MiniMax Design – MiniMax推出的AI Agent商业内容生产平台AI工具1天前更新AI小集02MiniMax 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VisionY – AI分镜生成平台，自动识别场景、角色和对话AI小集3Documentation.AI – AI文档平台，产品变更自动更新文档AI小集2Octofriend – 开源AI编程助手，自由切换LLMAI小集3Video Alchemist – AI视频生成模型，具备多主体开放集合个性化能力AI小集2Remy AI – AI睡眠应用，个性化睡眠分析指导睡眠建议AI小集2Webscrape AI – AI数据采集工具，提供目标URL自动化爬取数据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TipKayFloatboatPreviewOnSoloEpixa知漫剧最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7分钟前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译8分钟前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2小时前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣18小时前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件18小时前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎18小时前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1天前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统1天前扣子桌面端 – 字节跳动旗下扣子推出的桌面端2天前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent2天前Mage – 微软开源的 4B 参数多模态模型家族2天前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建2天前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程2天前Academic Research Skills – 开源的 A I Agent 学术科研技能2天前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent2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CodeRabbitAI驱动的代码审查平台WindsurfCodeium公司推出的AI编程工具Firebase Studio谷歌推出的AI编程工具，一站式开发全栈应用AmpSourcegraph推出的免费AI编程工具天工智码SkycodeAI智能编程助手，轻松生成各种代码Deco京东推出的设计稿一键生成多端代码工具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1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18小时前发布AI小集02Lumos 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FunASR – 阿里开源的多功能语音识别工具包AI小集3GLM-TTS – 智谱开源的AI文本转语音模型，支持声音克隆AI小集4AutoGen Studio – 微软开源的零代码构建多智能体系统的AI工具AI小集4xpression camera – AI虚拟相机应用，实时生成自己的屏幕形象进行互动AI小集2CatchMe – AIGC检测工具，支持图片、视频、音频检测AI小集4MCP Server Chart – 蚂蚁AntV开源的可视化图表MCPAI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TipKayFloatboatPreviewOnSoloEpixa知漫剧最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译3分钟前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2小时前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣18小时前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件18小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1天前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统1天前扣子桌面端 – 字节跳动旗下扣子推出的桌面端2天前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent2天前Mage – 微软开源的 4B 参数多模态模型家族2天前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建2天前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程2天前Academic Research Skills – 开源的 A I Agent 学术科研技能2天前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent2天前

Ling 3.0 Flash – 蚂蚁百灵推出的轻量级 MoE 推理模型AI工具1小时前更新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GLM-5.1 – 智谱推出的最强开源模型，8小时长程任务执行AI小集4Documind – AI智能文档搜索工具，适用于PDF文档格式检索AI小集3FeelFish 3.0 发布 – 小说创作，正式迈入多智能体时代AI小集6AI生意助手2.0 – 阿里国际推出的全流程AI外贸产品AI小集4NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器AI小集2Factory – AI原生软件开发平台，无缝集成多种开发环境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TipKayFloatboatPreviewOnSoloEpixa知漫剧最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14分钟前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译15分钟前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2小时前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣19小时前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件19小时前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎19小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1天前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统1天前扣子桌面端 – 字节跳动旗下扣子推出的桌面端2天前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent2天前Mage – 微软开源的 4B 参数多模态模型家族2天前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建2天前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程2天前Academic Research Skills – 开源的 A I Agent 学术科研技能2天前

Ling-3.0-tiny – 蚂蚁百灵推出的原生混合推理模型AI工具1小时前更新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Poetry2Image – 专为中文古诗词图像生成设计的迭代校正框架AI小集3Ada – 腾讯推出的AI程序员工具AI小集3CodeWave – 网易数帆推出的AI低代码开发平台AI小集3WONDERSLIDE – AI演示文稿制作工具，制作高质量演示文档AI小集2MAETok – 港大联合北大等机构推出的自动编码器AI小集2MoodGallery – AI情绪追踪应用，记录情绪转为艺术画作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TipKayFloatboatPreviewOnSoloEpixa知漫剧最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！