22小时前英伟达或为AI项目提供最高25%残值支持英伟达CEO黄仁勋宣布，公司在部分AI算力投资项目中将提供最高25%的残值支持机制，把以GPU为核心的“AI工厂”打造为可投资基础设施资产类别，同时回应市场对5000亿美元AI融资平台“循环融资”的质疑。英伟达以最高25%残值支持安抚AI算力投资情绪5000亿美元AI融资平台与“循环融资”争议残值支持机制如何运作及风险边界AI算力资产化的机遇与隐忧本内容由AI生成

12小时前英伟达拟投30亿美元于SB Energy，支持OpenAI数据中心项目截至2026年8月15日，英伟达与OpenAI及软银旗下SB Energy已重新设计美国俄亥俄州10吉瓦数据中心项目的融资结构，将原拟为整个项目提供约2500亿美元担保的方案，调整为仅对首期约5吉瓦园区提供不超过1200亿美元的财务兜底。 同期，英伟达通过最多30亿美元投资电力基础设施开发商Lancium巩固其在AI基建中的能源与园区布局，目前公开信息尚未证实其是否会以同等规模直接入股SB Energy，相关安排仍处于谈判和结构优化阶段。13 来源英伟达与OpenAI重新设计融资结构：担保规模从2500亿美元缩减至不超过1200亿美元6 来源SB Energy俄亥俄10吉瓦数据中心：OpenAI算力版“基础设施革命”9 来源从Lancium到SB Energy：英伟达以“股权+担保”织密AI能源基础设施网络8 来源市场影响与争议：AI时代“基建银行”模式的风险与机遇9 来源本内容由AI生成

活动榜单专题外部活动妙投波动判断场往期回顾活动已结束寻找市场上的预期差–机器人、大模型与猪周期的预期差推演本期聚焦机器人、大模型、猪周期三个方向的预期差推演——哪些预期太高（需要警惕），哪些预期太低（存在机会）。妙投投资风向标火热报名中投资风向标直播课（7-8月）每周二四晚7点，复盘行情、传授分析方法、挖掘投资机会，构建投资体系。智库·502线上同行往期回顾报名已结束Agent下车间：吉利、美的、杰克科技的应用场景、卡点与投产比真相吉利集团x美的集团x杰克科技的工厂内Agent落地实践智库·502线下闭门会往期回顾报名已结束工业AI在产线上的真场景与零容错防线舜宇集团、协鑫能源等企业的工业AI场景的真实案例复盘早点生活游玩团往期回顾活动已结束早点生活城市出逃计划——跨年不在酒吧，而在粥粥老家我们即将前往的，是一个用雪花书写浪漫的地方——哈尔滨。

东方小巴黎，夜幕下的哈尔滨，是每个亲历者，无不心动的美。

我想邀约你，和我一起回到我的家乡，和我一起感受这片我爱的土地。 这是一次限定的跨年邀约，同时也是一场难忘的冰雪之旅。虎嗅F&M创新节往期回顾2025虎嗅F&M创新节一次聚焦新商业、新消费与AI原生变革的沉浸式节日化体验智库·AI落地研学营报名已结束AI落地研学营-零售消费班参访研学8-12家AI落地典型企业，与决策者面对面，学习10+最新AI应用落地案例。出海·502线下闭门会往期回顾活动已结束出海·502线下闭门会系列虎嗅「出海•502线下闭门会」面向企业决策层，打造纯粹、高端的行业交流场合，是一次实战经验复盘，更是高价值人脉链接的机会。大鲸AI峰会往期回顾精彩回顾大鲸AI峰会 · 零售消费专场聚焦AI应用落地与零售业的最强碰撞。

Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作AI工具3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Make-It-Animatable – 中科大联合腾讯推出的自动生成即时动画准备资产AI小集2混元世界模型1.1 – 腾讯混元开源的3D世界生成模型AI小集2Textero.ai – AI学术写作助手，智能创建大纲自定义论文字数AI小集2攻壳智能体 – 探索最新智能体和AI工具的门户网站AI小集3福棠·百川 – 百川智能联合北京儿童等推出的儿科大模型AI小集3LongCat-Flash-Omni – 美团开源的实时交互全模态大模型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Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline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！56秒前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台5小时前Copula Lab – AI 数据基础设施平台，提供专家级训练数据5小时前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型1天前OnSolo – 腾讯推出的 AI 原生创作平台1天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型2天前dots3-note preview – 小红书开源的多模态 MoE 模型2天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%2天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型2天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent2天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏2天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具3天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型3天前dots.tts – 小红书联合上海交大开源的语音合成基座模型3天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行3天前

感谢IT之家网友kkkkkkkkkayd、DayDayUp、shutiao、遥遥领先CDM、KipThorne、Domado、软媒用户1053564、西窗的线索投递！IT之家8 月 12 日消息，北京时间今天（12 日）晚间，Grok 4.6 正式发布。新模型在 Grok 4.5 基础上进一步强化长时间运行的智能体任务，以及复杂的交互和视觉工作。按照发布信息，Grok 4.6 能够持续处理包含大量步骤的复杂任务，包括资料研究、信息分析、大型代码库处理，以及将产品构想转化为完整应用或工作成果。基准测试方面，Grok 4.6 在多项智能体编程和知识工作测试中达到前沿水平。在综合 9 项基准测试的 Artificial Analysis Intelligence Index 上，Grok 4.6 与 GPT-5.6 Sol 取得相同成绩。据IT之家了解，Grok 4.6 已在 Cursor 和 Grok Build 上线。首周，两项服务将向用户提供两倍的内含使用额度。训练方面，Grok 4.6 经历了比 Grok 4.5 更长的补充训练。训练数据包括经过筛选的模型生成推理数据和高级技术概念数据，以及高质量工程数据，并配合改进后的优化器和训练方案，为后续监督微调（SFT）和强化学习（RL）提供基础。训练团队随后利用 Grok 4.5 重新生成 SFT 轨迹，覆盖不同推理强度、智能体运行框架，以及 STEM、软件工程和知识工作等领域，并使用基于模型的检查剔除存在问题的轨迹。Grok 4.6 还接受了广泛的智能体强化学习训练，任务覆盖知识工作、通用编程、内核优化、Web 开发和计算机辅助设计等领域。在实际项目测试中，Grok 4.6 重点接受了长流程、多步骤任务的考验。测试结果显示，新模型擅长把宽泛的产品构想转化为可以运行的初版，包括研究陌生领域、规划应用结构、实现核心交互，以及根据多轮反馈持续完善结果。在更长的任务流程中，Grok 4.6 还表现出更多自主测试和验证行为，会在继续执行任务前检查已经完成的工作。视觉和交互式项目的初版成果也较 Grok 4.5 有所提升，面对明确的产品构想时，可以一次建立应用的基本结构和视觉语言。安全方面，Grok 4.6 根据扩展后的模型能力调整了安全防护机制。此次安全评估覆盖部署前能力测试、安全防护校准，以及部署后和第三方测试，规模为历来最大。安全体系面向漏洞修补、工程设计和 AI 研究等合法使用场景，在提高实用性的同时控制安全风险。除 Cursor 和 Grok Build 外，Grok 4.6 也已通过 API 开放，并登陆 OpenRouter、Vercel 和 Cloudflare 等合作平台。价格为每 100 万个输入 Token 2 美元（IT之家注：现汇率约合 13.5 元人民币）、每 100 万个输出 Token 6 美元（现汇率约合 40.6 元人民币），速度更快的版本价格为普通版本的两倍。首周，Cursor 和 Grok Build 用户可获得两倍的内含使用额度。

