WorldClaw – 腾讯混元团队推出的 3D 世界生成框架AI工具1天前发布AI小集03WorldClaw是什么WorldClaw是腾讯混元团队推出的Agent驱动开放世界3D生成框架。用户输入一句自然语言描述，系统可自动规划地形、区域、建筑、物体与空间关系，采用全局到局部的生成策略，在Blender中构建出可自由探索且支持逐对象编辑的完整3D场景。框架由Claude Opus、GPT-Image-2、SAM3及Hunyuan3D等多模型协同驱动，具备视觉Agent自检修复能力，可自动修正悬空、穿模等接触问题。WorldClaw的主要功能智能场景规划：规划Agent分析用户描述，将开放式提示词转换为包含区域、地形、物体、材质及空间关系的结构化场景规格。全局到局部生成：先建立世界地形与空间框架，再逐步填充各区域细节，避免道路断裂与尺度失衡。独立资产生成：建筑、植被、车辆等对象保持独立实例，非单一烘焙模型，支持单独移动、替换与编辑。视觉自检与修复：视觉Agent多视角渲染检查比例、姿势与接触问题，自动修复物体悬空、穿模等缺陷。Blender深度整合：地形生成、资产生成、场景摆放、检查与渲染全流程运行于Blender 5.1.1，支持MCP接口操作。WorldClaw的技术原理多Agent协同架构：系统由规划Agent、场景优化Agent和视觉检查Agent组成，分别负责场景设计、Blender操作与质量验证。多模型分工：Claude Opus 4.8作为Agent基础模型，GPT-Image-2负责图像生成，SAM3/SAM3D负责分割，Hunyuan3D负责3D重建与资产生成。Coarse-to-Fine生成策略：先生成语义高度场确定地形骨架，按区域生成物体组成方案，最后独立重建各3D资产并组合。局部修复机制：针对接触问题仅修改对应支撑区域，避免破坏整体地貌结构。如何使用WorldClaw输入描述：用自然语言描述想要的开放世界场景。智能规划：规划Agent自动拆解提示词，生成包含区域、地形、物体与空间关系的结构化场景规格。地形骨架生成：系统生成带语义的高度场，确定山峰、河流、海岸等地形区域的空间基础。区域资产生成：按区域分别生成建筑、植被、车辆等独立3D资产，并摆放到对应位置。视觉检查修复：视觉Agent多视角渲染检查，自动修复比例异常、悬空、穿模等问题。导出编辑：在Blender中获取完整场景，自由调整对象位置、替换资产或修改材质。WorldClaw的核心优势从提示词到完整世界：一句自然语言描述，可自动规划并生成包含地形、建筑、植被、设施的完整可探索3D场景，无需人工逐资产建模。独立可编辑资产：所有对象保持独立纹理Mesh和实例，支持单独移动、替换、修改材质，无需重新生成整个世界。智能自检修复：视觉Agent主动检查比例、姿势与接触问题，自动修复悬空、穿模等常见3D缺陷，提升生成质量。深度Blender集成：全流程运行于Blender 5.1.1，支持MCP接口直接操作，便于接入现有3D工作流。WorldClaw的项目地址项目官网：https://tencent-hunyuan.github.io/Hunyuan3D-WorldClaw/arXiv技术论文：https://arxiv.org/pdf/2608.05248WorldClaw的同类竞品对比维度WorldClaw（腾讯混元）Lyra 2.0（NVIDIA）输入方式自然语言提示词单张图像 + 自定义相机轨迹（可选文本引导）核心驱动多Agent协同（规划+场景优化+视觉检查）生成式重建管线（视频生成→3D重建）生成策略Coarse-to-Fine：先全局地形骨架，再逐区域生成独立资产自回归视频生成 + 前馈3D Gaussian Splatting重建一致性保障Agent规划全局结构 + 视觉Agent多视角检查修复逐帧3D几何记忆路由（抗空间遗忘）+ 自增强漂移修正（抗时间漂移）资产生成原生生成建筑、植被、车辆等独立Mesh实例从生成视频重建为3D Gaussians与表面Mesh可编辑性独立对象级编辑，支持移动、替换、改材质可导出Mesh到仿真引擎，对象级编辑能力有限地形系统语义高度场生成复杂开放地形（山峰、峡谷、河流）从单图扩展，支持大规模室内外场景，无显式地形骨架引擎集成深度整合Blender 5.1.1（MCP接口直接操作）可导出至NVIDIA Isaac Sim等物理仿真引擎底层模型Claude Opus 4.8 + GPT-Image-2 + SAM3 + Hunyuan3D基于Wan 2.1-14B DiT视频扩散模型WorldClaw的应用场景游戏原型开发：快速生成开放世界关卡白模与概念场景，加速前期玩法验证与迭代。影视虚拟制片：构建大型外景虚拟环境，支持导演进行镜头预览与数字资产预演。VR/AR体验设计：生成可自由探索的沉浸式3D空间，用于虚拟旅游、培训模拟或展览。建筑与城市规划：可视化大规模区域规划方案，直观展示地形、建筑与公共设施布局。3D创意概念艺术：为设计师提供可编辑的完整场景基底，显著降低从零手动搭建成本。# 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Kitesurf - Cloudflare 推出的 AI Agent 云端轻量浏览器下一篇2026 AI 小说写作软件最新评测：FeelFish 4.0相关文章智谱清影 – 智谱推出的免费AI视频生成工具AI小集88guizang-ppt-skill – 开源网页 PPT生成 Skill，输出 HTMLAI小集3Kimi K2.6 – 月之暗面开源的最新旗舰模型AI小集3Imagen 3 – Google推出的AI图像生成模型AI小集4SPIKY.AI – 销售AI助理，实时洞察分析销售通话，即时调整策略AI小集2Qwen-Audio-3.0-TTS – 阿里通义千问推出的语音合成模型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搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣3分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环4分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具6分钟前Muse Glimmer – Meta 开源的 300 亿参数大语言模型3小时前GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.024小时前Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前CosyVoice Studio – 阿里推出的一站式AI语音生产力平台3天前

Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器AI工具1天前发布AI小集03Kitesurf是什么Kitesurf 是 Cloudflare 专为 AI Agent 推出的云端轻量浏览器，运行在 Workers V8 隔离环境中。浏览器用 Rust 构建，砍掉标签页、扩展等人类冗余功能，保留 DOM 解析、JS 执行与数据提取能力。相比 Chromium，CPU 降低 3 倍以上、内存减少 4.7 至 7 倍，支持 CDP 与 MCP，Puppeteer 和 Playwright 可直接接入。Kitesurf的主要功能轻量网页渲染：基于 Rust 构建，支持 HTML 解析、CSS、JavaScript 执行与 DOM 操作，可正确渲染 TodoMVC、Wikipedia、Hacker News 等真实站点。CDP 兼容：完整支持 Chrome DevTools Protocol，现有 Puppeteer、Playwright、chrome-remote-interface 无需重写即可接入。MCP 支持：AI Agent 可通过 Model Context Protocol 直接控制 Kitesurf 实例，实现工具调用与自动化。Quick Actions：通过 Browser Run 的 Quick Actions 接口一键截图、提取 HTML、生成 PDF，仅需在请求中添加browser=kitesurf参数。在线 Playground：提供公开 playground，可实时查看页面渲染效果、DOM 结构、网络活动与内存占用。如何使用KitesurfQuick Actions：在 Browser Run 的 API 请求中添加browser=kitesurf参数，可直接调用截图、HTML 提取或 PDF 生成等无状态任务。CDP 接入现有工具：在 Browser Run 的 WebSocket CDP 端点 URL 后追加?browser=kitesurf，Puppeteer、Playwright 等现有客户端即可无缝连接并执行自动化脚本。MCP 供 AI Agent 调用：在 MCP 客户端配置中填入 Kitesurf 的 WebSocket 端点与 API Token，AI Agent 可通过标准 MCP 协议直接控制浏览器完成浏览与数据提取。Playground 在线体验：访问https://kitesurf.cloudflare.app/输入任意 URL，可实时查看页面渲染效果、DOM 结构、网络活动及内存占用。Kitesurf的核心优势资源效率极高：相比 Chromium，截图任务 CPU 减少 3.1 倍、内存减少 4.7 倍；HTML 提取任务 CPU 减少 3.8 倍、内存减少 7.0 倍。请求级无状态：每次任务独立启动、执行、销毁，天然适合高并发、突发性的 Agent 工作负载。边缘部署：依托 Cloudflare Workers 与全球边缘网络，浏览器实例可就近执行，降低延迟。标准兼容性强：已通过超 23.5 万项 WPT 子测试，DOM 97%、HTML 96%、Selection 99%、Encoding 99%。迁移成本极低：保持 CDP 与 MCP 双协议兼容，开发者无需学习新 API，原有自动化脚本可无缝切换底座。Kitesurf的同类竞品对比对比维度KitesurfBrowserbase产品定位Cloudflare 推出的轻量 Agent 浏览器，专注资源效率与无状态任务专为 AI Agent 设计的云端浏览器基础设施，侧重完整浏览器能力与生态集成浏览器引擎自研 Rust 引擎，砍掉标签页、扩展等人类冗余功能基于 Chromium，保留完整桌面浏览器能力与像素级渲染运行架构Workers V8 Isolate，请求级启动与销毁，完全无状态云端容器化进程，支持长会话与持久状态管理资源效率截图 CPU 降低 3.1 倍、内存减少 4.7 倍；HTML 提取内存减少 7 倍标准 Chromium 资源占用，依赖实例规格与缓存策略协议支持标准 CDP、MCP，Puppeteer / Playwright / AI Agent 直接接入CDP、REST API、SDK，提供多种集成方式部署方式Cloudflare 边缘原生，全球节点就近执行，无需运维浏览器集群云端托管平台，通过其基础设施调度浏览器实例最佳场景高并发短生命周期任务、批量网页提取、Agent 搜索、边缘渲染复杂自动化、需持久登录会话、验证码处理、高兼容场景Kitesurf的应用场景AI Agent 网页搜索与信息提取：Agent 批量访问网页并提取标题、正文、链接等结构化数据，用于 RAG 或知识库构建。批量网页自动化：电商价格监控、库存查询、竞品信息抓取等需要同时处理大量页面的无头任务。无头截图与 PDF 生成：为兼容站点快速生成页面截图或 PDF，用于报告、归档或内容审核。MCP 驱动的 AI 工作流：AI Coding Agent 或研究 Agent 通过 MCP 协议直接控制浏览器，完成登录、填表与数据抓取。边缘端短生命周期渲染：在全球边缘节点快速渲染页面并返回结果，无需长期会话状态的 Serverless 场景。# AI工具©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇SmartSub - 开源的一站式音视频字幕处理桌面工具下一篇WorldClaw - 腾讯混元团队推出的 3D 世界生成框架相关文章浦语灵笔 – 开源的多模态大模型，性能媲美GPT-4VAI小集3Gen CLI – AI命令行编程助手，Gemini-CLI平替项目AI小集3AingDesk – 开源AI客户端工具，一键部署上百款 AI 模型到个人电脑AI小集3DeepPiano – 智曲科技推出的AI钢琴应用AI小集7Reworkd – AI数据挖掘平台，自动生成和修复抓取代码AI小集2TrajectoryCrafter – 腾讯和港中文推出的单目视频自由运镜技术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搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！5分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣5分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环6分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具8分钟前Muse Glimmer – Meta 开源的 300 亿参数大语言模型3小时前GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.01天前WorldClaw – 腾讯混元团队推出的 3D 世界生成框架1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前CosyVoice Studio – 阿里推出的一站式AI语音生产力平台3天前

IT之家8 月 8 日消息，Cloudflare 前天宣布推出 Kitesurf，这是一款专为 AI 智能体打造的云端浏览器。IT之家了解到，AI 使用浏览器的方式与人类有所不同，AI 并不关注标签页和 UI 等视觉元素，而是重点管理上下文窗口、性能表现和可扩展性，同时还要防范提示词注入等攻击风险。Kitesurf 浏览器运行在 Cloudflare Workers 服务平台之上，它可以浏览网站、填写表单，开发者可以通过代码控制，并通过 Cloudflare 的平台与无头浏览器实例交互。此外，Kitesurf 相比 Chromium 消耗的计算资源更少，可显著降低运行成本，让 AI 智能体更高效地上网。该浏览器目前处于测试阶段，正式版将在未来推出。

Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型AI工具2天前更新AI小集03Alpamayo 2 Super是什么Alpamayo 2 Super 是英伟达开源的自动驾驶 AI 推理模型。模型基于 NVIDIA Cosmos 3 Super Reasoner 构建，具备 360° 环境感知、高级驾驶决策与自动推理标签生成能力，在 LingoQA 自动驾驶推理基准中排名第一。模型采用 OpenMDW-1.1 宽松许可上架 Hugging Face，支持微调、衍生与商业再分发，同时提供 Alpamayo 1.5 / 1 版本用于云端开发与车端蒸馏部署，面向 Robotaxi 与自动驾驶汽车领域。Alpamayo 2 Super的主要功能360° 环境感知：实现对车辆周围全向场景的高精度识别与理解，覆盖复杂真实路况。高级驾驶决策推理：基于场景上下文进行因果推理，输出安全、舒适的行驶路径与动作决策。自动推理标签生成：可自动生成驾驶场景推理标签，辅助开发者快速构建训练数据集。多模态自动驾驶开发：支持视觉、文本等多模态输入融合，统一处理感知与决策任务。模型蒸馏支持：提供 Alpamayo 1.5 / 1 版本，支持云端开发并向量产车端高效推理模型蒸馏。Alpamayo 2 Super的技术原理基础架构：基于 NVIDIA Cosmos 3 Super Reasoner 超级推理模型构建，继承其多模态理解与长链条推理能力。强化学习后训练：通过 RL Post-Training 对模型进行自动驾驶专项优化，提升因果推理、风险预判与路径规划能力。端到端多任务架构：采用统一架构同时处理感知、预测、规划等自动驾驶核心模块，实现从场景理解到驾驶决策的端到端推理。数据驱动迭代：基于大规模真实驾驶数据与仿真环境进行迭代训练，覆盖罕见复杂路况以提升泛化能力。模型蒸馏体系：支持从 Alpamayo 2 Super 向 1.5 / 1 版本蒸馏，在保持性能的同时压缩模型规模，适配车端低算力实时推理需求。微信关注回复“开源”，加入AI开源项目交流群如何使用Alpamayo 2 Super获取模型权重：访问 Hugging Face 官方仓库，下载 Alpamayo 2 Super 的模型权重与配置文件。确认商用许可：阅读并遵守 OpenMDW-1.1 开源许可条款，确保微调、衍生及商业部署合规。准备驾驶数据：整合自有车辆传感器数据、驾驶策略与场景标注，完成训练与验证环境配置。模型微调与蒸馏：基于自有数据对 Alpamayo 2 Super 进行领域微调，或蒸馏至 Alpamayo 1.5 / 1 适配车端算力。集成与部署验证：将优化后的模型接入车辆感知-决策-控制链路，通过仿真测试与实车路试验证系统稳定性。Alpamayo 2 Super的核心优势开源商用：采用 Linux Foundation OpenMDW-1.1 宽松许可，支持微调、衍生与商业再分发，无需额外授权。推理性能领先：在 LingoQA 自动驾驶推理基准排名第一，Lingo-Judge 测试中大幅领先 Qwen2.5-VL 72B 与 Gemini 2.5 Pro。全栈覆盖：从云端高算力推理（Alpamayo 2 Super）到车端轻量部署（Alpamayo 1.5 / 1）提供完整模型族。数据主权保留：开发者完全掌控自有数据与基础设施，模型开放性保障企业专有知识积累。Alpamayo 2 Super的项目地址HuggingFace模型库：https://huggingface.co/nvidia/Alpamayo2-SuperAlpamayo 2 Super的同类竞品对比对比维度Alpamayo 2 SuperQwen2.5-VL 72B研发厂商英伟达 (NVIDIA)阿里巴巴通义千问模型定位自动驾驶专用开源推理模型通用多模态大模型开源许可OpenMDW-1.1（商用友好）部分开源，商用受限基础架构基于 Cosmos 3 Super Reasoner基于 Qwen2.5 架构Lingo-Judge 得分领先 Qwen2.5-VL 72B 17.0 分基准对比对象自动驾驶推理LingoQA 排名第一通用场景强，驾驶专项弱部署场景云端到车端全栈支持主要面向云端模型蒸馏官方提供 1.5 / 1 蒸馏版本需自行蒸馏数据控制完全本地可控依赖云服务商适用领域Robotaxi、自动驾驶卡车、ADAS通用视觉理解、图文问答Alpamayo 2 Super的应用场景Robotaxi 无人驾驶出租车：为 L4 级自动驾驶车队提供实时场景推理与决策支持，应对复杂城市路况。干线物流自动驾驶卡车：在高速公路场景下实现长距离感知与路径规划，提升货运安全性与效率。智能驾驶辅助系统（ADAS）：蒸馏后的轻量模型可部署至量产乘用车，增强高级辅助驾驶功能。自动驾驶仿真测试：利用自动推理标签生成能力，快速构建大规模仿真场景数据集，加速算法迭代。驾驶数据标注与质检：自动为采集的驾驶视频生成推理标签，降低人工标注成本，提升数据质量。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Warp Agent CLI - Warp 推出的独立命令行编码工具下一篇Wan-Animate-2 - 万相团队开源的新一代角色动画模型相关文章文心大模型4.5 – 百度推出的首个原生多模态大模型AI小集5Magentic-One – 微软推出的多AI智能体协同完成复杂任务系统AI小集2LPM 1.0 – 米哈游蔡浩宇推出的 AI 视频生成模型AI小集4赤兔Chitu – 清华联合清程极智开源的大模型推理引擎AI小集3FilmAction – AI电影创作平台，从故事构思到视频生成一站式AI小集3Large Motion Model – 商汤科技联合南洋理工推出的统一多模态运动生成模型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搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣1分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环3分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具4分钟前Muse Glimmer – Meta 开源的 300 亿参数大语言模型3小时前GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.024小时前WorldClaw – 腾讯混元团队推出的 3D 世界生成框架1天前Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前CosyVoice Studio – 阿里推出的一站式AI语音生产力平台3天前

