Mage – 微软开源的 4B 参数多模态模型家族AI工具20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Spark 2.0 – World Labs 开源的Web端 3D 高斯溅射渲染引擎AI小集2Vace AI – 一站式 AI 视频制作和编辑平台AI小集3汉王语音王 – 汉王科技推出的智能语音APPAI小集3Autocoder – AI代码自动化生成平台，覆盖全栈代码AI小集3Shortcut – AI Excel Agent，快速解决复杂Excel任务AI小集3MagicQuill – 蚂蚁集团联合多所高校共同开源的AI互动式图像编辑工具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！9分钟前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台12分钟前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型20分钟前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统2小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端15小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent19小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建22小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程22小时前Academic Research Skills – 开源的 A I Agent 学术科研技能22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U2 – 云知声推出的原生智能体大模型AI小集3SongDonkey – AI音频处理工具，从音乐中分离人声和各种乐器音轨AI小集3TrustGraph Engine – 知识Agent开发平台，不依赖特定大语言模型AI小集2有戏AI – 风平智能推出的AI短剧一站式创作平台AI小集6Rustic AI – AI设计编辑器，支持拖放编辑自由设计AI小集2SynCD – Meta和卡内基梅隆大学开源的文生图合成训练数据集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！15分钟前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台18分钟前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型26分钟前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统2小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端16小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent19小时前Mage – 微软开源的 4B 参数多模态模型家族21小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建22小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程22小时前Academic Research Skills – 开源的 A I Agent 学术科研技能23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LLaDA-V – 人大高瓴AI联合蚂蚁推出的多模态大模型AI小集2TopView – 在线AI视频剪辑工具，一站式制作高质量营销视频AI小集3FlowithOS – Flowith推出的全球首个智能体操作系统AI小集5DeepSeek Artifacts – Hugging Face推出的AI编程工具，基于DeepSeek V3AI小集3Hoppy Copy – AI写作工具，快速生成高质量多类型的电子邮件文案AI小集3NoteGen – 跨平台 AI 笔记应用，支持截图、插图和文本输入记录方式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！