AIニュースAI二ュ-ス記事本文智譜 GLM-5.3の発表：740億パラメータは増えていないが、後続訓練によって50%性能を向上させ、プログラミング能力がFable 5に近づいた公開AI二ュ-ス時間 :Aug 14, 2026読む :1分8月14日、智譜（Zhipu）は大規模モデル「GLM-5.3」を正式に発表しました。ベースとなるパラメータ数は740億を超え、GLM-5.2と同一の基盤を採用しており、以前から噂されていた1兆パラメータへのアップグレードは見られませんでした。このカードはおそらくGLM-5.5に残されたものと思われます。しかし、智譜は後学習という手法により、GLM-5.3の性能を前世代に比べて50％向上させ、多数の主要ベンチマークテストで現在のオープンソースモデルの中で最高のランキングを獲得しました。プログラミングおよびエージェント機能ではClaude Fable5とほぼ同等になり、他の国内モデルよりもより優れたプログラミング体験を提供しています。いくつかの重要なベンチマークスコアの急上昇は説得力があります。複雑なタスクをリアルな端末環境で実行する能力を測る「Terminal-Bench3.0」では、スコアが4.6から28.3へと急騰しました。長距離ソフトウェアエンジニアリングと継続的なコード修正能力に焦点を当てた「DeepSWE v1.1」では、スコアが46.2から66.9へと上昇しました。さまざまな実際の専門的なシナリオをカバーし、ツール間協働や長距離タスクを重視した「Agents’ Last Exam」では、スコアが23.8から28.5へと上がりました。44種類の職業をカバーし、実際の高価値知識作業を検証する「GDPval-AA v2」において、GLM-5.3は1769点を獲得し、プログラミング能力に基づいた専門的なタスク遂行力を示しました。全体的に見て、複雑なソフトウェア開発、端末操作、そして広範な現実世界でのエージェントタスクにおいても顕著な進歩を遂げています。最も説得力があるのは、智譜が自社開発した「Z.ai Code Bench」です。この評価システムでは、モデルを本格的なローカル開発環境に組み込み、異なる思考モードでエンド・トゥ・エンドのタスクを実行します。これは開発者がコーディングエージェントを使用する際に感じる体験にできるだけ近づけることを目指しています。テスト結果によると、GLM-5.3は効果とToken利用率のバランスをより良い形で取りつけました。Highモードでは正確率が31.4％となり、Claude Opus4.8の最高モードである29.5％を上回りました。一方、各タスクに対して平均して約5万トークンを出力するのに対し、Opus4.8は約12万トークンが必要でした。つまり、GLM-5.3は同じことをより短い実行経路で完了できることを意味しています。

AIニュースAI二ュ-ス記事本文アントロピック、10月に上場計画を暴露　目標評価額は2兆ドルを超える可能性公開AI二ュ-ス時間 :Aug 13, 2026読む :1分フィナンシャル・タイムズの報道によると、Anthropicの投資家はこのAI企業が今年10月にIPOを開始し、目標評価額が2兆ドル以上になる可能性があると予測している。実現すれば、今年6月に上場したSpaceXの評価額1.77兆ドルを上回り、歴史上最大規模のIPOとなる。6人の投資家は、Anthropicの収益が継続的に急成長しており、2026年末までに年間売上高が1,000億〜1,200億ドルに達すると予想している。これは年間で10倍以上の増加となる。同社は今年5月に年間売上高が470億ドルを突破したことを発表した。投資家は、Claudeなどの先進的なAIモデルや企業向けツールへの需要が旺盛であることが、高い評価額を見込む主な要因であると考えている。2026年以降、ベンチャーキャピタル会社や国家財産基金などからAnthropicに約1,000億ドルが投資されている。今年5月には、同社の評価額がOpenAIを初めて上回り、新規投資を含む評価額は9,650億ドルに達した。参考として、PalantirやNebiusなどのAI関連企業の現在の売上高比率は約55倍である。ただし、Anthropicの経営陣はIPOの目標評価額をまだ確定していない。一方で、中国との競争の激化、AI規制および米国政府との関係の緊張など、いくつかの課題も抱えている。これらの要因により、6月の売上高成長率が一時低下したが、関係者によるとその後は再び成長に転じたという。記事掲載時点では、Anthropicからのコメントはまだない。

