MiniMax Design – MiniMax推出的AI Agent商业内容生产平台AI工具3天前更新AI小集03MiniMax Design是什么MiniMax Design 是MiniMax推出的 AI Agent 驱动商业内容生产平台，基于MiniMax H3多模态视频模型构建。用户只需表达创作意图，Agent 可自动理解需求、拆解任务、调用模型与工具，完成从素材处理、生成编辑到最终交付的全流程。平台提供 3D 导演台、自动剪辑字幕、ComfyUI 工作流接入等功能，擅长广告投放、电商素材、品牌短片、PV/MV 等商业内容的高效批量生产，让创作者从操作像素转向操作语义和表达意图。MiniMax Design的主要功能AI Agent 全链路创作：理解用户需求后自动拆解任务、选择 Skill 与工具、调用模型，完成从素材处理、生成编辑到最终交付的完整流程。3D 导演台：在 3D 空间中摆放角色、调整姿态与机位，提前确认构图和人物关系，再作为参考生成视频，减少无效生成。自动剪辑与字幕：镜头生成后自动完成剪辑、字幕添加和整体装配，补全”分镜→成片”的创作流程。ComfyUI 生态接入：支持本地或云端运行 H3 工作流，Agent 可协助编辑节点、调整参数；也内置精选社区工作流。语义级创作与修改：用户只需表达高层意图，系统自动理解”想要什么”并完成生成、修改、重组和编辑，无需精确到每个像素。复杂 Context 理解：支持理解整个项目的历史对话、多轮版本、品牌资产、风格偏好等，实现连贯的连续创作。如何使用MiniMax Design访问平台：访问MiniMax Design官网 https://design.minimaxi.com/ ，进入 MiniMax Design 工作界面。表达意图：用自然语言描述创作目标，如”制作一支运动鞋电商广告短片”。智能拆解：Agent 自动理解需求并拆解为分镜、素材、风格等具体任务。选择工具：系统根据任务自动匹配 Skill、模型及参考素材。生成内容：调用 H3 模型完成视频生成、编辑或参考控制。3D 预演：在 3D 导演台中摆放角色、调整机位，确认构图后再生成。自动装配：Agent 自动完成剪辑、字幕添加和成片组装。交付导出：确认效果后导出最终视频，或接入 ComfyUI 工作流进行精细化调整。MiniMax Design的核心优势Agent 全链路驱动：从理解需求、拆解任务到调用模型和交付成片，全程由 AI Agent 自动推进，无需手动切换多个工具。语义级创作：用户只需表达高层意图，系统自动理解”想要什么”并完成像素级的生成、修改与重组。H3 原生多模态底座：深度整合 MiniMax H3 模型的视频生成、编辑与参考控制能力，尤其适合高要求的视频编辑场景。3D 导演台预演：在 3D 空间中提前摆放角色、调整机位与构图，将试错成本从生成阶段前置到分镜阶段。复杂 Context 理解：不仅能理解单次输入，还能持续记忆项目历史、品牌资产、风格偏好与多轮修改记录。ComfyUI 生态兼容：支持本地或云端接入现有 ComfyUI 工作流，Agent 可协助编辑节点和精细化调参。商业内容批量交付：擅长将同一套素材快速拆解为多个适配不同平台、卖点和人群的投放版本，提升内容生产效率。MiniMax Design的同类竞品对比对比维度MiniMax DesignUpDream堆友核心定位AI Agent 驱动的商业内容生产全流程平台B站自研的一站式AI视频创作工作台阿里一站式AI设计平台（含视频生成能力）驱动模式Agent 自动拆解任务、选择 Skill、持续修改直至交付Agent 对话 + 无限画布节点 + Skills，”商量着创作”以工具箱和模板为主，用户手动选择功能模块底层模型H3 原生多模态视频模型（已开源）接入 Seedance 2.0 / 可灵 / Kling 3.0 / Wan 2.7 等 10+ 第三方模型阿里自研 Qwen-mage + Flux.1 / Nano Banana Pro 等创作方式语义级意图表达，系统理解并自动执行全流程对话式创意引导 + 节点化非线性画布，多 Agent 协同模板化 + 工具箱式，偏模块化手动操作3D 预演内置 3D 导演台，提前摆放角色、调整机位构图无原生 3D 导演台，支持角色设计三视图3D 在线编辑器（拖拽式模型编辑，非导演台）工作流支持 ComfyUI 生态接入，Agent 协助编辑节点Skills 技能库可封装工作流，社区共享复用全能画布集成多种工具，工作流灵活性有限Context 理解项目级复杂 Context（历史、品牌资产、风格偏好）长期记忆助手，记住创作风格与剪辑习惯主要基于单次输入，无项目级记忆自动装配Agent 自动完成剪辑、字幕、成片组装画布内置剪辑链路，可粗剪后导出达芬奇视频生成后需自行处理，无自动成片装配开源生态H3 模型开源，社区工作流可直接接入模型依赖第三方，Skills 社区可共享创作方法阿里生态为主，模型闭源适用人群广告/电商/内容团队、创作者、工作流开发者B站 UP 主、短视频/短剧/动画创作者设计师、电商运营、跨境卖家、自媒体MiniMax Design的应用场景电商广告批量投放：将商品信息、目标人群和传播需求交给 Agent，自动围绕不同卖点和平台规划脚本、生成素材、剪辑字幕，快速产出多个适配版本的投放短片。品牌 KOC/UGC 种草内容：根据品牌调性和产品特点，自动生成真实感强的种草视频、品牌短片，支持批量迭代不同风格的 KOC 内容。教育知识视频与 MG 动画：将教案、课件或传统故事交给 MiniMax Design，Agent 自动梳理内容结构，组织配音、画面和动画，把文字材料制作成完整的知识讲解视频。PV / MV / 电影片头制作：发挥 H3 在视频生成、参考控制和编辑方面的能力，由 Agent 规划整体创意与分镜，完成高视觉要求的创意短片、音乐视频和特效包装。皮影戏 / 文化 IP 内容创作：结合 3D 导演台和参考控制能力，将传统文化元素（如皮影戏、插画风格）转化为动态视频内容，适用于文化宣传、IP 角色宣传片等场景。# AI工具©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Qwen3.8-27B-DFlash2 - Inco AI 开源的投机解码草稿模型下一篇Lumos NexCore - 鹿明机器人推出的具身智能进化引擎相关文章namelix – AI LOGO生成器，生成个性化有吸引力的品牌名称AI小集2Kimi K2 高速版 – 月之暗面Kimi推出的高性能版模型AI小集4Toolkami – 开源 AI Agent 框架，七种核心工具支持运行AI小集2PilotDeck – 清华联合面壁智能开源的 Agent 操作系统AI小集3Skywork UniPic – 昆仑万维开源的多模态统一预训练模型AI小集3豆包Seaweed – 字节跳动推出的AI视频生成模型，基于Transformer结构AI小集9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AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架23小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集23小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Claude Code是什么Claude Code 是 Anthropic 公司推出的基于命令行的AI 编程工具。Claude Code集成先进的 Claude Opus 4 语言模型，能理解自然语言指令，自动生成、修改和调试代码，并与 VS Code、JetBrains 等主流 IDE 深度集成。Claude Code支持 200K 超长上下文，能快速索引整个代码库并理解复杂依赖关系。Claude Code 具备文件操作、代码搜索、网页浏览和 Git 工作流管理等功能，显著提升开发效率。Claude Code帮助开发者快速生成高质量代码，能直接在开发环境中执行命令，避免频繁切换界面，极大地优化开发流程。最新版推出自动安全审查功能，在漏洞发布之前捕获漏洞。Claude Code 新功能 Opus 规划模式支持高效且智能的开发规划，用户能在复杂项目中借助 Opus 4.1 模型的强大分析能力制定高质量的开发计划，在执行阶段切换到 Sonnet 模型，实现高效、低成本的代码生成。Claude Code的主要功能代码库深度理解：基于智能搜索技术，快速理解整个代码库的结构和依赖关系，无需手动选择上下文文件。多文件协同修改：能够跨多个文件进行协调一致的代码修改，确保代码逻辑的完整性和一致性。代码生成与优化：专门针对代码理解和生成进行了优化，能够快速生成高质量的代码片段、测试用例和修复代码中的问题。终端集成：直接在开发者的终端中运行，无需切换工具，减少上下文切换的麻烦。与主流 IDE 集成：支持 VS Code 和 JetBrains 等主流开发工具，直接在 IDE 中提供代码建议和修改，无缝融入现有开发流程。工作流整合：与 GitHub、GitLab 等工具集成，支持从阅读问题、编写代码、运行测试到提交 PR 的全流程操作。智能编辑：基于对代码库和依赖关系的理解，进行强大的多文件编辑，确保代码修改的有效性和可靠性。用户控制与定制：不会在未经明确批准的情况下修改文件，适应开发者的编码标准和模式，并通过 SDK 或 GitHub Actions 进行定制化配置。终端运行的/security-review命令：支持用户在终端输入此命令，Claude Code将自动检查代码中的SQL注入、XSS等安全隐患，能直接修复发现的漏洞。GitHub Actions集成：在GitHub仓库配置相关文件后，每次提交新的PR时，自动触发安全审查，检测出漏洞后在代码行上添加内联注释，解释问题并给出修复建议。