AI资讯AI新闻资讯正文程序员福利再加码！Anthropic官方宣布Claude Code每周50%额度加成延长至8月31日发布于AI新闻资讯发布时间 :2026年8月19号 15:47阅读 :1分钟人工智能初创公司Anthropic近日正式宣布，将旗下AI编程助手Claude Code的每周使用额度50%提升加成进行延期。原本定于 8 月 19 日结束的这项优惠活动，目前已确定延长至 2026 年 8 月 31 日。不仅如此，Anthropic团队还在积极探索将这一临时的配额提升调整为永久性的标准方案，旨在为广大开发者提供更充裕、更稳定的AI编码支持。回顾这一重磅福利的推出，Anthropic最初是在 7 月 19 日宣布的。当时，官方决定面向其付费订阅用户群体——具体包括Pro、Max、Team以及基于席位的Enterprise订阅用户——提供每周额外增加50%的使用额度。需要开发者留意的是，这一配额机制并非独立计算。网页端对话、桌面端应用程序以及Claude Code实际上共享同一组配额池。这意味着，无论用户在何种终端或界面上消耗额度，都会从总的周配额中扣除，且通过更换模型并不能绕过已经消耗的周额度限制。此次延长的福利，无疑让上述付费用户能更从容地应对高强度的开发任务。

AI资讯AI新闻资讯正文国内首个人工与AI客服协同国家标准将于9月1日实施发布于AI新闻资讯发布时间 :2026年8月19号 17:52阅读 :1分钟据央视新闻报道，国内首个针对人工与智能客服协同机制的推荐性国家标准《顾客联络服务人工与智能客户服务协同要求》将于9月1日正式实施，针对AI客服答非所问、人工入口隐蔽、AI与人工回复不一致等消费痛点作出规范。当前，不少平台通过AI客服降低人力成本，部分企业甚至隐藏人工客服入口，导致AI面对复杂纠纷时机械回复，甚至出现擅自操作交易、AI承诺方案后人工不予认可等问题。中消协数据显示，今年上半年售后服务投诉占总投诉量的26.79%，AI客服虚假承诺、人工客服难以接入成为突出问题。有行业人士称，AI客服可帮助企业节省七成以上客服人力成本。新国标明确人工与智能客服的服务范围和协同机制，要求人工客服入口清晰，不得层层隐藏;根据问题复杂程度合理分工，简单咨询可由AI处理，复杂纠纷应及时转人工;同时完善人机切换机制，避免消费者反复描述问题，达到相应条件后系统应自动转接人工。该标准虽属于推荐性国家标准，不直接构成法律处罚依据，但将成为行业服务质量的重要参考标准。随着AI客服规模化应用，行业正从单纯追求降本增效转向兼顾服务体验、责任边界与消费者权益保护。

AI资讯AI新闻资讯正文运动垂类AI迎来合规里程碑！Keep自研Keepace.ai正式完成国家大模型备案发布于AI新闻资讯发布时间 :2026年8月19号 17:59阅读 :1分钟运动科技公司Keep于8月19日正式宣布，其自研的运动健康大模型Keepace.ai已成功完成国家及北京市大模型备案，备案编号为Beijing-KeepaceAI-202606250253。这标志着运动垂类人工智能技术正在加速走向规范化与规模化落地。回顾其发展历程，Keepace.ai于今年4月随着Keep App9.0版本首次公开亮相。该模型依托于Keep过去十年所积累的亿级海量运动数据，并获得了首都体育学院运动健康领域专家团队的科学性专业支持，确保了算法在运动领域的专业度与安全性。在实际应用场景方面，目前Keepace.ai的核心功能主要涵盖三大板块:训练课程的智能生成、运动知识的专业问答，以及运动数据的深度解读。该模型能够全面结合用户的身体状况、训练目标、既往伤病史以及多维度运动数据，为每位用户提供高度定制化的个性化运动建议。展望未来，Keep表示将继续加大在人工智能研发与产品化方面的资金与技术投入，推动更多运动健康垂直领域AI能力的实际落地，同时积极探索和打通全新的商业化发展路径。

感谢IT之家网友Skyraver、华南吴彦祖的线索投递！IT之家8 月 17 日消息，据彭博社报道，支付巨头 Stripe 已经敲定收购 AI 基础设施初创公司 OpenRouter 的交易，收购金额超过 70 亿美元（IT之家注：现汇率约合 473.24 亿元人民币）。OpenRouter 主要帮助用户根据具体需求和预算，在不同 AI 模型之间进行选择，从而为不同任务匹配合适的模型。该公司今年 5 月宣布完成 1.13 亿美元（现汇率约合 7.64 亿元人民币）B 轮融资，当时估值达到约 13 亿美元（现汇率约合 87.89 亿元人民币），投资方包括红杉资本（Sequoia）、Andreessen Horowitz、Menlo Ventures 以及 Alphabet 旗下 Capital G 等。OpenRouter CEO Alex Atallah 当时曾将公司称为“AI 领域的 Stripe”，这是因为 OpenRouter 能够为用户提供统一的访问入口，让用户使用不同 AI 模型，同时避免被单一模型或供应商锁定。该公司还声称目前平台全球用户数量已经达到 800 万，可提供超过 400 种 AI 模型的访问服务。IT之家注意到，上个月《华尔街日报》曾报道称，Stripe 与 OpenRouter 正在就收购事宜进行谈判。如今彭博社进一步报道称，双方已经达成交易，收购价格超过 70 亿美元（现汇率约合 473.24 亿元人民币）。如果交易最终完成，Stripe 将以超过 OpenRouter 上一轮融资估值 5 倍的价格将其收入囊中，也将成为近年来 AI 基础设施领域规模较大的收购案之一。