AIニュースAI二ュ-ス記事本文快手第二四半期の収入は355億元で、Kailing AIの商業化収入は前年同期比200%以上増加公開AI二ュ-ス時間 :Aug 20, 2026読む :1分快手テクノロジーは2026年第二四半期の財務報告を発表し、会社の第二四半期の総収入が355億元に達した。コアビジネス収入は前年同期比7.4％増加し、調整後純利益は39億元で、純利益率は11％となった。同時に、快手アプリの平均日間アクティブユーザー数は4億1,200万人、月間アクティブユーザー数は7億9,700万人に達した。AI業務は快手の成長の重要な推進力となっている。その中で、Keling AIの第二四半期の収入は85億元を超え、前年同期比200％以上増加した。6月末までに、Keling AIのグローバルユーザー数は1億人を突破し、224の国と地域をカバーし、企業顧客は約5万社に達した。製品面では、Keling AI 3.0シリーズモデルがネイティブ4K動画出力機能を導入し、映画や広告などの専門的な創作シーンに対応している。Keling 3.0 Turboはさらに動画生成効率と音画同期能力を向上させ、Keling MCPとCLIはAIエージェントの一括呼び出しをサポートし、自動化された創作プロセスを拡張している。快手は、AIが内部の研究開発と業務運営に深く浸透していると述べた。6月末時点での自社開発AIエージェントの利用率は92％以上であり、研究開発担当者のAIコード貢献率は60％に達している。第二四半期には、研究開発担当者の平均要件納品サイクルが第一四半期より10％以上短縮され、AI研究開発担当者のコード提出量は前四半期比で70％以上増加した。業務面では、AIによりコンテンツ制作と商業効率が向上している。AIにより創作のハードルが低下したことで、快手のショートドラマおよびマンガドラマの供給量が急速に増加し、2026年のマンガドラマの話数は50万話を予測している。6月末時点で、実写ショートドラマおよびAIショートドラマの供給量は年初より5倍以上増加し、第二四半期のショートドラマオンラインマーケティング消費額は前年同期比で100％以上増加した。一方で、快手はAIによってマーケティングとECの運営プロセスを最適化している。第二四半期において、AIGC動画マーケティング消費額は前年同期比70％以上増加した。2026年上半期において、85万以上の商家が快手のAI経営ツールを使用しており、商品選定、素材生産、経営診断、スマートカスタマーサービスなどのシナリオをカバーしている。財務面では、6月末までの快手の利用可能な資金は合計で1,213億元に達し、第二四半期の営業キャッシュフロー純額は59億元となった。今年度に入り、会社は約20億HKドルの株式買戻しと30億HKドルの現金配当を完了した。AIビデオ生成、大規模モデル、スマートエージェントが継続的に実装される中、快手はAIをコンテンツエコシステム、商業サービスおよび組織効率における深い応用に向けて加速させている。

AIニュースAI二ュ-ス記事本文IDCが『中国生成的AIセキュリティ評価プラットフォームレポート』を発表、アント・テクノロジーズがリーダー公開AI二ュ-ス時間 :Aug 20, 2026読む :1分ますます多くの企業がAIをカスタマーサービスや運営管理などのコアビジネスシーンに応用するようになり、企業のAIセキュリティリスクもより複雑で多様な発展傾向を示しています。従来の大規模モデルの脱出や機密情報漏洩といったリスクに加えて、ツールの不正利用やインテリジェントエージェントの権限越え実行、マルチインテリジェントエージェントによる協調攻撃などの新たなリスクが次々と登場しています。8月20日、国際データ会社IDCは「IDC MarketScape: 中国生成AIセキュリティ評価プラットフォーム2026年ベンダー評価」レポートを発表しました。このレポートは中国の生成AIセキュリティ評価プラットフォーム市場に焦点を当て、主要ベンダーを包括的に評価しており、アリババグループ（アリババグループ）の数科技術が生成AIセキュリティ評価分野における技術力、製品成熟度、金融、医療、製造業での深い蓄積とスケーラブルな実績により、リーダークラスに選出されました。了解されている通り、生成AIによって生じる新しいセキュリティリスクに対し、アリババグループの数科技術が構築した「ヤティアンジーン」は、生成AIセキュリティ分野における深く実践的な蓄積に基づき、大規模モデルとインテリジェントエージェント全体のセキュリティと信頼性をカバーする防御システムを構築しました。これは業界に対して、包括的で知能化された大規模モデルのセキュリティテストおよび保護ソリューションを提供します。大規模モデルのセキュリティにおいて、「ヤティアンジーン」の大規模モデルセキュリティプラットフォームは「評価-防御-運用」の閉ループを構築しており、大規模モデルの訓練、推論、配備の全ライフサイクルをカバーします。これにより、さまざまな大規模モデルへの汚染、プロンプトキーワード攻撃などの複雑な攻撃シナリオに対応でき、敏感なデータのリアルタイムモニタリングと正確な遮断を通じて、データ漏洩やコンプライアンスリスクを低減します。注目すべきは、ヤティアンジーンがモデルセキュリティ問題を自動修復し、大規模モデルがセキュアな推論を行うように導けることです。これにより、大規模モデルのセキュリティを全面的に保護します。インテリジェントエージェントのセキュリティにおいて、「ヤティアンジーン・ロビン・ガード」は軽量なプラグインテクノロジー構造を活用し、インテリジェントエージェントの実行環境を対象とした全フローのセキュリティモニタリングと防御システムを構築しました。