DeepSeek-V4 – DeepSeek推出的新一代大语言模型系列AI工具4个月前发布AI小集07DeepSeek-V4是什么DeepSeek-V4是DeepSeek推出的新一代大语言模型系列预览版，拥有百万字超长上下文窗口，在Agent能力、世界知识与推理性能方面达到开源领域领先水平。模型包含deepseek-v4-pro 和 deepseek-v4-flash 两个版本，分别定位高性能与经济高效，均已开源并提供API服务，支持非思考与思考双模式，为长文本处理与智能体应用提供普惠化基础设施。DeepSeek-V4的主要功能百万上下文处理：原生支持1M Token超长文本理解与记忆，为官方服务标配。混合注意力机制：CSA与HCA架构大幅降低长上下文计算与显存开销。Agent编码增强：针对Claude Code、OpenClaw等主流Agent框架深度优化。双模式推理：支持非思考与思考模式，后者可通过reasoning_effort参数调节强度。多领域专家融合：通过OPD蒸馏整合数学、代码、Agent等领域专家能力。经济高效选择：Flash版本用更低参数实现接近Pro的推理性能，API成本显著降低。DeepSeek-V4的技术原理CSA压缩稀疏注意力：将每m个token的KV压缩为1个条目，通过Lightning Indexer计算索引分数并执行Top-k稀疏选择，结合滑动窗口与Attention Sink机制保留局部依赖。HCA重度压缩注意力：以更大压缩比m’将KV条目合并为单个条目，保持密集注意力而不采用稀疏选择，进一步降低计算量。mHC流形约束超连接：将残差映射矩阵通过Sinkhorn-Knopp算法投影到双随机矩阵流形，约束谱范数不超过1，增强深层信号传播稳定性。Muon优化器：模型采用混合Newton-Schulz迭代对梯度矩阵进行正交化，分快速收敛与精确稳定两个阶段，支持大规模MoE高效训练。FP4量化感知训练：对MoE专家权重和CSA索引器QK路径进行FP4量化，用FP8扩展动态范围实现无损反量化，降低内存与计算开销。DeepSeek-V4的性能体现知识能力世界知识领先开源：SimpleQA-Verified达57.9%，超越所有已评测开源模型20个百分点，仅稍逊于Gemini-3.1-Pro（75.6%）。中文知识突出：Chinese-SimpleQA达84.4%，大幅领先K2.6（75.9%）与GLM-5.1（75.0%）。教育知识接近前沿：MMLU-Pro 87.5%、GPQA Diamond 90.1%，与GPT-5.4持平，略低于Gemini-3.1-Pro。推理与代码能力数学竞赛比肩闭源：HMMT 2026 Feb达95.2%，IMOAnswerBench达89.8%，超越K2.6与GLM-5.1，接近GPT-5.4与Opus-4.6。代码竞赛首次开源追平闭源：Codeforces Rating达3206，与GPT-5.4（3168）相当，当前排名人类选手第23位。高难度推理突破：Apex Shortlist达90.2%，超越GPT-5.4（78.1%）与Opus-4.6（85.9%）；LiveCodeBench达93.5%，领先所有对比模型。Agent能力软件工程接近顶级闭源：SWE Verified达80.6%，与Opus-4.6（80.8%）基本持平；SWE Pro 55.4%、SWE Multilingual 76.2%。终端操作领先开源：Terminal Bench 2.0达67.9%，超越K2.6（66.7%）、GLM-5.1（63.5%）与Opus-4.6（65.4%）。工具调用泛化优秀：MCPAtlas Public 73.6%、Toolathlon 51.8%，在包含广泛工具和MCP服务的评测中表现突出。长上下文能力百万上下文检索强劲：MRCR 1M达83.5%，超越Gemini-3.1-Pro（76.3%）；128K内检索性能高度稳定，1M时仍保持较强能力。真实场景长文档理解：CorpusQA 1M达62.0%，优于Gemini-3.1-Pro（53.8%）。效率表现计算量断崖式下降：1M上下文下，V4-Pro单Token推理FLOPs仅为V3.2的27%，V4-Flash仅为10%。KV缓存大幅压缩：1M上下文下，V4-Pro累计KV缓存为V3.2的10%，V4-Flash仅为7%。路由专家FP4量化：专家权重采用FP4存储，未来硬件上理论可再提升1/3效率。如何使用DeepSeek-V4网页端/App：访问DeepSeek官网或官方App，选择专家模式（Pro）或快速模式（Flash）。API调用：修改model参数为deepseek-v4-pro或deepseek-v4-flash，base_url保持不变。思考模式：复杂Agent场景建议启用思考模式并设置reasoning_effort: max。本地部署：通过Hugging Face或ModelScope下载开源权重自行部署。DeepSeek-V4的关键信息和使用要求版本规格：Pro版1.6T参数/49B激活，Flash版284B参数/13B激活，预训练数据分别为33T与32T。上下文长度：两个版本均支持1M Token，旧接口deepseek-chat与deepseek-reasoner将于2026-07-24停用。API定价（每百万Token）：Pro输入缓存命中1元/未命中12元，输出24元；Flash输入缓存命中0.2元/未命中1元，输出2元。算力限制：Pro版当前服务吞吐有限，预计下半年昇腾950超节点批量上市后价格将大幅下调。DeepSeek-V4的核心优势百万上下文普惠化：1M Token超长上下文成为官方服务标配，突破传统注意力机制的二次计算瓶颈，使长文本任务与测试时缩放真正可行。极致长上下文效率：通过CSA压缩稀疏注意力与HCA重度压缩注意力的混合架构，1M上下文下V4-Pro的单Token推理FLOPs仅为V3.2的27%，KV缓存仅10%，Flash版更是低至10%与7%。开源模型性能新标杆：V4-Pro-Max在知识、推理、代码竞赛等评测中全面领先前代开源模型，Agent编码能力内部评测优于Claude Sonnet 4.5，交付质量接近Opus 4.6非思考模式。双版本灵活覆盖：Pro版（1.6T/49B）定位顶级性能，Flash版（284B/13B）以极小激活参数实现接近的推理能力，API价格低至Pro的1/12，普惠不同预算场景。Agent能力原生增强：针对Claude Code、OpenClaw等主流Agent框架专项优化，支持跨用户消息边界的连贯推理保留，在SWE、Terminal Bench等Agent评测中表现优异。DeepSeek-V4的项目地址HuggingFace模型库：https://huggingface.co/collections/deepseek-ai/deepseek-v4技术论文：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdfDeepSeek-V4的同类竞品对比对比维度DeepSeek-V4-ProClaude Opus 4.6Kimi K2.6模型定位开源高性能MoE闭源顶级通用开源Agent智能开源状态完全开源闭源API开源/开放API总参数量1.6T未公开未公开激活参数49B未公开未公开上下文长度1M Token200K1M Token核心架构CSA+HCA混合注意力传统TransformerMoE+长上下文MMLU-Pro87.589.187.1SimpleQA57.946.236.9Codeforces3206––SWE Verified80.680.880.2Terminal Bench67.965.466.7MRCR 1M83.592.9–API输入价格12元/百万Token约150元/百万Token约60元/百万Token长上下文效率KV缓存仅为V3.2的10%标准KV缓存高效但细节未公开DeepSeek-V4的应用场景长文档分析：支持百万字级论文、报告、法律合同的全文理解与跨章节推理。