15分钟前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台18分钟前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型26分钟前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统2小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端16小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent19小时前Mage – 微软开源的 4B 参数多模态模型家族21小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建22小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程22小时前Academic Research Skills – 开源的 A I Agent 学术科研技能23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

MiniMax H3 – 稀宇科技推出的通用全模态生成模型AI工具2周前更新AI小集02MiniMax H3是什么MiniMax H3 是稀宇科技推出的通用全模态生成模型，打破传统任务与模态边界，支持对文本、图像、视频、音频的统一理解与原生生成。模型能输出原生双声道音视频，最高支持15秒2K分辨率，在指令遵循、品牌信息呈现、视频到视频动作迁移等商用场景表现优异。MiniMax H3 采用 Contextual Omni Representation、H3-VAE 等自研技术，2K分辨率下每秒价格不到主流模型三分之一。MiniMax H3的主要功能全模态统一生成：支持文本、图像、视频、音频的统一理解与原生生成，打破传统模态边界。原生双声道音视频输出：可直接生成带原生双声道音频的视频，无需后期配音。多模态上下文理解：能同时处理参考视频、图片、音频等多源输入，按自然语言指令完成复杂创作。视频到视频动作迁移（V2V Motion Transfer）：可将参考视频中的动作迁移到目标人物上。广义参考与编辑：支持图片到图片、图片到视频、音频到音频、音视频到音视频等多种编辑与参考任务。多镜头建模：原生支持多镜头叙事，无需分步生成后拼接。高分辨率输出：默认提供2K分辨率，画面精细度达到商用级别。MiniMax H3的技术原理Contextual Omni Representation（上下文全模态表征）：MiniMax H3 的核心能力源于对上下文全模态表征的构建。传统模型只需描述目标内容，H3 需要同时理解多模态上下文与目标输出之间的关系，甚至上下文内部元素之间的关联。为此，MiniMax 定制专门的全模态理解管线，单次素材推理消耗约 10 万 Token，最终生成平均约 4K Token 的精细描述。语言在其中充当可泛化的连接与解释桥梁，使任务能开放描述的形式统一。H3-VAE（高效视觉音频编码）：MiniMax H3 彻底革新了前代 tokenizer 技术，在重建质量与易学性上实现全面提升。编码器具备高压缩率，带来 4 倍序列长度收益，显著降低训练与推理成本，同时支持原生 2K 分辨率输出。H3-Omni Transformer（异构训练架构）：面向任务泛化这一核心目标，H3 抛弃前代带来显著优势的专用架构，转而采用更简洁通用的设计。由于多模态上下文的引入，序列长度方差扩大 3 倍，理解与生成部分的计算负载显著异质化。H3 采用理解与生成异构的训练架构，精细调优不同负载下的硬件利用率，联合优化每样本异构计算与样本间负载均衡，端到端提升近 30% 的训练吞吐。如何使用MiniMax H3访问平台：访问MiniMax Hub、海螺AI或接入MiniMax 开放平台。准备多模态素材：上传参考视频、图片、音频等上下文素材。输入自然语言指令：用自然语言描述创作意图，如”参考视频1的镜头运动，让图2中的人物唱歌，歌声参考音频3″。生成与预览：模型自动理解多模态上下文并生成原生双声道音视频。下载与二次编辑：获取最高2K分辨率的输出结果，用于商业场景。MiniMax H3的核心优势任务泛化能力强：将文生图、文生视频、文生音频、参考编辑等独立任务统一为单一模型，使用自由度大幅提升。商用级性价比：2K分辨率下每秒价格不到主流模型的1/3，768P分辨率下不到1/2，显著降低内容生产成本。原生音频生成：所有音频输出均为原生双声道，非后期合成，音画同步更自然。