異常な呼び出し行動、権限越えアクセス要求、潜在的な悪意のある命令注入リスクを正確に識別できるほか、さまざまなタイプのインテリジェントエージェント実行フレームワークとのシームレスな適合性を持ち、企業向けインテリジェントエージェントアプリケーションの安全で安定した運用を信頼性ある支援を提供します。現在までに、アリババグループの数科技術は、100％の国有銀行、60％を超える地方商業銀行など、100社以上の金融機関にサービスを提供しており、そのAIセキュリティ能力は金融レベルのシナリオで実証されています。IDCは、今後、企業が注目するのは単にモデルが脱出攻撃を防げるかどうかではなく、実際のビジネスシナリオにおいてAIアプリケーションシステム全体のセキュリティパフォーマンスであると述べています。同時に、評価能力は徐々に企業のAI開発、配備、運用、ガバナンスの全過程に組み込まれ、一回限りのセキュリティテストから継続的なセキュリティ検証への転換が進むと予測しています。

AIニュースAI二ュ-ス記事本文宇樹科技がまた衝撃的な製品を発表！生体に近い7軸の柔らかなロボットアームR1が登場、価格は9900元から公開AI二ュ-ス時間 :Aug 20, 2026読む :1分ロボットレースは最近活発な動きを見せています。ユーシュテクノロジーは8月20日に、新たに生体模倣7軸のスムーズなアームR1を正式に発表しました。価格はわずか9900元です。この製品の登場により、高性能多軸ロボットの門檻がさらに低下し、業界や開発者から広く注目されています。ハードウェア設計と性能仕様に関して、R1アームは7軸連動設計を採用しており、人間のように高冗長自由度を持ち、再現定位精度は約0.1ミリメートルに達します。このアームの各関節の最大運動速度はすべて180°/sを超えており、機械手の状態での最大アーム展開は650ミリメートルで、定格負荷は2キログラムです。7軸構造により、狭い空間での柔軟な迂回作業が可能となり、エンドエフェクターは多角度にわたる正確な調整が可能です。運動の柔軟性と経路計画のニーズを十分に考慮しています。本体設計も特徴的です。R1の重量はわずか5.5キログラムで、金属と高強度工程プラスチックの複合構造を採用しています。高い剛性と変形耐性を確保しながら、コンパクトな軽量設計を実現しています。デスクトップサイズの形状により、R1は「置けばすぐに使える」ことを可能にし、複雑なライン改造なしに迅速に研究室、教育台面、または小型ワークステーションに設置できます。開発者の効率的なテストと使用に非常に便利です。インテリジェントな協働とシステム拡張性において、R1には力フィードバックと衝突検出機能が内蔵されており、位置とトルクの混合制御モードをサポートしています。これにより、人機協働と複雑な接触タスクのための信頼できるセキュリティ保障が提供されます。システム的にはUbuntu開発環境に基づいて構築されており、XT30およびCAN485ハードウェアインターフェースが備えられています。公式には、今後機械臂のコントロールプログラムとコントロールインターフェースを順次オープンソース化する予定です。エンドエフェクターは素早く交換でき、ユーザーはタスクの要件に応じてハンド、スムーズな手などのさまざまなツールを柔軟に切り替えることができます。具体的な応用シナリオに対して、ユーシュテクノロジーはR1の4つの主要な発展方向を計画しています。研究教育分野では、液体移動や分類など精密操作を担当する実験室自動化プラットフォームとして使用できます。工業現場では、二台のアームが協働して部品を取り付けます。スマートインタラクションおよび本体メンテナンスのシナリオでは、移動プラットフォームに搭載され、ドアを開けるなどの複雑な操作を行います。同時に、製品はサービスロボット分野にも全面的に向けられており、コーヒーの調理など生活感のあるタスクを模倣することができます。公式仕様表でも特に注意書きがあり、R1は民用品として位置づけられ、ユーザーに危険な改造を避けるよう推奨しています。ジョイント減速比が低いことにより、全体の位置制御の剛性は比較的限られているため、制御戦略が十分に最適化されていない場合、動的作業中に一定の位置誤差が発生する可能性があります。ユーザーは実際のシナリオに合わせて特定の調整を行う必要があります。

AIニュースAI二ュ-ス記事本文MiniMax Designの発表：自然言語でビデオ制作を指揮する。フレームごとの編集から解放される公開AI二ュ-ス時間 :Aug 20, 2026読む :1分8月20日、AI企業のMiniMaxは生産性ツール「MiniMax Design」を正式に発表し、マルチモーダルなコンテンツ制作が「ピクセルを操作する」段階から「意味を操作する」新たな段階へと進化したことを示しました。この製品は、MiniMax独自のマルチモーダル動画モデルH3に基づいて構築されており、最先端のモデルの能力を実用的なビジネス生産力へと変換することを目的としています。MiniMax Designの核心的なイノベーションは、インタラクティブな論理の変化です。ユーザーは各ピクセルの正確な変更を指定する必要がなく、自然言語で創作意図を表現するだけで、システムはタスクを自動的に分解し、モデルの能力を呼び出して、素材生成から完成作品の納品に至るまで一連のプロセスを完了します。