智能体编码：在Claude Code、OpenClaw等框架中执行复杂代码生成、重构与调试任务。多轮工具调用：在Agent工作流中保留完整推理历史，支持跨用户消息边界的连贯思考。知识密集型问答：在世界知识评测中大幅领先开源模型，适用于教育、科研与专业咨询。白领办公任务：模型在中文写作、信息分析、文档生成与编辑等场景表现优异。# 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GPT-5.5 - OpenAI 推出的最新旗舰大模型下一篇StepAudio 2.5 ASR - 阶跃星辰推出的自动语音识别模型相关文章OpenHarness – 港大开源的轻量级 AI Agent 框架AI小集3Arrow 1.0 – Quiver AI推出的SVG原生AI生成模型AI小集2Animate-X – 阿里巴巴开源的通用动画生成框架AI小集2好伴AI – 杭州智诊科技推出的医疗健康智能助手AI小集2AirBrush – AI图像和视频编辑平台，具有丰富的编辑功能AI小集2创音岛 – AI音乐创作平台，支持录音转文字、配音、AI写歌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OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！24分钟前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件3小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用6小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体20小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前

dots3-note preview – 小红书开源的多模态 MoE 模型AI工具3天前更新AI小集03dots3-note preview是什么dots3-note preview 是小红书 dots 模型实验室开源的 dots3 系列首个版本，是 IMO 2026 满分模型同系列。模型采用 280B 总参数/16B 激活参数的 MoE 架构，支持 512K 超长上下文与文本、视觉、语音多模态理解。模型针对复杂推理、Agent 与多模态感知优化，专攻旅行规划、婚礼筹备等长程开放任务，在多项推理与智能体 benchmark 上可比肩数倍参数的大模型。dots3-note preview的主要功能长程开放域 Agent：专攻旅行规划、婚礼筹备等无唯一答案、时间跨度长的复杂任务，独立推进并交付结果。复杂推理与数学证明：继承 IMO 2026 满分能力，具备顶尖数学推理与形式化证明水平。多模态理解：支持文本、图像、视频、音频输入，可完成视觉空间判读、文档图表解析与视频问答。端到端软件工程：能独立完成需求分析、技术选型、代码实现、编译构建到验证运行的完整开发流程。自主学习与纠错：在未知规则环境中通过观察假设、验证反馈，出错时启动 Self-Critiquing 修正并写入动态记忆。交互式任务执行：无需专门训练即可接管游戏、破解 ARC-AGI 等需要实时反馈与长程策略调整的任务。dots3-note preview的技术原理MoE 混合专家架构：模型总参数 280B，激活参数仅 16B，采用 256 个路由专家加 1 个共享专家的设计，每层通过 Top-8 路由选择激活专家，并配备 5,120 维隐藏层与 152K 词表，在控制推理成本的同时实现大容量模型的表达能力。多 Token 预测加速：内置 1.13B 参数的共享多 Token 预测层，可在生成当前 token 时并行预测后续最多 3 个 token，无需独立草稿模型即可实现推测解码，有效降低推理延迟并提升吞吐量。多模态编码器融合：视觉信息由 7B 总参数/1.2B 激活的 MoE ViT 编码器处理，音频由 800M 参数的稠密网络编码，各模态特征经投影后与语言模型对齐，实现文本、图像、视频、音频的统一理解与跨模态推理。长程任务认知机制：依托 512K 超长上下文窗口，模型在开放环境中通过观察提出假设并验证，出错时启动 Self-Critiquing 自我批判，将修正后的规则写入外部 memory.md 动态记忆文件，实现跨步骤的知识累积与策略调整。微信关注回复“开源”，加入AI开源项目交流群如何使用dots3-note preview访问官方平台：前往 https://dots.ai/platform/ 注册账号并获取 API 密钥，直接通过云端接口调用模型，无需本地部署。下载模型权重：在 Hugging Face 上找到dots-studio/dots3-note-prev仓库，下载 Apache-2.0 协议下的模型权重文件到本地服务器。安装推理框架：根据硬件环境选择并安装 vLLM、SGLang 或 Transformers 等兼容框架，加载模型以准备推理。配置并行策略：针对 280B 总参数规模，设置张量并行（TP）与专家并行（EP），将计算分布到多块 GPU 上以满足显存与性能需求。启动任务调用：通过 API 或本地接口输入文本、图像、音频等多模态数据，触发长程 Agent 任务、复杂推理或端到端软件工程。dots3-note preview的核心优势极致参数效率：280B 总参数仅激活 16B，以远低于同性能大模型的算力消耗，实现比肩甚至超越数倍参数模型的推理与 Agent 能力。长程开放域 Agent：区别于数学/代码等标准化场景，专攻旅行规划、婚礼筹备等无唯一答案、时间跨度长的真实复杂任务。顶尖推理基因：继承 IMO 2026 官方认证满分（42/42）的数学推理与形式化证明能力。原生多模态理解：统一处理文本、图像、视频、音频，支持视觉空间判读、文档图表解析与跨模态推理。自主学习与纠错：内置 Self-Critiquing 机制，出错时自动修正并将规则写入 memory.md 动态记忆，实现跨步骤知识累积。端到端工程能力：能独立完成从需求分析、技术选型、代码实现到编译验证的完整软件工程流程。