Opus 规划模式：在规划阶段调用强大的 Claude 4.1 Opus 模型制定高质量开发计划，在执行任务时使用高效且低成本的 Claude 4 Sonnet 模型，实现智能与效率的结合。Agent View：让开发者在一个终端界面内同时调度、监控和管理多个并行 AI 会话，无需多开窗口可实时查看各任务状态、快速切换介入或解除阻塞。Artifacts：支持将 AI 工作过程实时生成为可共享的交互式网页，方便团队同步查看与协作。如何使用Claude Code安装 Node.js：确保系统安装 Node.js 18 或更高版本。安装 CLI：在终端运行以下命令安装 Claude Code 的命令行工具：npminstall-g@anthropic/claude-cli登录和初始化：登录：运行claude login并按照提示输入 API 密钥（从 Anthropic 官网获取）。初始化：运行claude init，连接到代码库。开始使用：生成代码：用英语描述需求，例如：claude-p"Create a function to calculate the sum of two numbers in Python"修复错误：描述错误或粘贴错误消息，例如：claude-p"Fix this error: TypeError: Cannot read properties of null (reading ’length’)“自动化任务：运行命令解决繁琐任务，例如：claude-p"Resolve merge conflicts in the current branch"集成到开发环境：终端：直接在终端中使用。IDE：安装 VS Code 或 JetBrains 插件，实现在 IDE 中使用。Claude Code 的产品定价Pro 计划：年付 $17/月，月付 $20/月。Max 5x 计划：$100/人/月。Max 20x 计划：$200/人/月。Claude Code的应用场景代码理解：快速解释复杂代码的功能和逻辑，帮助开发者迅速理解项目结构。代码修改：自动修复代码中的错误或漏洞，快速定位问题并提供解决方案。代码测试：为代码自动生成单元测试或集成测试，确保代码的可靠性和稳定性。版本控制：支持自然语言完成 Git 提交、分支管理等操作，简化版本控制流程，让 Git 操作更加便捷高效。功能实现与扩展：快速实现新功能或扩展现有功能，加速开发进度，帮助开发者高效完成任务。©️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Claude Code的工具Codeium免费的AI编程工具，智能生成和补全代码YouWare一站式 AI 编程社区与开发平台Kilo Code开源的 AI 编程扩展插件AI Code ReviewerAI代码检查MonkeyCode长亭科技开源的 AI 编程助手与企业级开发平台OpenCode开源 AI 编程工具 ， Claude Code 最佳平替6 条评论再想想发表评论wi游客此ide已放弃 ，国内无法使用，哎1年前 (2025)回复AI小集需要很强的魔法，还经常封号1年前 (2025)回复wi游客对。弄得很累，不如用亚马逊的ai ide，不用翻墙，也不封号1年前 (2025)回复3游客Claude 太强大了，可惜用不来5个月前回复Ai游客需要手机验证，不支持国内无865个月前回复AI小集是的，最好搞一个美国手机号5个月前回复

DeepSeek Harness – DeepSeek 推出的 AI 智能体运行框架AI工具3天前更新AI小集06DeepSeek Harness是什么DeepSeek Harness 是 DeepSeek 推出的 AI 智能体运行框架，采用”一切皆插件”理念，基于 Cordis 系统构建。模型、工具、技能、会话、沙箱、存储、调度、UI 等全部能力均为插件，可自由组合替换。DeepSeek Harness提供标准、PTC、极简、创造四种运行模式，支持全程轨迹追踪与回放。DeepSeek Harness 对标OpenAI Codex与Anthropic Claude Code，主攻编程和办公场景，实现从需求理解到代码交付的完整闭环。DeepSeek Harness的主要功能一切皆插件的 Agent 框架：模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均以插件形式实现，开发者无需修改源码可替换或扩展任意组件。四种运行模式标准模式：完整编码 Agent，支持文件编辑、Shell、网页检索、Skills、计划、子代理和工作流PTC 模式：在标准模式基础上，通过 Code Mode SDK 让模型用 TypeScript 程序组合多步工具调用极简模式：仅保留 bash 和文件编辑两个工具，用于模型基准测试创造模式：支持运行时检查、插件实验和自定义 Agent preset 创作轨迹追踪与会话管理采用仅追加（append-only）的会话日志设计，完整记录系统提示词、思维链、工具调用、子 Agent 调度、上下文注入等全部事件。支持会话恢复、分叉、检索与回放，彻底解决 Agent 黑盒问题。多智能体协作：主 Agent 可将任务委派给子 Agent，支持并行执行、工作流编排、计划模式、目标追踪、待办事项和后台任务管理，覆盖长任务和复杂自动化场景。安全与权限控制：默认采用 workspace-write 模式限制文件/命令执行范围；工具调用经过前置策略、安全守卫、执行包装和后置处理流水线；权限切换和审批请求全部进入会话日志，支持事后审计。多种交互入口：提供 Web UI（默认localhost:3080）、TUI 终端界面、Headless 脚本模式、ACP 服务和 JSON-RPC/Python SDK，同一套核心能力可通过不同配置组装成不同产品形态。RC.8 版本：多模态输入增强：DeepSeek Harness v0.1.0-rc.8 增强多模态支持，模型适配器可启用原生图片请求，核心命令支持图文混合输入，且@菜单可引用文件与历史会话。子代理统一编排：将 Claude Code 和 Codex 纳入子代理编排体系，支持作为 Profile Bundle 按需安装调用，Codex 新增非交互权限与多命名实例运行能力。工具与终端体验优化：优化工具调用与终端体验，web_search支持并发查询，Windows PTY 终端新增持久化 PowerShell 会话，并简化了本地安装启动流程。DeepSeek Harness的技术原理基于 Cordis 插件元框架：Cordis 是 Harness 的底层插件系统，只负责插件的加载、卸载和依赖管理。每个插件向共享上下文（Context）注册服务、类型化事件和可逆副作用，卸载时自动撤销注册，避免系统残留状态。运行时 Harness 本质上是一个 Cordis Context，不同包向其中注册服务与能力，最终由配置文件组合成可运行的智能体。插件树与配置层组合：运行时的dsh是按层叠加的插件树。配置通过 Profile（具名组装）+ Bundle（配置行与代码分发单元）+cordis.patch.yml（用户补丁）顺序叠加，后层可替换或插入新配置。同一套代码可被组装成完全不同的产品形态。能力接缝（Capability Seam）三层分离：任何能力都拆分为，接口定义（服务定义）、实现提供者（具体执行）、消费者（面向模型的工具包）。例如 Bash 能力，接口定义”执行命令”，本地实现创建进程，工具包将其转为模型可理解的 schema。替换实现层（如本地 Shell → 远程容器）无需重写模型工具或 Agent Loop。Agent Loop 生命周期：Turn：一次用户输入开启的完整轮次Step：一次模型请求 + 后续工具调用流程严格按事件驱动：输入 → 组装提示词与工具 Schema →agent/pre-step→ 模型请求 → 流式输出 → 工具调用 →tools/pre-execute→tools/execute→tools/post-execute→ 交回后续 Step。工具执行支持并发安全检测、屏障隔离和超时重试。Session Log 作为权威事件源：核心设计原则：模型可见的内容必须能从日志重建。用户消息、助手输出、工具调用与结果、上下文压缩、权限变化、取消原因等全部以事件形式进入追加式会话流。界面显示、持久化、恢复、Fork、遥测和回放均从同一事件源派生，而非各自维护状态。这确保了调试、审计和复现的可靠性。核心包职责分离：core/session：仅追加会话事件日志core/system-prompt：组装提示词片段和工具 Schemacore/tools：工具注册与受控执行流水线core/agent：Agent 接口与活跃实例注册表core/agent-loop：默认驱动llm/llm：消息、流式输出和模型适配器接缝自指与动态扩展：创造模式提供自指 Cordis 工具，支持 Agent 检查当前运行时插件树，动态挂载/卸载临时插件。动态插件仍运行在 Cordis 的 Context 和 Effect 机制下，注册项有明确的清理路径。安全流水线：经过完整流水线：前置策略 → 不可逆安全守卫 → 实际执行 → 后置处理 → 内容整理 → 结果通知。被守卫拒绝的操作不能被后续插件重新放行，系统采用”失败关闭”原则。微信关注回复“开源”，加入AI开源项目交流群如何使用DeepSeek Harness安装启动：快速体验（需已安装 Node.js）：npx @deepseek-ai/dsh web源码安装：gitclone https://github.com/deepseek-ai/deepseek-harness按仓库 README 完成依赖安装后启动。配置模型：打开 Web UI（默认localhost:3080），需填写模型 API Key。