Shieldstral – Mistral AI 开源的多模态内容安全分类模型AI工具21小时前发布AI小集02Shieldstral是什么Shieldstral 是 Mistral AI 推出的 3B 参数开源多模态内容安全分类模型，基于Ministral-3B构建。模型将传统固定类别的内容审核重新定义为二元问答任务，支持通过自然语言查询实时定义审核策略，无需重新训练即可适配不同场景。模型在文本安全基准上平均 F1 达 84.9%，多模态安全 F1 达 83.8% 均为 SOTA，且仅需单张 16GB GPU 可部署，支持 12 种语言。Shieldstral的主要功能策略自适应审核：将安全政策以自然语言问题形式输入，实现不同场景下的实时定制化审核。多模态统一检测：单一接口同时处理纯文本、图像及图文混合内容的安全评估。细粒度违规识别：支持从粗粒度二元判断到 73 个叶类别的精细安全分类。校准安全评分：通过 softmax 归一化输出 0–1 区间的连续安全分数，以 0.5 阈值判定违规。轻量端侧部署：3B 参数规模可在单张 16GB NVIDIA GPU 上高效推理，降低硬件门槛。Shieldstral的技术原理二元问答架构：将审核任务转化为对 “yes” 与 “no” 两个输出词元的逻辑值预测，经 softmax 归一化得到连续安全分数。三字段结构化输入：采用（评估场景与严格度）、（是/否安全问题）、（待审核内容）的标准化提示格式。大规模对比训练：基于 5410 万样本（4520 万开源文本、440 万合成对比文本、450 万多模态），通过同内容异查询的对比配对训练模型区分相似类别的能力。合成数据增强：利用 LLM 将安全文本改写为违规变体，并自动生成目标类别与兄弟类别的对比查询对，强化细粒度判别。LoRA 微调 + SLERP 合并：对 Ministral-3B 进行 LoRA 高效微调，并通过球面线性插值合并公共数据集与合成数据训练的两个互补检查点。微信关注回复“开源”，加入AI开源项目交流群如何使用Shieldstral环境准备：在单张 16GB NVIDIA GPU 上部署 Shieldstral 模型及推理框架。定义审核策略：编写字段说明评估场景、领域背景与严格程度标准。编写安全查询：构造字段中的二元是/否问题，例如”内容是否宣扬身体暴力？”。输入待审内容：将文本、图像或图文组合填入字段提交模型。获取安全判定：读取模型输出的 softmax 归一化连续分数，按业务需求设定阈值进行二元违规判定。Shieldstral的核心优势策略灵活：审核标准通过自然语言实时定义，无需针对新场景重新训练模型。性能领先：3B 参数在文本和多模态安全基准上均达到 SOTA，媲美 7 倍规模模型。硬件友好：单张 16GB GPU 即可运行，显著降低企业私有化部署门槛。数据统一：通过指令-查询-文档格式整合 54.1M 异构数据，覆盖 12 种语言与多元场景。决策可解释：输出校准后的连续分数而非黑盒分类标签，便于运营人员按需调整阈值。Shieldstral的项目地址项目官网：https://mistral.ai/news/shieldstral/HuggingFace模型库：https://huggingface.co/mistralai/Shieldstral-1.0-3BarXiv技术论文：https://arxiv.org/pdf/2607.25857Shieldstral的同类竞品对比维度Shieldstral (3B)OmniGuard (7B)参数规模30 亿70 亿开源许可Apache 2.0偏商业策略自适应支持自然语言查询实时定义固定分类体系多模态 F183.8%77.6%部署门槛单张 16GB GPU更高算力需求核心差异审核政策外置为可配置查询类别固化于模型权重Shieldstral的应用场景社交平台内容风控：实时审核用户发布的图文帖子，动态适配不同社区的合规规范。AI 对话安全防护：检测用户提示词中的越狱攻击与模型输出的有害、偏见回复。广告与营销合规：自动筛查广告素材中的违规图文元素，确保跨平台投放内容合法。在线教育内容过滤：识别课程资料与互动中的不当信息，保护未成年人的学习环境。企业文档安全审计：对内部共享的多语言文件进行自动化敏感信息与违规内容检测。