dots3-note preview的项目地址项目官网：https://studio.dots.ai/dots/dots3-en.htmlGitHub仓库：https://github.com/studio-dots-ai/dots3-note-prevHuggingFace模型库：https://huggingface.co/dots-studio/dots3-note-prevdots3-note preview的同类竞品对比对比维度dots3-note previewDeepSeek-v4-flash-0731参数规模280B 总参数 / 16B 激活284B 总参数 / 13B 激活架构MoE（256 路由专家 + 1 共享专家，Top-8）MoE上下文窗口512K128K核心定位长程开放域 Agent（旅行、婚礼、经营等无标准答案任务）通用高效推理与代码生成长程任务专为数小时至数天的复杂任务优化，支持 Self-Critiquing 与动态记忆侧重代码与数学推理，长程开放任务非主攻方向多模态文本、图像、视频、音频统一理解（MoE ViT + 稠密音频编码器）以文本为主，多模态能力相对有限开源协议Apache-2.0，权重与代码全量开源开源权重，协议相对受限适用场景个人助理、复杂生活规划、端到端软件开发、游戏策略代码生成、数学解题、轻量级推理任务dots3-note preview的应用场景智能装修顾问：用户上传户型图、家电尺寸图并语音描述需求，模型自动计算空间适配性，检索风格案例，生成定制化装修方案网页并提醒现场复尺。独立游戏代练 Agent：接管《杀戮尖塔 II》等策略游戏，根据实时战局学习敌人机制，动态管理牌组、金币与药水，在长程对局中做出全局最优决策。婚礼全流程策划师：从预算分配、场地筛选、宾客名单管理到流程时间表制定，模型在数周内持续跟进，根据突发变动（如天气、人员调整）动态重新规划。visionOS 原生应用开发：参考设计图独立完成 Apple Vision Pro 应用的需求分析、SwiftUI+RealityKit 代码编写、Xcode 工程构建与模拟器验证，实现从 0 到 1 的空间应用交付。跨模态深度研究助手：针对学术或商业课题，自主执行多轮搜索、阅读 PDF 图表、观看视频资料，整合多源信息生成结构化研究报告，并在发现矛盾时启动 Self-Critiquing 修正结论。# 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GLM-5.3 - 智谱最新开源的基座大模型，编程能力提升50%下一篇MiniMax Music 3.0 - MiniMax 开源的音乐生成模型相关文章CodeBanana – 出门问问推出的 AI 项目管理与协作平台AI小集3Drimo – 追梦极客推出的一站式 AI 影视创作工具AI小集13Hiwaifu – AI伴侣平台，根据喜欢定制专属的AI伴侣AI小集2Simplified – 多功能AI营销工具，提供一站式营销服务AI小集2QueryPal – AI信息检索助手，自动分析文档和提供即时问题答案AI小集2内容创作的ClaudeCode：Loomi深度测评，以IDE逻辑颠覆套壳Agent乱象AI小集6暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！39秒前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件2小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用5小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体19小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型4天前

MiniMax Music 3.0 – MiniMax 开源的音乐生成模型AI工具3天前发布AI小集03MiniMax Music 3.0是什么MiniMax Music 3.0 是 MiniMax推出的下一代开放权重音乐生成模型。模型采用 8B Global LLM与 0.6B Local LLM 的分层架构，结合 Flow Matching + Flow-VAE 连续隐状态合成技术，可根据歌词和结构化音乐描述生成最长 5 分钟、32kHz 立体声的完整歌曲。模型支持精细的段落控制，能在长音频中保持主题、节奏与歌声身份的一致性，实现从创作意图到高保真成品的端到端生成。MiniMax Music 3.0的主要功能完整歌曲生成：支持生成最长 5 分钟的完整歌曲，涵盖前奏、主歌、副歌、桥段、尾奏等标准结构。歌词驱动创作：输入歌词与音乐风格描述，即可生成包含人声演唱、器乐编曲的完整作品。结构化段落控制：支持[Verse]、[Chorus]、[Bridge]等标签，精确控制歌曲各段落的情绪与编曲变化。长程一致性保持：在长达数分钟的音频中稳定维持音乐主题、节奏、歌声身份与编曲推进。高保真音频输出：生成 32kHz、16-bit 立体声 WAV 文件，音质接近专业录音室水准。提示词自动增强：内置music-caption-rewriter工具，可将简短描述扩展为包含全局元数据、人声细节与编曲规划的专业结构化提示。MiniMax Music 3.0的技术原理分层自回归架构（Hybrid-LM）：模型由 8B Global LLM 与 0.6B Local LLM 协同工作。Global LLM 基于 Qwen3 初始化，逐帧预测首个 RVQ 语义码本，负责建模歌曲的长程结构与语义；Local LLM 则在每帧内预测其余声学码本，恢复细粒度音色与音质。两者通过联合训练实现宏观结构与微观声学的高效分离与协作。多层残差向量量化（RVQ）：采用 8 层 RVQ 对音乐信息进行分层表征。首层语义码本含 16,384 个条目，捕捉核心音乐语义与结构；其余 7 层声学码本各含 1,024 个条目，逐级编码残差声学细节。训练时先独立优化语义码本建立稳定骨架，再联合训练全部码本，以平衡语义容量、生成稳定性与细节重建。连续隐状态合成：推理融合 Global 与 Local LLM 的最终连续隐状态，作为条件输入 2.4B Flow Matching 模块映射至 VAE 潜空间，再由 123M Flow-VAE 解码为波形。保留了更丰富的高维声学信息，显著提升人声发音准确度、乐器物理真实感与长时一致性。结构化描述框架：引入精细时粒度的结构化描述体系，将单一全局标签扩展为包含 Global Metadata（流派、BPM、调性）、Vocal Details（音色、唱法、和声）与 Arrangement（乐器演进、段落变化）的三段式描述，使主观创作意图转化为模型可执行的专业编曲指令。微信关注回复“开源”，加入AI开源项目交流群如何使用MiniMax Music 3.0环境准备：确保本地拥有两张支持 CUDA 的 NVIDIA GPU，配置好 Python 环境以及 SGLang-Omni 推理框架的依赖。下载模型：执行hf download MiniMaxAI/MiniMax-Music3 –local-dir /path/to/minimax_ttm命令，从 HuggingFace 拉取完整的模型权重到本地目录。启动服务：运行sgl-omni serve –model-path MiniMaxAI/MiniMax-Music3 –port 8000启动推理服务，其中 GPU 0 负责 Qwen3 与八层 RVQ 自回归生成，GPU 1 负责 Flow Matching 与 Flow-VAE 波形解码。准备输入：在 API 请求的input字段中填入带段落标签（如[Verse]、[Chorus]）的歌词，在instructions字段中填入音乐风格、情绪与编曲描述，两者共同作为生成条件。