その裏付けとなるのは、H3モデルが持つ強力なマルチモーダル理解および参照制御能力であり、シナリオ、キャラクター資産、過去のバージョン、ユーザーのスタイルの好みなど、複雑なプロジェクトレベルの文脈を処理できます。現在、このツールは商業シーンでの実用価値を示しています。ブランドは迅速に大量のマーケティング素材を生成できます。教育者は教案を一括して知識ビデオに変換できます。映画クリエイターは「3Dディレクターデスク」機能を活用し、生成前にカメラワークを事前視聴でき、試行錯誤のコストを大幅に削減できます。さらに、MiniMax Designはオープンソースエコシステムに積極的に取り組んでおり、ComfyUIなどの既存のワークフローへの接続をサポートしており、クリエイターがクラウドまたはローカルでパラメータを柔軟に調整できるようにしています。業界の分析では、MiniMax Designはエージェント駆動型ワークフローによって、マルチモーダルモデルの商業的導入における制御性と一貫性の問題を効果的に解決し、動画コンテンツの工業化生産のための新しいモデルを提供したとされています。製品は現在、ダウンロードが可能となっており、アクセスアドレスはdesign.minimaxi.comです。

HiDream-O1-World – 智象未来推出的全模态交互式世界模型AI工具3天前发布AI小集02HiDream-O1-World是什么HiDream-O1-World 是智象未来（HiDream.ai）推出的原生全模态交互式世界模型，基于自研 UiT 架构打造。支持文本、图像、交互操控等多模态输入，具备漫游、编辑、交互三大功能，可一键生成时空一致、符合物理规律、可长时推演的完整世界。核心突破在于「3D 先验注入 Memory 上下文 + Test-Time Training 在线适应」的协同设计，有效解决了长时交互中的物体漂移、场景失忆与物理失真问题。HiDream-O1-World的主要功能多模态输入生成：支持文本描述、图像上传、交互操控等多种输入方式，一键生成结构完整、质感细腻的交互世界；例如上传一张室内照片即可自动补全全景，构建高精度数字孪生空间。沉浸式漫游：提供第一人称与第三人称两种视角，用户可自由驱动角色行走、任意调整视角方向，镜头移动全程稳定无漂移，光影与细节同步变幻。实时编辑交互：可驱动角色完成抓取、奔跑、下蹲、跳跃等动作，或调度环境变化（如触发降雨、物体坠落等动态事件），且每次修改都保持几何、光照、材质与物理逻辑的全局统一。多角色构建：支持人类、动物、虚构角色等多种角色类型，精准适配各自的形态与运动规律。丰富场景与风格化创作：能高度还原城市街景、自然地貌、室内空间等真实场景，也能生成幻想异世界、二次元卡通、3A 游戏渲染等多元艺术风格。长时程时空一致性：基于「3D 先验注入 Memory + Test-Time Training」机制，多轮视角切换后物体不消失、不漂移、不「失忆」。物理一致性保障：碰撞、遮挡、重力、流体等物理响应符合真实世界因果逻辑，视觉物理合理性较行业平均提升 13.6%。如何使用HiDream-O1-World选择输入方式：支持三种多模态输入：输入一段文本描述（如场景设定）、上传一张参考图片（如室内照片），或直接通过交互操控开始。一键生成世界：模型基于输入自动构建完整的交互世界，包括空间结构、材质光影与物理规则；上传图片时还能自动补全全景，生成数字孪生空间。漫游探索：选择第一人称或第三人称视角，驱动角色在世界中自由行走，任意调整视角方向（推拉摇移），观察环境细节与光影变化。实时交互编辑：通过指令驱动角色完成抓取、奔跑、下蹲、跳跃等动作，或调度环境事件（如降雨、物体坠落），模型会保持几何与物理逻辑的全局自洽。长时推演与持续创作：依托「Memory + TTT」机制，模型能记住已探索的空间结构，支持多轮交互、长时程连续推演而不丢失世界状态。HiDream-O1-World的核心优势原生全模态UiT架构：基于自研原生全模态架构，实现文本、图像、交互的统一理解与生成，而非多模态简单拼接。时空一致性突破：首创”3D先验注入Memory上下文 + Test-Time Training在线维护”协同机制，长时程交互中物体不漂移、不消失、不变形。物理一致性突破：训练阶段通过物理模拟数据驱动归纳偏置学习，推理阶段TTT在线适配场景物理属性，视觉合理性超行业均值13.6%。评测成绩顶尖：首次参评WBench即登顶Navi分榜，综合80.9分，物理维度73.3与一致性维度88.0均列第一。多模态输入灵活：支持文本描述、图片上传、交互式操控等多种输入，一键生成可双视角漫游、实时编辑的完整世界。角色与风格泛化：精准适配人类、动物、虚构角色的形态与运动节奏，同时兼容真实场景还原与二次元、3A游戏等多元艺术风格。