Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作AI工具1天前发布AI小集04Grok 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Mistral 3 – Mistral AI推出的最新多模态大模型系列AI小集3Deep Art Effects – AI图片处理应用，一键将照片转换成特定艺术风格作品AI小集2Kimi-k2 Thinking – 月之暗面推出的思考模型AI小集3PicMenu – AI菜单可视化工具，上传菜单图片自动提取菜品信息生成展示图AI小集2Phot.AI – 在线AI图片编辑平台，智能图像增强批量处理AI小集2Qwen3-TTS-Flash – 阿里通义推出的文本转语音模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型1小时前dots3-note preview – 小红书开源的多模态 MoE 模型1小时前GLM-5.3 – 智谱推出的最新 AI 大模型4小时前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型7小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent8小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏8小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具24小时前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前Today AI – 个人级 AI Agent 操作系统，能接入各类云服务1天前

DeepSeek Harness – DeepSeek 推出的 AI 智能体运行框架AI工具9小时前更新AI小集04DeepSeek 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 模型相关文章好伴AI – 杭州智诊科技推出的医疗健康智能助手AI小集2华文笔杆 – AI公文写作

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AI编程工具L1-L5分级介绍，GitHub Copilot 仅 L1AI小集4Wiseone – AI阅读插件，浏览器扩展程序一站式解决网页阅读AI小集2Imagine Yourself – Meta公司推出的个性化AI图像生成模型AI小集3html-video – Open Design 团队开源的 HTML 版剪映AI小集2SnapGen – Snap联合港科大等机构推出的移动端文生图模型AI小集2Youtu-GraphRAG – 腾讯优图开源的图检索增强生成框架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知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI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！2小时前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型2小时前dots3-note preview – 小红书开源的多模态 MoE 模型2小时前GLM-5.3 – 智谱推出的最新 AI 大模型5小时前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型8小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent9小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏9小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具1天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前

dots3-note preview – 小红书开源的多模态 MoE 模型AI工具1小时前更新AI小集02dots3-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 - 智谱推出的最新 AI 大模型下一篇MiniMax Music 3.0 - MiniMax 开源的音乐生成模型相关文章星火人设 – 科大讯飞推出的专为情感交互设计的独立模型AI小集4BabelDOC – 开源 AI PDF 翻译工具，专为科学论文翻译设计AI小集7Midjourney V7 – Midjourney 最新推出的 AI 图像生成模型AI小集3LazyCraft – 开源的 AI Agent 应用开发与管理平台AI小集3Robin AI – AI法律顾问，用于起草和审阅法律合同AI小集2SmolVLM – Hugging Face推出的轻量级视觉语言模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型1小时前GLM-5.3 – 智谱推出的最新 AI 大模型4小时前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型7小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent8小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏8小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具24小时前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前Today AI – 个人级 AI Agent 操作系统，能接入各类云服务1天前

MiniMax Music 3.0 – MiniMax 开源的音乐生成模型AI工具1小时前发布AI小集02MiniMax 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2026 AI 小说写作软件最新评测：FeelFish 4.0AI小集3Claude Code Security – Anthropic推出的AI代码安全扫描工具AI小集4Office-PowerPoint-MCP-Server – 基于MCP的开源PPT生成与编辑工具AI小集3GLM-4.1V-Thinking – 智谱AI开源的视觉语言模型系列AI小集5MTVCrafter – 中科院联合中国电信等机构推出的人像动画生成框架AI小集6Stable Diffusion 3 – Stability AI推出的新一代图像生成模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前dots3-note preview – 小红书开源的多模态 MoE 模型1小时前GLM-5.3 – 智谱推出的最新 AI 大模型4小时前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型7小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent8小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏8小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具24小时前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前Today AI – 个人级 AI Agent 操作系统，能接入各类云服务1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RoboBrain 2.0 – 智谱开源的具身大脑模型AI小集3MAS-Zero – Salesforce推出的多智能体系统设计框架AI小集2迅雷MCP – 迅雷推出的AI自动下载MCP服务AI小集3Solaris – 谢赛宁研究团队开源的多人视频世界生成模型AI小集3Medio.cool – 专为企业海外市场推广的AI视频编辑工具AI小集3Mozart AI – AI音乐创作应用，上传照片生成个性化歌曲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知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI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小时前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3小时前dots3-note preview – 小红书开源的多模态 MoE 模型3小时前GLM-5.3 – 智谱推出的最新 AI 大模型6小时前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型9小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent10小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏10小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具1天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前

Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型AI工具7小时前更新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 - 智谱推出的最新 AI 大模型相关文章AI Ease – AI照片编辑工具，支持去水印、换背景、换发型AI小集3PilotDeck – 清华联合面壁智能开源的 Agent 操作系统AI小集3NutWorld – 新加坡国立、南洋理工和Skywork AI推出的视频处理框架AI小集3PaperOMG – AI论文写作平台，提供开题报告、文献综述、初稿撰写等一站式服务AI小集2ConverzAI – AI招聘平台，自动进行候选人筛选、互动、评估等环节AI小集2CodeMender – DeepMind推出的代码修复AI AgentAI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知漫剧QwenPawRenoiseLawbot脱敏猫ClineJoyAI最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型1小时前dots3-note preview – 小红书开源的多模态 MoE 模型1小时前GLM-5.3 – 智谱推出的最新 AI 大模型4小时前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent8小时前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏8小时前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具24小时前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型1天前dots.tts – 小红书联合上海交大开源的语音合成基座模型1天前Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作1天前ClawTeams – AI 电商运营协同平台，专家 Agent 并行执行1天前PixelRAG – 伯克利开源的视觉原生 RAG 框架1天前EvoX – EvoMap 推出的自进化 AI Agent，首创蜂群模式1天前LTX-2.5 – LTX 开源的 AI 视频生成基础模型1天前Today AI – 个人级 AI Agent 操作系统，能接入各类云服务1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。

众所周知，TOP 3 通常有五家。在美国 AI 大模型领域，TOP 2 应该是毫无疑问的，但第三名到底是谁就值得琢磨琢磨了。今年上半年大概是 Gemini，毕竟去年 SOTA 过，瘦死的骆驼比马大；但眼看着 Gemini 3.5 Pro 夭折，Google 家在 Agent 上也无甚作为，后来者自然看到了反超的机会——沉寂一时的 Grok，如今动作频频，今天凌晨更是发布了新产品 Grok Bot，剑指 AI Agent 第一的位置。它的理念很简单：把「让 AI 干活」这件事推到极致。7 × 24 小时干活，棒啊！Grok Bot 的官方定位是「全天候在线的数字同事团队」，如果你在派活折磨同事时还会心生恻隐，那 Grok Bot 就太适合你了——理论上，你给它什么工作，它都能日夜不息地自主完成工作，直到最后才把工作成果交给你。7 × 24 小时工作的牛马，怎么说呢，这就是马斯克的理想国。另外，Grok Bot 还支持「首席 Bot 统筹+专项 Bot 分工」的多 Bot 协同工作模式，它们可以互相发消息、共享上下文、建个群聊自行分工，只在关键决策时才拉你进来。实现这一点的关键，是它为 Bot 分配了一台「云端电脑」，并且能以未披露的技术登录你所有工具账户，甚至是那些没提供 API 和插件登录方式的应用，全程都不需要操作者的参与。给它分派任务，它就能在你现有的工作流上操作，像你一样工作。没错，以后回你消息的同事可能本体早就睡觉了，是 Bot 在那勤勤恳恳地写邮件。听起来这确实存在严重的安全和隐私风险，但这向来不是老马关心的重点，现实生活中也确实有很多人愿意为了方便而让渡相应的权限。从结果上看，让 AI 包办一切也未必会更糟。Intercom 工程团队此前曾对比过 AI 审核与人工审查的效果差异，结果显示，在 AI 编写的大量代码面前，让 AI 自动审核并放行代码，出错率只有人工审核的 1/10 左右——毕竟很少有人会仔细审查 AI 呈交上来的工作，大多只是例行公事地允许通过。▲ 图片来自：Intercom Blog当然，理性上能接受群 Bot 共舞，和钱包上能接受是两回事。要让 Agent 们享受云端计算空间，成本自然不会低。Grok Bot 测试版目前只面向 SuperGrok Heavy、Cursor Ultra 和 Cursor Teams Premium 订阅用户开放，支持 Windows、macOS、Linux 的桌面端和 iOS 移动端。考虑到 Cursor Teams Premium 单席位月费 120 美元，而 SuperGrok Heavy 订阅费用高达 300 美元（尽管常有 -33% 优惠），Grok Bot 的使用成本无论如何都高得吓人。可以说，它是专为高频专业用户而设计的。为什么是 Grok？