国产芯片兼容：设计初期考虑多款国产芯片适配，有利于本土化部署。MiniMax H3的项目地址HuggingFace模型库：https://huggingface.co/MiniMaxAI/MiniMax-H3MiniMax H3的同类竞品对比对比维度MiniMax H3Seedance 2.0（字节即梦）模态覆盖文本、图像、视频、音频全模态统一理解与生成，单一模型覆盖所有任务主要聚焦视频生成，图像/音频能力相对独立，需切换不同功能模块原生音频原生双声道音视频同步输出，音画一体生成视频生成为主，音频多为后期合成或独立生成任务泛化文生图、文生视频、编辑、参考、动作迁移等全部统一，自然语言即可调用功能按场景拆分（文生视频、图生视频、视频编辑等），任务边界较清晰分辨率与时长默认2K分辨率，最高15秒支持高分辨率，时长可达10-12秒，2K非默认配置开源策略计划近期开源模型权重，支持国产芯片适配与定制开发闭源，仅通过即梦平台或API使用价格定位2K每秒不到主流模型1/3，商用性价比突出按积分或会员订阅计费，价格处于行业中位动作迁移支持V2V Motion Transfer，精准迁移参考视频动作支持动作参考与主体一致性，复杂动作迁移精度有限多镜头能力原生多镜头建模，无需拼接支持多片段生成，但原生多镜头叙事能力较弱MiniMax H3的应用场景广告与品牌视频：输入产品图与参考镜头，一键生成带品牌信息和原生配音的商用级广告短片。电商动态展示：将静态商品图与动作参考视频结合，自动生成多镜头、带音效的360度产品演示视频。影视后期制作：用 V2V 动作迁移，将演员表演或镜头运动精准替换到目标画面中，降低重拍成本。游戏 UI 与宣发：快速生成带动态效果和原生音效的界面预览及游戏宣传片头。动态海报与社交媒体：融合图片风格、人物参考与音频，生成可自动播放的双声道动态海报和短视频内容。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Grok Voice Think Fast 2.0 - SpaceXAI 推出的语音模型下一篇Qwen-Audio-3.0-ASR-Flash - 阿里千问推出的语音识别大模型相关文章AutoGLM – 智谱AI推出的全球首个手机AgentAI小集16BIT.AI – AI驱动的文档协作知识管理平台AI小集2SkyReels-V3 – 昆仑万维开源的多模态视频生成模型AI小集3VideoReward – 港中文、清华、快手等联合推出的视频生成偏好数据集及奖励模型AI小集2MAI-1-preview – 微软推出的端到端训练基础模型AI小集3SelectYet – AI文献分析工具，能对海量文献进行结构化分析AI小集7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！15分钟前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台18分钟前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型26分钟前HarnessEval – MirroS 联合清北、英伟达等推出的评测系统2小时前扣子桌面端 – 字节跳动旗下扣子推出的桌面端16小时前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent19小时前Mage – 微软开源的 4B 参数多模态模型家族21小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建22小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程22小时前Academic Research Skills – 开源的 A I Agent 学术科研技能23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

MiniMax Design – MiniMax推出的AI Agent商业内容生产平台AI工具9分钟前更新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秒悟Meoo - 1分钟生成前后端完整的网站，真0门槛开发！相关文章Thinker – 优必选开源的具身智能视觉语言模型AI小集2AdCreative.ai – AI广告创意生成工具，批量生成广告素材AI小集2Vora – AI视频生成器，生成高清、无水印Sora视频AI小集3Kuakua – 心理学领域的AI辅助工具AI小集5JoyAI-VL-Interaction – 京东开源的实时视频视觉语言交互模型AI小集2Fun-CineForge – 阿里通义开源的影视级多模态配音模型AI小集7暂无评论再想想发表评论暂无评论…