HiDream-O1-World的项目地址项目官网：https://yanghb22-fdu.github.io/DreamWorld/技术论文：https://yanghb22-fdu.github.io/DreamWorld/asserts/DreamWorld.pdfHiDream-O1-World的同类竞品对比对比维度HiDream-O1-WorldLingBot-World出品方智象未来（HiDream.ai）蚂蚁集团（开源）WBench排名第1名第5名综合分80.978.5质量维度81.078.9设定维度82.272.6交互维度80.080.1一致性维度88.089.9物理维度73.371.2核心架构自研原生全模态UiT架构，3D先验注入Memory + TTT在线维护未披露具体架构细节开源情况未开源开源核心优势综合表现最强，物理真实性领先，时空一致性突破一致性单项最高（89.9），开源可二次开发相对短板未开源，生态待建设综合表现较弱，设定能力（72.6）和物理（71.2）均有差距适用场景高精度仿真、具身智能、AI互动影游、物理自洽要求高的产业应用开发者快速接入、开源定制、对一致性要求高但物理要求适中的场景HiDream-O1-World的应用场景AI互动影游：用户从被动观看者转变为主动叙事参与者，世界随探索实时演进分支剧情，在影视级视觉质感中享受多重结局的沉浸体验。具身智能仿真：搭建遵循物理规则的高精度城市、工厂、室内仿真空间，为智能机器人训练提供低成本、高安全的虚拟试验底座，替代高风险实景测试。3D数字内容生产：面向设计师与创作者快速生成3D手办、家居场景及艺术空间，支持结构微调、风格秒换与智能补全，大幅缩短创意到成品的迭代路径。自动驾驶虚拟测试：构建高度还原真实交通规则与物理规律的道路环境，模拟极端天气、复杂路况等罕见场景，加速自动驾驶算法的训练与验证。微观世界生命模拟：向微观尺度延伸，精准模拟细胞行为、蛋白相互作用等生命过程，为药物发现、疾病机理研究与生物实验提供全新的数字仿真路径。# 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DeepSeek Harness Desktop - 开源的 DeepSeek Harness 桌面端下一篇完全不懂乐理，我用AI做出了第一首能上线的原创歌相关文章Glyph-ByT5 – 多语言视觉文本渲染项目AI小集3Qwen2.5-VL-32B – 阿里开源的最新多模态模型AI小集3Cofounder – 全栈AI应用构建器，辅助开发者自动生成完整的应用程序AI小集2ASSEMBO.AI – AI驱动的电商产品营销图片和视频创建平台AI小集2Novix – AI科研平台，全流程科研AgentAI小集3悦灵犀AI – 多模态AI创作平台，基于Stable Diffusion多模态模型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！1小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1小时前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型2小时前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统3小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端17小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent20小时前Mage – 微软开源的 4B 参数多模态模型家族22小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建23小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程24小时前Academic Research Skills – 开源的 A I Agent 学术科研技能24小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent1天前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统1天前VM0 – 企业 AI Agent 平台，自然语言构建工作流2天前WeLM – 微信推出的自研大语言模型2天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型2天前

Mage – 微软开源的 4B 参数多模态模型家族AI工具22小时前更新AI小集03Mage是什么Mage 是微软开源的 4B 参数多模态模型家族，包含流式视频/图像理解模型 Mage-VL 与图像生成与编辑模型 Mage-Flow。Mage-VL 通过 Codec-Native 编码将视觉 Token 减少 75%，推理提速 3.5 倍，支持实时视频理解；Mage-Flow 支持原生分辨率生成与指令编辑，Turbo 版 4 步采样、A100 单卡 0.6 秒出图。Mage的主要功能图像生成：支持 512–2048 任意原生分辨率的文生图，Turbo 版 4 步采样、A100 单卡 0.6 秒出图。图像编辑：支持背景替换、风格迁移、材质替换、元素增删等指令式编辑，可掩码局部修改。多模态理解：覆盖图像、文档、视频的问答与描述，支持直播/监控等实时流式视频理解。