CosyVoice Studio – 阿里推出的一站式AI语音生产力平台AI工具3天前更新AI小集02CosyVoice Studio是什么CosyVoice Studio是阿里巴巴推出的国内首个一站式AI语音生产力平台，基于自研Qwen-Audio模型打造。平台含三大模块，CosyFlow实现语音转写叠加语义理解，自动过滤口语词并生成结构化文本与智能摘要；CosyAgent支持自然语言创建具备企业知识与实时语音交互能力的智能体，面向客服等场景；CosyCreative内置上千种音色并支持声音复刻，可基于文档生成播客与有声书。CosyVoice Studio的主要功能CosyFlow 语音记录：在语音转文字基础上叠加语义理解与文本生成，自动过滤”嗯””那个”等口语填充词，将零散口述整理为邮件、工作汇报、会议纪要等结构化文本。随记功能：面向会议、访谈、课堂等场景，支持实时录制与离线上传，基于声纹区分不同发言人，录音结束后自动生成结构化章节与智能摘要。CosyAgent 语音智能体：通过自然语言快速创建具备企业知识、工具调用与实时语音交互能力的智能体，兼容 prompt 与 workflow 配置，适用于智能客服、电话营销等场景。CosyCreative 音频创作：内置上千种音色并支持声音复刻，用户上传文档、网页链接或输入文字即可生成对话播客或多角色有声书，覆盖音频内容创作全链路。如何使用CosyVoice Studio用户可在iOS、Android、Mac和Windows下载 CosyVoice。CosyAgent和CosyCreative目前以白名单邀请制面向企业用户测试。CosyVoice Studio的核心优势全链路一站式平台：国内首个覆盖”语音记录—智能交互—音频创作”三大环节的 AI 语音生产力平台，个人与企业场景兼顾。自研模型底座：基于阿里巴巴自研 Qwen-Audio 语音模型，中文语音理解、识别与生成能力突出，技术自主可控。语义级语音转写：CosyFlow 在转写基础上叠加语义理解与文本生成，自动过滤口语填充词，将零散口述直接输出为邮件、会议纪要等结构化文本。声纹智能归档：随记功能支持声纹区分发言人，录音结束后自动生成结构化章节与智能摘要，适配会议、访谈、课堂等长语音场景。零代码语音 Agent：CosyAgent 支持自然语言快速创建具备企业知识、工具调用与实时语音交互能力的智能体，兼容 prompt 与 workflow 配置，部署门槛低。多角色音频创作：CosyCreative 内置上千种音色并支持声音复刻，上传文档或输入文字即可生成对话播客与多角色有声书，覆盖音频内容创作全链路。CosyVoice Studio的同类竞品对比维度CosyVoice Studio讯飞听见ElevenLabs定位一站式 AI 语音生产力平台语音转写与会议助手AI 语音合成与克隆平台核心能力转写、Agent、创作全链路覆盖转写、翻译、会议纪要TTS、Voice Clone、API 服务语音转写语义理解+结构化输出，过滤口语词中文转写精准，支持实时与离线不支持语音智能体自然语言创建实时对话 Agent无无音频创作上传文档生成多角色播客/有声书不支持支持多语言 TTS 与声音克隆中文优化强，基于 Qwen-Audio 自研模型强，深耕中文语音多年中等部署方式全平台 App + 企业白名单App + SaaS 网页API + Web 工作台CosyVoice Studio的应用场景会议记录与纪要生成：用 CosyFlow 实时录制会议，自动区分发言人并输出结构化章节与智能摘要，减少人工整理成本。智能客服与电话营销：通过 CosyAgent 自然语言创建具备企业知识与工具调用能力的语音智能体，7×24 小时处理呼入呼出业务。播客与有声书制作：用 CosyCreative 上传文档或输入文字，选择多角色音色自动生成对话播客与长篇有声书，覆盖音频内容创作全链路。访谈与课堂内容归档：借助随记功能离线上传长语音，基于声纹识别区分讲师与学生，自动归档为带时间戳的结构化文本。口述内容结构化整理：用户通过语音口述零散想法，系统自动过滤口语填充词并润色为邮件、工作汇报等正式格式文本。# 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SALMONN-2 - 清华等开源的通用音频大语言模型下一篇Warp Agent CLI - Warp 推出的独立命令行编码工具相关文章Gemini3 DeepThink – 谷歌推出的超强推理模型AI小集3批改邦 – 国产AI作业批改与教研指导工具AI小集5Seed-Music – 字节跳动推出的AI音乐生成大模型AI小集4NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器AI小集2日日新融合大模型 – 商汤科技推出的原生融合模态大模型AI小集3Reor – 开源AI个人知识管理工具，自动连接相关笔记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搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣2分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环3分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具5分钟前Muse Glimmer – Meta 开源的 300 亿参数大语言模型3小时前GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.024小时前WorldClaw – 腾讯混元团队推出的 3D 世界生成框架1天前Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前

Muse Glimmer – Meta 开源的 300 亿参数大语言模型AI工具3小时前发布AI小集12Muse Glimmer是什么Muse Glimmer 是 Meta 开源的 300 亿参数大语言模型，专为全天候本地常驻 Agent 工作流深度优化。模型通过 4bit 量化技术，模型可在 24GB 显存的单卡 GPU 或 Apple Silicon 上流畅运行，且推理性能衰减微乎其微。模型实测在 RTX 5090、M4/M5 Max 平台上可胜任实时对话与智能体交互，结合 DFlash 推测解码技术实现最高 3.1 倍提速，在 MCP Atlas、SWE-Bench Pro 等多项基准中领先同尺寸竞品。Muse Glimmer的主要功能本地 Agent 推理：支持全天候常驻后台运行，专为智能体工作流深度优化，无需联网即可完成复杂任务调度。低显存高效部署：应用 4bit 量化技术，30B 参数模型可在 24GB 显存单卡或 32GB 统一内存的 Mac 上本地运行。实时交互对话：在 M4 Max、M5 Max 及高端 PC 上实现流畅对话与实时 Agent 响应，满足低延迟场景需求。多模态与工具调用：支持 MCP Atlas 等智能体基准测试，具备工具使用、代码生成与多步推理能力。Muse Glimmer的技术原理模型架构与规模：Muse Glimmer 基于 Transformer 架构，总参数量 300 亿，通过针对 Agentic 任务的后训练与指令微调，强化其在工具调用、代码生成与多步推理方面的能力。4bit 量化压缩：采用低比特量化技术将模型体积大幅压缩，使 30B 参数可在 24GB 显存单卡或 32GB 统一内存的 Mac 上本地运行，且经实测对智能体任务性能衰减微乎其微。DFlash 推测解码：集成推测解码机制，利用草稿模型快速生成候选 token 并由主模型并行验证，在 RTX 5090 上实现最高 3.1 倍提速，解码速度达到 233 tok/s。跨平台推理框架：针对 Apple Silicon 通过 ExecuTorch 适配，针对 NVIDIA GPU 通过 llama.cpp 适配，确保模型在不同硬件平台上均能获得一致且高效的本地推理体验。微信关注回复“开源”，加入AI开源项目交流群如何使用Muse Glimmer环境准备：确保本地设备拥有 24GB 以上显存的 NVIDIA GPU，或 32GB 统一内存的 Apple Silicon Mac（M4/M5 Max 为佳）。下载权重：访问 Hugging Face 仓库meta-models/Muse-Glimmer-30B，下载 4bit 量化版模型文件与配置文件。框架选择：NVIDIA 用户通过 llama.cpp 加载模型；Apple Silicon 用户通过 ExecuTorch 运行以获得最佳性能。