发送请求：向http://127.0.0.1:8000/v1/audio/speech发送 POST 请求，设置model为minimax_ttm、response_format为wav、max_new_tokens为 9000，即可返回生成的 32kHz 立体声 WAV 音频。提示增强（可选）：安装并调用music-caption-rewriterskill，将简短的音乐描述自动扩展为包含全局元数据、人声细节与段落编曲的结构化提示，以提升生成精度与可控性。MiniMax Music 3.0的核心优势完整长曲生成：原生支持最长 5 分钟完整歌曲生成，在长音频中稳定保持音乐主题、节奏、歌声身份与编曲推进的一致性，实现真正的”一首完整歌”。精准理解创作意图：通过结构化描述框架（Structured Caption）将主观创意转化为可执行的专业编曲指令，避免生成内容偏离原始需求，并配备提示增强工具降低专业门槛。高保真音频渲染：采用连续隐状态合成（融合 LLM 隐状态 → Flow Matching → Flow-VAE），而非传统离散 token 解码，输出 32kHz 立体声，乐器物理真实感更强、混音更通透。精细可控的编曲：支持歌词段落标签与三段式结构化描述（全局元数据、人声细节、段落编曲），可对情绪演进、乐器进出、人声技法进行精确时序控制。自然的人声表现：显著减少高频数字伪影，改善发音准确度、呼吸感与和声层次，使生成的人声更接近真实演唱而非合成效果。MiniMax Music 3.0的项目地址项目官网：https://www.minimax.io/blog/minimax-music-3-0-next-generation-open-weights-production-ready-versatile-music-modelGitHub仓库：https://github.com/MiniMax-AI/MiniMax-Music3MiniMax Music 3.0的同类竞品对比对比维度MiniMax Music 3.0Suno v5开发商MiniMaxSuno AI模型性质开放权重（可本地部署）闭源（仅云端使用）技术架构8B Global LLM + 0.6B Local LLM + Flow Matching + Flow-VAETransformer-based（具体参数未公开）最长生成时长5 分钟~5 分钟（v5.5 支持最长 8 分钟）输出音质32kHz / 16-bit 立体声 WAV44.1kHz 立体声（Pro）/ 48kHz 24-bit（Premier）歌词输入支持，带结构化段落标签支持，带元标签（[Verse] 等）音乐描述精度结构化 Caption（流派、BPM、调性、段落编曲三段式精细控制）自然语言风格描述（建议 200 字符以内）部署方式本地双 CUDA GPU（SGLang-Omni）纯云端（官网 / App）MiniMax Music 3.0的应用场景独立音乐人快速 Demo 制作：音乐人输入原创歌词与风格描述，可在数分钟内生成包含人声与编曲的完整 Demo，大幅降低创作前期的试错成本。短视频与播客定制化配乐：内容创作者根据视频情绪曲线生成主题曲或背景音乐，实现从”找版权音乐”到”定制专属音乐”的转变。游戏与互动娱乐动态配乐：开发者将模型接入游戏引擎，根据玩家实时行为动态生成适配场景氛围的长时音乐，增强沉浸感。广告与品牌营销音频内容：广告团队依据品牌调性描述快速产出多版本广告歌与 Jingle，支持 A/B 测试并避免版权纠纷。音乐教育与创作教学辅助：教师用模型演示不同流派、结构与编曲技法的实际效果，学生通过调整结构化描述直观理解音乐制作原理。# 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dots3-note preview - 小红书开源的多模态 MoE 模型下一篇OnSolo - 腾讯推出的 AI 原生创作平台相关文章AppFlowy – 开源的AI笔记和任务管理工具，对标NotionAI小集2CodeFormer – AI照片修复工具，轻松去除图片和视频马赛克AI小集16LlamaV-o1 – 多模态视觉推理模型，采用逐步推理学习方法解决复杂任务AI小集3文墨启名 – 融合中国传统文化的AI取名字应用AI小集5Pull Sense – AI代码审查工具，自动分析代码、识别语法错误、安全漏洞等AI小集3ShowUI – 新加坡国立联合微软推出用于 GUI 自动化的视觉-语言-操作模型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OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！44秒前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件2小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用5小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体19小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型4天前

Gemini Spark – 谷歌推出的个人 AI AgentAI工具3个月前发布AI小集03Gemini Spark是什么Gemini Spark 是 Google 推出的 24/7 个人 AI Agent，基于 Gemini 3.5 模型与Antigravity框架运行，深度集成 Gmail、Docs、Slides 等 Workspace 工具。工具能在设备关闭后仍于云端后台持续执行任务，支持设置周期性触发器、学习新技能并创建完整工作流，将 Gemini 从问答助手升级为可主动代劳的数字代理。Gemini Spark的主要功能全天候后台任务执行：Spark 作为云端 Agent，即使用户关闭笔记本或锁定手机，仍能在后台持续完成复杂任务。周期性任务与触发器：自动解析月度信用卡账单，标记新增或隐藏的订阅费用；按设定条件持续监控指定信息源。可教学的新技能：用户可指令 Spark 检查特定邮件来源（如学校通知），提取关键截止日期，生成摘要发送给指定联系人。完整工作流创建：自动整合分散在邮件与聊天中的会议笔记，生成格式化的 Google Docs 报告，并起草项目启动邮件。MCP 扩展连接：已支持 Canva、OpenTable、Instacart 等第三方服务，未来数周内将通过 MCP 协议直接代用户完成跨平台操作。如何使用Gemini Spark目前 Gemini Spark 处于 Beta 阶段，仅面向美国地区的 Google AI Ultra 订阅用户逐步开放，可在Gemini App设置中查看并启用。Gemini Spark的核心优势真·全天候在线：区别于对话窗口内响应的助手，Gemini Spark 可在用户离线时持续推进任务进度。深度原生集成：与 Google Workspace 无缝打通，数据读写权限与协作能力远超外挂式插件。可教学进化：用户通过自然语言即可训练 Spark 掌握专属工作流，无需编程或复杂配置。多模态任务链：支持从信息收集、内容生成到跨应用执行的端到端闭环，非单点工具调用。渐进式权限控制：用户自主决定 Agent 的开启状态、连接范围与操作边界，隐私与可控性并重。