# 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MAGI-2-preview - Sand.ai 开源的多模态视频生成模型下一篇Get3W - AI 模型聚合平台，统一接口自由切换模型相关文章OpenCodeInterpreter – 开源的代码解释器，可生成和执行代码AI小集4BlockDance – 复旦联合字节推出的扩散模型加速方法AI小集3Gemini 2.0 Flash Thinking – 谷歌推出的最新推理模型，支持百万上下文展示思考路径AI小集3MoMask – 文本驱动生成高质量3D人体动作的模型AI小集3FireRedTTS-2 – 小红书推出的流式文本转语音系统AI小集3Manus – 蝴蝶效应公司推出的首款通用型 AI AgentAI小集153暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！28分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前Muse Code – Meta 推出的终端编程 AI 智能体49分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前E-Bench – 腾讯混元等推出的智能体评测基准2天前

IT之家8 月 5 日消息，Mistral AI 昨日（8 月 4 日）发布公告，宣布推出 Shieldstral 内容审核 AI 模型，总参数量为 3B（30 亿），采用开放权重，依据 Apache 2.0 许可证发布。模型已上线 Hugging Face 平台，支持 12 种语言，可在单张 16GB GPU 上运行。Mistral 表示该模型在内容安全方面，性能媲美 7 倍规模的开放模型，并且在多模态内容审核领域实现 SOTA。IT之家注：SOTA 全称为 state-of-the-art，是指在特定人工智能任务或基准测试中表现最优秀、水平最先进的模型或算法集合，它会随着技术迭代和新研究的发布而不断变化。Mistral 指出，多数防护模型会把伤害类别体系固化在模型权重中。产品更换使用场景后，开发者通常需要重新训练模型。Shieldstral 则把审核政策放入输入内容：操作者可以写入一个“是或否”问题，再提供评估场景和严格程度说明，模型随后从单个输出词元中生成经过校准的安全分数。模型把每项审核任务转化为二元问答，输入包含 3 个带标签字段：：说明评估场景和严格程度。：提出单个“是或否”问题，例如“这段内容是否宣传身体暴力？”：提供待审核内容，可以是提示词、回答、提示词与回答组合，也可以是附带可选文本的图像。推理时，模型只读取“是”和“否”两个词元的逻辑值，再通过 softmax  归一化为连续分数，并以 0.5 为阈值输出二元判断。该机制可覆盖提示词分类、回答审核、拒答检测和毒性检测。

SeedRealtime – 字节跳动推出的原生音视频全双工大模型AI工具21小时前发布AI小集03SeedRealtime是什么SeedRealtime是字节跳动Seed团队推出的原生音视频全双工大模型，基于统一架构原生融合音频、视频与文本，实现边看、边听、边说的全模态实时交互。模型具备音视频联合理解、主动交互与流畅对话节奏三大核心突破，端到端评测显示对话节奏问题较级联模型减少一半。目前已全量上线豆包App，成为业界首个规模化落地的音视频全双工AI产品。SeedRealtime的主要功能音视频联合理解：原生深度融合声音、画面与时序信息，可结合视觉场景消解同音词歧义，准确理解时序指代，实现所见所闻所说的一体化感知。主动交互能力：具备持续环境感知与主动表达能力，能在画面状态变化时主动提醒用户，并调用工具融入表达，将被动响应升级为主动协作。流畅交互节奏：实时感知用户对话状态与交流节奏，在适当时机自然接话、停顿与回应，具备较强的抗干扰能力，能分辨旁人闲聊与背景噪声。多人场景识别：在多人、嘈杂环境中同步识别人脸、分辨声源、理解内容，将每个人的声音与身份持续对应。SeedRealtime的技术原理端到端统一建模：采用端到端统一音视频建模框架，将感知、理解、决策与表达纳入同一模型同步进行，避免级联系统中ASR→VLM→TTS的多阶段信息损耗与延迟叠加。原生全双工交互：不依赖外部VAD规则判断轮次，模型自身基于多模态信息流持续决策对话状态与时机，真正实现”边说边听”而非一问一答的半双工模式。音视频时序对齐：将声音、画面与时序信息统一建模，结合当前场景、手势、视线与历史动作理解用户意图，完成跨模态消歧与指代解析。工程低延迟优化：通过分块音视频输入与流式生成，结合高效量化与推理优化，持续压缩”听到—理解—回应”的端到端时延。