源的新一代旗舰大模型6小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流10小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型1天前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型1天前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha2天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

感谢IT之家网友软媒用户1053564、Domado的线索投递！IT之家8 月 28 日消息，当地时间 8 月 27 日，谷歌宣布推出 Gemini Omni 1.1 Flash 视频生成 AI 模型，最高可生成 4K 视频。IT之家附新模型亮点如下：场景扩展：用户可以直接基于已有视频，从结尾处无缝衔接并继续生成后续画面。用户可按每次 10 秒的步长逐步扩展视频，单条视频的累计最长时长可达 40 秒；指定首尾帧：只需指定镜头的起始帧与结束帧，即可实现平滑自然的转场效果与镜头运镜；生成 360p 预览：相较于 Omni 1.1 的标准 720p 分辨率，生成速度最高可提升 60%，且成本仅需原有的三分之一，适用于快速原型验证、分镜脚本迭代以及高速渲染；最高 4K 分辨率：可直接输出画质细腻、细节完善的高分辨率 1080p 或 4K 最终成片；视频参考：构建视频场景时，支持引入最长 3 秒的参考视频片段，从而依据参考内容精准维持画面的上下文背景与角色一致性。价格方面，Gemini Omni 1.1 Flash 生成 360p 视频每秒 0.03 美元（现汇率约合 0.2 元人民币），生成 720p 视频每秒 0.1 美元（现汇率约合 0.67 元人民币），生成 1080p 视频每秒 0.15 美元（现汇率约合 1 元人民币），生成 4K 视频每秒 0.3 美元（现汇率约合 2 元人民币）。

Hy4 preview – 腾讯混元开源的新一代旗舰大模型AI工具6小时前发布AI小集03Hy4 preview是什么Hy4 preview 是腾讯混元推出的开源旗舰大模型，总参数 770B、激活参数 49B、上下文长度达 1M。模型通过与腾讯内部软工、游戏、金融、安全等领域专家深度共建，模型在代码开发、办公分析、游戏制作、科学研究等真实生产力任务上表现卓越，在多项权威基准测试和 203 个工程任务盲测中稳居开源模型第一梯队。科研领域更在分子动力学模拟、量子器件设计及百年几何难题上取得实质性突破。Hy4 preview的主要功能软件工程：增强长程开发任务的理解、规划、调试与验证能力，进一步提升前端开发的视觉审美和交互质量。办公分析：显著提升复杂办公环境理解和金融分析能力，完成从信息处理到文档、表格与演示文稿交付的完整流程。游戏开发：增强一句需求直接生成可玩原型能力，熟练使用游戏引擎，支持多轮交互持续完善复杂游戏项目。科学研究：显著提升复杂科研问题的理解、推理与求解能力，在AI研发、分子动力学模拟、凝聚态物理、基础数学等场景中均有长足进步。推理优化：自主分析推理系统瓶颈，围绕算子融合、通信优化等方向开展多轮优化，端到端吞吐相较基线提升31.8%。实验协调：像研究者一样管理多个Codex Session开展实验，在8项评测上均优于Codex独立探索，体现复杂研发任务中判断方向、组织实验与持续迭代的能力。Hy4 preview的技术原理软件工程：Hy4 preview 显著增强了长程开发任务的理解、规划、调试与验证能力，在大型项目的前端开发中，能主动提升视觉审美和交互质量，生成的代码在真实工程环境中可直接运行并持续迭代。办公分析：模型通过与金融领域专家的高质量数据共建，显著提升对复杂办公环境的理解能力，能处理跨文件协作、数据分析等任务，完成从原始信息处理到最终文档、表格与演示文稿交付的完整办公流程，如自动审核 24 张报销单并交叉比对制度文件。游戏开发：Hy4 preview 具备”一句话生成可玩原型”的能力，能熟练使用 Unreal 5、Unity 等主流游戏引擎，开发者可通过多轮自然语言交互持续完善复杂游戏项目，涵盖场景搭建、玩法逻辑、角色动画混合树及音效系统等完整开发链路。