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Replit AgentAI初创公司Replit推出的AI编程工具CatPaw美团推出的 AI IDE 编程工具GitHub CopilotGitHub推出的AI编程工具秒哒无代码AI应用开发平台，一句话做应用OpenCode开源 AI 编程工具 ， Claude Code 最佳平替Fitten Code非十科技推出的免费AI代码助手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42分钟前更新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

今年我很喜欢的一部科幻剧集《同乐者》里，一段来自太空的信号，把地球上大多数人连接进同一个意识网络。一个人的需求，很快就会变成整个网络的行动。只看「一个节点提出需求，整个网络协同行动」这个设定，我会发现它与今天的 Agent 趋势意外地相似。前 OpenAI 联创 Andrej Karpathy 认为每个人、每个组织都会拥有自己的 Agent，「我的 Agent 会和你的 Agent 沟通」。如今，这个未来已经在走进现实：AI 开始离开聊天框，进入手机、汽车和眼镜，也融入各种服务系统。但每个 Agent 都只掌握现实世界的一小部分——手机知道日程，汽车知道位置，商家知道库存。信息彼此割裂，再聪明的 Agent 也很难把一件事真正办完。最近，在杭州举行的支付宝 AI 生态合作伙伴大会上，支付宝事业群总裁李俊分享了一个发生在自己身上的小变化。过去走出机场，他要背着包、打开小程序，再一步步完成叫车。现在，他只需要对阿宝说一句：「帮我叫辆车去公司，再顺便在公司楼下的星巴克点杯咖啡。」等到第二天上班路上，他再补上一句：「把昨天行程的电子发票开好，发到我邮箱。」事情就办好了人只说了一句话，背后是一串 Agent 在接力。当 Agent 从一个个数字孤岛连接成网络。在昨天的AI生态大会上，爱范儿看到这个趋势还在加速。支付宝发布了 AHA（Agent Hub Access）多智能体跨端互联协议体系，同时推出全栈智能体商业底座和智能经营激励计划。一边连接更多终端，一边推动更多商家和服务进入这张智能体网络。这些动作核心想回答一个问题：Agent 怎样找到彼此，抱团办事。这可能才是智能体商业真正开始的地方。一个 Agent，不够用了现实世界的服务天然是分散的，单个 Agent 的能力也因此必然有边界。任务一旦跨过多个服务，协作就成了必需。Anthropic 最近做了一个特别的多智能体研究，让 45 个 Agent 同时进入一个共享代码库寻找软件漏洞。更多 Agent 确实发现了更多问题，但新麻烦也随之出现——因为不知道其他 Agent 正在做什么，一些 Agent 开始争夺任务、互相干扰，甚至发生冲突。这很像一个没有组织架构、没有权限系统的公司，突然来了几十个非常勤奋的新员工，每个人都在努力工作，但努力不等于能协作好。「模型能力已经超过了全产业的组织能力」，在大会圆桌上 OPPO 副总裁唐凯给出了这样的判断，「基于模型做一个体验不错的 to C Agent 产品已经不难，难的是数据、服务和生态依然是一座座孤岛。」当被问及这个差距多久能赶上，蚂蚁集团 CEO 韩歆毅也没回避：「实话实说，按照现在技术的发展，可能永远赶不上。技术只会跑得更快，产业能做的是加速协作。」支付宝的做法，是先把散落在现实世界的生活服务，改造成 Agent 可以直接调用的能力。自 6 月开放测试以来，超级服务智能体「阿宝」已完成万余项服务的智能化适配，覆盖出行、餐饮、文旅、政务民生等八大场景。这套能力也没有局限在支付宝里面，目前它已经和 5 家主流手机厂商打通跨端协同，合作厂商市场份额超过 70%；车端覆盖 16 家主流车企品牌，并与 60 余家车企达成合作意向；AI 眼镜、智能手表、大模型 App 也在陆续接入。所有接入支付宝的智能服务还将无缝通到千问，首批 50 多个服务已经接入。这意味着未来作为超级服务入口的智能终端们，包括华米 OV 荣耀、比亚迪、理想、蔚来汽车、千问眼镜等，用户在这些产品上在使用智能体服务时，背后可能是阿宝在默默发力。而要让跨厂商和应用的智能体一起办事，最重要的是解决信任和协作的问题。唐凯用「三堵墙」复盘了与支付宝合作的过程：先解决的是信任的墙，接着是技术的墙，A2A 很快就接上了。