Grok Bot 的面世，其实早已有迹可循：约一个月前，外媒已经报道 Cursor 正在开发一款代号为「Sand」的通用代理产品，而该款产品将会作为 Grok 品牌的一部分，打响「淘汰」Cursor 的第一枪。虽然没有明确的信息证实「Sand」就是现在的 Grok Bot，但无论在时间线还是名称上，二者都非常吻合，人们也能从模型名称中找到蛛丝马迹。事实上，挂着 Grok 名头的 Grok Bot，在方方面面都透露了它的 Cursor 基因。如果你尝试从官网上下载 Grok Bot，很容易就会注意到下载链接指向的是 cursor.com，而企业联系购买的表格，也是由 Cursor 提供的。这一切都表明，以目前形态示人的 Grok Bot，跟 6 月份 SpaceX 上市后旋即宣布以 600 亿美元收购 Cursor 母公司 Anysphere 的举动直接相关。虽说这一收购至少还需要几个星期时间才正式完成，但很明显，马斯克已经展现出自己一贯的雷厉风行——利用收购获得的工程人才补充 xAI 此前的人才流失、将 Cursor 多年积累的编程数据喂给 Grok 的训练管线，同时共享两家公司的基础设施，所有这些行动都是进行时。我们大可以认为，作为一个独立品牌的 Cursor 已经进入了倒计时。毕竟，一个名字里不带 X、图标里不带黑洞的产品形象，大概率是入不了马斯克法眼的。它很快就会像 Twitter 改名 X 一样，至少在名义上完全并入马氏体系。而随着这一步完成，一个更大的野心也正在浮现。有些事，只有马斯克能做时间回到年初，在SpaceX 宣布收购 xAI 的时候，马斯克在员工备忘录中描述，SpaceX 将建成「地球上（和地球之外）最有野心的垂直整合创新引擎」。几个月后，当 SpaceX 携超万亿的市值上市时，很多人方才醒觉，这些年马斯克已经通过 X 拼入 xAI、xAI 拼入 SpaceX 这样的「拼乐高」方式，拼出了这台「垂直整合创新引擎」的雏形。创新是真创新，垂直整合程度更是到了离谱的水平：论数据，有 X 提供的海量训练语料，同时也掌握了全球舆论场和免费的营销渠道；论算力，孟菲斯的 Colossus 超算集群已经配备超过 30 万块英伟达 GPU，中期目标 55.5 万块 GPU，豪横得可以给 Anthropic 和 Google 出租算力；论 AI，Grok 长期保持在第二梯队顶尖，收购 Cursor 更带来了即插即用的 Agent 工程能力和众多企业用户。▲ Colossus 1 超算集群罗纳德·哈里·科斯在他的传世论文《企业的性质》中指出，垂直形式的企业，在很多时候都比通过谈判和约定来完成任务的市场机制更高效。随着数据、算力、模型与分发全部集中于一身，在 SpaceX 最终被自身的庞大规模拖累之前，它必然有一段如臂使指地运用各种内部资源来爆发式发展的红利期。很显然，就是现在。资源整合带来的优势，从 Grok 系列产品的迭代节奏中可见一斑：3 月正式发布 Grok 4.20、次月发布 Grok 4.3,、7 月是和 Cursor 联合训练的 Grok 4.5，一个月后则是全新的 Grok Bot，中间还穿插着 CLI 编程工具 Grok Bulit 和图像模型 Grok image 2.0 的发布。相对应地，我们也能看到 Grok 在对话、编程和生图上的能力，正在快速逼近第一梯队。可能是对「周更」不够满意，马斯克还要继续踩死油门。他在 X 上宣布，Grok 4.6 将会在近日上线，4.7 也已经提上日程。继续卷下去，恐怕真的只有 7 × 24 小时工作的 Bot 们能跟得上节奏。马斯克画的太空旅行饼，我们大可以谨慎看待，因为航天安全是一个马虎不得的事业，过去半个世纪建立的安全制度某种意义上也约束了 SpaceX 的试验节奏；但 Grok Bot 完全控制你电脑和账户的激进尝试已经暗示了，在 AI 这个安全监管还有所欠缺的领域，「力大砖飞」的发展模式还有很多潜力可挖。未来的「御三家」会有 Grok 的一席吗？我们且看且等。

🔍DeepSeek V4 Pro 正式上线，支持 1M 上下文与 384K 最大输出📱Google 发布 Pixel 11 系列：Gemini 可代订餐厅与叫车，Pro 版长焦升至 120 倍📋苹果申请暂停 App Store 收费程序遭法院驳回💰腾讯 Q2 营收增长，微信月活达 14.39 亿🌪️抖音处置 1.28 万条台风不实内容，重点治理 AI 虚构灾害画面🌐Google 将在美洲新建 3 套海底光缆系统🎬激进投资者要求狮门影业加速 AI 转型，否则考虑出售🚀面壁智能启动 IPO 辅导，MiniCPM 下载量已超过 4300 万🚗广汽孵化的人形机器人公司慧仑科技完成新一轮融资💡岚图董事长卢放：开发周期短不等于「速成车」📱9999 元起，荣耀 Robot Phone 发布：四自由度云台可主动跟拍📷影石 X6 发布：支持 8K 50 帧全景视频，售价 3999 元起🤖xAI 发布 Grok 4.6，主打长程 AI 智能体与复杂任务处理🎓豆包推出 student 优惠，专业版连续包月降至 38 元💻Grok Bot 开放早期测试，AI 智能体拥有独立云端电脑⌚Pixel Watch 5 加入离线 Gemini，可追踪血压与胰岛素抵抗趋势DeepSeek V4 Pro 正式上线，支持 1M 上下文与 384K 最大输出DeepSeek 昨日推出 DeepSeek V4 Pro 正式版，对应模型版本已更新为 DeepSeek-V4-Pro-0813。