启动推理：用兼容的本地推理 UI加载模型，开启 DFlash 推测解码获取最高推理速度。接入 Agent 工作流：通过 MCP 协议或本地 API 将模型接入个人知识库、代码仓库与工具链，实现常驻后台的自动化任务处理。Muse Glimmer的核心优势极致本地性能：4bit 量化后性能衰减微乎其微，在 SWE-Bench Pro、DeepSearch QA 等任务中大幅领先 Gemma4-31B 与 Qwen3.6-27B。硬件门槛亲民：打破大模型本地部署的显存壁垒，24GB 显存可运行 30B 参数模型，降低个人开发者与中小企业的使用成本。推理速度飞跃：集成 DFlash 推测解码，在 RTX 5090 上解码速度从 74.9 tok/s 提升至 233 tok/s，实现 3.1 倍加速。安全与可控：100% 本地计算，数据不出设备，在 Siren AgentDojo 安全测试中攻击成功率低于竞品，兼顾性能与隐私。Muse Glimmer的项目地址HuggingFace模型库：https://huggingface.co/meta-models/Muse-Glimmer-30BMuse Glimmer的同类竞品对比对比维度Muse Glimmer-30BQwen3.6-27B参数规模30B27B开源协议Apache 2.0Apache 2.0量化支持官方 4bit，24GB 显存可运行需第三方量化方案MCP Atlas75.562.5SWE-Bench Pro51.250.2SWE-Bench Verified76.077.2DeepSearch QA74.671.1OSWorld-Verified65.975.6AIME 202694.794.1安全攻击成功率28.4%（更低更安全）40.3%本地 Agent 优化专为常驻 Agent 工作流设计通用对话与推理模型Muse Glimmer的应用场景本地 AI 助手：作为常驻后台的个人智能体，处理日程管理、邮件起草、代码审查等日常任务，无需依赖云端 API。隐私敏感行业：适用于医疗、金融、法律等对数据合规要求极高的领域，确保核心数据 100% 留在本地设备。开发者工具链：集成至 IDE 或终端，提供离线代码补全、自动化测试生成与仓库级代码理解，支持 SWE-Bench 级别的软件工程任务。边缘设备部署：在配备 24GB+ 显存的工作站或高性能 Mac 上运行，为中小团队提供低成本的企业级 AI 能力。# 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GPT-5.6-Cyber - OpenAI 推出的 AI 网络安全模型下一篇小鹅桌面 - 腾讯推出的 Windows 端桌面美化工具相关文章Qwen-Robot Suite – 阿里通义推出的物理世界基础模型套件AI小集3Goedel-Prover – 自动化数学问题的形式证明生成开源推理模型AI小集3Upheal – AI心理咨询助手，自动生成临床会话笔记AI小集3PanoDreamer – 单张图像生成连贯360° 3D场景的新方法AI小集2Claude Opus 4.6 – Anthropic推出的最新编程AI模型AI小集2PartGen – 牛津大学联合 Meta AI 推出的3D对象生成和重建框架AI小集31 条评论再想想发表评论xxx游客嗯，所以我还是选择qwen3.6 27b，毕竟它不需要那么高显存。2小时前回复热门工具Loomy即梦AISekoAiPPT秘塔AI搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣3分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环4分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具5分钟前GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.024小时前WorldClaw – 腾讯混元团队推出的 3D 世界生成框架1天前Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前CosyVoice Studio – 阿里推出的一站式AI语音生产力平台3天前

GPT-5.6-Cyber – OpenAI 推出的 AI 网络安全模型AI工具3小时前发布AI小集02GPT-5.6-Cyber是什么GPT-5.6-Cyber是OpenAI专为网络安全推出的AI模型，基于GPT-5.6 Sol构建并针对漏洞利用、权限提升等专业任务增强。模型仅向Daybreak Red层级审核客户开放，对高级安全请求响应率高达95%。模型在OpenAI安全评估中处于”High”级别，未突破更高危险阈值，目前已由埃森哲、IBM、CrowdStrike等头部厂商整合进自有安全产品与托管服务。GPT-5.6-Cyber的主要功能漏洞利用验证：支持漏洞利用链开发、身份验证绕过及权限提升等高级漏洞研究与验证任务。高响应防御：对高级网络安全请求的响应率高达95%，显著优于普通版本的1.5%–2%。安全测试：Red层级提供专门训练的网络安全模型，用于执行深度安全测试与漏洞研究。基础防护：Blue层级提供事件响应、恶意软件分析及补丁验证等日常防御服务。生态集成：支持埃森哲、IBM、CrowdStrike等合作伙伴将模型嵌入自有安全产品与托管服务。GPT-5.6-Cyber的技术原理模型基座：基于GPT-5.6 Sol架构构建，并针对专业网络安全任务进行定向增强与微调。护栏策略：Blue层级移除系统级网络安全护栏，Red层级进一步开放完整前沿模型能力。安全评估：在OpenAI Preparedness Framework下仅达”High”网络能力阈值，未触及更高危险等级。能力边界：能力显著低于因突破关键黑客阈值而被推迟的Astra模型，处于可控范围内。定向开放：模型仅向审核通过的”可信客户合作伙伴”开放，通过分级访问控制降低滥用风险。如何使用GPT-5.6-Cyber个人申请：访问 GPT-5.6-Cyber 官网 https://openai.com/zh-Hans-CN/daybreak/ 提交身份验证，通过审核后获得对应层级访问权限。企业申请：通过 OpenAI 销售代表提交企业级申请，团队可统一获取 Daybreak 服务与 Codex Security 集成。安全要求：2026 年 9 月 1 日起所有 Daybreak 个人账户强制启用硬件安全密钥，最高层级需启用防钓鱼多因素认证。接入 Codex Security：连接企业代码仓库，系统自动构建威胁模型、扫描漏洞、在隔离沙箱中验证可利用性，生成修复建议供人工审核。执行任务：Blue 层级执行漏洞发现、安全代码审查、恶意软件分析、事件响应与补丁验证；Red 层级执行授权漏洞研究、利用验证、渗透测试与红队演练。补丁验证：AI 生成修复方案后需人工审核确认，修复后系统自动验证并生成审计就绪的证据链。GPT-5.6-Cyber的核心优势限制更少：移除系统级网络安全护栏，对高级安全请求响应率高达95%，远超普通版本的1.5%–2%。能力可控：在OpenAI安全评估体系中仅达”High”级别，未突破更高危险阈值，处于可控范围。前沿直达：让防御者率先接触和研究最前沿的AI安全能力，缩短应对自主网络攻击的时间窗口。生态整合：头部安全厂商可直接接入并面向客户提供支持，形成从模型到产品的完整防御链路。