Gemini Spark的同类竞品对比对比维度Gemini SparkClaude Computer UseOpenAIOperator所属公司GoogleAnthropicOpenAI核心定位24/7 云端个人 AI Agent桌面操控型 AI Agent云端浏览器代理运行环境云端后台（设备可离线）本地 macOS（需设备在线）云端沙盒浏览器后台持续执行支持，关闭设备仍运行不支持，随会话结束停止有限，长任务易中断桌面应用操控夏季通过 macOS App 支持已支持完整桌面控制不支持，仅限浏览器内办公套件集成原生深度集成 Workspace连接器 + 屏幕控制 fallback无原生办公集成OSWorld 任务成功率未公开（基于 Gemini 3.5）约 72%–73%约 38%–43%人在回路确认高风险操作前请求确认频繁请求确认频繁请求确认，易冻结Gemini Spark的应用场景个人财务管理：自动追踪订阅服务扣费异动，每月生成账单分析报告并推送提醒。家庭事务协调：持续监控学校邮件，汇总活动与截止日期，每日向父母双方发送结构化摘要。职场项目启动：自动收集会议纪要与邮件讨论，整理为项目文档并起草团队通知邮件。跨平台内容创作：调用 Canva 生成配图，结合 Docs 撰写文案，通过 Gmail 发送完整营销方案。日常行程管理：基于 Calendar 与邮件内容，主动识别冲突并建议调整，甚至代为预订餐厅。# 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Gemini 3.5 Flash - Google 推出的新一代 AI 大模型下一篇Gemini Omni Flash - 谷歌推出的多模态视频生成模型相关文章DeepSpeed-MII – 微软DeepSpeed开源的模型推理库AI小集2Pippo – Meta 推出的单图生成多视角高清人像视频模型AI小集2Reverb ASR – Rev公司开源的自动语音识别和说话人分离模型AI小集3AgileGen – AI生成式软件开发框架，自动生成软件代码和原型AI小集4MindVLA-o1 – 理想推出的下一代自动驾驶基础模型AI小集2StepAudio 2.5 TTS – 阶跃星辰推出的语境感知语音生成模型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OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！47分钟前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件3小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用6小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体20小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前

Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型AI工具3天前更新AI小集02Gemini 3.7 Flash是什么Gemini 3.7 Flash 是 Google DeepMind 推出的新一代主力 AI 模型。模型专为 Coding 与 Agent 工作流设计，在软件工程、网页开发和企业自动化等基准上大幅跃升，部分指标超越Claude Sonnet 5与GPT-5.6 Terra。模型首发价仅为 3.6 Flash 原价的一半，定位高频 Agent 与企业工作流的”性价比杀手”。Gemini 3.7 Flash的主要功能软件工程：支持生成高质量生产级代码，在 FrontierCode 与 DeepSWE 基准上大幅提升，首遍准确率与调试能力显著增强。Web 开发：支持从截图、图片或完整 Design System 输入，一键生成高保真交互式网页，Code Arena Elo 评分领先竞品。Agent 自动化：执行复杂多步骤企业工作流，自动规划、调用工具并在遇到障碍时自适应调整，AutomationBench 表现大幅跃升。知识密集型工作：处理金融、法律、生物科学等领域的复杂文档推理，GDP.pdf 等长文档理解能力显著增强。多模态创作：配合 Nano Banana 将文字提示实时转化为可玩的 3D 游戏，或将静态 PDF 转化为带交互图表的动态网页。Gemini Spark 集成：作为 24/7 个人 Agent 的后台模型，驱动 Google Workspace 内的文件整理、邮件起草与状态更新等自动化操作。Gemini 3.7 Flash的技术原理算法迭代与快速演进机制：模型针对 Coding 和 Agent 场景的后训练优化与能力定向增强，非单纯依赖预训练规模扩张，从而在保持 Flash 系列速度优势的同时，实现软件工程与知识工作质量的跨越式提升。多步骤规划与严谨推理执行：模型内置更主动的推理资源分配机制，面对复杂任务时会投入更多计算资源进行多步骤规划与工具调用，在执行过程中遇到路障时自适应调整策略、澄清意图；这种”更严谨的执行力”大幅减少了人工监督需求与反复重试次数，是其 Agent 与企业自动化能力跃升的核心技术支撑。原生多模态统一理解：3.7 Flash 具备跨文本、音频、图像、代码和视频的统一理解能力，使其能在 3D 游戏生成、机器人训练闭环和文档智能转换等场景中，将视觉输入（如截图、设计稿）与语言指令融合处理，实现从静态 PDF 到交互网页、从文字描述到可运行 3D 资产的端到端生成。Agent 工作流与 Sub-Agent 编排：针对高频 Agent 场景进行底层优化，通过改进的指令遵循精度与路障适应能力，支持主模型调度多个 sub-agents 协同完成任务；编排能力使其在 Web 开发等场景中可并行处理布局生成、交互逻辑编写与视觉组件渲染，成为支撑长期在线、大规模调用的企业自动化后端基础设施。如何使用Gemini 3.7 Flash开发者接入：开发者可通过 Gemini API 或 Google AI Studio 直接调用模型。快速体验：在Google AI Studio中可零成本创建项目并选择 gemini-3.7-flash 模型，快速测试文本、代码与多模态能力。移动集成：Android Studio 已集成该模型，开发者可在移动应用开发流程中获得代码辅助与生成功能。Agent 编排：通过Google Antigravity这一 Agent-first 开发环境，可编排 sub-agents 构建复杂自动化工作流。企业部署：企业用户可通过 Gemini Enterprise Agent Platform 自定义业务流程与工具集成，实现规模化高频调用。企业使用：企业员工也可直接通过 Gemini Enterprise App 统一入口，用内置的 3.7 Flash 能力处理文档与自动化任务。Gemini 3.7 Flash的核心优势极致迭代节奏：Flash 系列从 3.5 进化到 3.7 仅用了 3 个月，3.6 到 3.7 更是压缩到 3 周，Google 对开发者反馈和市场竞争的响应速度在主流模型中无出其右。Coding 能力跃升：FrontierCode 1.1 Main 从 34.4% 提升至 43.6%，DeepSWE v1.1 从 49% 跃升至 65.3%，首遍代码准确率与长周期软件工程能力均获得跨越式增强，已具备生产级主力模型的代码输出质量。