但双方很快发现了第三堵墙——很多服务带有支付和金融属性，安全与互信怎么办？AHA协议体系正是在解决这堵墙的过程中被开发出来的，支付宝希望通过它把过去一次次单独的产品对接，变成一套可以复用的连接方式，让不同行业、厂商、终端的 Agent 能够彼此发现、传递任务。韩歆毅补充了一个更具体的细节：合作之初，双方一直在争论小布唤起支付宝服务时要不要跳转 App，「我们一开始坚持跳端，毕竟是 DAU，毕竟是流量。但最终共识是交给用户体验说了算。真正的用户开始用了，总体的大盘子反而在增长。」今年 7 月，OPPO 小布通过 AHA 一次性接入阿宝近 200 项生活服务，实现一句话完成电影购票、外卖点餐。这种”系统级 Agent 连接用户、专业 Agent 提供服务、多个智能体共同完成任务”的分布式格局，也是 OPPO 对未来智能体生态的判断。据了解，这次合作带动支付宝在 OPPO 手机上的活跃度新增 200 多万。爱范儿留意到这套合作的技术细节很有意思，用户对小布下需求，小布理解意图后把活派给阿宝，阿宝在自己端内完成履约和支付——用户隐私和偏好留在小布，服务履约留在阿宝，两边权责分离、互不越界。因此，AHA 在支付宝内部还有另一个更接地气的名字：agent helps agent。AHA 并不是支付宝的「独角戏」，目前阶跃星辰的 AI 终端已经通过 AHA 接入阿宝。支付宝还拉来了 20 多家手机厂商、车企和大模型公司，共同推进多智能体互联协作。这意味着，多 Agent 协作不再只是 PPT 里的概念，来自不同终端的 Agent，已经开始坐到一张桌上，一起替用户办事了。Agent 互联，与新经济智能体商业不只需要 Agent 互联，还需要重新改造数字商业的基础设施。身份、授权、支付、履约，都得变成 Agent 可以理解和调用的能力，支付宝同步发布的「全栈智能体商业底座」，就补上了重要的一块拼图。一家没有 AI 团队的餐厅，可以把已有页面、商品和服务流程交给支付宝 AI 开放平台托管，转化成 Agent 可调用的 Skills、MCP 等标准能力；有开发能力的商家，可以创建自己的 Agent，处理推荐、会员运营等任务。商家只适配一次，服务就有机会进入手机、车机、AI 眼镜和大模型应用。全球范围内，越来越多公司在完善这块拼图：OpenAI 与 Stripe 的 Agentic Commerce Protocol 把商品、结算和订单整理成 Agent 能理解的流程；Cloudflare Wallets 把人和 Agent 的钱包分开，人为 Agent 设置额度和上限，预算用完，Agent 仍要回到人这里申请。需求端已经在排队：自 7 月支付宝 AI 开放平台上线后，一些商家的开发需求排到了明年。为降低门槛，支付宝推出「智能经营激励计划」——支付费率打折，个人开发者免费，另有算力补贴和成交激励，并开放会员、优惠券、信用等 57 项经营能力。蚂蚁集团 CEO 韩歆毅把未来 6—12 个月看作一个关键窗口，他认为智能体商业将在这段时间迎来爆发，Agent 会成为亿万用户与千万商家之间的新载体。他还给出了更细的时间表：三个月内会有一部分商家初步感受到价值，六个月左右、差不多明年春节后会有越来越多商家加入，真正的爆发点，在明年下半年是有可能出现的。他给出的理由是，AI 能力、用户需求和商业闭环开始在同一时期成熟。模型能够处理更长的任务，用户开始愿意把过程交出去，交易与履约则让一次调用有机会成为可以持续的生意。韩歆毅用了一个「四次方」来形容智能体商业的增长空间：未来，大家将来面对的不是 14 亿人，而是每个人有 10 个智能体——140 亿个智能体。用户的意图将越来越丰富，需求数量是一个二次方，商家把服务原子化放进智能体网络，服务数量是另一个二次方，我们相信很快会看到需求爆发的拐点到来。关于商业模式的走向，支付宝跟终端厂商的判断也正趋于一致。OPPO 副总裁唐凯在圆桌中表示，未来 1—2 年，Agent 的商业模式将「从卖模型、卖 Token、卖工具，走向卖任务、卖结果、卖生产力」；vivo 副总裁周围则认为：「移动互联网卖的是触达，智能体时代卖的是结果。」智能体商业的未来，拼的不只是聪明移动互联网把无数服务装进了一块屏幕，但寻找入口、比较选项、确认支付，始终是人的工作。过去二十年，是人学习怎样更高效地操作机器。Agent 想改变的，恰恰是这件事。就像韩歆毅在现场说的：「过去二十年，人学着用机器的语言表达需求；未来二十年，机器学着用人的语言理解需求。」吉利首席工程技术科学家任向飞给这轮变革下了个定义：如果说 PC 是信息的数字化，Web 是信息的互联化，移动互联网是服务的即时化，那么 Agent 就是「意图的自主化」。