支持接入 DeepSeek 模型（需到 DeepSeek 开发平台购买）或其他第三方模型。选择工作区与预设：选择本地工作目录（项目文件夹）选择Agent 预设：标准模式：完整编码 Agent，支持文件编辑、Shell、检索、Skills、计划、子代理PTC 模式：标准模式 + Code Mode SDK，模型用 TypeScript 程序组合多步操作极简模式：仅 bash + 文件编辑，用于基准测试创造模式：支持自定义 Agent preset，可运行时检查插件树并动态扩展开始交互：在输入框描述需求，Agent 即可自动执行代码编写、文件操作、网页检索等任务。通过「轨迹」视图可查看原始事件级运行日志，支持会话回放与分叉。插件管理在设置中查看/启用/停用 100+ 内置插件，或通过配置文件自定义插件组合，无需修改源码可替换任意能力组件。DeepSeek Harness的核心优势开放生态：不限于接入 DeepSeek 自家模型，计划通过标准化接口支持多模型接入，与 Claude Code 的封闭策略形成鲜明差异化。极致性价比：配合 DeepSeek 低价缓存机制，社区实测单次真实编程任务平均成本仅约 0.028 美元，约为 Claude Code 的七分之一。安全合规：国产自研框架无后门隐患，恰逢 Claude Code 被工信部确认存在严重安全后门、国内大厂加速排查管控的替代窗口期。系统可靠性：团队负责人崔添翼拥有 Jane Street 九年量化交易背景，长期专注于”如何让复杂系统稳定运转”，将金融级执行可靠性带入 Agent 工程。模型解耦：Harness 团队与模型团队独立运作、独立注册公众号，以独立于大模型的业务形态推进，生态合作灵活性和扩展性显著更强。Harness 效能：同一模型在不同 Harness 下表现可差出 53 个百分点，DeepSeek Harness 能让中等强度模型以极低价格完成大部分标准化任务，实现”便宜模型打出豪华战绩”。端到端闭环：覆盖上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化五大核心模块，实现从需求理解到代码交付的完整自动化闭环。DeepSeek Harness的项目地址项目官网：https://www.deepseek.com/harness/GitHub仓库：https://github.com/deepseek-ai/deepseek-harnessDeepSeek Harness的同类竞品对比对比维度DeepSeek HarnessCodexClaude Code开发公司深度求索（DeepSeek）OpenAIAnthropic产品定位AI 智能体运行框架终端原生编程智能体终端原生编程智能体模型接入策略开放多模型，计划支持第三方模型接入仅限 OpenAI 官方模型仅限官方 Claude 模型，曾通过隐写手段限制非官方端点生态开放度开放共建，面向全球征集插件、Skill、MCP 及第三方界面生态伙伴闭源运营，生态由官方控制封闭生态，逆向工程修改令牌后被官方限制安全合规国产自研，无后门隐患，符合国内监管要求美国公司，存在数据跨境风险被工信部 NVDB 确认存在安全后门隐患（2.1.91–2.1.196 版本）单次任务成本约$0.028（配合低价缓存机制）较高较高（Claude Code 年化收入已达 25 亿美元级别）核心架构五大模块：上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化内置工具调用与代码执行环境内置工具调用与代码执行环境团队背景负责人崔添翼，Jane Street 九年量化交易与系统开发背景OpenAI 内部研究团队Anthropic 内部研究团队DeepSeek Harness的应用场景智能编程开发（VibeCoding）：开发者通过自然语言描述需求，Harness 自动完成从代码生成、运行测试、报错捕获到自我修正的完整闭环，实现端到端的软件交付。办公自动化：Harness 调用文件系统、浏览器及各类 API，自动完成文档处理、数据分析、邮件分类回复和日程安排等日常办公任务，替代重复性人工操作。系统运维与 DevOps：通过终端命令执行服务器部署、监控配置、日志分析和故障排查，集成到 CI/CD 流水线中实现代码的自动构建、测试与发布。多 Agent 协作项目：协调产品经理、架构师、开发工程师、测试工程师等不同角色 Agent 分工合作，统一调度完成大型复杂项目的拆解与交付。企业私有化部署：在金融、政务、医疗等安全敏感行业的本地环境中部署，对接内部 ERP、CRM、数据库等私有系统，实现安全可控的智能化改造。DeepSeek Harness面临的挑战先发巨头挤压：OpenAI Codex 与 Anthropic Claude Code 已占据智能体代码市场头部地位，Claude Code 年化收入达 25 亿美元且占 GitHub 公开提交量 4%，DeepSeek Harness 作为后来者需在生态和用户习惯上实现突破。开发者生态冷启动：Harness 的核心价值高度依赖插件、Skill、MCP 及第三方界面等生态伙伴的丰富度，而生态建设需要长期积累，短期内难以与已成熟竞品抗衡。长程任务可靠性验证：Agent 框架需要处理多轮推理、工具调用和失败重试等复杂场景，从内测到证明其在真实生产环境中稳定交付长程任务，仍有大量工程验证工作。多模型适配的工程复杂度：开放支持多模型接入虽为差异化优势，但不同模型的上下文机制、工具调用格式和推理

Lumos NexCore – 鹿明机器人推出的具身智能进化引擎AI工具3天前发布AI小集03Lumos NexCore是什么Lumos NexCore 是鹿明机器人推出的具身智能进化引擎，定位为面向产业落地的技能基础设施。Lumos NexCore 将数据资产、模型训练、评测验证、技能管理和机器人运营整合为平台服务，让机器人技能从手工作坊式开发转变为可训练、复用、持续迭代的资产，实现像云服务一样被调用和验证，推动具身智能从单点Demo走向规模化产业应用。Lumos NexCore的主要功能数据资产平台：统一归集真实、仿真与视频数据，让每条数据都可检索、可标注、可复用，解决技能生产的原料问题。模型训练平台：托管训练全流程的任务编排、参数优化与过程追踪，客户无需自建算法环境即可一键启动模型训练。评测验证：通过多维评测与能力诊断，将模型表现转化为可量化、可复现的验收证据，让技能质量有据可依。技能管理：将训练好的模型连同代码、参数和执行策略打包成可发布、可版本化、可跨场景复用的技能单元。机器人运营：连接真实设备，把运行中的状态、日志与高价值样本自动回流至平台，驱动下一轮训练与技能迭代。自然语言编排：用户只需用口语描述任务目标，平台可自动编排后续的数据准备、训练与部署流程。Lumos NexCore的技术原理闭环飞轮机制：真实机器人执行任务 → 产生新数据与失败样本 → 数据回流至平台 → 重新训练优化模型 → 生成新版技能 → 部署回设备执行。通过持续的数据闭环，让机器人能力在真实作业中自我进化。平台化替代项目制：传统机器人技能开发是「手工作坊式」：每接新场景就重新走一遍采集、训练、调参、部署、返工。NexCore 将这一流程标准化、托管化，使技能生产从依赖工程师个人经验转变为可观察、可追溯的平台服务。技能资产化：模型被封装为包含代码、参数、执行策略的「技能单元」，可跨场景复用、版本管理和持续迭代，实现像云服务一样被调用。有效数据 Scaling：区别于单纯追求数据采集时长，NexCore 强调有效数据量——即覆盖任务分布、包含失败与恢复样本、可跨机器人迁移、能真正提升模型成功率的数据。其底层 Scaling Law 建立在「任务经验」而非「数据量」之上。形态解耦：平台不绑定特定本体，核心技术栈可迁移复用。硬件形态由任务约束决定，大脑（模型与技能体系）保持统一，实现跨场景的能力复用。如何使用Lumos NexCore发送邮件至 builder@lumosbot.tech 申请试用，通过自然语言描述任务目标，平台可自动完成从数据准备、模型训练、评测验证到多机部署的全流程，在真实运行中持续迭代优化技能。Lumos NexCore的核心优势闭环进化：打通数据、训练、评测、技能与设备运营的全链路，让机器人在真实作业中持续自我迭代。低门槛开发：支持自然语言描述任务目标，自动编排后续流程，让懂业务的人无需算法团队也能参与技能开发。技能资产化：将模型打包为可发布、可复用、可版本管理的技能单元，实现从项目定制到平台化调用的转变。硬件解耦：兼容鹿明生态与非鹿明生态的多种机器人本体，技能即训即用，不受硬件形态限制。产业验证：基于三菱电机等真实产线锤炼，其旗舰大脑 Prime R0 在 MolmoSpaces 零样本评测中位列全球第一。有效数据 Scaling：以任务经验而非单纯数据量驱动进化，强调覆盖任务分布、失败样本与跨机迁移的真实价值数据。Lumos NexCore的同类竞品对比对比维度Lumos NexCoreNOKOV 影擎 ShadowEngine产品定位面向产业具身的”技能基础设施”，让机器人能力像云服务一样被调用、训练和验证端到端机器人AI训练平台，整合动作采集、数据管理、重定向、遥操作、训练与验证的全链路核心架构数据资产、模型训练、评测验证、技能管理、机器人运营五大模块影擎·汇、影擎·源、影擎·译、影擎·遥、影擎·训、影擎·验六大模块数据闭环支持真实/仿真/视频数据统一索引，真机运行数据自动回流驱动迭代多模态数据实时汇聚同步，Sim2Real闭环验证，真机数据反馈回训练平台技能复用将模型打包为可发布、可复用、可版本管理的技能单元，支持跨场景调用提供1000+小时标准化人体动作数据资产，支持批量仿真与导出专家训练数据硬件适配兼容鹿明生态与非鹿明生态的多种机器人，不绑定特定大脑或本体已适配宇树G1等主流人形机器人，支持URDF/MJCF开放接口快速接入使用门槛自然语言描述任务目标即可自动编排全流程，无需自建算法团队需配合光学动捕设备与仿真环境，面向科研团队与机器人企业Lumos NexCore的应用场景科研实验：为高校与实验室提供从数据采集到技能部署的全链路研究平台，加速具身智能算法迭代。