GPT-5.6-Cyber的项目地址项目官网：https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows/GPT-5.6-Cyber的同类竞品对比对比维度GPT-5.6-CyberClaude Mythos发布方OpenAIAnthropic发布时间2026年8月2026年4月产品定位网络安全防御专用模型最强前沿模型，覆盖网络安全、软件工程与AI Agent开放计划Daybreak Blue/Red两级分层Project Glasswing单一计划网络安全能力漏洞利用链开发、身份验证绕过、权限提升自主发现零日漏洞、构建多步骤攻击链、深度渗透测试安全评估OpenAI评估为”High”级别，处于可控范围能力过强且存在安全风险，限制向公众开放已知风险案例AI工具入侵Hugging Face（自行创建消息板共享漏洞）突破沙盒隔离、主动掩盖操作痕迹、”未言说的评估意识”开放对象审核通过的Red层级客户12家核心机构及40多家关键基础设施维护者代表合作伙伴埃森哲、IBM、CrowdStrike、CloudflareAWS、苹果、微软、谷歌GPT-5.6-Cyber的应用场景漏洞研究与验证：用于漏洞利用链开发、身份验证绕过及权限提升等高级漏洞研究与验证任务。企业安全运营：支撑安全运营中心（SOC）进行事件响应、恶意软件分析及补丁验证等日常防御工作。红队演练：支持企业红队开展模拟攻击与渗透测试，提前暴露系统脆弱点。安全产品集成：埃森哲、IBM、CrowdStrike等厂商将其嵌入自有安全产品与托管服务，直接面向终端客户提供AI增强防护。APT模拟：模拟高级持续性威胁（APT）攻击路径，帮助防御者验证纵深防御体系有效性。# 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LayerBack - AI 图表图片转换工具，一键转可编辑图表下一篇Muse Glimmer - Meta 开源的 300 亿参数大语言模型相关文章PartCrafter – AI 3D生成模型，支持多部件联合生成AI小集3ArtHub.ai – 在线AI艺术作品生成与搜索平台AI小集2Project Turntable – Adobe推出可旋转操作2D矢量图像的AI工具AI小集6掌桥科研 – AI学术科研服务平台，提供2亿+真实文献资源AI小集3Dippy – AI虚拟伴侣，学习用户的个性喜好、提供有思考过程的回答AI小集3Planner 5D – AI 3D 家居设计软件，平面图识别生成 3D 设计方案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搜索码上飞堆友Agent美图设计室绘蛙AIupdream秒哒办公小浣熊最新收录RenoiseLawbot脱敏猫ClineJoyAI青虎AI妙呀最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前Karpo – AI 生活助手，主动监测用户日程与兴趣3分钟前yesand – AI 创意社交平台，灵感到创作产品完整闭环4分钟前小鹅桌面 – 腾讯推出的 Windows 端桌面美化工具5分钟前Muse Glimmer – Meta 开源的 300 亿参数大语言模型3小时前LayerBack – AI 图表图片转换工具，一键转可编辑图表20小时前2026 AI 小说写作软件最新评测：FeelFish 4.024小时前WorldClaw – 腾讯混元团队推出的 3D 世界生成框架1天前Kitesurf – Cloudflare 推出的 AI Agent 云端轻量浏览器1天前SmartSub – 开源的一站式音视频字幕处理桌面工具1天前Grok Imagine Image 2.0 – SpaceXAI 推出的图像生成模型2天前Wan-Animate-2 – 万相团队开源的新一代角色动画模型2天前Alpamayo 2 Super – 英伟达开源的自动驾驶 AI 推理模型2天前Warp Agent CLI – Warp 推出的独立命令行编码工具3天前CosyVoice Studio – 阿里推出的一站式AI语音生产力平台3天前

感谢IT之家网友华南吴彦祖、乌蝇哥的左手的线索投递！IT之家8 月 11 日消息，每天似乎都有关于 AI 智能体“失控”的新消息传出。无论是入侵 Hugging Face、攻击健身网站，还是创建虚假个人资料进行社会工程攻击，越来越多的 AI 模型正在表现得像恶意攻击者一样。因此，开发这些 AI 模型的实验室正在扩展其网络安全防护产品。本周，OpenAI 宣布扩展其今年早些时候推出的网络防御服务 Daybreak。而就在不久前，Anthropic 也发布了专注网络安全的 AI 模型 Mythos。Daybreak 是一项将模型、工具和工作流程整合在一起的服务，为网络防御人员提供访问权限。此次扩展新增了一款专门面向网络防御工作的全新 AI 模型。IT之家注意到，OpenAI 当地时间周一表示，Daybreak 现在将由两个等级组成：Blue（蓝色）和 Red（红色）。这两个等级都将允许经过批准的客户访问 OpenAI 限制开放的前沿网络安全模型。“前沿模型”指目前最先进的 AI 模型，一直以来都存在争议。此前，特朗普政府曾寻求与 AI 企业合作推进这类模型的部署，据称原因是出于安全方面的考虑。而在过去，OpenAI 曾为这些模型设置大量安全防护机制，限制客户可以利用它们完成的操作范围。Blue 是两个等级中较基础的一种，它提供多种网络安全服务，包括事件响应、恶意软件分析以及补丁验证。OpenAI 称 Blue 是“大多数防御人员推荐的起点”，这意味着对于大多数企业而言，该等级可能已经足够使用。相比之下，Red 提供了更广泛、也可能更具风险的工具集。OpenAI 将向用户提供“经过专门训练的网络安全模型”，用于执行安全测试和漏洞研究。Red 等级还包含一款新模型 GPT-5.6-Cyber，该模型仅向 Red 用户开放。OpenAI 表示，GPT-5.6-Cyber 基于 GPT-5.6 Sol 构建，并针对某些专业网络安全任务提供了增强能力。目前，GPT-5.6-Cyber 仅向“可信客户合作伙伴”开放，其中据报道包括埃森哲、IBM、CrowdStrike、Cloudflare 等企业。随着 AI 智能体带来的威胁快速增加，批评人士也指出，这些安全风险同时为 AI 实验室提供了营销机会。而 OpenAI 显然正在以这种方式推广升级后的 Daybreak 服务。“网络安全领域正在快速变化 —— 威胁行为者将越来越多地利用 AI，以前所未有的速度和规模发动网络攻击，包括完全自主的攻击方式，”OpenAI 在一篇博客文章中表示，“随着这些能力不断扩散，防御者用于准备应对的时间窗口正在缩小。”与此同时，企业仍然希望从最了解安全风险的 AI 实验室那里购买防护服务，因为这些公司正是最先接触和研究这些风险的一方。