韩歆毅则进一步解释了背后商业逻辑的变化，流量时代，商家盯着的是一只漏斗：曝光、点击、转化，用户在每一层不断流失。到了智能体时代，意图理解更像一个放大器。谁更懂用户真正想要什么，谁就更有机会把一次需求，放大成一整套服务。商家的竞争，也因此从「如何被看见」，转向了「如何被理解」。李俊举了一个更日常的例子，他说最近应酬多了，用户让阿宝叫一辆代驾，这并不难。真正让他期待的是：代驾把人送回家后，一瓶电解质水也已经送到；第二天早晨，醒酒早餐刚好备好。用户没有把这些话说出来，但 Agent 能从上下文里猜到他的潜在需求，并把事情提前办了。「这才是未来智能体商业真正会进入每个人生活的地方。」对商家来说也是一门新功课。过去，商家经营的是页面、关键词和流量入口；接下来要经营的，是自己的服务能不能被 Agent 识别、理解，并在合适的时刻被调用。支付宝 AI 生态多端互联业务负责人王翼飞举了一个例子，同样订酒店，考研房、电竞房是同程的强项，高端亲子度假是携程的专长——把差异化服务能力定义清楚，不同意图下的需求，就会给到不同的平台，「如果你没有任何差异化，那就还是流量分配的逻辑。」从这个角度看，支付宝正在尝试把自己放在模型理解需求和现实服务交付之间，成为一个「服务中枢」。当然，用户愿意委托的前提，是不能失去控制。vivo 副总裁周围指出跨端协同真正的挑战，可以归结为三个信任问题：Agent 之间的信任——怎么证明你是你；权限的信任——能调用到什么程度；结果的信任——出了错谁负责。他给出的设计原则是「端管身份、云管能力、平台管责任」。但要让不同平台走向开放合作，仅靠技术协议还不够。在韩歆毅看来，这个生态真正的挑战，「不在于能力，不在于技术本身，而是背后整个利益分享的机制」——而且这套机制很难被谁设计出来，只能由生态各方一起磨出来。支付宝相关负责人在接受采访时也坦陈，现阶段的任务是让生态繁荣，「先把蛋糕做大」，分蛋糕还太早。唐凯表示：「蛋糕不做大，利润只是从 A 公司流转到 B 公司，那这堵墙迟早还是会建起来。」这也是智能体网络比过去的互联网更复杂的地方：既要让能力流动，又要给这种流动划出边界；需要让各方愿意开放，同时得保证开放之后不会失控。1960 年，控制论奠基人诺伯特·维纳在曾提醒道：「我们必须确保，放进机器的目的，正是我们真正想要的目的。」他讨论的是行动太快、结果难以逆转的自动化系统。比起 AI 在聊天框给了一个错误回答，现在 Agent 开始替人订票、叫车、下单和付款，错误的影响会在现实世界中被放大。周围在圆桌上也说，如果这个新经济最终没有形成，最可能卡在支付与责任的「最后一米」。因此，智能体商业真正成熟的标志，也许不止是AI 能替我们做多少事，更重要是建立了一套机制让它知道：什么时候应该行动，什么时候应该停下来，再问一句：「你确定是这个意思吗？」未来真正有价值的 Agent，会在人说出「帮我办了吧」之后，找到其他 Agent，把事情顺畅地办完。也会在这句话没有说清楚的地方，停下来。

从手机到电脑，AI 正在重新定义我们与设备交互的方式。鸿蒙电脑发布一年多后，生态应用已经增长到超过 19000 款。更值得关注的是，越来越多应用开始围绕折叠屏、跨设备协同和系统级 AI，重新设计电脑上的工作流。这一期，我们从日常办公、内容创作到专业软件实际体验了一遍鸿蒙电脑，看看一台诞生于 AI 和多设备全场景时代的电脑，究竟该是什么样。

对于大厂来说，基础模型越来越多，并且能力越来越强，头部模型差距越来越小的前提下，要不要在 AI 领域重新造轮子？对于用户来说，模型能力越来越强，Benchmark 上的分数越来越高，可以写代码、做 PPT、查资料、分析论文，甚至开始操作电脑。但多数人的使用方法依旧是「打开对话框，把需求重新解释一遍」。相比再造一个独立的通用 AI 产品，网易选择了一条更贴近自己原有业务的路线：让 AI 进入社区、内容和人与人的关系之中。8 月 18 日，网易传媒发布了一套名为「蜜蜂 AI」的统一 AI 能力底座，并率先把它放进年轻人社区产品网易小蜜蜂里。AI 已经足够聪明，问题可能出在「每次都要重新认识你」网易传媒副总裁、蜜蜂 AI 负责人张智敏在沟通会上提到了一个很典型的场景：第一次提问说得不够完整，结果不满意；补充几个条件之后，方向依然存在偏差；最后用户大量时间消耗在了调整 Prompt 上。于是，蜜蜂 AI 想缩短的是从「我产生一个想法」到「AI 真正理解这件事」之间的距离。过去的互联网产品通常先认识账户，再认识用户。淘宝知道你的购买记录，抖音知道你停留在哪段视频，网易云音乐知道你循环过哪些歌曲。推荐系统用了十几年时间，把「理解用户」变成互联网公司的核心能力。生成式 AI 出现之后，这套关系突然倒了过来，用户面对的是一个能力极强，却经常失忆的对象。