工业制造：在工厂产线完成质检、物流、搬运、上下料等任务，并通过真实作业数据持续优化技能。商业服务：支撑酒店、楼宇等场景的”取-运-送”全流程服务，实现跨任务快速适配与部署。文娱展示：为机器人表演、展览互动提供可编排、可迭代的技能资产，支持多形态硬件复用。# 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 Design - MiniMax推出的AI Agent商业内容生产平台下一篇水豚桌面 - 免费 AI 桌面工作台，智能分类桌面应用与文件相关文章InfiniteYou – 字节跳动开源的身份保持图像生成框架AI小集3靠岸学术 – AI学术研究辅助工具，集成论文PDF阅读、学术翻译、文献管理等多功能AI小集3Hallo3 – 复旦联合百度开源的高动态与真实感肖像动画生成框架AI小集3CineMaster – 快手推出的文本到视频生成框架，具备3D感知能力AI小集3豆包视频生成1.0 pro fast – 火山引擎推出的AI视频生成模型AI小集3HOMIE – 香港科技大学开源的数字人视频生成框架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搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架22小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集22小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Ling 3.0 Flash – 蚂蚁百灵推出的轻量级 MoE 推理模型AI工具2天前更新AI小集02Ling 3.0 Flash是什么Ling-3.0-Flash 是蚂蚁集团百灵大模型推出的轻量级 MoE 推理模型，总参数量 124B、每 token 激活 5.1B 参数，支持 256K 超长上下文与思考/非思考双模式。模型专为高频 Agent 工作流、编码 Agent、文档处理及长上下文多轮对话设计，强调在有限 token、延迟和成本预算内完成更多有效工作，实现生产级 token 高效推理。其对应的开源底座 Ling-3.0-flash-base（124B 总参 / 5.1B 激活）保留了原始预训练能力，为面向大型代码库、多步推理及专业领域 Agent 任务的持续训练与拓展提供了开放起点。Ling 3.0 Flash的主要功能双模式推理：支持 thinking（深度思考）与 non-thinking（快速响应）两种模式，灵活切换推理深度与响应速度。超长上下文处理：支持256K token 上下文窗口，可一次性处理长文档、多轮对话及复杂代码库。Agent 工作流支持：原生适配多步 Agent 运行，支持工具调用与隐式缓存，提升任务执行效率。Token 高效推理：MoE 架构仅激活 5.1B 参数，在保持性能的同时显著降低推理成本与延迟。统一 API 接入：通过 Vercel AI Gateway 一键调用，支持流式输出与多提供商路由。Ling 3.0 Flash的技术原理混合专家架构（MoE）：采用稀疏激活的 Mixture-of-Experts 架构，总参数量达 124B，但每 token 仅激活约 5.1B 参数。通过门控网络动态路由输入至特定专家子网络，在保持大模型表达能力的同时大幅降低计算开销与推理成本，实现参数规模与推理效率的解耦。双模式推理机制：内置 thinking 与 non-thinking 两种推理路径。Non-thinking 模式直接输出结果，适用高频、低延迟场景；Thinking 模式激活深度推理链，通过多步内部思考提升复杂任务准确率。两种模式共享底层参数，通过控制信号切换，无需加载独立模型。超长上下文建模：支持 256K token 上下文窗口，采用优化的位置编码与注意力机制处理超长序列。结合隐式缓存策略，在多轮 Agent 交互中复用历史计算的 KV 缓存，避免重复编码，显著降低长对话与多步任务的整体延迟。Token 高效 Agent 推理：针对 Agent 工作流优化推理路径，在严格限制的 token、延迟与成本预算内完成多步工具调用与决策。通过压缩中间表示、精简推理步骤，确保高频 Agent 场景下的响应速度与经济性，实现生产级规模的可持续部署。如何使用Ling 3.0 Flash通过 Hugging Face 获取权重：访问 https://huggingface.co/inclusionAI/Ling-3.0-flash 下载模型权重文件，模型采用 MIT 许可证可自由商用。用 SGLang 部署服务：参考官方 SGLang 部署说明配置推理环境，集成 HiCache 缓存架构以降低长任务首 Token 延迟。用 vLLM 部署服务：按官方 vLLM 部署文档搭建兼容 OpenAI 接口的 API 服务，便于接入现有应用生态。Ling 3.0 Flash的核心优势延迟优化：专为高频场景设计，P50 首 token 延迟与吞吐量表现优异。生产级稳定：支持自动重试、故障转移与高于单一提供商的可用性保障。隐私合规：内置 Zero Data Retention（零数据保留）支持，满足企业安全要求。生态兼容：完美接入 Vercel 开发生态，与现有 AI SDK 无缝集成。Ling 3.0 Flash的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-flashhttps://huggingface.co/inclusionAI/Ling-3.0-flash-baseLing 3.0 Flash的同类竞品对比维度Ling-3.0-FlashGPT-4o-mini架构MoE（124B/5.1B 激活）Dense上下文256K128K定位Agent 推理、代码、长文档通用轻量对话成本策略限时免费后按量计费按量付费接入方式Vercel AI GatewayOpenAI API特色双模式推理、隐式缓存多模态输入Ling 3.0 Flash的应用场景智能客服 Agent：基于 256K 上下文记忆用户历史，执行多轮复杂咨询与工单处理。代码辅助开发：快速理解大型代码库，生成、重构与审查代码，支持 thinking 模式深度 debug。长文档分析：一次性处理论文、财报、法律合同等超长文本，提取关键信息与生成摘要。自动化办公流：连接日历、邮件与文档工具，自动完成日程安排、邮件起草与数据整理。实时搜索增强：结合 Web Search 能力，执行多步信息检索、交叉验证与结构化报告生成。# 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MAI-Voice-2-Flash - 微软推出的高速语音合成模型下一篇BigMac - 小红书开源的多模态大模型流水并行训练框架相关文章JoyAI-Image-Edit – 京东开源的指令引导图像编辑模型AI小集2Baichuan-M2 – 百川智能推出的开源医疗增强大模型AI小集3AudioFly – 科大讯飞开源的文生音效模型AI小集3CogVideoX-Fun – 基于CogVideoX的整合包，支持生成无限长度的视频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2TalkCody – 开源AI编程助手，即时体验最新模型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搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架23小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集23小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前

Ling-3.0-tiny – 蚂蚁百灵推出的原生混合推理模型AI工具2天前更新AI小集02Ling-3.0-tiny是什么Ling-3.0-tiny是蚂蚁百灵推出的原生混合推理模型，总参数 7.9B、每 token 仅激活 1.3B，面向数学推理、指令遵循及资源敏感型部署优化。模型原生支持工具调用，可胜任移动设备与浏览器 UI 自动化控制任务，支持完全本地推理。目前已上线OpenRouter与 Vercel。其开源底座 Ling-3.0-tiny-base（7.9B 总参 / 1.3B 激活）保留了原始预训练能力，为研究者低成本开展代码训练、强化学习后训练及 MoE 消融实验提供了轻量可塑的开放起点。Ling-3.0-tiny的主要功能混合推理架构：总参数 7.9B，每 token 仅激活 1.3B，在数学推理与指令遵循任务上实现高效计算。原生工具调用：内置工具使用能力，可直接驱动浏览器 UI 控制与移动设备自动化操作。完全本地推理：无需云端依赖即可运行，集成 obsidian-cli 后可从本地文本库检索、整理并生成内容。轻量文本生成：针对本地网页翻译、日常任务处理等高频场景提供低延迟文本生成服务。Ling-3.0-tiny的技术原理稀疏混合专家架构（MoE）：模型总参数量达 7.9B，但通过门控路由机制每 token 仅激活约 1.3B 参数，在保持大模型表达能力的同时将推理计算量压缩至稠密小模型级别。原生混合推理路径：内置多条差异化推理通道，可根据任务复杂度动态选择轻量快速响应或深度链式思考路径，平衡数学推理精度与日常指令遵循的响应速度。门控路由与负载均衡：采用可学习的路由器为每个 token 分配最优专家子集，并辅以负载均衡损失函数，防止专家崩溃，确保 7.9B 参数空间被高效且均匀地利用。