科学研究：在科研场景中，模型展现出复杂问题的深度理解、推理与求解能力，配合 Hyra 智能体在机器学习力场分子动力学模拟中提速 2.0 倍、在低温量子输运器件设计中将泄漏率从 48.2% 降至 4.8%，在百年经典几何难题 3D Blaschke-Lebesgue 问题上将体积下界推进至 0.41104。推理优化：Hy4 preview 能自主分析推理系统的性能瓶颈，围绕算子融合、通信优化等方向开展多轮迭代优化，端到端服务吞吐相较基线提升 31.8%，在不同上下文长度和并发度下均取得稳定收益，验证模型自主定位瓶颈并持续优化基础设施的能力。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy4 preview开源下载：通过 HuggingFace、GitHub、ModelScope 或 GitCode 获取模型权重与代码，支持本地部署与二次开发。API 调用：接入腾讯云 TokenHub 或OpenRouter，按输入 6 元/百万 Tokens、输出 18 元/百万 Tokens 的定价直接调用模型接口。产品体验：在WorkBuddy、CodeBuddy、元宝、ima等腾讯系产品中直接体验 Hy4 preview 的办公与编程能力。在线试玩：访问模型在线体验网址 https://aistudio.tencent.com/，无需配置环境即可在线与模型交互。Hy4 preview的核心优势规模领先：总参数 770B、激活参数 49B、上下文长度 1M，在模型尺寸与长文本处理能力上稳居开源模型第一梯队。真实生产力导向：与腾讯内部软工、游戏、金融、安全等领域顶尖专家深度共建，聚焦代码、办公、游戏等真实场景而非单纯刷榜。科研突破能力：配合 Hyra 在分子动力学模拟提速 2.0 倍、量子器件泄漏率降至 4.8%，并将百年几何难题 3D Blaschke-Lebesgue 的体积下界推进至 0.41104。自我优化推理：能够自主分析系统瓶颈并围绕算子融合、通信优化持续迭代，端到端服务吞吐相较基线提升 31.8%。智能实验协调：像研究者一样管理多个 Codex Session 并行开展实验，在小模型后训练任务中 8 项评测均优于 Codex 独立探索。专家盲测领先：163 名内部专家在 203 个工程任务盲测中，Hy4 preview 均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3。Hy4 preview的项目地址项目官网：https://hy.tencent.com/research/hy4-previewGitHub仓库：https://github.com/Tencent-Hunyuan/Hy4-previewHuggingFace模型库：https://huggingface.co/tencent/Hy4-previewHy4 preview的同类竞品对比对比维度Hy4 previewDeepSeek-V4 Pro总参数 / 激活参数770B / 49B约 671B / 37B上下文长度1M128K模型架构MoE（混合专家）MoE（混合专家）开源状态全面开源（权重+代码）开源权重，推理代码开源核心定位真实生产力（代码、办公、游戏、科研）通用推理与代码科研能力配合 Hyra 在分子动力学、量子器件、数学证明取得突破强通用推理，科研工具链需自行搭建产品协同深度集成 WorkBuddy、CodeBuddy、元宝、ima主要依赖第三方集成与自部署API 定价（输入/输出）6元 / 18元（每百万 Tokens）约 2元 / 8元（每百万 Tokens）内部盲测表现均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3基准测试表现优异，但无公开同类工程盲测Hy4 preview的应用场景智能代码开发：支持长程项目理解、前端视觉审美优化、调试验证，可配合 CodeBuddy 完成从需求到可运行代码的全流程开发。复杂办公自动化：处理跨文件数据分析、金融稽核、制度比对，自动生成文档、表格与演示文稿，已在 WorkBuddy 等办公产品中落地。游戏原型快速构建：一句自然语言需求即可生成可玩原型，熟练使用 Unity / Unreal 5 引擎，支持多轮交互持续完善关卡、角色与玩法。科学研究加速：配合 Hyra 智能体开展分子动力学模拟、量子器件设计、数学定理证明，自主管理实验流程并持续迭代优化方向。3D 数字内容生成：基于精确参数生成交互式 Three.js 网站、数字孪生场景，支持 GLB 模型加载、程序化建模与多语言响应式部署。