14分钟前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译15分钟前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2小时前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣19小时前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件19小时前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎19小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1天前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统1天前扣子桌面端 – 字节跳动旗下扣子推出的桌面端2天前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent2天前Mage – 微软开源的 4B 参数多模态模型家族2天前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建2天前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程2天前Academic Research Skills – 开源的 A I Agent 学术科研技能2天前

Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型AI工具2小时前发布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BrushNet – 腾讯推出的高质量图像照片修复模型AI小集5小库AI云 – 建筑AI应用平台，支持概念到施工图的全流程智能辅助AI小集2Macro PDF – AI PDF 编辑和阅读工具，快速提取关键信息、生成摘要和翻译AI小集3Loora – AI英语辅导应用，模拟在商务、面试、日常等真实场景中练习AI小集2ExAvatar – Meta推出的3D数字形象生成模型AI小集3Websim – AI网页开发工具，与AI对话实现网页应用构建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TipKayFloatboatPreviewOnSoloEpixa知漫剧最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！43秒前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2分钟前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣18小时前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件18小时前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎18小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1天前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统1天前扣子桌面端 – 字节跳动旗下扣子推出的桌面端2天前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent2天前Mage – 微软开源的 4B 参数多模态模型家族2天前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建2天前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程2天前Academic Research Skills – 开源的 A I Agent 学术科研技能2天前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent2天前

传了几天之后，Stripe 收购 OpenRouter 的消息终于尘埃落定。 8 月 19 日，Stripe 宣布达成协议，将收购 AI 模型聚合和路由平台 OpenRouter。双方没有公布交易金额，不过路透社援引知情人士称，收购价格超过 80 亿美元。这是一笔乍看有些跨界的交易。Stripe 是全球最大的支付基础设施公司之一，如果找一个中国读者熟悉的参照，可以粗略理解为「美国支付宝」；OpenRouter 则是目前全球规模最大的 AI 模型聚合和路由平台之一。但仔细看 OpenRouter 做的生意，两家公司其实非常对路。OpenRouter，全球最大的 AI「中转站」很多人认识 OpenRouter，是从它的模型榜单开始的。在 OpenRouter 上，可以看到 GPT、Claude、Gemini、DeepSeek 等模型的调用量和排名，也可以直接体验不同模型。但榜单只是它最容易被看到的一面。OpenRouter 真正的核心业务，是提供一个统一的 AI 模型 API。开发者过去如果想同时使用 GPT、Claude 和 Gemini，需要分别注册 OpenAI、Anthropic、Google 的服务，管理不同的 API Key、余额和接口。OpenRouter 把这些模型接入同一个平台，开发者只需要一个账户和一套 API，就可以调用不同公司的模型。截至目前，OpenRouter 已经接入超过 400 个模型和 80 家模型及推理服务提供商，拥有超过 1000 万开发者和企业客户，每天处理超过 10 万亿 Token。即使是同一个模型，背后也可能存在多个推理服务商。