蜜蜂 AI 的思路，是把网易原本擅长的用户关系和内容理解能力继续向前延伸。在用户主动使用并授权相关信息的前提下，AI 可以参考学校、专业、经历、关注方向等信息，再结合用户持续补充的材料、时间、预算和偏好完成任务。例如在求职场景中，AI 可以帮助筛选更相关的岗位、整理材料，从「找到信息」继续走向「采取行动」。在网易小蜜蜂现有产品里，AI 搜索也可以对热点、生活知识和复杂问题进行整理，并保留来源；AI 助手则支持文字、语音、图片和通话，可以处理论文、文档、旅行规划等任务。这些能力单独拿出来看，都很难称得上 AI 行业里的稀缺功能。不过产品能力未必综合技术能力挂钩，产品能力很多时候在于用户洞察和技术组合。用户不必把所有条件压缩成一个完美 Prompt，而是在持续交互里一点点补充信息；AI 则根据此前获得的授权信息和交互结果，逐渐理解用户，这更接近人与人之间真正建立关系的过程。网易给这种关系设计了一个载体——「个人专属万能龙虾」。它可以回答问题、聊天、辅助群聊、做社区导览、记录生活和整理信息。按照网易公布的数据，领养龙虾之后的用户，在停留时长、活跃天数以及即时通信量上都出现正向变化；近三个月互动次数增长接近 90%，用户与 AI 的双向互动贡献占比达到 40%，最高可以达到 70%。ChatGPT 出现三年多之后，AI 行业已经证明了用户愿意「尝鲜」。下一阶段更困难的问题，是用户为什么愿意每天回来。搜索框是一种需求关系：我有问题，所以打开它。社区则是一种关系网络：即使暂时没有明确需求，人仍然可能回来看看朋友、兴趣和正在发生的事情。网易选择把 AI 放进网易小蜜蜂，是在尝试把第二种关系引入 AI。这也解释了为什么它首先选择大学生和年轻职场人。网易认为，这些用户原本就是 AI 的高频尝试者，同时更愿意表达、创作和参与共建。社区由此既是产品，也是一个持续观察 AI 如何被真实使用的实验场。相比单纯比拼模型参数，这是一条更为「互联网产品经理」的路线。文字、图片和视频之后，内容还能变成什么？如果说「龙虾」解决的是 AI 和人的关系，网易的另一个实验，则指向内容本身。网易传媒在现场展示了一个很简单的例子：一只喜欢苹果的猫。文字可以描述这只猫，图片让你看到它，视频让它动起来。而在互动内容里，你可以点击猫的耳朵、鼻子或者苹果，不同操作产生不同反馈。这背后其实出现了一种新的内容变量——用户行为。过去十几年，互联网内容经历了一条相当清晰的演进路径：文字、图片、短视频、直播。媒介的趣味性和刺激性越来越高，但创作门槛却也越来越高。想写一篇文章，你需要文字能力；想拍一条好视频，需要摄影、剪辑；制作真正可以交互的内容，过去甚至意味着写程序、做游戏。在网易小蜜蜂目前的创作链路里，用户可以上传照片或者输入自然语言，生成互动内容并直接发布。网易展示的案例包括「欢迎来到 2008 年的互联网」「自由弹奏钢琴模拟」以及类似「职场答辩」这样的互动小游戏。用户点击、拖动、输入，都会影响画面和结果。于是创作者考虑的问题，也从「我要给别人看什么」，增加了一层：我希望别人对这个内容做什么？这是 AI 生成内容一个经常被忽略的方向。今天大多数生成式 AI 仍然在降低传统内容的生产成本——以前写一篇文章需要半小时，现在需要五分钟；以前做一张图需要设计师，现在一句 Prompt 就能完成。更长期的变化也许在于 AI 会让一些过去只有程序员、游戏策划和交互设计师才能生产的内容，变成一种大众表达工具。网易将这套链路概括为「创作—试玩—分享—二创」。如果它最终成立，社区里的 UGC 可能也会多出一种新的基本形态：可以玩的内容，而不仅仅是好玩的内容。当然，任何社区 AI 最终都会遇到另一个问题：它到底知道什么？大模型最擅长制造的一种错觉和幻觉，就是用非常确定的语气，说出一段听起来合理的信息。对于考研、求职、校园生活这类高度依赖现实经验的信息，仅靠模型训练数据并不一定足够。这恰好回到了网易作为内容平台的老本行。网易小蜜蜂希望把社区里持续产生的真实经验组织成 AI 可以调用的知识。例如考研复试、求职经验或者校园生活，一个官方流程可以告诉你「应该怎么做」，真正经历过的人则会补充「实际会发生什么」。目前，网易小蜜蜂中的部分社区知识已经进入 AI 的检索和回答链路；当用户发现信息过时或者不准确，也可以继续反馈和修正。网易强调，这并非简单把社区帖子直接交给模型，而是在合规和尊重用户意愿的基础上，对知识进行整理、筛选和更新。网易传媒副总裁李淼说，他们希望 AI 真正进入产品和用户场景，成为用户「可以感知、体验和消费的一部分」。它没有急着创造另一个万能聊天框，而是把 AI 放回自己最熟悉的社区里，试着让它认识人、参与内容，也参与人与人的互动。