Mage的技术原理Mage-VL 的 Codec-Native 编码：参考 H.264/HEVC 视频编码思路，Mage-ViT 区分 I 关键帧（完整保留）与 P 预测帧（仅保留变化区域），视觉 Token 减少 75% 以上；配合仿生双系统架构（System 1 轻量事件网关监控变化、System 2 因果解码器完成推理），视频推理提速最高 3.5 倍，同时不丢失时空上下文。Mage-Flow 的原生分辨率生成：基于 Mage-VAE（重建质量对标 FLUX.2 且开销更低）与 NR-MMDiT（原生分辨率扩散 Transformer，无需尺寸桶训练），采用 Rectified Flow 匹配训练；提供 Base、RL 对齐、Turbo 蒸馏加速（4 步采样）及 Edit 编辑分支，在 4B 参数下实现高质量图像生成与指令编辑。微信关注回复“开源”，加入AI开源项目交流群如何使用Mage克隆仓库：从 GitHub 克隆microsoft/Mage代码仓库到本地环境。安装依赖：按照项目 README 安装所需的 Python 依赖与运行环境。下载权重：从 Hugging Face 下载 Mage-VL（理解）或 Mage-Flow（生成/编辑）的预训练权重。加载模型：根据任务类型加载对应模型，配置推理参数（如分辨率、采样步数）。执行任务：输入文本提示词、图像或视频流，执行生成、编辑或多模态理解任务。保存结果：获取并保存模型输出的图像、视频描述或问答结果。Mage的核心优势小参数大能力：仅 4B 参数量即同时覆盖高质量图像生成/编辑与流式视频理解，不依赖盲目堆参。Codec-Native 极致压缩：视觉 Token 减少 75%，视频推理提速最高 3.5 倍，原生支持实时直播与监控场景。原生分辨率生成：支持 512–2048 任意分辨率直出，无需尺寸桶训练，画面细节与文字渲染对标更大模型。极速采样：Turbo 版仅需 4 步，A100 单卡生成 1024×1024 图像不到 0.6 秒。全栈开源友好：代码、权重、论文全部开源，宽松协议，适合科研微调与中小算力落地。低硬件门槛：4B 规模大幅降低部署成本，为边缘设备多模态化提供可行方案。Mage的项目地址项目官网：https://microsoft.github.io/Mage/GitHub仓库：https://github.com/microsoft/MageHuggingFace模型库：https://huggingface.co/collections/microsoft/mageMage的同类竞品对比维度Mage（4B）Qwen3-VL-4B能力范围同时覆盖图像生成、编辑、流式视频与图文理解聚焦图像/视频/文档理解，不支持图像生成视频处理原生流式理解，Token 压缩 75%，推理提速 3.5 倍支持常规视频帧采样理解，流式实时性较弱图像生成Mage-Flow 支持文生图、指令编辑与任意分辨率生成无图像生成能力部署成本4B 统一架构，单卡 A100 可跑通生成+理解全流程4B 理解模型，需额外搭配其他生成模型才能覆盖 Mage 全链路Mage的应用场景实时直播/赛事解说：流式视频理解能力可实时分析直播画面并自动生成解说词与数据问答。智能监控安防：对监控视频进行实时异常事件检测与告警，大幅降低人工巡检成本。电商商品图生成：快速生成高质量商品主图、场景图及多风格变体，支持指令式局部修改。社交媒体内容创作：一键完成海报生成、风格迁移、元素增删等操作，降低设计门槛。边缘设备多模态助手：4B 小参数适合部署在手机、IoT 等端侧设备，提供本地化的图文视频理解服务。# 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ToolJet - 开源 AI 低代码开发平台，可视化拖拽搭建下一篇ManClaw - 阿里旗下书旗团队推出的 AI 漫剧创作 Agent相关文章涌墨 – AI文档编写平台，智能解析关键信息生成文档内容AI小集2豆包·语音播客模型 – 火山引擎推出的语音播客模型AI小集3ImageFX – 谷歌推出的人工智能图像生成工具AI小集4智标领航 – AI驱动的招标投标领域智能助手AI小集4Readtheirlips – 唇语识别AI软件，无音频也能转录口语内容AI小集4Claude Opus 4.6 – Anthropic推出的最新编程AI模型AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友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！