OpenRouter 会公开不同服务商的价格、延迟、吞吐量和在线率，并按照开发者的要求完成路由。它的赚钱方式也很直接。目前 OpenRouter 的 Pay-as-you-go 方案收取 5.5% 平台费用；开发者也可以绑定自己的模型 API Key，在一定免费额度后按照调用成本支付 5% 服务费。所以 OpenRouter 可以简单理解成一个「模型榜单 + Token 交易所」。模型厂商把模型接进来，开发者购买和消耗 Token，OpenRouter 负责连接双方，并完成模型选择、流量路由和费用结算。过去几年，随着 GPT、Claude、Gemini、DeepSeek 等模型快速增加，开发者也越来越少只使用单一模型。不同任务会根据能力、价格和速度选择不同模型，模型之间的选择和成本控制逐渐成为一项独立需求。OpenRouter 恰好成为了这个市场的「中转站」。80 亿美元卖给「美国支付宝」，合理吗？这也解释了为什么买下 OpenRouter 的不是一家大模型公司，而是 Stripe。Stripe 的核心业务是支付基础设施。企业接入 Stripe 后，不需要自己分别处理银行卡、不同货币、订阅计费、税务和反欺诈系统，Stripe 在后台负责处理大量交易环节。OpenRouter 做的事情非常相似，只不过处理的对象从钱变成了 Token。开发者不用分别接入几十家模型公司，OpenRouter 在后台负责模型调用、计量、路由和结算而且两家公司早就存在业务关系。今年 1 月，Stripe 曾专门介绍与 OpenRouter 的合作。当时 OpenRouter 已经使用 Stripe Invoicing 处理企业客户计费，通过 Stripe Tax 处理全球税务，并使用 Radar 管理欺诈风险。Stripe 自己也在进入 AI 计费市场。传统 SaaS 通常按照账号或者订阅周期收费，但 AI 服务的实际成本与模型和 Token 消耗直接相关。模型调用多少次、使用什么模型、消耗多少 Token，最终都会反映到企业的账单上。Stripe CEO Patrick Collison 在宣布交易时也给出了一个很直接的解释：「Token 是构建 AI 企业的核心货币。」按照 Deloitte 的调查，到 2028 年，大多数年收入超过 5 亿美元的受访企业预计每月将消耗超过 100 亿 Token。随着 Token 消耗成为越来越大的企业成本，模型调用背后的计量和结算也开始成为一项基础设施生意。因此，Stripe 花超过 80 亿美元买下的并不是一个 AI 模型。它买下的是目前全球规模最大的模型交易入口之一。这笔收购也留下了一个有意思的问题：中国会不会出现类似的交易？国内已经有 DeepSeek、阿里千问、豆包、智谱 GLM、MiniMax、Kimi 等大量模型，也出现了硅基流动、阿里云百炼、火山方舟等模型和推理服务平台。如果模型继续增加，企业同时调用多个模型成为常态，那么连接模型、算力和开发者的平台本身也会越来越值钱。OpenRouter 的这笔交易，已经给出了一个超过 80 亿美元的参考价格。接下来的问题是：中国的 OpenRouter 会是谁，又会被谁买走？

当一个视频模型和 Seedance 2.5 同一天发布，似乎大概率要成炮灰，但 MiniMax H3 却成了一个例外。MiniMax H3 在八月初正式开源之后，国内外的社交媒体上网友都玩疯了。其中最受关注的莫过于「中国仙境」系列，用 Midjourney 生成高质量的参考图，放到 MiniMax H3 中进行创作，震撼了大量网友。高级的视觉审美、丝滑的动态效果以及连贯的角色一致性，都是网友们对 MiniMax H3 生成视频的评价。APPSO 当时也第一时间实测了 MiniMax H3 的视频表现，用来制作各式各样的品牌视频、特效视频，几乎都是一次性就可交付。而现在 MiniMax 也开始把这种模型的能力，放到了具体的产品上，正式推出了 MiniMax Design，进一步把 H3 视频模型的能力放大，同时也让我们少折腾一些，可以更高效地制作各种商业化内容。就像 GPT-5.6 Sol +Codex、DeepSeek V4 +DeepSeek Harness才能发挥出模型真正的 Agent 能力，MiniMax Design正在做的，也是把 H3 的生成能力，接入一套能够持续修改、协作和交付的完整工作流。第一眼看到 MiniMax Design 的页面会觉得太「专业」了，ComfyUI 那套工作流和完整画布，在这里是基础的功能，但实际体验一段时间后，会发现 MiniMax Design 的 Agent 团队能解决大多数的问题。不会使用画布，不理解 3D 导演台里的机位和动作调度，也不知道如何连接 ComfyUI 工作流，都没有关系。我们只需要说清自己想做什么，MiniMax Design 会自动帮我们完成全部的制作，应用内大量的 Skills、模型、Agents 等能力会主动理解并拆解我们的需求，一步一步自动执行。这也是 MiniMax Design 的核心作用：把这些专业能力组织成可执行的节点，再调动 H3、生图、音乐和语音模型完成后续制作，把 AI 视频创作这件事推向了真正的完整生产。如果你不会写 AI 视频的提示词，每次都是从 ChatGPT 复制到海螺视频生成，或其他 AI 视频的网页，然后等它生成。