# 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Gemini Omni 1.1 Flash - 谷歌推出的 AI 视频生成模型下一篇2026 年 AI 生成图文店门头效果图 - 7 款工具深度横评相关文章ChefBot – AI食谱应用，提供定制化的餐食建议AI小集2MiniMax H3 – 稀宇科技推出的通用全模态生成模型AI小集2Voyage Multimodal-3 – Voyage AI 推出的多模态嵌入模型AI小集2Z-Image – 阿里通义推出的图像生成模型AI小集7Kimi i人嘴替 – Kimi推出的AI社交沟通导师AI小集3Make – AI零代码自动化工作流搭建平台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搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录XCellMetaDigChatArtLexcat造剧立刻成片最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评6分钟前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型10小时前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话10小时前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架10小时前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流10小时前怎么用 MetaDig 做 AI 短视频，附教程实测案例1天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型1天前Hy-MT2-1.8B – 腾讯混元推出的端侧翻译大模型1天前GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox Alpha2天前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型2天前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题2天前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具2天前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态2天前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作2天前

「造芯」这件事，已成了一种潮流。就在昨晚，OpenAI 公布了和博通联合自研的首款 AI 推理芯片 Jalapeño（墨西哥辣椒）首轮公开测试成绩。在 SemiAnalysis 发布的公开基准测试 InferenceX 上，Jalapeño 运行了 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三款模型，结果显示，Jalapeño 每瓦完成的 AI 工作比英伟达 GB200、GB300 多 1.5—1.9 倍，端到端延迟缩短至对照系统的约 30%—60%。运行 DeepSeek R1 时，一次 8K 输入、1K 输出的推理从 5.99 秒降到 1.65 秒，最低 token 间隔则由 5.90ms 压到 1.43ms。有了 Jalapeño，也许未来在 ChatGPT 上你能看到的不止是 1.5 倍速输出结果的「快速」模式，只要舍得花钱，3 倍速也是有可能做出来的。实力着实超群，让 Sam Altman 在说这件事时也相当言简意赅：「我们制造了一款芯片，它很快。」火爆小辣椒，为推理而生不同于更通用的 GPU，Jalapeño 从设计之初就只有一个目标：承载现代大模型的推理部分工作。这一目标，跟当下 AI Agent 的流行又有着紧密关联。须知道，一问一答的普通聊天只需要调用几轮模型，延迟也比较容易忍受；但只要是看过 Agent 干活时的任务链，就会发现它们往往要连续调用模型几十次：读文件、搜资料、操作软件、检查结果，再根据结果推进下一步工作。