Agent 与企业自动化绝对领先：AutomationBench 得分 30.4%，不仅较自身上一代近乎翻倍，更大幅甩开 Claude Sonnet 5（10.7%）和 GPT-5.6 Terra（23.6%），成为当前企业工作流自动化场景的最强模型。部分基准超越旗舰竞品：在 FrontierCode 1.1（43.6%）和 WebDev Code Arena（1588 Elo）两项关键 Coding 基准上，3.7 Flash 已反超 Claude Sonnet 5 和 GPT-5.6 Terra，打破了”Flash 只做轻量辅助”的刻板印象。极致性价比壁垒：推广价输入 $0.75、输出 $3.75 每百万 Tokens，仅为 3.6 Flash 原价的一半，更是 Claude（$2/$10）和 GPT（$2/$12）的三分之一到四分之一；在高频 Agent 和企业级工作流中，这一成本优势随调用量指数级放大。原生多模态端到端创作：支持文字直接生成可玩的 3D 游戏、截图/Design System 一键转化为交互网页、静态 PDF 自动变为带实时图表的动态数据故事，创作链路完整且无需多模型拼接。Gemini 3.7 Flash的项目地址项目官网：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/Gemini 3.7 Flash的同类竞品对比对比维度Gemini 3.7 FlashGPT-5.6 Terra发布方Google DeepMindOpenAI定位Coding + Agent 主力模型通用旗舰模型FrontierCode 1.143.6%🥇41.3%DeepSWE v1.165.3%69.6%🥇Code Arena Elo1588🥇1523AutomationBench30.4%🥇23.6%Terminal-bench 2.185.8%87.4%🥇GDP.pdf34.0%🥇24.7%输入价格 / 1M$0.75🥇$2.00输出价格 / 1M$3.75🥇$12.00迭代节奏3 周一更数月周期核心优势性价比 + Agent 自动化绝对 Coding 性能Gemini 3.7 Flash的应用场景智能 Coding 助手：自动生成生产级代码、调试复杂 Bug、完成长周期软件工程任务，首遍准确率较上一代大幅提升。交互式 Web 开发：从截图或 Design System 输入一键生成高保真交互网页，支持多 agent 协作与视差动效。企业工作流自动化：驱动 RPA 与业务系统，自动完成跨平台数据录入、审批流转、报告生成等高频重复任务。3D 游戏与内容生成：配合 Nano Banana 将文字描述实时转化为可玩的 3D 游戏，动态生成角色、道具与纹理。文档智能转换：将静态 PDF 年报、研报自动转化为带实时图表、数据汇总与交互功能的动态网页或数据故事。# 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wigolo - 开源的本地搜索工具，支持接入多种编程 Agent下一篇GLM-5.3 - 智谱最新开源的基座大模型，编程能力提升50%相关文章Dyad – 开源AI应用构建工具，支持全栈应用开发AI小集3MobA – 上海交通大学推出的移动智能体AI小集2Qwen3.7-Max – 阿里通义推出的新一代旗舰大模型AI小集4OmniAudio – 阿里通义推出的空间音频生成模型AI小集2PaperTT – AI论文写作平台，能生成结构完整、排版规范的论文范文AI小集3FlowithOS – Flowith推出的全球首个智能体操作系统AI小集5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OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！50秒前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件2小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用5小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体19小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型4天前

感谢IT之家网友shutiao、木木人工、Kazuto、Domado、浪花庆山粉、AlanMac、华南吴彦祖、LL J、乌蝇哥的左手、files、火瓶座的线索投递！IT之家8 月 14 日消息，当地时间 8 月 13 日，谷歌宣布推出 Gemini 3.7 Flash 模型，专为编程与 Agents 场景打造。IT之家注意到，本次发布距 Gemini 3.6 Flash 发布仅间隔约三周，谷歌称该版本的推出直接源于开发者的反馈以及一系列算法创新。Gemini 3.7 Flash 在软件工程、知识工作及网页开发工作流方面均实现了大幅提升。此外，在今年年底前（截至 2026 年 12 月 31 日），Gemini 3.7 Flash 将以首发优惠价提供（Gemini 3.6 Flash 也将有相同优惠），仅为原 3.6 Flash 每百万 Token 价格的一半：输入：每百万 Token 0.75 美元（现汇率约合 5.1 元人民币）输出：每百万 Token 3.75 美元（现汇率约合 25.3 元人民币）即日起，面向 160 多个国家和地区的 Google AI Pro 及 Ultra 订阅用户推出的 Gemini Spark 将正式接入 Gemini 3.7 Flash。本次模型升级显著提升了 Spark 处理知识工作的效率，优化了其对 Google Workspace 系列应用工具的使用能力，从而为复杂且跨技能的综合工作流提供更高的准确度与更高质量的输出。此外，Gemini 3.7 Flash 推出了全新的安全防御机制，在严防化学、生物、放射性及核（CBRN）领域和网络攻击滥用的同时，确保合法且有益的应用场景得以顺利实施。

Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作AI工具4天前发布AI小集05Grok Bot是什么Grok Bot 是 SpaceXAI 推出的 AI Agent 系统，能登录用户的账号像真人一样操作网站和工具，24 小时在云端替用户完成实际工作。系统支持多 Bot 并行协作、录制工作流自动执行，甚至 Bot 可创建新 Bot 组建团队。原型来自 Cursor 内部代号「Sand」的 Agent 产品，现架在 Cursor 基础设施上。Grok Bot的主要功能账号代操作：直接登录已有的应用和网站，在界面层像真人一样点击、填写、推进任务，无需 API 或 MCP 支持。云端常驻运行：每个 Bot 拥有专属小型云计算机，24 小时后台运行，不依赖你的设备是否开机，可凌晨自动拉取数据、整理报告。多 Bot 并行协作：可同时创建销售 Bot、招聘 Bot、费用 Bot、Bug 复现 Bot 等，各自独立处理不同任务。Bot 间自主通信：Bot 之间可直接对话、传递任务、协商分工；管理 Bot 可汇总子 Bot 进展，只在关键节点找你确认。