这次不妨替换到 MiniMax Design，不需要提示词，只是简单的需求，然后看着它自己创建画布、生成提示词、分镜板、图片、配乐、台词对话、剪辑、字幕、视频……重拍《牛来》的一场戏《牛来》这部从画面到台词，都集抽象文化于一体的电影已经成了一种文化现象。一些用视频模型「复刻」的同款《牛来》，甚至比电影原版还要更精致，网友们表示根本没有原片的味道。我们也用 MiniMax Design 做了个片段复刻，输入提示词「帮我在导演台搭一场戏:男主和女主在草原上走，面前遇到一条很宽的河，女主纵身一跃跳过河对岸，男主在河这边来回踱步。」生成这个视频对 MiniMax Design 来说其实挺复杂的，但是我们的操作就只有上传素材和对话。点开 MiniMax Design 的页面，和大多数视频生成的首页类似，中间是一个对话框，我们输入需求，添加素材，选择项目、模型、Skills 等自定义选项。左侧边栏则是完整 Skill、ComfyUI 工作流、项目库和资产中心的入口，以及处理的项目列表。输入需求之后，MiniMax Design 会自动打开一个画布，所有的素材、工作流都将在这块画布上呈现。一般来说，MiniMax Design 会自动生成完整的 Markdown 格式 Brief 文档，或者提示词文档，以及使用生图模型生成可能用到的静态帧图片，接着它会结合文本文档、静帧图片，使用 MiniMax H3 生成视频。在《牛来》这个案例中，我们使用了「3D 导演台」的功能，点击画布正下方的「+」，可以添加文本、表格、图片、视频、音频，以及 3D 导演台、视频剪辑和 ComfyUI 工作流几类节点。选择「3D 导演台」之后，我们就会进入一个导演台 Agent。同样的，点击画布上的提示词文档，我们也能得到一个文本助理 Agent，帮助我们调整文本；点击图片或视频，也会自动展开图片/视频的生成对话框，可以调整提示词，选择模型、尺寸等内容。在「3D 导演台」内，用户或 Agent 可以在 3D 场景中直接摆放角色素体、调度机位与姿态，快速搭建分镜参考，使画面的可控度能得到明显提升，抽卡和试错成本也能大幅降低。这些复杂的导演台内容，又是要调整动作，调整角色，看起来就很复杂，但其实整个 3D 导演台都是由 MiniMax Design 自动帮我们搭建的，我们做的只是在侧边栏的导演台 Agent 给它下达各种需求。这场戏的难点来自人物之间的空间关系：女主需要跃过河流，男主则要留在对岸来回踱步，同时还要保证动作方向和镜头调度前后一致。单靠一段文字直接生成，人物位置和运动轨迹很容易发生偏移。最后它会先给我们一个导演台的运镜视频，MiniMax Design 再参考视频中的运镜，帮我们精准生成最后的视频。3D 导演台的价值在于把模糊的自然语言要求，转换成明确的空间和运动参考。动作不对时，我们可以先在导演台里调整角色和机位，再重新生成对应镜头，减少围绕最终成片反复抽卡的次数。能处理这类复杂的 3D 导演台，MiniMax Design 制作各种特效视频也是完全不在话下。像是制作一个悬疑电影的片头，我们使用 MiniMax Design 内自带的 Skill，然后输入提示词要求它做一个中文电影，中文角色。它会自动生成多个关键帧的生图 Prompt，调用 GPT-Image-2 等生图模型，先生成分镜图。最后的效果确实超出我的预期，这些复杂的特效和动画，如果要用 Adobe PR 或 AE 等软件去手搓，难度相当大。如果一个 15s 的片头还不够考验 MiniMax Design 的能力，我们直接要它做了一个 1 分钟的 MV，从歌词、编曲到最后的成片，完全是由 MiniMax Design 一手操办。我们只需要在侧边栏的 Agent 里对话，MiniMax Design 就会自动在画布上完成所有的工作：从歌词与编曲、视觉风格设定、分镜规划、关键帧生成、H3 视频生成，到最后的配乐、字幕和剪辑。由于 H3 单次最多生成 15 秒视频，一分钟 MV 还需要被拆成多个镜头，再重新组织成一条风格和节奏相对连贯的时间线。这里我们可以看到它对长视频的编排能力，H3 负责逐个生成镜头，Agent 负责拆分任务、统一风格，并把多个片段重新组织成一条完整时间线。模型的单点能力，在 MiniMax Design 内被扩展成了多模型协同的制作流程。MiniMax Design 内置的 Skill 库中，还有大量预设的案例。我们可以直接与 Agent 对话，套用同样的风格，快速生成类似的视频。像这个纸拼贴视频，整个的工作流程，我发送的提示词只有「我想用纸拼贴做一个故事剧情片，大致的情节是……」一样是等着 MiniMax Design 自动完成所有的工作，我们就得到了这段 42s 的伤感故事。把一套模板，变成一条视频生产线纸拼贴案例更有价值的地方，在于这套工作流可以继续复用。第一支剧情短片确定了纸张质感、角色样式、转场方式和叙事节奏之后，同一个 Skill 还可以被套用到新的主题中。我们直接利用那套纸拼贴模板，再做了一个科普日全食的版本。全程我们只是输入了一下提示词，「能不能用这种纸拼贴来解释一下什么是日全食」、「我觉得视频可能要 20s 左右比较好」、「要加 BGM、旁白和字幕」。保留了原有的视觉包装，只调整内容主题、视频长度、旁白和字幕要求。原本的一支风格样片，因此变成了一套可以持续生产不同选题的频道模板。