该模型在规格与配套能力上均有显著提升。官方信息显示，DeepSeek V4 Pro 支持 1M 上下文长度，最大输出长度可达 384K Token。模型提供思考模式与非思考模式，其中思考模式为默认开启状态。在配套能力方面，V4 Pro 已实现对 JSON Output、Tool Calls、Responses API 以及 Anthropic API 的支持，并提供对话前缀续写与 FIM 补全功能，其中 FIM 补全仅限非思考模式使用。API 接入方式同时兼容 OpenAI 和 Anthropic 两套格式。价格方面，DeepSeek V4 Pro 维持了此前的定价水平。在缓存命中输入、缓存未命中输入和输出三个计费项目上，每百万 Token 的价格分别为 0.025 元、3 元和 6 元。相比之下，主打低成本与高并发的 DeepSeek V4 Flash 对应价格分别为 0.02 元、1 元和 2 元。此外，V4 Pro 的并发限制为 500，低于 Flash 版本的 2500。🔗 相关阅读：实测完DeepSeek V4 Pro正式版，我发现下一条「斩杀线」可能藏在它的Agent里Google 发布 Pixel 11 系列：Gemini 可代订餐厅与叫车，Pro 版长焦升至 120 倍Google 昨日发布 Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL 与 Pixel 11 Pro Fold。四款手机均采用 Tensor G6 芯片，官方称能效提高 20%、网页浏览速度提高 25%；三款直板机从 256GB 存储起步，Pixel 11 起售价为 899 美元。这一代的更新重心落在 Gemini 与相机软件：Gemini 可在后台订购杂货、叫车、点咖啡，并代用户致电商家预约餐厅或服务；用户可以随时接管任务，并查看 AI 通话记录。Magic Cue 也会跨应用提取日程、消息等上下文，主动给出餐厅或演出建议。Rambler 听写功能进入 Pixel 手机；实时翻译扩展至视频、播客和语音消息。相机还能把手语转换为文字，辅助听障用户交流。Magic Capture 会从按下开始与结束之间拍摄的数百帧画面中挑选照片，并自动裁切、去模糊。Pro 机型的最高变焦从 100 倍升至 120 倍，基础款从 20 倍升至 30 倍；Pro 版还支持 8K Video Boost 和速度提高 4.5 倍的 Instant Night Sight。Pixel 11 Pro Fold 保留 6.5 英寸外屏与 8 英寸内屏，峰值亮度升至 3600 尼特，重量由 258g 降至 239g，并继续支持 IP68 防尘防水。它换用 4800 万像素主摄和 Qi 2.2 25W 无线充电，但电池容量从 5015mAh 降至 4806mAh。🔗 相关阅读：Pixel 11 上手：AI 不支棱，涨价不消停苹果申请暂停 App Store 收费程序遭法院驳回美国地区法官 Yvonne Gonzalez Rogers 驳回苹果的暂停申请。在苹果就 Epic Games 案向最高法院寻求复审期间，下级法院仍将继续确定开发者把用户引向 App Store 外部付款时，苹果可以收取何种费用。法院要求苹果在限定时间内提交收费方案、计算方式和证据。法官认为，最高法院正在审查的范围较窄，不会显著影响当前的事实认定；这场争议已经持续多年，不能继续因此推迟。争议源自 Epic 对苹果应用内支付规则的挑战。法院此前禁止苹果阻碍开发者向用户提供外部购买渠道，随后又认定苹果新设的外链收费没有充分执行禁令。接下来的程序将聚焦可允许费用的性质与证据，而非重新审理整宗反垄断案。腾讯 Q2 营收增长，微信月活达 14.39 亿腾讯昨日发布 2026 年第二季度业绩，营收为 2047.85 亿元，同比增长 11%；按非国际财务报告准则计算，归属于公司权益持有人的盈利为 684.15 亿元，同比增长 9%。AI 投入改变了现金流与资本开支结构。腾讯本季度资本开支为 527.8 亿元，同比增长 176%；自由现金流为负 138 亿元，若剔除算力采购预付款项，自由现金流为 376 亿元。公司表示，第三季度已经大幅增加算力采购，用于混元模型升级、WorkBuddy 与 CodeBuddy 推理、微信 AI 项目和外部云服务需求。模型与产品方面，混元 Hy3 已接入 WorkBuddy、元宝、ima 和搜狗输入法，接入 ima Copilot 后 72 小时内成为平台调用量第一的模型；腾讯计划近期推出 Hy4。微信内 AI 智能体「小微」也已开始小范围灰度测试，由面向微信场景与推理效率定制的 WeLM 模型驱动。公司还称，WorkBuddy PC 端 6 月访问量超过 2000 万，腾讯云大模型服务平台 TokenHub 日 Token 调用量超过 25 万亿，过去两个月增长 5 倍。微信及 WeChat 的合并月活跃账户数达到 14.39 亿，同比增长 2%；视频号第二季度总用户使用时长同比增长超过 20%。微信称，增长来自面向年轻用户的内容增加、互动功能升级和新的内容混排系统。