DeepSeek Harness – DeepSeek 推出的 AI 智能体运行框架AI工具2天前更新AI小集05DeepSeek 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。DeepSeek Harness的技术原理基于 Cordis 插件元框架：Cordis 是 Harness 的底层插件系统，只负责插件的加载、卸载和依赖管理。每个插件向共享上下文（Context）注册服务、类型化事件和可逆副作用，卸载时自动撤销注册，避免系统残留状态。运行时 Harness 本质上是一个 Cordis Context，不同包向其中注册服务与能力，最终由配置文件组合成可运行的智能体。插件树与配置层组合：运行时的dsh是按层叠加的插件树。配置通过 Profile（具名组装）+ Bundle（配置行与代码分发单元）+cordis.patch.yml（用户补丁）顺序叠加，后层可替换或插入新配置。同一套代码可被组装成完全不同的产品形态。能力接缝（Capability Seam）三层分离：任何能力都拆分为，接口定义（服务定义）、实现提供者（具体执行）、消费者（面向模型的工具包）。例如 Bash 能力，接口定义”执行命令”，本地实现创建进程，工具包将其转为模型可理解的 schema。替换实现层（如本地 Shell → 远程容器）无需重写模型工具或 Agent Loop。Agent Loop 生命周期：Turn：一次用户输入开启的完整轮次Step：一次模型请求 + 后续工具调用流程严格按事件驱动：输入 → 组装提示词与工具 Schema →agent/pre-step→ 模型请求 → 流式输出 → 工具调用 →tools/pre-execute→tools/execute→tools/post-execute→ 交回后续 Step。工具执行支持并发安全检测、屏障隔离和超时重试。Session Log 作为权威事件源：核心设计原则：模型可见的内容必须能从日志重建。用户消息、助手输出、工具调用与结果、上下文压缩、权限变化、取消原因等全部以事件形式进入追加式会话流。界面显示、持久化、恢复、Fork、遥测和回放均从同一事件源派生，而非各自维护状态。这确保了调试、审计和复现的可靠性。核心包职责分离：core/session：仅追加会话事件日志core/system-prompt：组装提示词片段和工具 Schemacore/tools：工具注册与受控执行流水线core/agent：Agent 接口与活跃实例注册表core/agent-loop：默认驱动llm/llm：消息、流式输出和模型适配器接缝自指与动态扩展：创造模式提供自指 Cordis 工具，支持 Agent 检查当前运行时插件树，动态挂载/卸载临时插件。动态插件仍运行在 Cordis 的 Context 和 Effect 机制下，注册项有明确的清理路径。安全流水线：经过完整流水线：前置策略 → 不可逆安全守卫 → 实际执行 → 后置处理 → 内容整理 → 结果通知。被守卫拒绝的操作不能被后续插件重新放行，系统采用”失败关闭”原则。微信关注回复“开源”，加入AI开源项目交流群如何使用DeepSeek Harness安装启动：快速体验（需已安装 Node.js）：npx @deepseek-ai/dsh web源码安装：gitclone https://github.com/deepseek-ai/deepseek-harness按仓库 README 完成依赖安装后启动。配置模型：打开 Web UI（默认localhost:3080），需填写模型 API Key。支持接入 DeepSeek 模型（需到 DeepSeek 开发平台购买）或其他第三方模型。选择工作区与预设：选择本地工作目录（项目文件夹）选择Agent 预设：标准模式：完整编码 Agent，支持文件编辑、Shell、检索、Skills、计划、子代理PTC 模式：标准模式 + Code Mode SDK，模型用 TypeScript 程序组合多步操作极简模式：仅 bash + 文件编辑，用于基准测试创造模式：支持自定义 Agent preset，可运行时检查插件树并动态扩展开始交互：在输入框描述需求，Agent 即可自动执行代码编写、文件操作、网页检索等任务。通过「轨迹」视图可查看原始事件级运行日志，支持会话回放与分叉。插件管理在设置中查看/启用/停用 100+ 内置插件，或通过配置文件自定义插件组合，无需修改源码可替换任意能力组件。DeepSeek Harness的核心优势开放生态：不限于接入 DeepSeek 自家模型，计划通过标准化接口支持多模型接入，与 Claude Code 的封闭策略形成鲜明差异化。极致性价比：配合 DeepSeek 低价缓存机制，社区实测单次真实编程任务平均成本仅约 0.028 美元，约为 Claude Code 的七分之一。