1小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1小时前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1小时前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统3小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端17小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent20小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建23小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程23小时前Academic Research Skills – 开源的 A I Agent 学术科研技能24小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent1天前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统1天前VM0 – 企业 AI Agent 平台，自然语言构建工作流2天前WeLM – 微信推出的自研大语言模型2天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型2天前Luna-TTS – 宇生月伴推出的文本转语音大模型2天前

GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具1个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章MiroThinker v1.5 – MiroMind推出的开源搜索Agent模型AI小集2WebDesignAgent – 自动化网页设计AI工具，零门槛搭建各类型网站AI小集215个AI数字人制作工具，快速生成口播和直播视频AI小集60Zerox – 开源的OCR工具，零样本识别多种格式文件AI小集2Ovis-U1 – 阿里推出的多模态统一模型AI小集2Everyday – AI任务自动化平台，自动识别完成任务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！1小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1小时前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1小时前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统3小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端17小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent20小时前Mage – 微软开源的 4B 参数多模态模型家族22小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建23小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程23小时前Academic Research Skills – 开源的 A I Agent 学术科研技能24小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent1天前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统1天前VM0 – 企业 AI Agent 平台，自然语言构建工作流2天前WeLM – 微信推出的自研大语言模型2天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型2天前

Claude Fable 5 – Anthropic 推出的最强 AI 模型AI工具2个月前更新AI小集03Claude Fable 5是什么Claude Fable 5 是 Anthropic 推出的最强 AI 模型，是 Mythos-class 安全版旗舰模型，底层与Claude Mythos 5 完全一致，加装了保守的安全护栏。模型在几乎所有公开基准测试中达到 SOTA，在软件工程、知识工作、视觉推理和长周期自主任务上表现卓越。模型定价为每百万输入 token 10 美元、输出 token 50 美元。Claude Fable 5的主要功能超长自主编码：在 5000 万行 Ruby 代码库中一天完成全库迁移，SWE-Bench Pro 得分 80.3%。Token 高效推理：在 FrontierCode 评测中，用中等 effort 即获得前沿模型最高分 29.3%，成本远低于竞品。原生视觉理解：凭原始游戏截图无外挂通关《宝可梦：火红》，能从科学图表提取精确数值、重建网页源码。持久记忆与长上下文：支持百万级 token 长期任务，利用文件级笔记改进输出，在《杀戮尖塔》中表现较 Opus 4.8 提升 3 倍。智能安全降级：内置独立分类器，检测到网络安全、生化风险或蒸馏企图时，自动将请求路由至 Claude Opus 4.8 处理。Claude Fable 5的技术原理模型层级定位：Fable 5 属于 Anthropic 新设立的 Mythos-class 能力层级，位于 Opus 之上，与 Mythos 5 共享同一底层模型，通过加装安全护栏实现向公众开放。