工具调用原生嵌入：在预训练或对齐阶段将工具使用模式直接编码进模型表征空间，使模型无需外部插件可生成符合工具接口规范的调用指令，实现浏览器 UI 与移动设备的自动化控制。端侧部署优化：针对本地推理场景进行量化压缩与 KV-Cache 内存优化，支持在消费级硬件上完全离线运行，消除云端依赖并降低高频 API 调用的网络与算力开销。如何使用Ling-3.0-tiny访问平台：访问 OpenRouter 官网（https://openrouter.ai）或 Vercel AI Gateway 页面。选择模型：搜索并进入 inclusionai/ling-3.0-tiny:free模型详情页。获取权限：注册或登录账号，在免费试用期内直接获取 API 密钥并调用服务。等待开源：关注 Ant Ling 官方渠道，待权重开源后下载模型文件进行本地部署。集成工具：配置 obsidian-cli 或浏览器自动化插件，启用本地知识检索与 UI 控制功能。Ling-3.0-tiny的核心优势极致轻量：仅激活 1.3B 参数可运行，推理成本与显存占用远低于同规模稠密模型，适合端侧与边缘部署。隐私优先：支持完全本地运行，数据不出设备，满足金融、医疗等对数据安全要求极高的场景。工具原生：无需额外微调或插件即可调用外部工具，降低自动化流程的开发门槛。Ling-3.0-tiny的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-tiny-baseLing-3.0-tiny的同类竞品对比维度Ling-3.0-tinyQwen2.5-7B-Instruct架构原生混合推理（7.9B/1.3B 激活）稠密架构（7B 全激活）推理成本每 token 仅 1.3B 激活，极低7B 全激活，相对较高工具调用原生支持支持本地优化专为端侧与高频 API 场景深度优化通用型本地部署开源状态权重即将开源已开源Ling-3.0-tiny的应用场景移动设备智能助手：在手机端离线完成翻译、问答与日程管理，无需联网即可响应。浏览器自动化：通过原生工具调用自动执行网页表单填写、信息抓取与 UI 交互任务。本地知识管理：集成 obsidian-cli 构建完全私有的知识库，实现本地文档检索与智能摘要。企业边缘部署：部署于工控机或内网环境，在资源受限设备上提供合规的 AI 服务。高频轻量服务：作为后台常驻接口处理网页翻译、内容生成等高频请求，显著降低算力开支。# 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Wan3.0 - 阿里万相最新推出的视频生成大模型下一篇SALMONN-2 - 清华等开源的通用音频大语言模型相关文章SceneXplain – AI图像描述生成工具，擅长描述多个对象、交互和上下文的复杂场景AI小集2Leonardo.ai – 免费的AI绘画和图像生成工具和社区AI小集19BestBlogs – 开源的一站式AI内容聚合平台AI小集4OmniAvatar – 浙大联合阿里推出的音频驱动全身视频生成模型AI小集2QBot – 腾讯QQ浏览器推出的全新AI浏览器AI小集3流畅阅读 – 开源AI浏览器翻译插件，支持双语对照显示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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架23小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集23小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前

SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型AI工具2天前发布AI小集03SenseNova U1.5 Lite是什么SenseNova U1.5 Lite 是商汤科技开源的轻量级原生统一多模态大模型，专为真实视觉创作流程设计。模型原生支持 3-4k 字符超长指令遵循，具备高质量视觉生成、可靠的图像编辑、精准文字排版、精细视觉控制及原生 4K 输出能力，可稳定完成海报、信息图等复杂视觉交付任务，面向全球开发者与创作者开源。SenseNova U1.5 Lite的主要功能超长指令遵循：原生支持 3-4k 字符上下文，可同时处理主体、数量、空间关系、文字、布局、风格等多重复杂约束。高质量视觉生成：改善构图、色彩、材质、光影与真实感，减少局部正确但整体完成度不足的问题。原生图像编辑：增强主体身份保持与非编辑区域保护，支持局部修改、元素替换、文字精修和多参考图编辑。文字与复杂布局：强化中英文文字渲染、海报、信息图与品牌视觉的多文本排版能力。精细视觉控制：支持 Bounding Box、Visual Marker 及单图/多图参考，实现对指定区域和对象的精准编辑。原生 4K 输出：在高分辨率生成中兼顾整体构图与极精细肌理、微小文字和光影折射。SenseNova U1.5 Lite的技术原理数据与任务重构：模型围绕真实视觉交付需求重新完善训练数据分布与任务设计，针对复杂指令遵循、文字排版、图像编辑和 4K 生成等核心能力构建专项训练数据，确保模型能力从追求”画面美感”转向”稳定完成真实视觉任务”。后训练流程优化：通过强化视觉质量、复杂指令遵循、文字与布局、原生 4K、原生图像编辑和精细视觉控制等维度的后训练流程，系统性提升模型在真实创作场景中的执行稳定性与可控性，使各项能力能够更准确、更稳定地进入实际工作流。原生统一多模态架构：作为轻量级原生统一多模态大模型，其架构实现了文本与视觉信息的深度融合，使模型能直接理解复杂图文指令并在统一框架内完成生成与编辑任务，无需额外的模态转换或拼接模块，在 8B 参数量级下实现高效的视觉创作能力。微信关注回复“开源”，加入AI开源项目交流群如何使用SenseNova U1.5 Lite在线体验：访问 SenseNova Studio官网 https://unify.light-ai.top/可在网页端直接体验，无需本地部署。开源部署：前往 GitHub仓库https://github.com/OpenSenseNova/SenseNova-U1下载源码，在本地或服务器上直接部署运行。获取模型权重：访问 Hugging Face模型库 https://huggingface.co/collections/sensenova/sensenova-u15下载模型文件，集成到自有框架中推理使用。SenseNova U1.5 Lite的核心优势超长指令理解与执行：原生支持 3-4k 字符超长复杂指令，能精准解析并执行包含主体、数量、空间关系、文字、布局、风格等多重约束的视觉任务。真实创作流程稳定性：从追求画面美感转向真实视觉交付，确保生成与编辑能力在复杂创作流程中稳定可用、精准可控。精准图像编辑：具备可靠的原生图像编辑能力，能在修改局部元素的同时保持主体身份、空间结构和非编辑区域完整不变。文字与复杂排版：强化中英文文字渲染与复杂排版，可高质量完成海报、信息图、品牌视觉等多文本布局任务。精细视觉控制：支持 Bounding Box、Visual Marker 及多图参考等精细视觉控制方式，实现对指定区域和对象的精准编辑。原生 4K 高清输出：支持原生 4K 高分辨率输出，在超高分辨率下兼顾整体构图与极精细的肌理、微小文字和光影折射。SenseNova U1.5 Lite的项目地址GitHub仓库：https://github.com/OpenSenseNova/SenseNova-U1HuggingFace模型库：https://huggingface.co/collections/sensenova/sensenova-u15SenseNova U1.5 Lite的同类竞品对比对比维度SenseNova U1.5 LiteJanus-Pro-7B参数规模8B（MoT 架构）7B模型定位原生统一多模态生成与编辑模型，专注真实视觉创作交付统一多模态理解与生成模型，侧重视觉理解与生成的平衡指令长度原生支持 3-4k 字符超长复杂指令遵循主要支持常规长度文本指令，超长复杂指令遵循能力有限图像编辑原生图像编辑，支持局部修改、元素替换、非编辑区域保持具备基础图像生成能力，原生图像编辑与区域保持能力较弱文字渲染强化中英文文字、复杂海报排版与信息图布局文字渲染能力一般，复杂排版与信息图生成非其核心优势分辨率输出支持原生 4K 高分辨率输出主要支持常规分辨率生成视觉控制支持 Bounding Box、Visual Marker、多图参考等精细控制视觉控制方式相对有限SenseNova U1.5 Lite的应用场景创意海报与封面设计：根据超长图文指令生成高审美完成度的海报、杂志封面、活动主视觉，精准控制文字排版、空间层次与风格调性。信息图与数据可视化：将复杂数据、旅行攻略、知识科普等内容转化为结构清晰、图文混排的高密度信息图，确保文字准确与视觉逻辑连贯。品牌视觉与营销物料：为品牌快速生成统一风格的系列视觉物料，包括产品包装、社交媒体配图、广告 Banner，并保持品牌字体与视觉元素的一致性。电商产品图编辑与优化：在保留产品主体和背景的前提下，进行局部元素替换、文字精修、光影调整，实现低成本、高效率的商品图迭代。社交媒体内容创作：为创作者提供从概念到成图的一站式支持，生成带有精致排版和个性化文字的图文内容，适配小红书、Instagram 等平台的高频发布需求。