安全合规：国产自研框架无后门隐患，恰逢 Claude Code 被工信部确认存在严重安全后门、国内大厂加速排查管控的替代窗口期。系统可靠性：团队负责人崔添翼拥有 Jane Street 九年量化交易背景，长期专注于”如何让复杂系统稳定运转”，将金融级执行可靠性带入 Agent 工程。模型解耦：Harness 团队与模型团队独立运作、独立注册公众号，以独立于大模型的业务形态推进，生态合作灵活性和扩展性显著更强。Harness 效能：同一模型在不同 Harness 下表现可差出 53 个百分点，DeepSeek Harness 能让中等强度模型以极低价格完成大部分标准化任务，实现”便宜模型打出豪华战绩”。端到端闭环：覆盖上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化五大核心模块，实现从需求理解到代码交付的完整自动化闭环。DeepSeek Harness的项目地址项目官网：https://www.deepseek.com/harness/GitHub仓库：https://github.com/deepseek-ai/deepseek-harnessDeepSeek Harness的同类竞品对比对比维度DeepSeek HarnessCodexClaude Code开发公司深度求索（DeepSeek）OpenAIAnthropic产品定位AI 智能体运行框架终端原生编程智能体终端原生编程智能体模型接入策略开放多模型，计划支持第三方模型接入仅限 OpenAI 官方模型仅限官方 Claude 模型，曾通过隐写手段限制非官方端点生态开放度开放共建，面向全球征集插件、Skill、MCP 及第三方界面生态伙伴闭源运营，生态由官方控制封闭生态，逆向工程修改令牌后被官方限制安全合规国产自研，无后门隐患，符合国内监管要求美国公司，存在数据跨境风险被工信部 NVDB 确认存在安全后门隐患（2.1.91–2.1.196 版本）单次任务成本约$0.028（配合低价缓存机制）较高较高（Claude Code 年化收入已达 25 亿美元级别）核心架构五大模块：上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化内置工具调用与代码执行环境内置工具调用与代码执行环境团队背景负责人崔添翼，Jane Street 九年量化交易与系统开发背景OpenAI 内部研究团队Anthropic 内部研究团队DeepSeek Harness的应用场景智能编程开发（VibeCoding）：开发者通过自然语言描述需求，Harness 自动完成从代码生成、运行测试、报错捕获到自我修正的完整闭环，实现端到端的软件交付。办公自动化：Harness 调用文件系统、浏览器及各类 API，自动完成文档处理、数据分析、邮件分类回复和日程安排等日常办公任务，替代重复性人工操作。系统运维与 DevOps：通过终端命令执行服务器部署、监控配置、日志分析和故障排查，集成到 CI/CD 流水线中实现代码的自动构建、测试与发布。多 Agent 协作项目：协调产品经理、架构师、开发工程师、测试工程师等不同角色 Agent 分工合作，统一调度完成大型复杂项目的拆解与交付。企业私有化部署：在金融、政务、医疗等安全敏感行业的本地环境中部署，对接内部 ERP、CRM、数据库等私有系统，实现安全可控的智能化改造。DeepSeek Harness面临的挑战先发巨头挤压：OpenAI Codex 与 Anthropic Claude Code 已占据智能体代码市场头部地位，Claude Code 年化收入达 25 亿美元且占 GitHub 公开提交量 4%，DeepSeek Harness 作为后来者需在生态和用户习惯上实现突破。开发者生态冷启动：Harness 的核心价值高度依赖插件、Skill、MCP 及第三方界面等生态伙伴的丰富度，而生态建设需要长期积累，短期内难以与已成熟竞品抗衡。长程任务可靠性验证：Agent 框架需要处理多轮推理、工具调用和失败重试等复杂场景，从内测到证明其在真实生产环境中稳定交付长程任务，仍有大量工程验证工作。多模型适配的工程复杂度：开放支持多模型接入虽为差异化优势，但不同模型的上下文机制、工具调用格式和推理特性各异，适配和维护成本将显著增加。用户迁移成本与习惯壁垒：开发者已深度习惯 Claude Code、Cursor 等现有工具的工作流和交互范式，切换至新框架面临学习成本和工具链重构阻力。# 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IndexTTS-2.5 - Bilibili 开源的工业级零样本语音克隆模型下一篇Nemotron 3.5 Lightning - 英伟达开源的 MoE 模型相关文章SpatialGen – 群核科技开源的3D场景生成模型AI小集3Doubao-See