Higgsfield是什么Higgsfield 是专注于AI视频生成的创新工具，能将静态图片转化为具有专业运镜效果的动态视频。用户只需上传一张图片，可选择多种电影级运镜模式，如子弹时间、360°环绕拍摄等，通过参数微调实现个性化效果。Higgsfield AI支持视觉特效生成，如爆炸、变形等，以及将人物照片融合到经典电影场景中的功能。Higgsfield AI 的优势在于专业级的运镜效果和简单易用的操作流程，适合电影制作、广告创意、音乐视频等多种场景。Higgsfield的主要功能静态图像转动态视频：用户上传一张静态图片，可生成具有专业运镜效果的动态视频，支持多种电影级运镜模式。专业运镜效果：提供多种电影级运镜模板，如子弹时间、360°环绕拍摄、超长距拉镜等，支持参数微调以实现个性化效果。视觉特效生成：支持生成多种视觉特效，如爆炸、变形、融化、闪电等，适用于电影、广告、游戏等场景。经典电影场景融合：通过 Iconic Scenes 功能，用户可以将人物照片替换到经典电影场景中，预设多种风格化模板。模拟真实摄影机：支持模拟真实摄影机的物理特性，如变焦、平移、自然抖动等，提升视频的真实感。在线体验与API集成：用户可以通过官网直接体验，开发者也可以通过API将功能集成到自己的应用中。如何使用Higgsfield访问官网：访问 Higgsfield 官网（https://higgsfield.ai/），注册登录账号。上传图片：在网站上找到上传图片的选项，选择一张你想要转换为动态视频的静态图片。选择运镜模板：从预设的多种电影级运镜模板中选择一个，例如子弹时间、360°环绕拍摄等。调整参数：根据需要调整运镜效果的参数，如速度、角度等，以实现个性化的视频效果。添加特效：如果需要，可以选择添加视觉特效，如爆炸、变形等，增强视频的视觉冲击力。生成视频：点击生成按钮，Higgsfield将根据你的设置生成动态视频。下载或分享：生成的视频可以下载到本地，也可以直接分享到社交媒体或其他平台。API集成：对于开发者，可以通过调用 Higgsfield  提供的API接口，将视频生成功能集成到自己的应用程序中。Higgsfield的产品优势专业级运镜效果：在专业级的电影运镜方面表现出色，远超同类 AI 视频生成模型。操作简单：使用流程简单，只需选择运镜模板、添加图像、生成视频即可。多样化模板：提供丰富的运镜模板和视觉特效，满足不同用户的需求。Higgsfield的应用场景电影制作：快速生成电影预告片、概念视频或特效镜头，节省时间和成本。广告创意：为广告内容添加动态效果和视觉特效，提升吸引力和专业性。音乐视频：根据音乐节奏和主题生成匹配的视觉效果，增强音乐视频的表现力。游戏开发：生成游戏内的过场动画或特效，提升游戏的视觉体验。社交媒体内容：为社交媒体平台制作引人注目的短视频，增加用户互动。教育与培训：制作教学视频，通过动态效果增强学习的趣味性和理解度。©️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Higgsfield的工具Hour One人工智能文字到视频生成PopVid互动式AI视频平台，用户实时控制AI角色剧情EbSynthAI将真人视频转化为油画风动画智谱清影智谱推出的免费AI视频生成工具RunwayAI视频工具，绿幕抠除、视频生成、动态捕捉等功能HeyGen专业的AI数字人视频创作平台暂无评论再想想发表评论暂无评论…

MyContext – 阿里千问办公开源的 Agent 上下文基础设施AI工具1天前发布AI小集02MyContext是什么MyContext 是阿里云千问办公团队开源的 Agent 上下文基础设施，以本地优先方式运行，可将钉钉、飞书等 IM 沟通、文档、会议等多源工作数据，加工为持续更新、可回溯的专属”工作档案”，包含职责范围、协作关系与工作结论。遇到矛盾信息时通过语义分析判断合并或覆盖，不确定则交由用户确认。基于档案可构建专属 Agent，实现工作信息查询与拟人化自动回复。MyContext的主要功能构建工作档案：将钉钉、飞书等 IM、文档、会议等多源数据沉淀为持续更新的个人工作档案，涵盖职责、协作关系与讨论结论。信息可回溯：档案中每条信息均标注来源、时间与内容，可追溯到原始出处。矛盾信息处理：对前后矛盾的信息通过语义分析判断合并或覆盖，无法判断时交由用户确认且不再被模型覆盖。