成片之后，Agent 还将项目继续扩展成无字幕版、儿童旁白版和庄重科普版等分支。同一套素材和工作流，可以由此快速派生出面向不同平台与受众的版本。如果需要其他的模板，MiniMax Design 也能生成类似轻科普的动漫短片，来解释为什么一帧一帧的图片放在一起就能变成视频。以往制作这类动画，需要大量人工编辑，先是要画多个复杂的矢量图标，然后丢到动画渲染软件中，一步一步生成。而现在，MiniMax Design 几乎是把这种类型做成了批量式生成。这类科普还能用在教育场景，例如我们只是上传一份课程 PPT，MiniMax Design 就能创作出对应的水墨画视频。上传一首诗，它也会继续扩展其中的意象和叙事线索，最终组织成一部三分钟纪录片。在电商场景，MiniMax Design 的作用更多体现在素材编排上。不同角度的产品图片会作为独立节点保留在画布中，再分别连接到关键帧生成、视频生成和剪辑等环节。相比在多个网页之间反复下载、命名和上传素材，画布能够保留每张产品图与对应镜头之间的关系。需要修改时，我们可以直接回到相关素材或镜头节点，后续扩展不同卖点、尺寸和平台版本也会更加清晰。例如这些复杂的工作流，由不同的产品图片，生成视频的不同静态帧，全部是由 MiniMax Design 帮我们连起来的。甚至，上传一个 APPSO 的 logo，MiniMax Design 就能给一个酷炫的动态效果。一份已有的品牌资产可以继续接入新的生成流程，扩展成视频片头、动态标识或其他包装素材。应用 AI 化，模型应用化相比此前我们单独测试 MiniMax H3，MiniMax Design 在完整创作流程和最终视频生成效果上的表现，给我们留下了更深的印象。单一的对话式生成，似乎很多时候依赖我们自己的创意和想法，视频中出现的什么内容，都需要靠提示词在一开始指定，或者上传参考文件。MiniMax Design 带来的变化是，输入提示词之后，这个项目才刚刚开始。我可以继续在画布上调整生视频用的参考图片，可以继续要求 Agent 调整提示词，甚至可以添加导演台这类专业化工具，让视频生成更可控，可交付。这些变化，让我们想到过去几年创作软件的主旋律都是「应用 AI 化」：在原有工作流里加入生成图片、智能抠图、文本成片等功能。MiniMax Design 似乎展示了另一种同时发生的趋势——「模型应用化」。当 MiniMax Design 能围绕视频模型搭建画布、资产中心、3D 导演台、Skills 和 Agent，模型输出的单位也从一段素材，逐渐变成了一个可以继续编辑、修改和交付的完整项目。▲MiniMax Design的视频剪辑Agent助理过去的创作软件围绕工具组织界面，模型原生的创作软件则开始围绕创作意图组织工作流。用户可以直接描述自己要做什么，再由 Agent 决定需要哪些模型、素材和步骤。MiniMax Design 把工作拆给一组 Agent，由它们理解 Brief、规划流程、调用模型，再把脚本、分镜、画面、配音、配乐、字幕与剪辑汇总到同一块画布上。复杂度依然存在，只是其中很大一部分被 Agent 接管了。我们可以从一句自然语言开始，专业用户也能进入导演台、ComfyUI 工作流或任意素材节点继续干预。自然语言降低了创作的起点，画布和工作流则保住了专业生产所需要的控制力。沿着这条路径，MiniMax Design 开始触碰到专业创作软件真正关心的部分：稳定、可控、可修改和可复用。现阶段，帧级精修、复杂合成以及严格的品牌资产管理，依然需要 Adobe PR、AE 和成熟制作团队完成。但从概念、脚本、分镜到素材生成、粗剪和版本扩展，MiniMax Design 已经可以接管相当长的一段流程。这也意味着，MiniMax H3 + Design 已经切入 Adobe 长期占据的专业创作工作流，开始替代其中最标准化、最高频的一部分。过去主要为 PR、AE 提供素材的视频模型，如今也开始争夺完整项目的制作入口。尤其是对于科普视频、电商素材、品牌短片等需要高频交付的内容，这段流程往往恰好最耗时间。当模型让创作软件的上限不断抬高，软件又把模型抽卡的惊艳，变成可以重复的交付时，MiniMax Design 走在了下一代专业创作总控台的路上。

消费电子产品由硅驱动，却也遵循碳基世界里的自然法则：物竞天择，适者生存。鼠标已年过花甲，形态上却几乎没有太大的变化。计算机 70 年历史，从一间房蜕变成家用电器甚至演化成每个人的囊中之物。而像 BP 机、GPS 导航仪、iPod 更多的产品，还没来得及演化，就被其他产品吞噬而终成为一代人的记忆。爱范儿《明日后视镜》栏目，我们将持续审视那些持续演化中的明日产品：它们从何种想法中孕育？又如何在变化中存续？它们如何塑造新生活方式，又如何被用户所改变？苹果官网上那份默默更新的名单里，上周多了一个大家熟悉的名字。iPhone X 正式被列入全球「停产产品（Obsolete）」名单。按照苹果的惯例，当一款设备停止向全球销售网络供货满 7 年，官方与授权服务商就会彻底停止硬件维修，也不再提供原厂配件供应。虽然它早在 2018 年秋季就从苹果官网下架，2024 年又被列入「过时 (Vintage)」名单，但由于全球运营商与授权渠道的长尾分销，苹果官方认定的「停产停供」节点一路顺延到了今天。对这台 2017 年登场的划时代产品而言，这标志着它在官方意义上迎来了彻底的「退休」。