安全路由机制：系统挂载独立分类器实时检测请求，涉及网络安全、生化风险或模型蒸馏时，自动将查询降级路由至 Claude Opus 4.8 响应，而非直接拒绝。前沿 LLM 开发限制：针对预训练管线、分布式训练基础设施等请求，通过提示修改、转向向量与参数高效微调（PEFT）等不可见干预手段限制模型有效性，影响约 0.03% 流量。长上下文与持久记忆：支持百万级 token 长周期任务，配备文件级持久内存，可在运行中自主撰写笔记并回溯改进输出，解决复杂任务中的失忆问题。如何使用Claude Fable 5网页端使用：登录Claude官网，在对话界面模型选择器切换至 “Fable 5” 即可开始对话。API 接入：通过 Anthropic API 调用模型名称claude-fable-5，按标准 REST 接口集成至自有应用。Claude Code 使用：在终端安装Claude Code后，通过设置将默认模型指定为 Fable 5，支持代码库级代理操作。Claude Fable 5的项目官网项目官网：https://www.anthropic.com/news/claude-fable-5-mythos-5Claude Fable 5的核心优势无护栏限制：在网络安全、生化研究等高风险领域不受 Fable 5 的安全降级机制约束，输出能力完整。科研自主性：可独立运行一周以上完成复杂科研任务，从数据整合到模型训练全程无需人类介入。假说验证能力：提出的分子生物学假说具备可实验验证性，已有关于大肠杆菌蛋白新机制的假说被第三方研究证实。模型效率极致：在相同任务下，仅使用 GPT-5.5 1/3 的推理 Token，在 36 小时内产出逼近后者四天的物理研究成果。Claude Fable 5的同类竞品对比维度Claude Mythos 5Claude Fable 5Claude Opus 4.8底层模型相同相同不同安全护栏无 / 极少保守（约5%触发降级）标准ExploitBench78.0%接近 Opus40.0%BioMysteryBench (hard)46.1%接近 Opus40.0%蛋白质设计验证9/14 进入管线受限无访问权限受信机构/Glasswing公开可用公开可用数据留存30 天强制监控30 天强制监控标准策略Claude Fable 5的应用场景国家级网络防御：为关键基础设施和国防系统提供深度漏洞分析、威胁建模与攻防演练。前沿药物研发：自主完成靶点识别、蛋白质设计、复合物验证，加速肿瘤、神经退行性疾病药物管线。基础科学研究：在分子生物学、基因组学、物理学等领域执行长周期自主研究，生成可验证假说。AI 安全红队：用于测试其他 AI 系统的安全边界，识别复杂越狱、跨请求攻击与新型威胁向量。# 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cmux - 专为 AI Coding Agent 设计的开源终端工具下一篇SCAIL-2 - 智谱联合清华开源的角色动画模型相关文章LuxReal – 群核科技推出的AI 3D视频创作平台AI小集3FitDiT – 腾讯联合复旦推出的高保真虚拟试穿技术AI小集3Zyler AI – AI营销分析平台，提供智能建议、趋势分析和洞察AI小集2PrismAudio – 阿里通义推出的视频生成音频框架AI小集3BeaGo – 零一万物推出的AI搜索助手AI小集4Clawra – 基于OpenClaw框架开源的AI虚拟女友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！1小时前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台1小时前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型1小时前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统3小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端17小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent20小时前Mage – 微软开源的 4B 参数多模态模型家族22小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建23小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程23小时前Academic Research Skills – 开源的 A I Agent 学术科研技能24小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent1天前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统1天前VM0 – 企业 AI Agent 平台，自然语言构建工作流2天前WeLM – 微信推出的自研大语言模型2天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型2天前