Bot 创建 Bot：可指令 Bot 自行”组建团队”，自动创建新的子 Bot 并分配职责。工作流录制与演化：观察你的操作过程并保存为模板，支持在执行中纠正，工作流会随使用不断优化。跨端同步：支持 macOS 桌面端和 iOS，任务进度多端同步。如何使用Grok Bot访问下载：访问Grok Bot官网 https://x.ai/bot，下载 macOS 或 iOS 客户端。登录订阅：用已订阅 Cursor Teams Premium（$120/月）、Cursor Ultra（$200/月）或 SuperGrok Heavy（$300/月）的账号登录。创建 Bot：点击创建新 Bot，为其命名、设置职位头衔和任务描述。分配任务：给 Bot 指定具体工作，如销售外联、招聘筛选、费用管理或 Bug 复现。自动执行：Bot 自动登录指定的应用或网站，像真人一样在界面层操作并自主推进任务。人机协作：Bot 在云端 24 小时运行，仅在需要人类判断的关键节点回来找你确认。多 Bot 协同：可同时创建多个 Bot 并行运行，它们会互相通信、协商分工，甚至自动创建子 Bot 组建团队。Grok Bot的核心优势无接口限制：无需 API 或 MCP，直接登录应用和网站，在界面层像真人一样点击、填写、推进任务。云端常驻：每个 Bot 拥有专属云计算机，24 小时后台独立运行，不依赖你的设备是否在线。多 Bot 协同：可同时部署多个 Bot 处理不同任务，它们之间自主通信、协商分工、协同推进复杂工作流。工作流演化：观察并保存你的操作步骤为模板，支持执行中纠正，工作流随使用持续优化。自组织团队：可指令 Bot 自行组建团队，自动创建子 Bot 并分配职责，实现层级化管理。闭环执行：Grok Bot 能推进到任务最后一步，只在关键节点找你确认。Grok Bot的同类竞品对比对比维度Grok BotOpenClaw运行模式云端常驻，每个 Bot 拥有专属小型云计算机，24 小时后台独立运行，不依赖用户设备在线。本地优先，任务在用户本地设备或自托管服务器上执行，设备关机则任务中断。部署架构中心化托管，Bot 在 xAI 云端运行，用户通过客户端远程查看进度和接收通知。去中心化自托管，数据不经过第三方服务器，支持 Docker 一键部署，隐私可控性更强。交互入口专用桌面客户端（macOS）+ iOS App，Bot 以独立聊天窗口形式存在，支持多 Bot 并行会话。支持 Telegram、Discord、Slack 等 50 多个消息平台接入，通过聊天指令触发任务。模型支持深度绑定 Grok 系列模型，底层由 xAI 自研模型驱动，模型能力统一但不可切换。可自由切换 OpenAI、Anthropic、Google 及本地开源模型，用户可按任务需求灵活配置。工具操作直接登录用户账号，在应用界面层像真人一样点击、填写、操作，无需 API 或 MCP 支持。依赖 MCP（Model Context Protocol）和 API 连接工具，对无接口的传统软件支持有限。多 Agent 协同原生支持多 Bot 并行运行，Bot 之间可直接通信、协商分工、自动创建子 Bot 组建团队。单次会话为主，不同任务间缺乏持久化协同，多 Agent 协作需手动串联。工作流能力支持录制用户操作并保存为模板，Bot 可自主按模板执行并随纠正不断优化，实现工作流演化。通过预设指令和脚本定义工作流，缺乏”观察-学习-自动优化”的闭环演化机制。安全与隐私账号凭证托管在 xAI 云端，Bot 代登录操作，用户需信任平台的数据安全策略。本地运行，账号凭证和任务数据保留在用户侧，不经过第三方服务器，隐私可控性更高。定价门槛需订阅 Cursor Teams Premium（$120/月）、Cursor Ultra（$200/月）或 SuperGrok Heavy（$300/月）。开源免费，仅需承担自托管的服务器成本，对个人开发者和小团队门槛极低。Grok Bot的应用场景销售外联：夜间自动研究客户账户、拉取 Salesforce 数据、起草个性化邮件，早上留给你审批后发送。招聘筛选：自动浏览 LinkedIn 简历、匹配岗位需求、生成候选人短名单并安排面试。费用管理：从 Gmail 提取收据、分类归档、核对金额，定期生成报销报告。Bug 复现：自动登录测试环境、按步骤复现用户提交的 Bug、提交工单并移交给调试 Bot 跟进。内容运营：每小时扫描 Slack 频道查找会议信息，提醒相关人员并提供社交用语建议。# 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ClawTeams - AI 电商运营协同平台，专家 Agent 并行执行下一篇dots.tts - 小红书联合上海交大开源的语音合成基座模型相关文章SuperGPQA – 豆包大模型联合 M-A-P 开源的知识推理基准测试集AI小集2秒画趣拍 – 商汤科技推出的AI创意写真小程序AI小集8CoCoClip.AI – AI视频创作和编辑平台，一站式服务短视频创作AI小集2Sketch2Lineart – AI绘画工具，自动将手绘草图转换成清晰的线条画AI小集2FireRedASR – 小红书开源的自动语音识别模型AI小集2HyOCR-1.5 – 腾讯混元开源的轻量级端到端 OCR 专家大模型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OnSoloEpixa知漫剧QwenPawRenoiseLawbot脱敏猫最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7分钟前dsh-TUI – 开源的 DeepSeek Harness 终端界面插件3小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用5小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体19小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前

IT之家8 月 14 日消息，SpaceX 完成了对 AI 编程初创公司 Cursor 的 600 亿美元（IT之家注：现汇率约合 4,054.22 亿元人民币）收购。对于马斯克而言，这笔交易是追赶 Anthropic 和 OpenAI 的重要一步。监管文件显示，收购于当地时间 8 月 14 日正式生效。SpaceX 两个月前已经宣布与 Cursor达成收购协议。据彭博社报道，作为科技行业有史以来规模最大的收购之一，SpaceX 希望借助 Cursor 加快开发更先进的 AI 工具，用于简化编程等任务。编程已经成为 AI 领域利润丰厚的重要市场。马斯克旗下 AI 业务目前名为 SpaceXAI，此前在企业市场的普及程度有限，也经历过多轮裁员和重组。Cursor 于 2023 年推出 AI 编程助手，帮助程序员提高代码编写和调试效率。随着越来越多软件开发人员开始使用能够根据聊天机器人提示词直接生成和构建软件的工具，Cursor 迅速成长为全球增长最快的初创公司之一，并成为科技行业“氛围编程”浪潮中的重要参与者。收购完成后，Cursor 联合创始人将跻身亿万富翁行列，团队也可以使用 SpaceX 储备的大量先进 AI 芯片。Cursor 通过博客文章宣布：“我们将能够使用全球规模最大的 GPU 集群，获得充足算力来开发能力更强、运行成本更低的模型。”双方在交易正式完成前已经开始合作。SpaceX 和 Cursor 于 7 月推出首个联合模型 Grok 4.5，主要用于编程、金融和法律任务。两家公司称，Grok 4.5 的使用成本低于其他竞争模型。SpaceX 随后又推出 Grok Bot，由一组 AI 智能体全天接收并完成任务，同时发布了升级后的 Grok 4.6 模型。SpaceX 还签署了多笔价值数十亿美元的协议，向 Anthropic 和谷歌等公司开放算力资源。本月早些时候，马斯克在 SpaceX 员工会议上称，公司必须在软件方面取得成功。到 9 月，AI 收入将超过 SpaceX 其他所有业务收入的总和。