图｜苹果官网 🔗 support.apple.com/zh-cn/102772一台 2017 年的手机，在 2026 年走完了生命周期的最后一站。巧的是，它的退场也正好落在一个很特别的时间点。2017 年，初代 iPhone 发布整整十年，苹果选择在这个节点推出 iPhone X；如今，在 iPhone 即将迎来二十周年之际，这台十周年 iPhone 正式被苹果列入「停产产品」名单。这样回头看，iPhone X 恰好站在 iPhone 前二十年历史的中点：前面是初代 iPhone 开启的第一个十年，后面则是它自己参与定义的第二个十年。图｜9to5Mac回望苹果 2017 年秋季发布会，Tim Cook 站在台前说，iPhone X 将「奠定未来十年技术的路线」；在宣传片的旁白里，首席设计官 Jony Ive 用他标志性的语气给了 iPhone X 一个颇具浪漫主义的定义：十多年来，我们的目标一直是打造一台正面全是屏幕的 iPhone。一个能消融在体验里的物理实体（A physical object that disappears into the experience）。彼时彼刻，很多人觉得这不过是又一次常规的宣发用辞；此时此刻，在这款产品生命周期画上物理句号的节点再回头看，前者一字未差地兑现了，而后者，则变成了随后这整整十年里，整个行业一直在默默逼近、至今仍未完成的终极执念。iPhone X 就是这样一道明确的分水岭：它亲手替智能手机的前十年收了尾，又替后面的十年早早画好了样板。第一个十年的终局：正面按键的消亡史初代 iPhone 最激进的地方之一，就是直接拿掉了手机正面的实体键盘。在此之前，数字键、方向键、接听与挂断等实体按键塞满了手机的正面，BlackBerry 更是把整套 QWERTY 键盘做成了商务手机的标志。苹果却用一整块多点触控屏取代了这些按键，让键盘只有在需要输入时才出现在屏幕上。图｜NYT Wirecutter这个决定在今天看来理所当然，在 2007 年却远没有那么容易被接受。iPhone 发布后不久，时任微软 CEO Steve Ballmer 就公开嘲笑这台手机。他认为 500 美元的售价贵得离谱，更重要的是，没有实体键盘的 iPhone 很难吸引商务用户，因为它「成不了一台很好的邮件机器（not a very good email machine）」。图｜Steve Ballmer 在 2012 年 Windows Phone 8 发布会现场｜Wired站在当时看，这个判断其实有它的现实基础。邮件和短信仍然是手机最重要的生产力场景之一，而 BlackBerry 那套可以快速盲打的 QWERTY 键盘，恰恰是很多商务用户已经形成的习惯。苹果相当于要求他们放弃摸得到的按键，转而相信一块没有任何触感的玻璃。好在，后来的市场很快证明，苹果这次激进的选择是成立的。用户逐渐适应了屏幕键盘，实体 QWERTY 也开始退出主流智能手机。拿掉那块永久占据机身正面的键盘后，需要输入时，它可以随时从屏幕里出现；不需要时，整块屏幕又能完整地留给网页、照片和 App。图｜iPhone 2GAndroid 手机厂商们后来走上了相似的道路，只是在很长一段时间里，屏幕下方依然保留着返回、主页和多任务的「三大金刚」按键。三星甚至一路将那颗标志性的椭圆形实体 Home 键保留到了 2016 年的 Galaxy S7 时代。物理按键、电容触控与上方的屏幕，共同构成了那个年代一眼就能认出的智能手机正面。图｜Galaxy S II 到 Galaxy S6 Edge、S8｜Reddit @justsomeone330十年间，键盘消失了，导航键越来越少，手机屏幕越做越大。到了 2017 年，智能手机市场已经成熟得不能再成熟。当年全球智能手机出货量达到约 15.5 亿台的顶峰，各家旗舰尺寸逐渐收敛在 5.5 到 6 英寸上下，Galaxy S8 也赶在 iPhone X 半年前拿掉了正面的实体 Home 键。各家都在把边框越做越窄，但鲜有人回答一个问题：当正面真的什么都不留之后，人们该怎么操作手机？iPhone X 给出的答案，对今天的大多数人来说，熟悉到几乎不值一提。底部上滑回桌面、悬停进多任务、贴着边缘横滑切应用——原本依赖按键完成的几个核心动作，在 iPhone X 上变成了一套行云流水、符合直觉的手势交互。而正是这套当年带着强硬意味写下的操作逻辑，在随后的几年里，不知不觉变成了整个手机行业共同沿用的「标准答案」。面对这颗陪伴了用户十年的按键的消失，苹果在当年的官方广告里只是半带调侃地替用户问出了这个问题：主屏幕按钮呢？图｜iPhone X 官方宣传片这句文案在 2017 年道出了无数人的第一反应。那颗圆形的 Home 键对用户来说太熟悉了：它陪伴了用户整整十年，按一下回桌面，按两下进后台，长按唤醒 Siri，有了 Touch ID 后，解锁与付款也都靠它。它的逻辑简单到了极致：哪怕是第一次接触智能手机的长辈，无论点进了什么未知界面，只要按一下底部的圆圈，就能回到熟悉的主屏幕。iPhone X 上市后，这种简单粗暴的确定感突然消失了。所有的操作习惯被一下子打散重组——多任务需要掌握上滑时那一下短暂的停顿，控制中心从屏幕底部搬到了右上角，截图和关机的按键组合彻底变了。刚换上新机的人，常常还会下意识把大拇指按向那块已经空空如也的下巴区域。