每一步的推理延迟累积起来，让 Agent 处理哪怕不算太复杂的日常事务，也往往会消耗掉不少时间。这就是为什么，ChatGPT 的首页界面会分为「聊天」和「工作」——简单的日常问答可以快速输出，而需要调用到 Agent 的复杂任务必须单独区分开来，以免「想得太多」的 Agent 拖慢日常体验。如果可以让 Agent 推理得更快，那 Agent 的响应也会越来越接近普通聊天。原则上，以后的 ChatGPT 又将恢复到最初的形态：首页只有一个对话框，不再需要专门区分聊天和工作。而为了让推理速度更快，Jalapeño 在设计之初就针对大模型推理的真实负载做了专门优化。众所周知，只要是冯·诺依曼架构下的芯片，运算速度往往都要远大于数据运输的速度。在前天的文章中我们用过一个比喻：哪怕厨房切菜翻炒的速度快如闪电，只要运输食材的速度跟不上，那再怎么快手的厨师也只能守着空灶等待。大模型的推理过程主要分为两个阶段：第一段是 Prefill，芯片一次性读懂用户输入的整段提示词，主要考验计算能力；第二段是 Decode，模型开始逐个生成 token，这一步需要反复从内存读取权重和 KV Cache，几乎必然会撞上数据搬运速度跟不上计算速度的「内存墙」。图｜OpenAI这也意味着，要想接近计算能力的上限，就需要像 OpenAI 在设计 Jalapeño 时那样，将计算核心、HBM 内存和网络通盘考虑进来协同设计，尽可能地减少读取数据的耗时。据 SemiAnalysis 披露，Jalapeño 配有 216GiB HBM4，内存带宽达到 15.4TB/s。这个数字接近微软 Maia 200 和 Google Ironwood 的两倍。如此激进的带宽，就是为了让数据能跟上计算，把那些被等待数据浪费的理论算力重新利用起来。图｜SemiAnalysis另外，Jalapeño 将计算核心和 HBM 划分成了多个彼此对应的区域，让模型权重和 KV Cache 尽量留在负责处理它们的本地内存中；需要跨区域同步时，才经过专门的高速通信网络运输数据，从而减少数据在核心、内存和芯片之间来回搬运的步骤，也减少计算单元「等菜」的时间。图｜SemiAnalysis由于计算、内存和网络资源一开始就并入芯片设计架构之中考虑，Jalapeño 达到了极其惊人的能效比——它的标称功耗为 700W，实际测试中持续功耗更是低于 550W；作为对照，英伟达的 GB200 和 GB300 标称功耗分别为 1200W 和 1400W。也就是说，Jalapeño 能够用英伟达芯片约一半的能耗，实现相对更高的推理性能。能耗就是电，电就是白花花的钱。考虑到数据中心每日面临的惊人计算需求，任何能效比的优化，都能让 OpenAI 的算力成本支出减去一截。图｜Computex 2026 keynoteOpenAI 计划在年底前，将 Jalapeño 部署到计算基础设施之中，同时第二代产品已经在开发中段，第三代也初具雏形。随着 Jalapeño 广泛使用，我们也有望见到 Tibo 更频繁地按下那颗「重置」按钮。三年造芯，九个月流片Jalapeño 的「快」不只在于性能，它的设计生产也快得不像半导体产品。据路透社报道，这个项目正式起步时间大约是 2024 年底至 2025 年初，初始成员很多来自 Google TPU 项目。而在那之前一年，OpenAI 已经邀请了前 Google TPU 负责人 Richard Ho 组建硬件团队——很显然，早在 Gemini 借助自有 TPU 算力一度弯道超车之前，OpenAI 已经意识到了自有芯片的重要性。最终，这个项目的正式亮相是在去年 10 月，当时 OpenAI 宣布将会和博通合作部署 10 吉瓦的定制 AI 加速器，「将前沿模型与产品研发经验直接融入硬件」；传出正式流片的消息，则是在去年 11 月。综合 6 月份官方博客披露这个项目从初始设计到流片只花了 9 个月、路透社估计从流片到成品需要约 6 个月、SemiAnalysis 透露在 8 月正式测试前 OpenAI 只进行了约 3 个月的芯片上电调试等消息，我们可以整理出一条清晰的时间线：Jalapeño 大约在 2025 年 2 月进入正式设计周期，11 月完成流片，今年 5 月 OpenAI 拿到第一块成品芯片，8 月份完成调试并开启公开测试。每一步都密锣紧鼓，直逼芯片设计速度的上限。