# 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FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具下一篇DeepSeek-V4-Flash-Vision-Exp - DeepSeek 推出的多模态视觉理解模型相关文章小乖记账 – AI智能记账应用，语音输入自动分类和整理财务数据AI小集2LAM – 微软推出的大型行动模型，能自主操作Windows程序AI小集415个免费的AI 3D模型生成工具，零门槛制作逼真三维模型AI小集16Crawl4AI – 基于Python的异步爬虫框架，高效同时处理多个网页AI小集2Granite 3.1 – IBM 推出的新版语言模型AI小集2腾讯混元Turbo S – 腾讯推出的新一代快思考模型AI小集6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AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架22小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集22小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Codex Harness – OpenAI 开源的 AI Agent 底层执行框架AI工具2天前发布AI小集04Codex Harness是什么Codex Harness 是 OpenAI 开源的 AI Agent 底层执行框架。Codex Harness 是驱动 Agent 的外骨骼，负责任务理解、记忆保持、工具调用、进度展示、失败处理及人类审批等完整执行循环。开发者可通过 CLI、SDK 和 app-server 三大组件，将 AI 智能体无缝嵌入自有产品、运营看板或业务系统，无需再把工作流硬塞进通用聊天框。Codex Harness的主要功能Agent 执行循环：驱动 AI 智能体完成从任务理解到结果输出的完整迭代流程。上下文与记忆管理：在长对话中保持上下文连贯，智能压缩和审查相关信息。工具与技能调用：支持 AI 灵活调用外部 API、数据库及自定义业务工具。沙箱安全执行：提供隔离的运行时环境，确保文件系统与网络操作安全可控。流式事件传输：支持实时向应用前端推送 AI 的思考过程与执行进度。人类审批介入：在关键操作前自动暂停并请求人类确认，实现安全的人机协作。会话持久化：支持跨会话保存和恢复对话状态、线程与任务生命周期。前后端解耦架构：将审批界面与底层执行循环分离，便于无缝嵌入任意业务系统。如何使用Codex Harness获取开源代码：前往 GitHub 的openai/codex仓库克隆项目，即可解锁完整的 Harness 工具库。CLI 快速执行：用codex exec命令行工具运行有边界的 Agent 工作流，适合脚本和 CI 自动化任务。SDK 编程集成：通过 TypeScript 或 Python 版官方 SDK，在代码中精准启动、恢复或流式传输 Codex 任务。App-Server 产品嵌入：部署 Codex app-server，通过 JSON-RPC 协议将 Agent 循环深度集成到自有业务系统。暴露业务工具：将应用自身的 API、数据库及操作接口通过 MCP 协议暴露给 Harness，让 AI 调用真实业务数据。配置审批流程：在前端接入审批界面，Harness 会在关键操作前自动暂停并请求人类确认，实现安全的人机协作。流式事件监听：订阅 Harness 的流式事件输出，在应用前端实时展示 AI 的思考过程与执行进度。注入业务上下文：向 Harness 传入产品界面状态、用户行为及业务规则，让 AI 基于真实场景而非通用聊天框工作。Codex Harness的核心优势开源可嵌入：开发者可将 AI Agent 执行循环直接嵌入自有产品、运营看板或业务系统，无需把工作流硬塞进通用聊天框。前后端彻底解耦：应用层掌控界面、上下文、工具与审批流程，Harness 层专注 Agent 循环与沙箱执行，通过 JSON-RPC 协议实现通信分离。Harness 设计即性能：在 ARC-AGI-3 基准上仅优化 Harness（保留推理+上下文压缩），GPT-5.6 Sol 得分从 13.3% 飙升至 38.3%，Token 消耗减少 6 倍。沙箱安全执行：内置隔离运行时环境，严格控制文件系统、网络访问与运行时审批，确保 Agent 动作可控、可审计、可回滚。原生 Human-in-the-Loop：在关键操作前自动暂停并请求人类确认，审批通过后才继续执行，天然适合容错率极低的业务场景。流式事件与持久会话：支持实时向前端推送 AI 思考与执行进度，并可跨会话保存和恢复线程状态，适配长周期工作流。模型无关的执行引擎：Harness 是编排层而非模型层，可与不同底层模型配合，聚焦「如何管理模型」而非绑定特定模型。Codex Harness的项目地址项目官网：https://developers.openai.com/blog/codex-as-a-platformGitHub仓库：https://github.com/openai/codexCodex Harness的同类竞品对比对比维度Codex HarnessLangGraph核心定位将 Agent 循环作为可嵌入产品的底层执行引擎基于图状态机的 Agent 工作流编排框架架构设计前后端分离：应用层控制界面/审批，Harness 处理执行循环节点-边模型：开发者定义显式状态流与检查点审批机制原生内置 Human-in-the-Loop，关键操作自动暂停请求确认需开发者手动在节点间插入中断/审批逻辑沙箱执行内置隔离运行时，控制文件系统、网络与工具访问无原生沙箱，需依赖外部容器/环境隔离集成方式JSON-RPC 协议连接 App-Server，流式事件实时推送作为 Python/JS 库直接嵌入代码，检查点持久化适用场景已有成熟业务界面的产品，需 AI 在底层执行且人类掌控审批需要精确控制多步骤状态流转的复杂工作流编排Codex Harness的应用场景财税合规自动化：嵌入税务准备工作流，AI 处理复杂税务逻辑并自动填充申报表，税务师在关键字段审批确认，已验证处理 7,000 份申报表、准备时间缩短约三分之一。企业云平台应用构建：如 Cisco App Builder，客户在其云控制平台内使用自然语言创建自定义应用，Harness 在幕后处理权限校验与底层逻辑流转。物流调度异常处理：在物流看板中嵌入 Agent，调度员点击「Investigate delay」后，Agent 自动调用 MCP 工具获取实时运单数据、分析延误原因，任何改单操作都需人工审批。运营仪表盘嵌入：将 Agent 直接集成到现有运营看板中，实时分析业务指标、触发异常告警、执行修复动作，无需切换至独立聊天界面。安全运维审批：安全分析师在预警队列中直接调用 Agent 排查受影响服务状态，高危操作自动触发 Human-in-the-Loop 审批后执行。Codex Harness的相关问题Q：Codex Harness 是什么？和 Codex 模型有什么区别？A： Harness 是驱动 AI Agent 的底层执行引擎，负责任务理解、记忆保持、工具调用、沙箱执行、流式事件和审批流程；而 Codex 模型是生成代码/推理的「大脑」。Harness 是「外骨骼」，模型是「大脑」，两者配合才能跑通完整 Agent 工作流。Q：开源协议是什么？可以免费商用吗？A： Apache-2.0 协议，可以完全免费商用。你可以自由嵌入自有产品、修改源码、二次分发，无需开源你的上层业务代码。Q：必须绑定 OpenAI 的 GPT 模型吗？能用 Claude 或 DeepSeek 吗？A： Harness 是模型无关的编排层，架构上不强制绑定 GPT。但当前官方实现默认对接 OpenAI API，若要替换为其他模型，需自行适配模型调用层。Q：三大组件怎么选？什么场景用哪个？A：codex exec → 脚本、CI 流水线、后台一次性任务，返回结构化结果。Codex SDK → 你在写应用代码，需要编程式启动、恢复或流式传输任务。Codex app-server → Agent 要成为产品的一部分，需要持久对话、实时事件、中断工作和审批处理。Q：已有业务系统，如何接入 Harness？A： 通过 Codex app-server 的 JSON-RPC 协议连接。你的应用负责提供「产品界面 + 业务上下文 + 审批流程」，Harness 负责「Agent 循环 + 沙箱执行」，双方通过 Context in / Events out 双向通信。Q：Human-in-the-Loop 怎么实现？对业务侵入大吗？A： Harness 在检测到「需审批的操作」时自动暂停 Agent 循环，通过流式事件向前端推送审批请求；用户确认后 Harness 继续执行。业务端只需实现一个审批 UI 并响应 JSON-RPC 事件，侵入性极低。# 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。上一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译下一篇FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具相关文章StealthGPT – AI反检测内容生成工具，使AI文本人性化AI小集3mPLUG-DocOwl2 – 阿里推出多页文档理解的多模态大模型，单页仅需324个tokenAI小集3焦圈儿 – 首个AI原生社交平台，动态个性化推荐AI小集3ARTROOM – AI绘画创作平台，生成艺术作品或参考图片AI小集2Realtime TTS-2 – Inworld AI 推出的实时语音合成模型AI小集3Teamo – 夕小瑶团队推出的多Agent协作AI生产力平台AI小集8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AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架22小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集22小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型AI工具2天前发布AI小集02Qwen-UI-Agent是什么Qwen-UI-Agent 是阿里巴巴通义团队推出的 GUI 智能体基座模型，能在手机、电脑和网页端像真人一样操作界面。