图｜iPhone 8 Plus 和 iPhone X｜Tom’s Guide为了弥补物理按键缺失带来的不确定感，苹果在 iPhone X 上首次将触控采样率提升到了 120 Hz。虽然屏幕刷新率依然是 60 Hz，但更高的采样率让系统能即时捕捉手指的动作。在底层非线性动画的配合下，界面的推开、悬停与横向切换，第一次有了贴合直觉的跟手感。没过多久，Android 阵营也全面跟进了这套手势，屏幕底部的虚拟导航键陆续退场。如今再把一台 iPhone 8 递给新一代用户，上下宽大的边框和那颗圆形按键，反而成了需要特意解释的「老古董」设计。图｜2017 年末，MIUI 全面屏手势｜搜狐网从 2007 年初代 iPhone 拿掉实体键盘，到 2017 年 iPhone X 拿掉 Home 键，手机正面的物理按键用了整整十年彻底归零。正面，终于只剩下了一整块屏幕。被群嘲的刘海，背后是一整个时代随着 iPhone X 一起发布的，除了定义下一个十年的交互外，最扎眼的莫过于屏幕顶部那块异形「刘海」。图｜Apple在此前流传的各种概念图里，人们期待的未来是一块浑然天成的黑色玻璃，而真机亮相时，顶部却像被硬生生「咬掉」了一块，就像苹果的 logo 那样。老对头三星也没放过苹果，制作了一系列名为「Growing Up」的对比广告，镜头里买 iPhone X 的排队用户留着一头滑稽的「刘海发型」。甚至不需要台词，当年围绕 iPhone X 最大的槽点已经写在脑门上了。图｜Samsung这块突兀的刘海，实际上是一场无奈的妥协。苹果的苦衷，来自 Home 键消失以后那套全新的生物识别方案——面容 ID。触控 ID 随着 Home 键一起消失以后，苹果没有像当时不少 Android 手机那样，把指纹识别移到背面，而是直接换成了面容 ID。图｜Apple为此，屏幕顶部必须同时容纳前置摄像头、红外摄像头、点阵投影器、泛光感应元件等一整套组件。其中点阵投影器每次解锁都会向人脸投射超过 30000 个肉眼不可见的红外点，再由红外摄像头读取面部的深度信息。有意思的是，几个月以后，奇怪的一幕出现了：市场上开始一下子冒出大量刘海屏手机。只不过很多产品学得并不像。小米 8 就是当时很典型的一台机器，正面乍看已经很有 iPhone X 的「风味」，底部却还留着一截明显的「下巴」。图｜小米 8秘密就藏在 iPhone X 的屏幕内部。iPhone X 是苹果第一款搭载 OLED 的手机。OLED 并不是什么新鲜玩意，此前就已经在不少 Android 旗舰上铺开。iPhone X 这块柔性 OLED 的特别之处在于，它还承担着另一项任务——收窄底部边框。传统手机屏幕需要在底部给显示驱动等元件留出空间，iPhone X 则另辟蹊径，借助柔性 OLED 可以弯折的特性，把面板下沿向机身内部折回，将原本占据「下巴」部分的元器件收进机身内部，最终做出了当时罕见的四边近等宽设计。几年之后，OLED 从少数旗舰机上的昂贵配置一路下放，京东方等中国厂商也逐渐进入更高端的 OLED 供应链。今天再看，OLED 已经完全取代 LCD 成为手机屏幕的绝对主流，四边等窄也逐渐下放到中端产品线。屏幕之外，2017 年这一代 iPhone 还有一处后来越来越常见的变化：玻璃背板回来了。iPhone X 用上了双面玻璃和不锈钢中框，同期发布的 iPhone 8 和 iPhone 8 Plus 也从此前几代的金属背板换回玻璃，并第一次在 iPhone 上加入 Qi 无线充电。此后几年，高端直板手机也越来越集中到相似的形态：正面尽可能被屏幕占满，背面是玻璃，中间保留金属中框，无线充电则逐渐成了旗舰机的常规配置。图｜iPhone X 与胎死腹中的 AirPower｜Apple这些东西单独拿出来，大都能在更早的产品上找到影子。iPhone X 做的，是把这些原本散落在不同产品、不同技术路线里的放到同一款产品上，再围绕全面屏重新组织成一套完整的体验。苹果一直以来最擅长的——「软硬件结合」，在 iPhone X 身上体现得淋漓尽致。当它卖向数以亿计的用户时，这些昂贵、激进甚至带有某种强硬意味的选择，却顺理成章地成了整个行业随后近十年的「样板间」。下一个「iPhone X」，还会是一台手机吗？如果把 iPhone X 视作智能手机前 20 年的中点，它开启的这第二个十年，呈现出了一种极为微妙的状态。今天的手机比 2017 年强大得多：屏幕上了高刷，影像模组越来越大，芯片制程、电池与快充年年迭代，折叠屏甚至能把手机展开成平板。但一个在 2017 年熟练使用 iPhone X 的人，今天拿起最新的旗舰手机，几乎完全不需要重新学习「手机该怎么用」。我们依然在一块尽量铺满正面的玻璃上滑动、点击、在 App 之间穿梭。摄像头与传感器能藏则藏，暂时藏不掉的，就通过软件与其和平共处。过去这近十年里硬件参数翻了数倍，最底层的形态与交互逻辑却维持了罕见的恒定。图｜灵动岛｜Apple Developer初代 iPhone 让人告别了物理键盘，iPhone X 让人告别了正面按键。每隔十年，都有一批原本被视为理所当然的物理结构从设备上彻底蒸发，成为历史名词。即将到来的 2027 年，恰好又是 iPhone 诞生 20 周年，距离 iPhone X 发布也过去了整整十年。目前关于 20 周年款 iPhone 的行业传闻，听起来与 2016 年人们想象 iPhon