官方还首次透露了小微当前使用 WeLM-80B 模型的参数：总参数 800 亿、每次激活 30 亿参数，支持对话与搜索、操作微信原生功能和调用小程序服务。微信团队还在研发采用混合专家架构的 WeLM-617B，总参数 6170 亿、每次激活 230 亿参数，后续计划用于小程序智能开发和微信小微的小工具生成。抖音处置 1.28 万条台风不实内容，重点治理 AI 虚构灾害画面抖音昨日发布台风「白海豚」相关不实信息治理公告。自 8 月 9 日起，平台已处置 12834 条不实内容、5 个违规账号和 128 条评论，并上线求真卡汇总权威信息。公告列出的治理对象包括用无关画面冒充当前灾情、把历史内容包装成最新灾情、夸大灾害影响、编造停运或险情信息，以及利用 AI 生成或加工灾害画面。平台举例称，「上海地铁 3 号线因白海豚停运」「台风导致北横通道积水」等说法均与实际情况不符。抖音表示，将通过专项巡查、用户举报与内容核验继续处置涉灾不实信息，并提醒用户以气象、应急管理等部门发布的预警为准。公告配图中的典型案例采用 AI 模拟画面呈现，不是原始谣言素材。Google 将在美洲新建 3 套海底光缆系统Google 宣布建设 Alisios、Canoa 与 OlaLuz 三套海底光缆系统，进一步连接加勒比海、北美与南美。Alisios 将连接多米尼加共和国、巴拿马和智利，Canoa 连接多米尼加共和国与百慕大，OlaLuz 则延伸至美国佛罗里达州。这组线路将为 Google 在美洲的云计算与网络服务增加新的跨境路径，也让多米尼加共和国成为三条线路共同经过的节点。Google 尚未在公告中披露具体启用时间。海底光缆直接影响云服务的容量、延迟与故障绕行能力。Google 近年持续自建或参与跨洋线路，新项目把加勒比海接入现有南北美网络，也降低部分区域对少数登陆点的依赖。激进投资者要求狮门影业加速 AI 转型，否则考虑出售激进投资机构 Anson Funds 已致信狮门影业董事会，要求公司更快转向 AI，或考虑出售。信中认为，生成式视频模型正在改变市场对传统影视公司的判断，狮门需要证明自己可以成为 AI 的受益者。狮门今年已任命首位首席 AI 官 Kathleen Grace，并在制作、营销、发行和行政环节测试相关工具。公司管理层同时强调，使用 AI 时仍要保护知识产权、合作人才和创作者权益；公司表示目前没有实质性的并购谈判。Grace 此前在 YouTube 和版权追踪公司 Vermillio 任职。狮门管理层把 AI 描述为提高制作与日常运营效率的工具，但投资者来信要求的是更彻底的战略证明：公司需要说明自有片库、创作者关系和发行能力如何在生成式视频时代形成优势。面壁智能启动 IPO 辅导，MiniCPM 下载量已超过 4300 万中国证监会公开信息显示，面壁智能已于 8 月 11 日在北京证监局办理辅导备案，由中信证券担任辅导机构。公司刚在 8 月 5 日完成股份制改造，正式名称变更为北京面壁智能科技股份有限公司。面壁智能主要研发端侧大模型 MiniCPM。公司称，该系列模型已累计获得超过 4300 万次下载，并被手机、汽车、机器人等终端采用。完成备案后，公司进入上市辅导阶段，距离提交招股文件仍有后续程序。今年 6 月，上交所公布面向人工智能企业的第五套上市标准，要求申报企业至少有一款模型实现商业化落地并形成规模化收入。面壁智能选择此时启动辅导，也把端侧模型持续转化为真实业务的能力放到了更明确的检验阶段。广汽孵化的人形机器人公司慧仑科技完成新一轮融资广汽集团孵化的人形机器人公司广东慧仑科技宣布完成新一轮融资，投资方包括中车国创基金、招银国际与四川科创。公司称，资金将用于行业模型、汽车生产与服务场景、硬件迭代和人才引进。慧仑科技今年 2 月从广汽的机器人业务中独立运营，目前已推出 GoMate、GoMate Mini 等具身智能机器人。公司称，GoMate Mini 已进入分拣、搬运、装配及园区服务等场景；轮足版本支持多种移动形态，并能在跌倒后自行恢复。广汽从 2022 年开始布局人形机器人，并先在汽车制造环节寻找落地场景。慧仑独立后同时推进模型、运动控制和硬件，投资方也因此更关注机器人从工厂试点延伸到园区服务的进展，以及样机之外的实际部署。💡 岚图董事长卢放：开发周期短不等于「速成车」岚图汽车董事长卢放昨日发布长文回应行业对「速成车」的讨论。他认为，判断一款车是否「速成」，应看它有没有完整走完法规与行业标准要求的验证流程；缩短开发周期本身不代表削减试验或降低品质。> 开发时间短，不等于速成车。卢放把新能源车开发提速归因于平台化、模块化和仿真测试。成熟的驱动架构与三电系统能够跨车型复用，减少从零开发的环节；仿真工具则可在数字环境中完成数百万公里的极限工况模拟，把部分物理测试提前到虚拟环境中完成。他同时列出岚图的验证流程：工程团队在吐鲁番高温与牙克石低温环境中测试三电和冬季用车表现，整车耐久测试超过 300 万公里、覆盖上千种路况，研发、验证与制造全流程包含超过 1 万项评价标准。卢放称，开发效率提高不能替代这些必要环节。卢放把「速成」与「高效」的分界放在安全验证是否完整：如果开发中削减试验、违背验证规律，就属于「速成」；如果依靠复用成熟平台和数字仿真缩短周期，同时完成