模型基于 100+ 台真机、150+ 应用训练，支持 GUI 与命令行混合执行，可完成跨应用长程任务。内置安全机制，危险请求直接拒绝，支付、删除等敏感操作主动交还用户确认。在 MobileWorld、WebArena 等基准上全面超越GPT-5.6、Claude Opus 等旗舰模型，是当前真实世界可用性最强的 GUI Agent 之一。Qwen-UI-Agent的主要功能跨设备 GUI 操作：在手机、电脑、浏览器上自动点击、输入、滑动，完成界面交互。真机多应用工作流：跨 150+ 真实 App 执行复杂长链任务，如查地图→找餐厅→订座→发日程。GUI + CLI 混合执行：既能点界面，也能跑命令行，支持一次输出多个批量动作提速。安全边界管控：违法请求直接拒，支付、删文件、隐私授权等敏感操作主动弹窗交还用户确认。长程任务处理：稳定执行 100+ 步的调研、数据分析、报告生成等超长任务。精准界面定位：在 ScreenSpot-Pro 等 grounding 基准上刷新 SOTA，精准识别屏幕元素位置。Qwen-UI-Agent的技术原理真机训练环境：搭建 100+ 台真实手机、150+ 应用的真机集群，直接采集真实轨迹并用于训练与评测，弥合模拟环境与真实设备之间的性能鸿沟。混合动作空间：模型同时掌握 GUI 操作（点击、滑动、输入）与 CLI 命令，引入 Batched Actions 机制，支持单次决策并行输出多个动作，使电脑任务中 CLI 占比近半，整体执行步数显著缩短。长程在线强化学习：支持在超过 100 步的超长轨迹上进行端到端在线 RL 训练，依托约 10,000 个并发环境并行 rollout，配合自适应课程学习，持续攻克高难度长程任务。安全对齐机制：将安全判断内嵌于任务执行全链路，通过前置分类识别违法或高风险请求并直接终止；对支付、数据删除、隐私授权等敏感场景，在关键节点触发ask_user接管，确保危险请求不执行、敏感操作不擅自决定。多模态 Grounding 与通用能力保持：在 GUI 专用训练的同时保留基座模型的通用推理与 agentic 能力，使其既能精准定位屏幕元素（刷新多项 grounding SOTA），能应对真实世界中的长尾知识与工具调用需求。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen-UI-Agent阅读技术报告：访问 arXiv 论文了解模型架构、训练方法与 8 项基准的详细评测结果。浏览项目主页：打开 tongyi-mai.github.io/Qwen-UI-Agent 观看 5 个真实场景的真机演示与交互案例。跟踪开源仓库：关注 GitHub Tongyi-MAI/MAI-UI 获取后续可能发布的模型权重、代码与部署文档更新。运行基准评测：使用配套仓库 Tongyi-MAI/MobileWorld 的 Docker 环境，对模型进行可复现的移动端 GUI 能力测试。Qwen-UI-Agent的核心优势真机闭环：基于 100+ 台真实手机、150+ 应用训练与评测，自建 MobileWorld-Real 真机基准，直接弥合”模拟到真实”的鸿沟。全面 SOTA：在 MobileWorld、OSWorld、WebArena、ScreenSpot-Pro 等 8 项核心基准上全面超越或持平 GPT-5.6、Claude Opus 4.8、Gemini 3.1 Pro 等旗舰模型。混合执行提速：统一 GUI 点击与 CLI 命令，支持单次决策批量输出多个动作，电脑任务中约 40% 为批量动作，整体节省近 58% 执行步数。长程在线强化学习：支持 100+ 步超长轨迹的端到端在线 RL，依托约 10,000 并发环境并行 rollout，持续攻克复杂长程任务。内置安全边界：违法/危险请求直接拒绝终止；支付、删数据、隐私授权等敏感操作在关键节点主动停手，弹窗交还用户确认后再继续。Qwen-UI-Agent的项目地址项目官网：https://tongyi-mai.github.io/Qwen-UI-Agent/GitHub仓库：https://github.com/Tongyi-MAI/MAI-UI技术论文：https://tongyi-mai.github.io/Qwen-UI-Agent/Qwen-UI-Agent-Technical-Report.pdfQwen-UI-Agent的同类竞品对比对比维度Qwen-UI-AgentMAI-UI产品定位跨移动、电脑、浏览器、DeepSearch 的统一 GUI Agent 基座移动端 GUI Agent 基座模型MobileWorld82.1%41.7%执行方式GUI + CLI 混合，支持批量动作（Batched Actions）以 GUI 点击为主长程能力100+ 步在线 RL，10,000 并发环境 rollout基础长程任务跨平台手机、电脑、浏览器、DeepSearch 统一模型主要聚焦移动端主动服务能从航班取消等真实通知信号主动发起任务被动响应用户指令安全机制分层安全：违法直接拒，敏感操作弹窗交还用户确认基础安全对齐数据飞轮AutoResearch 式数据飞轮：Agent 自建任务、诊断失败、规划迭代人工驱动迭代Qwen-UI-Agent的应用场景本地生活探店：自动跨高德、大众点评、小红书完成地址搜索、人气比对和口碑总结，一站式搞定约会探店。行程会议联动：查 12306 高铁班次、算地铁通勤时间，自动在钉钉创建带提醒的会议日程。深度调研报告：跨网站采集财报数据、运行分析脚本，自动生成 Excel、PPT 和 Word 交付物。跨设备发票整理：从手机相册提取发票照片，传到电脑分类归档，并生成结构化 Excel 报销单。航班取消主动应急：检测到航班取消通知后，自动搜索替代航班和高铁方案，推荐能赶上会议的最优选项并交还用户决策。# 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Alta - AI 穿搭应用，能生成专属 Avatar 虚拟试衣下一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译相关文章IMAGDressing – 华为联合腾讯推出的AI换衣工具AI小集3SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型AI小集3CineMaster – 快手推出的文本到视频生成框架，具备3D感知能力AI小集3Claude Haiku 4.5 – Anthropic最新推出的小型AI模型AI小集3ILLUME – 华为诺亚方舟实验室推出的统一多模态大模型AI小集3Hy-Memory – 腾讯混元推出的 Agent 记忆插件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美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat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！21小时前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架22小时前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集22小时前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

🤖富士康招工备战 iPhone 18 Pro，新员工最高可获 8800 元奖金📱微信灰测图片 AI 处理入口💰Stripe 收购 OpenRouter，承诺维持其独立产品路线🤖Apple Music 将为 AI 生成内容显示标签📱Omdia：阔折叠将带动折叠屏市场增长💰宇树科技上市次日跌近 19%，市值跌破 2800 亿元💰Anthropic 营收反超 OpenAI，二季度实现盈利⛽美光将投资 100 亿美元建设 AI 存储研究实验室🎮《黑神话：钟馗》公开实机演示视频🚗万钢：纯电与插混或形成约 7:3 的市场结构📚Gemini 上线学生中心，加入作业与研究工具🤖吴泳铭：阿里 AI 算力投入预计三年回本🧸泡泡玛特上半年海外收入下滑 11.6%💡宇树科技王兴兴：人形机器人的关键是泛化能力📷影石发布 Luna Pro 云台相机，售价 3399 元起📱华为推出「阔直板」手机 Pura X View💻豆包「工作任务」接入侧边工作台📱ChatGPT 推出 Apple Messages 插件，可在 Mac 上搜索并回复消息💻百度文库上线库库 AI，主打跨设备任务接力🦿宇树推出仿生 7 轴灵巧机械臂🚙Waymo 向三城全部乘客开放新一代 Robotaxi🛍️旺仔牛奶将推出低糖、低脂、高钙版本📱抖音支付上线「馋猫外卖」攒钱小游戏🎬《牛来》票房突破 3000 万元🎥安吉丽娜·朱莉导演新片《无血之战》发布预告富士康招工备战 iPhone 18 Pro，新员工最高可获 8800 元奖金据红星资本局报道，富士康正在多个部门招聘工人，为苹果即将推出的 iPhone 18 Pro 系列及首款折叠屏 iPhone Ultra 备货，并向新入职员工提供最高 8800 元的招聘奖金。8 月 14 日之后到岗的员工，还可叠加 500 元到岗补贴。