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Placer.ai – AI商业分析工具，提供多行业位置和客流量数据分析AI小集2I2V-01-Director – 海螺AI最新推出的图生视频镜头控制模型AI小集3文途AI – AI学术论文辅助工具，输入论文主题和要求3步搞定论文写作AI小集2Morphik – 开源的多模态检索增强生成工具AI小集2ART – 微软联合清华和北大等推出的多层透明图像生成技术AI小集2freeflo – 在线AI绘画提示词灵感库，适用于Midjourney等多个平台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Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline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分钟前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台5小时前Copula Lab – AI 数据基础设施平台，提供专家级训练数据6小时前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型1天前OnSolo – 腾讯推出的 AI 原生创作平台1天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型2天前dots3-note preview – 小红书开源的多模态 MoE 模型2天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%2天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型2天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent2天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏2天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具3天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型3天前dots.tts – 小红书联合上海交大开源的语音合成基座模型3天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作3天前

dots3-note preview – 小红书开源的多模态 MoE 模型AI工具2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AI Fooler – 免费AI音频处理工具，一键分离伴奏和人声AI小集6Wide Research – Manus推出的大规模Agent并行协作功能AI小集315个免费的AI视频生成工具和软件，视频创作提效神器AI小集2UniEdit – 免训练调优的统一视频编辑框架AI小集2GLM-4.6V – 智谱开源的多模态大模型系列AI小集3新言意码 – 前月之暗面明超平创立的 AI Coding 项目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Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline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！33秒前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台5小时前Copula Lab – AI 数据基础设施平台，提供专家级训练数据5小时前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型1天前OnSolo – 腾讯推出的 AI 原生创作平台1天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型2天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%2天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型2天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent2天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏2天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具3天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型3天前dots.tts – 小红书联合上海交大开源的语音合成基座模型3天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作3天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行3天前

MiniMax Music 3.0 – MiniMax 开源的音乐生成模型AI工具2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X-Portrait 2 – 字节跳动推出的单图驱动视频生成模型AI小集4Day.ai – AI原生CRM工具，自动提取客户信息创建CRM系统AI小集3Argil – AI视频生成平台，创建自己的 AI 克隆，生成各种视频内容AI小集3saga – 工作创意AI助手，提供多功能的创意、写作、分析AI小集2JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架AI小集215个免费AI写作工具和软件，在线写作优质内容AI小集30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Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline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！17秒前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台5小时前Copula Lab – AI 数据基础设施平台，提供专家级训练数据5小时前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型1天前OnSolo – 腾讯推出的 AI 原生创作平台1天前dots3-note preview – 小红书开源的多模态 MoE 模型2天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%2天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型2天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent2天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏2天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具3天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型3天前dots.tts – 小红书联合上海交大开源的语音合成基座模型3天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作3天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行3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ParGo – 字节与中山大学联合推出的多模态大模型连接器AI小集2presti – 专注于针对室内家具领域的AI图像生成工具AI小集2Quizbot – AI教育助手，智能生成多种问题类型和测验AI小集5Model1 – DeepSeek代码库更新的新模型版本AI小集2VideoWorld – 字节联合交大等机构推出的自回归视频生成模型AI小集3Alexa+ – 亚马逊推出的新一代 AI 助手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Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline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！35分钟前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台5小时前Copula Lab – AI 数据基础设施平台，提供专家级训练数据6小时前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型1天前OnSolo – 腾讯推出的 AI 原生创作平台1天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型2天前dots3-note preview – 小红书开源的多模态 MoE 模型2天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%2天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型2天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent2天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏2天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具3天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型3天前dots.tts – 小红书联合上海交大开源的语音合成基座模型3天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作3天前