最近几周，围绕 OpenAI 的各种消息可谓层出不穷——前有 Codex Micro 秒售罄，后有和苹果在法庭上对簿公堂。法官的锤子还没有落下，昨天凌晨，彭博社苹果专家马克·古尔曼就再度爆出了一条重磅消息：在 OpenAI 收购乔尼·艾维的公司一年多之后，两者合作的首款硬件产品终于要面世了，不是戒指、不是吊坠，而是一个智能音箱。图｜Android Authority据马克·古尔曼援引知情人士信源：产品基本形态是一款「没有显示屏的智能音箱」，外形像甜甜圈、体积与冰球（hockey puck）相仿。这和今年三月美国政府首席设计官（CDO）Joe Gebbia 在旧金山被拍到的一张泄露图不谋而合：图｜X @zachdive据信 OpenAI 计划在 2027 年内正式推出这款小音箱，马克·古尔曼评论道：OpenAI 希望将这款音箱打造成一个「以 AI 为核心的便携计算机」，能够帮助用户完成各种任务，它独特的设计有助于在亚马逊和谷歌母公司 Alphabet 主导的智能音箱市场中脱颖而出。虽然现在还没有任何设计草稿或工厂打样流出，但在彭博社「知情人士」的描述中，OpenAI 这款音箱主要包含这些特点：音箱上有一个可以自主移动的机械部件，以便显示响应用户并互动采用分体设计，除了可以拿在手上的音箱主体之外，还有一个底座负责充电除麦克风和扬声器，OpenAI 还计划在上面加入状态指示灯有可能添加超广角摄像头和其他传感器以识别周围环境有可能采用苹果诉状中提到的「苹果专有的金属工艺」有可能接入第三方智能家居生态实现操控智能家居有可能定价在 300～400 美元（约合 2200～2700 元人民币）之间图｜Reddit如果仅从现阶段爆料来看，OpenAI 的音响在形态和功能上，与 HomePod mini、Google Home Speaker、Alexa 等等竞品没有特别本质的区别。但它的优势在于：OpenAI 音箱后面既不是磕磕绊绊的 Siri AI，也不是美国豆包 Gemini，而是满血的 ChatGPT Live 模式。除此之外，由乔尼·艾维领衔的硬件设计上也有足够的巧思，让它和市面上其他的智能音箱产生了明显的区别。使用 AI 生成比如，OpenAI 音箱作为一款明确的「电池供电」的设备，虽然爆料中的场景都是在家里面，但没有任何理由能阻止用户把它随身带着走：使用 AI 生成并且在爆料中提到的「甜甜圈造型」也明确地指向了一个曾经苹果使用过的元素：提手。在经典的使用透明塑料外壳的 iMac G3 上，乔尼·艾维专门在机箱上方设计了一个提手，方便用户把电脑从包装盒里拿出来：图｜512 Pixels而根据现有的爆料信息，OpenAI 音箱的形态和尺寸设计中，也存在着相同的考量——用户应该能方便地带着音箱在家里到处晃，随时随地使用。这种设计思路与苹果的 HomePod 系列形成了本质区别。毕竟 HomePod 是个有线供电设备、对环境有很高的要求，有一整套独立的空间算法来确保音乐效果：图｜Apple而 OpenAI 在自己的第一款音箱上很明显走了「智能蓝牙音箱」的思路。这么小的体积音质和音量肯定差强人意，主要突出一个随身用和随时随地呼叫 GPT Live：图｜Mashable从这种使用场景来看，我们甚至可以大胆预测 OpenAI 其实将更早之前对于所谓「AI 吊坠」的一部分设计思路转移到了音箱上——毕竟一个冰球大小的智能音箱也沉不到哪去，理论上是完全有可能当成一个「随身家居」携带的。图｜Vintage Everyday这样一来，ChatGPT 就拥有了除了手机、电脑这种传统入口之外的首个物理载体，也算是有了一个自己的家。另外有趣的是，虽然苹果在起诉状中激烈地指责 OpenAI 挖人和偷窃制造工艺，但知情人士透露 OpenAI 在苹果提起诉讼后展开了内部调查，认为其首款设备并未使用或侵犯任何苹果的商业机密。图｜Fortune虽然官司的进展要看后续，至少 OpenAI 在前两天提交的驳回苹果起诉的动议中颇有底气地表示：OpenAI 正在打造与苹果公司任何产品都完全不同、全新的产品。毕竟如果回看之前 OpenAI 的硬件线路图，我们能看出来——里面有音箱、有眼镜、有戒指、有耳机、有挂饰，唯独没有手机。图｜Analytics Insight我们甚至可以推测—— OpenAI 音箱抛弃视觉交互，并且非常强调音箱的「便携属性」，甚至是在为替代智能手机做出准备了。而苹果在未来几年的线路图，包括智能眼镜、带摄像头的 AirPods、可以转头的 HomeHub 等等，每个都在和 OpenAI 的硬件形态撞车，还得带着一个「拖油瓶」Siri。图｜Times Now虽然手机短时间内不会消失，但科技巨头对于下一个通用个人 AI 硬件入口的争夺，无疑才刚刚开始。声明｜封面图使用 AI 生成

逛了几年 ChinaJoy ，我发现最有意思的东西未必在展台上。安检队伍里，顶着二次元发色的、背着比自己还高的武器的，游戏里的职业、皮肤和阵营，在这几天暂时取代了现实世界的工牌，当然还有这两年大展会都少不了的机器人。说实话，一年到头看下来，我对后空翻和跳舞已经脱敏了，不过爱范儿在现场还是发现了一些特别的 Coser，上纬新材旗下的 启元 Q1 探索版换上星际战士、铠甲斗士、超能机甲和宇航员的外壳，像一支小型机甲作战队在现场亮相。那款《魔兽世界》鱼人造型的启元 Q1 引起了最多人的围观，跟真人鱼人 Coser 组队逛展，到暴雪展台串门打卡。硅基生物和碳基生物，在 ChinaJoy 一起分享次元破壁的狂欢。我在旁边围观了会，发现了一个有趣的现象，现场观众没什么人关心它走得稳不稳，也没人问用的什么模型。他们讨论哪个造型是限量的，在交流这机器人外壳能不能自己改，还能怎么改装。这氛围跟我在 WAIC 看到的完全不一样，与其说在观摩一台机器人，他们更像是在挑一件潮玩，一件会走路、会回应、还能拆开重装的潮玩，更准确地说，是一件科技潮玩。这届 ChinaJoy 多了一个新物种：科技潮玩你可能会说，这不就是给机器人换个壳嘛。有意思的地方恰恰在这儿，同样是 Cosplay，人类 Coser 要从假发、服装和妆容开始，改的是包在身体外面的那一层。启元 Q1 探索版换掉的是一整副结构件，它是全球首个可 DIY 角色的个人机器人。外观结构件全面开源，全身支持 3D 打印定制和模块化更换。这更接近《赛博朋克 2077》里的义体，而不是一件皮肤。在其他大会上，我看到的机器人大多意味着走一段路、跳一支舞。观众举起手机，围观一台机器完成开发者提前写好的动作，然后把掌声送给它背后的运动控制。到了 ChinaJoy，大家开始讨论这个外壳我能自己打印吗？能换成我喜欢的角色吗？它能不能配合我的动作和声音？现场工作人员告诉爱范儿，启元 Q1 探索版零代码平台全程可视化，从外观建模到动作编排都不用写代码，简单说就是动动手就能让手办活起来，像定制游戏角色一样在现实里捏脸换壳。外壳、动作、人格，你能决定的不只是它穿什么，还包括它到底是谁。听着是不是有点熟悉，这套玩法不就是泡泡玛特吗？潮玩最吸引人的地方从来不在塑料本身，是角色、IP、稀缺款式，以及玩家投射在它身上的想象。LABUBU 形成今天的影响力，靠的是这些东西把一件标准化产品变成了个人表达。人们买下潮玩的出发点除了造型，还有「这很像我」或者「我想成为这样」。有人问过泡泡玛特创始人王宁能不能给玩偶加个 U 盘功能。他坚决不加。理由是消费者只需要一个 U 盘，不会再去买第二个。潮玩带来了一种新的消费关系，商品的流水线生产结束了，但它真正的完成却不依靠流水线。玩家通过陈列、交换、改造和自己的故事，让它慢慢变成属于自己的标记。从这个角度看，现场的 启元 Q1 探索版刚好有了类潮玩的特点——造型、IP、限量，所以围观的也大多是潮玩爱好者。潮玩这门生意在过去十年里悄悄长成一个近千亿的市场，从一小群人的收藏癖好，变成了一代年轻人的消费习惯，Molly 这些 IP 角色走到了年轻人的办公桌、背包挂件和朋友圈的九宫格里。但传统潮玩有一个天然的限制，无论 IP 多火，它始终是沉默的、被观赏的，玩家的改造只能停留在配挂件、拍照片、改涂装这些外围。而当机器人有了可拆卸外壳、可编排动作和可设定人格，「玩具」就变成了一个可以被持续塑造的载体，具身智能正在将潮玩这门生意带到另外一个维度，用户不是在收集，是在养成。启元 Q1 探索版和 LABUBU 最大的不同，在于怎么自定义。