这笔奖金并非入职后一次性发放，而是按照在职时长分批发放的阶梯式留任奖励。员工需要满足在职时长、出勤等条件才能拿到全额奖金，中途离职则无法领取剩余部分。此次招聘涉及零部件测试、组装、质检等环节，越早到岗的员工还可能获得额外奖励。微信灰测图片 AI 处理入口据「赛博禅心」，微信正在部分用户中灰测图片 AI 处理入口。测试界面会在聊天图片底部显示「AI 处理」标识，点击后可直接进入美化、信息提取和修改三组工具。现有功能包括人像美化、滤镜、换背景和风格转换，也可提取文字、总结和翻译图片内容、生成文档；修改类工具则包含消除杂物、打马赛克和提升清晰度，更多复杂操作会跳转至小微。该功能目前仍处于灰度测试阶段。Stripe 收购 OpenRouter，承诺维持其独立产品路线OpenRouter 8 月 19 日宣布加入 Stripe。该公司表示，产品、品牌、既有集成和路线图将保持不变，开发者无需修改现有接入；模型路由仍以用户的价格、性能与可用性需求为准。OpenRouter 将自己定位为多模型网关与市场，称平台覆盖超过 400 个 AI 模型，日处理量超过 10 万亿 Token。公司认为，Stripe 的客户网络、支付与反欺诈能力能帮助其更快服务开发者和企业。这笔交易把支付基础设施与模型调用入口放到同一体系中。TechCrunch 报道称，Stripe 看重的并非单一模型，而是 OpenRouter 在多模型调用、成本管理和路由上的开发者入口。Apple Music 将为 AI 生成内容显示标签据 9to5Mac 报道，Apple Music 将在今年晚些时候面向用户显示「Made With AI」标签，覆盖音乐、词曲、封面与音乐视频。内容提供方如使用生成式 AI 制作了作品的实质部分，或内容主要由生成式 AI 服务产生，都必须提交相应的 AI Transparency Tags。Apple 表示，这项要求旨在让听众清楚了解作品的制作方式。Apple Music 负责人 Oliver Schusser 近期称，平台每月新增音乐中超过三分之一为完全由 AI 生成，但其播放量占比低于 0.5%。Spotify 此前已宣布，默认不把 AI Personas 音乐放入编辑和算法推荐；Deezer 则会把完全由 AI 生成的曲目排除在推荐与编辑歌单之外。Omdia：阔折叠将带动折叠屏市场增长Omdia 预计，全球折叠屏手机出货量将从 2025 年的 1,820 万部增长至 2028 年的 3,600 万部，年增速将保持在 20% 以上。研究机构认为，采用更短、更宽屏幕比例的「宽屏书本式」设计会成为下一阶段的主要增量。这类机型展开后更接近平板形态，同时希望借更宽外屏、较小机身和更轻重量改善传统大折叠的便携性。Omdia 数据显示，2026 年上半年书本式机型已占全球折叠屏出货量的 69%，华为与三星合计占该细分市场 75%。宇树科技上市次日跌近 19%，市值跌破 2800 亿元宇树科技 8 月 20 日低开 6.51%，收盘跌近 19%，总市值跌破 2800 亿元。前一交易日，该股曾以 1100 元开盘、涨幅 629%，但盘中已从高位回落，次日波动进一步放大。第一财经转引的中签投资者案例显示，部分投资者在首日回落时选择卖出：有人在约 899 元分两笔卖出 500 股，净赚逾 37 万元。Anthropic 营收反超 OpenAI，二季度实现盈利据界面新闻报道，Anthropic 向潜在投资者披露，其第二季度初步营收较上年同期增长至少 14 倍，并首次录得调整后营业利润；按当前业务表现计算，公司的年化营收运行率已超过 OpenAI。报道将差异归因于两家公司的客户结构与投入节奏：Anthropic 的增长主要来自 Claude Code 等企业工具，OpenAI 则仍承担更大规模的消费端产品和算力投入。两家公司目前均在筹备 IPO。美光将投资 100 亿美元建设 AI 存储研究实验室美光宣布在美国爱达荷州博伊西成立 Micron Research Labs，计划未来十年投入 100 亿美元，研究关键存储技术、存储与计算架构、先进封装和下一代半导体制造。新实验室预计 2027 年动工，可容纳数百名研究人员，并将通过大学合作、全球卫星实验室和产业生态合作连接外部研究力量。该投入建立在美光此前宣布的美国制造与研发投资计划之上，目标是为 AI 系统探索超越现有产品路线图的存储与计算技术。《黑神话：钟馗》公开实机演示视频游戏科学昨日公布《黑神话：钟馗》15 分钟实机演示，这是该作首次正式展示主角战斗、敌人设计及部分剧情内容。官方表示，游戏仍处于研发早期阶段，演示录制自开发中版本，最终成品可能发生较大变化。从演示来看，战斗场景主要位于草木、山石和荒郊小径构成的野外环境，暂未展示此前预告中出现的街巷和生活化场景。钟馗的战斗融合了武器、法术、鬼怪和民俗仪式等元素，整体仍保留以 Boss 战为核心的动作角色扮演体验，但并非简单复刻《黑神话：悟空》的战斗方式。游戏科学此前将《黑神话：钟馗》定义为一款取材于中国古代神话与民俗传说的单机动作角色扮演游戏，商业模式与《黑神话：悟空》一致。与《悟空》围绕《西游记》展开的神魔史诗相比，《钟馗》的故事更贴近人间生活，涉及妖鬼、街巷、饮食、服饰和民间传说。演示片尾出现了生活化与人间街巷场景，相关内容预计会在后续开发中继续呈现。同期，游戏科学创始人冯骥发布文章，分享了公司内部坚持多年的 10 条工作原则，包括「首先打动自己」「可体验的版本，胜过满纸雄文」「好玩是目标，也是底线」以及「理念是廉价的，但贯彻理念的行动是可贵的」等。🔗 相关阅读：《黑神话：钟馗》15 分钟实机来了，这次终于看懂在玩什么万钢：纯电与插混或形成约 7:3 的市场结构中国科协名誉主席万钢在新华社专访中判断，未来新能源汽车市场里，纯电动车与插电式混合动力车的占比可能约为 7:3；他的重点并非二者相互替代，而是按补能条件和使用场景分工。万钢把纯电车定位为城市日常通勤的主力，认为插混和增程车型可覆盖补能条件有限的长途需求。他同时反驳「新能源车产能过剩」的说法，称国内更新需求和全球绿色转型仍在扩大市场。Gemini 上线学生中心，加入作业与研究工具Google 正在 Gemini 中推出学生中心，集中提供学习笔记、抽认卡和练习测验等功能。用户还可在学习笔记中加入图表和图片，并根据课程大纲把考试日期与截止时间写入 Google 日历。同时，Gemini Live 将接入 Deep Research：用户可让系统生成复杂研究报告，并在报告生成期间关闭聊天或锁屏等待提醒。Google 还计划在未来数周为移动端 Google Lens 增加拍摄习题后提供解释、概念辅导和错题提示的功能。吴泳铭：阿里 AI 算力投入预计三年回本8 月 20 日，阿里巴巴 CEO 吴泳铭在财报电话会上表示，按阿里云目前 AI 产品的平均毛利水平，AI 算力投入预计可在三年内回本；随着 AI 产品毛利率提升，他称回报周期还可能缩短至约两年半。阿里此前提出三年投入 3,800 亿元建设 AI 算力。本季度阿里云资本开支达到 677 亿元；阿里云官方披露，其外部商业化收入同比增长 45%，创近 22 个季度新高。吴泳铭将这一回本预期建立在持续增长的 AI 云需求和产品毛利率改善之上。泡泡玛特上半年海外收入下滑 11.6%泡泡玛特发布 2026 年中期业绩：上半年营收 171.73 亿元，同比增长 23.8%；公司拥有人应占溢利 50.38 亿元，同比增长 10.1%；经调整净利润 51.56 亿元，同比增长 9.5%。中国市场收入同比增长 47.3% 至 122.01 亿元，其中线上渠道增长 62.7%；海外收入则下降 11.6% 至 49.72 亿元，美洲收入降幅达到 16.5%。IP 方面，THE MONSTERS 收入下降 7.5%，星星人收入增长 580.6% 至 26.50 亿元；毛绒产品收入增长 60%，成为公司最大品类。泡泡玛特 CEO 王宁在业绩交流会上表示，公司大概率无法完成年初设定的全年增长目标，并将今年定位为「整理年」，重点转向业务基础和全球渠道结构调整。💡 宇树科技王兴兴：人形机器人的关键是泛化能力在 2026 世界机器人大会的演讲中，宇树科技创始人、董事长王兴兴指出，人形机器人的落地难点在于效率与泛化能力：在固定场景完成充分采集和专项训练后，模型的任务成功率可以接近 100%；一旦更换物品或稍微改变环境，成功率就会明显下滑。这也是当前具身智能行业面临的共同挑战。宇树已在汽车工厂和自有工厂做测试，却没有把产品大规模推向工厂和家庭。王兴兴提到，机器人面对新任务往往需要重新训练，部署效率仍偏低；实际操作中，误差常出现在拿取、装配的最后几厘米甚至几毫米，模型输出与真实物理世界尚未充分对齐。他给出的通用能力标准是两个「80%」：机器人在约 80% 的陌生场景里，能够按语音或文字指令完成约 80% 的任务。为接近这一目标，宇树的方案包括论文检索、代码生成、仿真训练、真机测试和评价反馈形成闭环；王兴兴强调，人类评价仍是其中的重要一环。王兴兴预计，具身智能的关键突破快则两三年、慢则五到十年。他将真正的分界点放在同一台机器可靠迁移到陌生环境、完成日常任务的能力上。影石发布 Luna Pro 云台相机，售价 3399 元起影石发布与徕卡联合研发的 Luna Pro 云台相机，国内售价 3399 元起，现已开售。产品搭载 1 英寸传感器和徕卡 Summicron 镜头，支持通过 6K 超采样直出 4K 30fps 竖屏视频，并提供 4K 60fps 夜景录像和最高 4 倍变焦。Luna Pro 还支持 8K 杜比视界、4K 120fps 慢动作及 10bit I-Log，采用高通 4nm 芯片与独立影像芯片的双芯架构。可拆卸图传遥控屏支持 20 米远距离监看和控制，机身内置 47GB 存储，标称连续拍摄时间最长 4 小时。🔗 相关阅读：首发｜我用了一个月的影石 Luna Pro，也许真能和「前辈们」掰掰手腕华为推出「阔直板」手机 Pura X View华为在享界 G9 及鸿蒙智行新品发布会