搜索问答：支持自然语言查询工作历史，结合全文检索、语义召回与图谱查询给出带来源的答案。数字分身：基于档案构建专属 Agent，可以用户语气起草回复工作信息，发送等操作需用户授权。如何使用MyContext下载部署：从 GitHub 仓库获取项目，在本地设备上以本地优先方式运行桌面应用。授权接入数据源：连接并授权钉钉、飞书等 IM 系统及文档、会议等工作数据源。导入数据：将个人工作数据导入 MyContext，系统自动完成标准化处理与增量同步。生成工作档案：系统自动沉淀包含职责范围、协作关系、行为习惯与讨论结论的专属工作档案，并持续更新。构建专属 Agent：基于档案生成专属 Agent 助手，可用于查询工作信息、总结知识、以本人语气辅助回复消息。人工确认关键环节：遇到矛盾信息或发送消息等有后果的操作时，由用户确认后执行，确保准确与安全。MyContext的核心优势上下文基础设施定位：将分散在 IM、文档、会议中的工作数据加工为 Agent 可理解的专属工作档案，补齐 Agent 落地工作场景的记忆底座。矛盾信息智能治理：通过语义分析判断信息合并或覆盖，不确定时交由用户确认且不再被模型覆盖，避免传统方案的信息丢失。全程可回溯抗幻觉：每条信息标注来源、时间与内容，答案有据可查，提升结果可信度。本地优先保隐私：数据与索引存储于用户本机，AI 仅是使用方而非所有者，契合企业数据安全要求。人机安全闸机制：发送消息等有后果的操作必须经用户明确授权，兼顾自动化与安全可控。MyContext的项目地址项目官网：https://mycontext.md/GitHub仓库：https://github.com/openTrinity/mycontextMyContext的同类竞品对比对比维度MyContext（阿里千问办公）Mem0发布方阿里云 · 千问办公团队Mem0 AI（美国初创，2023年成立）产品定位面向办公场景的 Agent 上下文基础设施通用 Agent 记忆层（Memory as a Service）产品形态本地优先的桌面应用 + 九层完整架构API/SDK 中间件，需开发者集成目标用户职场个人与企业，开箱即用AI 应用开发者数据来源原生接入钉钉、飞书等 IM、文档、会议记录主要处理对话历史，数据源需自行接入记忆架构记忆图谱 + 全文/语义/图谱混合检索向量优先的记忆提取与检索矛盾信息处理语义分析判断合并/覆盖，不确定时人工确认且不可被模型覆盖启发式 add-or-update，无人工裁决机制，旧事实可能”复活”可回溯性每条信息标注来源、时间、内容，全程可追溯记忆可追溯性较弱，存在”引用记忆但无法定位出处”的问题隐私安全本地优先，数据与索引存于用户本机默认云端托管，自托管需额外部署MyContext的应用场景智能消息回复：Agent 基于个人工作档案与沟通习惯，以用户语气自动起草、回复钉钉/飞书工作消息。工作信息问答：用自然语言查询个人工作历史（如”上周会议定的方案是什么”），答案附原始出处。个人知识沉淀：将散落在 IM、文档、会议中的职责范围、协作关系、讨论结论自动整理为持续更新的工作档案。协作关系梳理：通过记忆图谱呈现人物、项目、话题间的关联，快速理清跨部门协作上下文。新人/转岗交接：工作档案完整可追溯，降低岗位交接与知识转移成本。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维下一篇Luna-TTS - 宇生月伴推出的文本转语音大模型相关文章流畅阅读 – 开源AI浏览器翻译插件，支持双语对照显示AI小集2美团GEO营销门户 – 美团推出的生成式引擎优化平台AI小集3PerfectEssayWriter – AI论文写作工具，可定制化生成结构清晰的高质量文章AI小集3klaviyo – AI自动化营销平台，基于客户数据创建个性化营销方案AI小集2ToonComposer – 腾讯联合港中文、北大推出的AI动画制作工具AI小集3Copilot Search – 微软 Bing 推出的智能搜索模式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！3分钟前扣子桌面端 – 字节跳动旗下扣子推出的桌面端4分钟前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent4小时前Mage – 微软开源的 4B 参数多模态模型家族5小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建7小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程7小时前Academic Research Skills – 开源的 A I Agent 学术科研技能7小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent10小时前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统10小时前VM0 – 企业 AI Agent 平台，自然语言构建工作流1天前WeLM – 微信推出的自研大语言模型1天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型1天前Luna-TTS – 宇生月伴推出的文本转语音大模型1天前用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维1天前Origin – Cursor 推出的 AI 原生代码托管平台1天前

Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型AI工具1天前发布AI小集02Mureka V9.5是什么Mureka V9.5 是昆仑万维推出的新一代AI 音乐生成模型。模型基于 MusiCoT 音乐思维链框架，主打克制自然的编配与真实感：人声良品率升至 61%，控制良品率达 97%，中文国风的咬字、气口与和声层次大幅进化。官方评测中其旋律性、人声、音质、编曲四项评分均领先Suno 5.5和Lyria 3.5，目标是让 AI 音乐褪去机械感，值得单曲循环。Mureka V9.5的主要功能完整歌曲生成：输入 Prompt 可一键生成包含旋律、人声、和声与编曲的完整歌曲。精准意图控制：控制良品率达 97.0%、曲风完全体现比例 95.7%，忠实执行你的创作指令而非炫技。真实感人声：人声良品率提升至 61.0%，唱腔、情绪与伴奏交融自然，褪去机械合成感。中文国风创作：咬字精准、气口如真人、和声克制有层次，精准还原国风编曲神韵。编配留白美学：拒绝配器堆砌，为主旋律与情绪起伏留出呼吸空间，更耐听。专业工作流适配：可融入 Ableton 等专业音乐制作流程，供音乐人提取素材、打磨作品。Mureka V9.5的技术原理MusiCoT 音乐思维链框架：V9.5 的核心基石是 MusiCoT（Music Chain-of-Thought）：模型在生成音频之前，先构建一套逻辑严密的”音乐思维”，从全曲宏观结构到局部微观表达有条不紊地组织创作。真实感底座：把真实音乐法则刻入思维链 V9.5 将”真实音乐的生成法则”深度写入思维链：编配无需时刻满载、声部需要呼吸空间、情绪推进懂得留白、每个音符都精准服务于创作意图，从机制上杜绝机械堆叠。编配”留白”机制：打破”配器密度等于音乐质量”的误区，让编配为主旋律、人声与情绪起伏留出充足呼吸空间，这是 V9.5 听起来更具”人情味”的直接原因。贴近人类的创作框架：声部切入、段落演进与动态起伏更贴近人类真实的创作逻辑，大幅减少模板化痕迹，使作品在结构上”听起来像人做的”。意图优先的控制能力：模型算力被用于精准执行 Prompt 而非繁复轰炸，实现 97.0% 的控制良品率与 95.7% 的曲风完全体现比例，保证创作意图的稳定表达。如何使用Mureka V9.5访问平台：访问Mureka官网，V9.5 已全平台陆续开放。输入创作意图：通过 Prompt 描述想要的曲风、情绪与创作意图，模型的控制良品率达 97.0%，能精准执行指令。生成与聆听：获得包含旋律、人声、和声、编曲的完整歌曲，可反复生成、精挑细选。融入工作流（进阶）：专业音乐人可将生成内容接入 Ableton 等软件，试听并提取素材打磨成作品。Mureka V9.5的核心优势真实感领先：编配留白、声部呼吸、情绪留白，大幅褪去典型 AI 生成痕迹，人声良品率达 61.0%。综合评测领先：官方同口径评测中，音乐旋律性（7.81）、人声表现力（7.79）、音质（6.89）、编配编曲（7.58）四项均优于 Suno 5.5 和 Lyria 3.5。精准的意图执行：97.0% 控制良品率、95.7% 曲风完全体现比例，算力用于落实 Prompt 而非炫技。中文国风能力脱胎换骨：咬字精准、人声宛若真人、和声克制有层次、国风编曲神韵精准还原——被官方称为最惊艳的突破口。耐听度导向的审美：不追求一次性听觉刺激，而是创作值得”单曲循环”的作品，实现从”能生成”到”值得反复听”的跨越。Mureka V9.5的同类竞品对比对比维度Mureka V9.5Suno 5.5音乐旋律性7.817.35人声表现力7.797.23音质表现力6.896.19编配编曲7.586.98指令精准度7.607.71技术框架MusiCoT 音乐思维链，生成前先规划全局结构升级后的扩散模型 + 分层注意力机制，将音色、演唱技巧、风格解耦处理；生成质量与 V5 基本一致，升级重点在制作工具链设计取向克制留白、追求真实感与耐听度个性化定制：Voices 声音克隆、Custom Models 自定义模型微调、My Taste 偏好学习，从”生成即完成”转向”精细化制作”人声表现良品率 61.0%，情绪、气口宛若真人延续 V5 的高自然度人声，但中文长歌词易断句走调意图控制良品率 97.0%，曲风完全体现 95.7%V5 已宣称 90% 提示准确率，V5.5 加入自适应提示理解，越用越懂用户偏好Mureka V9.5的应用场景专业音乐制作：音乐人在 Ableton 等 DAW 中生成、试听并提取素材，作为专业工作流的灵感来源与素材库。