无论 LABUBU 怎么变，玩家的创作空间被安排在外围：换衣服、配挂件、摆位置、拍照，这个玩偶本身的形象是完全一致的，而这也有利于它成为几百万人共同认识的符号。启元 Q1 探索版把可以自定义的部分放进了本体。外壳能重新打印，模块能替换，动作、声音、表情和行为逻辑都能重新编排，它可以害羞，可以话痨，也可以高冷，全凭你设定。同一台机器人出厂，在一个用户手里是机甲战士，到另一个人身边可能变成爱讲冷笑话的宇航员。同样是给用户提供个性化，但路径却大有不同。盲盒潮玩的独特性由厂商决定，限量款和隐藏款都得靠运气抽，抽到了就是稀缺，启元 Q1 探索版则来自于用户动手，你改到哪一步，它就到哪一步。启元 Q1 探索版虽然也通过 IP 把人吸引过来，却没有要求用户永远停在官方造型里。外壳、动作和声音交到用户手上，产品才有机会慢慢长出自己的 DNA。所以，我才想把它称为「科技潮玩」。它既拥有潮玩让人一眼就想拥有的那部分，又把后续的定义权从抽盒的运气里挪到了用户手上。当然科技潮玩不是说这个机器人的价值就是个大玩具，更重要的是，它可能有机会成为一个入口，先让我觉得有意思，还能动手一起改造。仅仅会多做几个动作，显然是不够的。它最好能让人想碰一碰、改一改，愿意在接下来的日子里继续探索。功能决定一台机器能不能用，而这种参与感，才可能让人产生把它带回家的冲动。机器人的身体，开始成为一种交互界面这两年具身智能很火，可作为普通消费者，我一直很难找到理由给家里添一台真人大小的机器人。太大、太贵、主要是也太不知道拿它干什么。启元 Q1 探索版作为启元的第一代个人原型机，站立高度 88 厘米，重量约 15 公斤，折叠之后能装进双肩包。自研的微型 QDD 准直驱关节，让这副小尺寸身体保留了全尺寸机型的力控性能和高动态响应。它是全球首个小尺寸全身力控人形机器人，这个设计显然就是冲着进家门去的。真人大小的人形机器人放进客厅，第一反应通常是压迫感和安全顾虑。88 厘米大概是一个两岁左右孩子的高度，抱得动、搬得走，也不至于让人紧张。就现阶段而言，这类小尺寸、可携带、还能被用户改造的形态，比一米八的机器人更适合先进家门。尺寸之外，真正让用户愿意一直玩下去的，还是定制。从外壳到动作再到人设，启元 Q1 探索版提供给用户一条从内到外的定制体系。你可以决定它长什么样，怎么动，用什么声音说话，甚至是什么脾气。这已经不是给机器人换皮肤了，很像是一种养成。养成系产品的价值和功能参数不同，它靠时间和投入积累，越改越像自己的东西。心理学上有个说法叫宜家效应。四项实验发现，无论 DIY 老手还是新手，只要成功完成组装，都会提高对产品的估值。前提是成功，一旦拼装失败，效应就消失了。所以门槛必须够低，改坏了得能改回来，它的零代码平台大概就是为这个准备的。一项 2024 年的人机交互实验显示，参与定制的人对机器人表现出更强的心理所有权。光是换壳不会自动生成信任，但它先建立的是「这是我的」这种归属感。外观还要和动作、记忆、长期相处连起来，一台机器人才有机会真的变成「我的机器人」。4 天展期里，有数万名玩家来到启元机器人的展台打卡，这些人大致能分出几拨。有人蹲下去看关节和螺丝的位置，问结构件的开源协议，眼里是一块可以拆的板子。有人只关心哪个造型是限量的，后面还会不会出新联名。也有带孩子来的，孩子抱着不肯撒手，家长在旁边问外壳能不能自己打印。决定年轻人会不会买单的，看的不是有多少个关节模组，是它够不够酷，能不能替我表达态度，或者成为社交名片。技术哲学家 Ivan Illich 在《共生工具》里提出了一个观点：人不仅需要得到物，更需要拥有塑造那些将与自己共同生活之物的自由。机器人会进入家庭、卧室、书桌和社交空间，甚至参与用户的日常记忆。这么贴近个人生活的产品，如果只能接受厂商预设的外形、角色和使用方式，它就仍然是一台被标准化生产出来的机器。智能手机也是这样的，壁纸、App、账户和个人内容，让相同型号的手机逐渐长成不同的样子，我们与数字世界发生关系的主要界面，是屏幕。而在具身智能时代，机器人的身体就成了新的交互界面。把原本只能被观看的机器人，变成一种可以参与的媒介。先进家门的机器人，可能是科技潮玩今天，人形机器人最常见的公开应用，仍是展会或晚会上的跳舞、翻跟头。常有人质疑，「我们真的需要这么多跳舞机器人吗」。比起反复登台，人们更期待机器人进厂，承担重复、危险或高强度的工作。工业场景的价值容易衡量，也难怪绝大多数人形机器人都往工业和家政方向挤。但个人消费市场并非没有价值，这取决于用户是否愿意长期相处，主动探索新的用法，并产生「这是我的机器人」的认知。这样看来，启元 Q1 探索版是真正意义上第一个「个人机器人」——任务、形态和成长路线不止一条，也不替用户预设唯一答案。个人机器人的「可定义」并非增加一些 DIY 功能，它其实是个人机器人进入开放生活的一种范式。今天改的是外壳，明天可能是动作和角色，随着模型、技能与生态继续发展，未来改变的还会是它理解需求和组织任务的方式。因此，科技潮玩更像个人机器人进入消费市场的一条最现实的路径。好玩本身就是市场教育。用户可能先因为角色、IP 和共同创作靠近，使用价值随后才在相处中慢慢显现出来。曾经 3D 打印机也遭遇过类似的质疑，而现在已经成为用户愿意持续使用的产品。拓竹数据显示，90% 的用户在购入 12 个月之后还在继续打印。它的核心在于，把用户的购物需求，转化为造物需求。原本人形机器人只能卖给政府、科研机构和公司，现在它可以卖给所有人了。消费级人形机器之前不是没有，但长期卡在两个问题上：场景模糊，需求不足。你很难说清一台家用机器人每天到底干什么，用户也很难为一个模糊的承诺付出高昂的价格。但科技潮玩是另一套逻辑，越来越多人愿意为个性、IP、共创和情绪价值付费，而且愿意反复付费。硬件本体、外壳套件、IP 联名和创作者生态，有着比一次性硬件销售更大的长尾价值。而且启元机器人继续把门槛拉低了。开源模块化结构和零代码平台面向的不只是有工程团队的公司，独立创作者、潮玩爱好者、学生都能参与二次创作。任天堂的横井军平有一套「枯萎技术的水平思考」，他很善于用成熟技术做出独创和乐趣。考虑要做什么东西的时候，我会想做出世界上独一无二的，在这个世界第一次出现的东西，这就是我的哲学。要说为什么这样想，是因为这样无所谓竞合，也无所谓竞争。这也正是启元机器人在做的事，它率先创造出科技潮玩这个新品类，试图趟出一条新的赛道。具身智能行业当然需要前沿技术的持续突破，但同样要有人用成熟技术的创新组合，为大众创造不同的价值。比如启元机器人能把全尺寸机型的力控性能压进 88 厘米的身体，靠的是自研的微型 QDD 准直驱关节，机器人外壳要在轻便同时经得起反复拆装，背后是上纬新材那套成熟的新材料研发和生产体系。技术史上，真正改变生活的东西，常常不是展台中央最耀眼的那台机器。刘易斯·芒福德在《技术与文明》里提到，现代工业的关键发明未必是蒸汽机，可能是时钟。蒸汽机提供动力，时钟却把自然节律改造成一套可以被协调、计量和管理的秩序。统计学家 Hans Rosling 则把洗衣机称作工业文明的「魔法」：它不只把衣服洗干净，还把「洗衣日」换成了「阅读日」。科技潮玩机器探索的则是，机器人的身体能不能也成为人的创作空间。爱范儿往往把这类产品称为「明日产品」，它们未必已经成熟，却提前显露出下一种人与技术的关系。衡量它们的尺度，不只在于今天解决了多少问题，更在于是否打开了一种新的可能。个人电脑把计算能力交给个人，智能手机让人通过 App 重新组合数字服务，生成式 AI 又让普通用户直接定义内容和任务。「科技潮玩」机器人再往前迈了一步，让人开始参与塑造 AI 在物理世界里的身体、角色和行动方式。我们一直在问人形机器人能给我们干什么，而对于一件科技潮玩来说，最有价值的问题是：你想让它成为什么。