OpenRouter是什么OpenRouter是 AI 大模型API 聚合平台，被称为”所有模型的统一接口”。平台通过一个API接入了80多家供应商的500多个模型，涵盖OpenAI、Anthropic、Google、Meta等主流厂商。平台会自动处理故障转移，为每次请求智能选择最具性价比的模型方案。平台兼容OpenAI SDK，现有代码几乎零改动即可迁移，同时提供Agent SDK和MCP服务器，方便构建AI应用。OpenRouter的主要功能统一模型接入：通过单一 API 端点调用数百个大模型，一个 Key 通用所有供应商。模型故障转移与智能路由：请求失败时自动切换备选模型，并按成本、速度或供应商偏好智能选择方案。OpenAI SDK 兼容：仅需修改 baseURL 即可无缝迁移现有 OpenAI 生态代码。三种集成方式：提供原生 API、类型安全的 Client SDK，以及自动处理工具调用循环的 Agent SDK。工具调用与结构化输出：支持函数调用、JSON 结构化返回和消息转换等高级能力。企业级管理：支持工作区预算、SSO 单点登录、SCIM 群组映射和预设策略。隐私与安全：提供零数据保留（ZDR）、输入输出日志、防护栏（Guardrails）和数据主权选项。性能优化：支持响应缓存、提示词缓存和正常运行时间优化，降低延迟与成本。MCP 服务器：让 AI 编程工具实时查询模型目录、价格和账户余额。丰富生态集成：兼容 LangChain、Vercel AI SDK、Zapier、Replit 等 10 余种主流框架。如何使用OpenRouter注册账号：访问 OpenRouter 官网 https://openrouter.ai/，点击登录按钮后选择 Google、GitHub 或 MetaMask 钱包任一方式完成注册。充值积分：进入账户的 Billing 页面购买 credits，积分按实际 Token 用量扣费，可用于平台全部 500+ 模型且永不过期。获取 API Key：在控制台 Keys 页面点击创建，生成一串以sk-or-开头的密钥，可复制保存并随时吊销。选择集成方式：想要完全控制就用任意语言直接 POST 原生 API；已有 OpenAI 代码只需把baseURL改成https://openrouter.ai/api/v1可零改动迁移；构建智能体安装@openrouter/agent。挑选模型：在 openrouter.ai/models 按能力、价格、上下文长度筛选模型，用~openai/gpt-latest这类 latest 别名可让代码始终自动指向最新旗舰版本。发送请求：向https://openrouter.ai/api/v1/chat/completions发送包含模型名和消息体的请求。可选进阶：在请求头加上HTTP-Referer和X-OpenRouter-Title可让应用登上官方排行榜，接入 MCP 服务器（https://mcp.openrouter.ai/mcp）能让 Claude Code、Cursor 等 AI 编程工具实时查询模型与价格数据。OpenRouter的核心优势一站式模型接入：一个 API、一把 Key 可调用 80+ 供应商的 500+ 模型，省去逐家注册、充值、适配接口的麻烦。高可用性：内置自动故障转移和供应商冗余，某个模型宕机时自动切换备选，保障服务不中断。成本最优：智能路由为每次请求挑选最具性价比的方案，按量付费无订阅，平台宣称比直连价格更优。零迁移成本：完全兼容 OpenAI SDK 和 API 格式，现有代码改两行配置即可接入全部模型。免运维升级：latest 别名自动跟随厂商最新旗舰模型，模型换代无需修改和重新部署代码。厂商中立：不被单一供应商锁定，可随时切换或混用不同厂商的模型。开发者友好：提供 Agent SDK、MCP 服务器和 10+ 主流框架集成，从简单调用到复杂智能体都有对应工具。企业级能力：支持工作区预算、SSO、零数据保留（ZDR）和数据主权，满足合规与团队管理需求。OpenRouter的同类竞品对比对比维度OpenRouterOfoxAIDMXAPI背景/注册地美国，全球最知名的模型聚合平台新加坡注册，自称授权合作伙伴国内团队，LangChain 中文网旗下模型规模500+ 模型、80+ 供应商100+ 模型，覆盖 GPT/Claude/Gemini/DeepSeek 等300+ 模型，含文本/图像/语音/视频多模态国内访问国内连接不稳定、常丢包，晚高峰延迟约 850ms国内直连无需翻墙，延迟 <300ms国内线路优化，部分场景延迟约 180ms支付方式仅海外支付（信用卡等），对国内用户不友好支持支付宝，秒到账人民币结算，支持公对公付款接口兼容OpenAI 兼容，另有 Agent SDK 和 MCP 服务器兼容 OpenAI/Claude/Gemini 三大协议，支持 RAG 和 MCP100% 兼容 OpenAI 协议，改两行代码迁移企业功能工作区预算、SSO、ZDR 零数据保留 [^文档索引^]企业账号：多用户+统一付费+用量可观测可开增值税发票，充值后即可开票，无需等消耗SLA/稳定性官方未承诺高 SLA，实测成功率约 92%（国内）宣称 SLA 99.9%高可用站宣称 99.99% SLA，但实测延迟波动较大OpenRouter的应用场景软件开发与代码辅助：开发调用 AI 模型自动生成代码片段、优化代码结构、修复错误，甚至设计复杂的软件架构，显著提高编程效率。内容创作：内容创作生成高质量的文本内容，如文章、故事、新闻报道和营销文案，激发创意并提升创作效率。自然语言处理：企业构建智能聊天机器人，用在客户服务和虚拟助手，提供实时语言理解、翻译和情感分析，提升用户体验。数据分析与报告：企业和研究机构生成数据报告和可视化图表，帮助用户更好地理解复杂数据，支持决策制定。教育与学习：教育机构和在线学习平台生成个性化的学习材料和练习题，根据学生的学习进度和需求提供定制化的内容，提升学习效果。©️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OpenRouter的工具SkyAgents昆仑万维推出的 AI Agent 开发平台Scikit-learnPython机器学习库GumloopAI零代码工作流平台，支持用户自定义工作流程PPIO派欧云AI云端一体化解决方案服务平台万小智阿里云推出的企业级 AI 建站平台X-All in one高性能、高性价比的 AI API 平台暂无评论再想想发表评论暂无评论…

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。