独立内容创作：创作者通过海量生成、精挑细选，打磨出满意的歌曲作品并发布。个人生活记录：普通人用歌曲记录人生的闪光节点与故事，如纪念日、毕业、旅行等情感场景。日常陪伴收听：作为”单曲循环”级的耐听音乐来源，满足日常聆听与情绪陪伴需求。中文国风音乐创作：凭借精准的中文咬字、自然人声与国风编曲神韵，服务国风歌曲、古风内容等中文语境创作。# 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Luna-TTS - 宇生月伴推出的文本转语音大模型下一篇WeLM - 微信推出的自研大语言模型相关文章MoE-TTS – 昆仑万维推出的语音合成框架AI小集2MAI-Cyber-1-Flash – 微软推出的首个网络安全 AI 模型AI小集2WebResearcher – 阿里通义开源的迭代式深度研究AgentAI小集2洞察 – AI实时数据分析平台，提供快速、深度的行业洞察AI小集3SenseNova-U1-8B-MoT-Infographic – 商汤科技开源的信息图增强模型AI小集2hiData – AI数据分析和处理工具，自然语言完成全流程分析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！6分钟前扣子桌面端 – 字节跳动旗下扣子推出的桌面端7分钟前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent4小时前Mage – 微软开源的 4B 参数多模态模型家族5小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建7小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程7小时前Academic Research Skills – 开源的 A I Agent 学术科研技能7小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent10小时前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统10小时前VM0 – 企业 AI Agent 平台，自然语言构建工作流1天前WeLM – 微信推出的自研大语言模型1天前Luna-TTS – 宇生月伴推出的文本转语音大模型1天前MyContext – 阿里千问办公开源的 Agent 上下文基础设施1天前用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维1天前Origin – Cursor 推出的 AI 原生代码托管平台1天前

HiDream-O1-World – 智象未来推出的全模态交互式世界模型AI工具2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山海大模型 – 云知声推出的多模态AI大模型AI小集4Textero.ai – AI学术写作助手，智能创建大纲自定义论文字数AI小集2Qwen3-VL – 阿里通义推出的最强视觉语言模型AI小集2Rork – AI移动应用开发工具，自然语言生成跨平台移动应用AI小集2Drimo – 追梦极客推出的一站式 AI 影视创作工具AI小集13FLUX.1 Kontext – Black Forest Labs 推出的图像生成与编辑模型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！7分钟前扣子桌面端 – 字节跳动旗下扣子推出的桌面端8分钟前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent4小时前Mage – 微软开源的 4B 参数多模态模型家族5小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建7小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程7小时前Academic Research Skills – 开源的 A I Agent 学术科研技能7小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent10小时前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统10小时前VM0 – 企业 AI Agent 平台，自然语言构建工作流1天前WeLM – 微信推出的自研大语言模型1天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型1天前Luna-TTS – 宇生月伴推出的文本转语音大模型1天前MyContext – 阿里千问办公开源的 Agent 上下文基础设施1天前用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维1天前