据 Semiconductor Engineering 的估算，像 Jalapeño 这样高复杂度的 AI 加速芯片，从正式设计到流片通常需要 18—24 个月；OpenAI 将正式设计周期压缩到九个月，可以说是快了接近一倍，堪称是 AI 时代狂飙突进的最佳写照。实现如此速度的一个关键因素，正是 AI 本身。用 OpenAI 的话来说，AI 直接参与了 Jalapeño 的开发。他们的模型在设计期间用于探索实现方案、参与验证和修改方案、优化芯片算术电路等工作；成品芯片进入实验室后，OpenAI 又使用 Codex 和未发布的 Astra 模型，在两个月内将 GPT-OSS、DeepSeek R1 和 Kimi K2.5 几款不在 Jalapeño 原始适配计划中的模型完成了适配。作为「大加速时代」的标志和产物，AI 正在大幅缩短芯片的研发过程。第二、第三代 Jalapeño，以及其他大模型公司的专用芯片，都有可能在未来几年内跟我们见面。为什么模型公司都在自研芯片？Jalapeño 的问世固然惊艳，但 OpenAI 不是自研芯片路线上最早的玩家。为这一项目提供了无数初始人才的 Google TPU 自不必说。这款十年前开始投入数据中心的产品，如今已经迭代到了第八代。早在 2025 年的第七代产品，就是首款专为推理而设的 TPU 芯片 Ironwood；而今年发布的第八代产品，则进一步细分为了用于训练的TPU 8t 和用于推理的TPU 8i。图｜Google CloudGoogle 甚至认为 TPU 还不够专用。据 The Information 报道，Google 正在研究一颗代号 Frozen v2 的服务器芯片，尝试把 Gemini 的部分架构直接固化进硬件，它的每瓦生成 token 数量预估可达到最新 TPU 的 6—10 倍。另一厢，亚马逊 AWS 也先后开发了用于推理的 Inferentia 和兼顾训练、推理的 Trainium 芯片，通过对外出售算力来支撑云业务。作为最大外部盟友，Anthropic 已经通过 Project Rainier 获取了接近 100 万颗 Trainium 芯片的算力。但 Anthropic 也没有打算完全依赖亚马逊。就在月初，他们证实正在组建内部专用芯片研发团队，为下一代 Claude 大模型打造定制化 AI 芯片。很明显，押注自研芯片已经成为了头部大模型厂商的共同方向。这一变化最直接的理由，自然是算力效率关乎公司的经济账。我们可以做一个对比：2024 年 GPT-4o 刚刚发布时，每百万输入、输出 token 分别收费 5 美元和 15 美元；如今 GPT-5.6 Luna 已降到 0.2 美元和 1.2 美元。假设一项 Agent 任务累计使用 2 万输入 token、5000 输出 token，GPT-4o 当年的费用约为 0.175 美元，Luna 只需 0.01 美元，降幅超过 94%。如果每天执行 1000 万次，一年的公开调用金额会从约 6.39 亿美元降到 3650 万美元。当然，两个模型规模和能力并不完全相同，降价也包含算法、软件与市场竞争的共同作用，但十几倍的价格差仍然离不开计算效率的持续提升。如果能将计算效率的主导权掌握在自己手中，结合 ChatGPT 巨大的调用量，通过节省支出来收回自研芯片的投入可以说是比较轻松的。图｜NVIDIA blog成本之外，算力供给同样重要。哪怕是手握 TPU 的 Google Cloud 也不总是有余粮，他们曾因容量不足拒绝部分外部订单，近来 Gemini 的混乱据报也有内部算力争夺的原因；只有把芯片握在手里，模型研发才不会完全受制于单一供应商的产能和报价。在昨晚同步发布的在昨晚同步发布的战略文章中，OpenAI CFO Sarah Friar 将公司的战略选择概括为「以广度建生态，以自营握杠杆」（Build for breadth, own for leverage）：训练和通用计算继续采购外部高端系统，稳定且巨量的推理则由 Jalapeño 分担。第一代芯片暂不出售，也不出租，产能全部留给 OpenAI。我们不能忽视，作为模型公司，OpenAI 做自研芯片还有一个得天独厚的优势：没有别的公司比他们更了解 Agent 的实际工作流程。众多用户提供的 Agent 工作流，实际上也是在告诉 OpenAI 下一代芯片如何设计才能最好地对应自家产品的实际推理需求。Alan Kay 曾说，真正认真对待软件的人，应该制造自己的硬件。现在，这句话应该有一个大模型时代的变体：真正认真对待模型的人，也会去造一颗专属于模型的芯片。