Mage – 微软开源的 4B 参数多模态模型家族AI工具5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VERBALATE – AI视频翻译和配音工具，支持多语言视频翻译口型同步AI小集3OpenMontage – 开源 AI Agentic 视频制作系统AI小集2NPOA – 开源舆情检测工具，实时监控网络舆情与分析AI小集3ChatTS-14B – 字节开源的时间序列理解和推理大模型AI小集2万相首尾帧模型 – 阿里通义开源的首尾帧生视频模型AI小集3Framedrop – AI驱动的长视频转短视频工具，自动提取精彩片段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！4分钟前扣子桌面端 – 字节跳动旗下扣子推出的桌面端5分钟前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent4小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建7小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程7小时前Academic Research Skills – 开源的 A I Agent 学术科研技能7小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent10小时前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统10小时前VM0 – 企业 AI Agent 平台，自然语言构建工作流1天前WeLM – 微信推出的自研大语言模型1天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型1天前Luna-TTS – 宇生月伴推出的文本转语音大模型1天前MyContext – 阿里千问办公开源的 Agent 上下文基础设施1天前用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维1天前Origin – Cursor 推出的 AI 原生代码托管平台1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Sider – 多功能浏览器AI助手，支持多种先进AI模型AI小集4Stablecog – AI图像生成器，基于Stable Diffusion技术AI小集2OThink-MR1 – OPPO联合港科大推出的多模态语言模型优化框架AI小集2AiToEarn – 开源的 AI 内容营销自动化平台AI小集3Step-Audio-TTS-3B – 高性能 TTS 模型，能生成特定情感和说唱风格的语音AI小集2Duck.ai – DuckDuckGo 搜索引擎推出的免费 AI 聊天机器人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！19分钟前扣子桌面端 – 字节跳动旗下扣子推出的桌面端20分钟前ManClaw – 阿里旗下书旗团队推出的 AI 漫剧创作 Agent4小时前Mage – 微软开源的 4B 参数多模态模型家族5小时前ToolJet – 开源 AI 低代码开发平台，可视化拖拽搭建7小时前Nature Skills – 开源的 AI 科研技能库，聚焦论文全流程7小时前Academic Research Skills – 开源的 A I Agent 学术科研技能7小时前Lovart中文版 – Lovart 推出的新一代 AI 设计 Agent10小时前MemoraX Code – 专为 Coding Agent 设计的长期记忆系统10小时前VM0 – 企业 AI Agent 平台，自然语言构建工作流1天前WeLM – 微信推出的自研大语言模型1天前Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型1天前Luna-TTS – 宇生月伴推出的文本转语音大模型1天前MyContext – 阿里千问办公开源的 Agent 上下文基础设施1天前用 AI 做歌一直火不起来？问题不在灵感，在你没有制作人思维1天前