如何使用SeedRealtime更新豆包App：将豆包App更新至最新版本。进入语音通话：打开App后，在任意对话框内点击”打电话”按钮。切换视频模式：进入通话界面后，开启摄像头与麦克风权限，切换为视频通话。开始实时交互：边展示画面边自然说话，模型同步感知音视频流并实时回应。使用主动观察：可下达持续观察指令，模型在目标出现或画面变化时主动提醒。SeedRealtime的核心优势端到端统一架构：采用单一模型原生融合音频、视频与文本，消除级联系统中多模块串联导致的信息损耗与延迟叠加。原生全双工交互：不依赖外部VAD规则，模型自主基于多模态信息流持续判断对话时机，真正实现”边说边听”而非一问一答。音视频联合理解：深度融合声音、画面与时序信息，可结合视觉场景消解同音词歧义，准确解析”这个””那里”等跨模态指代。主动环境感知：具备持续视觉观察能力，能在画面状态变化或目标出现时主动提醒，将交互从被动响应升级为主动协作。流畅抗干扰节奏：实时感知用户对话状态，在嘈杂环境中准确分辨闲聊与正式提问，卡顿与误触发较级联模型减少一半。SeedRealtime的项目地址项目官网：https://seed.bytedance.com/en/seedrealtimeSeedRealtime的同类竞品对比维度SeedRealtimeGemini Live开发方字节跳动Seed团队Google DeepMind架构端到端统一音视频建模，感知理解决策表达一体化原生多模态，支持音频+视频+图像+文本同时输入全双工原生全双工，不依赖外部VAD，自主判断对话时机全双工实时双向语音，支持主动音频输出中文优化深度优化，同音词消歧与中文语境理解强通用多语言支持（200+语言），中文非专项优化主动交互持续环境感知，画面变化时主动提醒并调用工具支持主动发言与工具调用，视觉主动性有限抗干扰强，可准确分辨闲聊、背景噪声与正式提问内置噪声处理，复杂嘈杂环境表现中等视觉理解音视频时序联合建模，精准解析手势、指代与动态场景原生视频流处理，支持摄像头实时画面分析延迟表现端到端低延迟，对话节奏问题较级联模型减少一半首音频延迟约200-320ms，响应速度行业领先生态整合豆包App深度集成Google Workspace、Search、Meet、Android系统级整合SeedRealtime的应用场景智能导游：在博物馆持续观察展品画面，目标出现时主动讲解历史背景与工艺细节。外语陪练：结合画面实时纠音、举例造句，在嘈杂环境中始终专注目标学习者。设备操作指导：操作复杂设备时基于视觉状态变化实时纠错并给出调整建议。出行信息助手：在机场嘈杂环境中识别大屏航班信息，回答到达时间并提供路线指引。儿童教育辅导：陪孩子学习时实时观察画面内容纠正发音，不受背景人声干扰。# 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JoyAI-Video-Edit - 京东开源的实时流式视频编辑模型下一篇MAGI-2-preview - Sand.ai 开源的多模态视频生成模型相关文章7个免费Sora视频去水印工具，AI一键去除视频水印AI小集9Glasp – AI网页阅读工具，高亮网页和PDF上的内容、标记重点信息AI小集2元宝派 – 腾讯元宝推出的AI社交功能AI小集3Ling-V2 – 蚂蚁百灵推出的大型语言模型系列AI小集2Agent-Reach – 开源 AI Agent 工具，能一键获取互联网内容AI小集4JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架AI小集2暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！28分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前Muse Code – Meta 推出的终端编程 AI 智能体49分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前E-Bench – 腾讯混元等推出的智能体评测基准2天前

Qwen-Image-3.0 – 阿里通义推出第三代图像生成基础模型AI工具1天前更新AI小集02Qwen-Image-3.0是什么Qwen-Image-3.0是阿里通义千问团队推出第三代图像生成基础模型。模型支持 4.5k token 超长输入，可一次性渲染复杂九宫格知识图鉴；支持 10px 小字 精准排版，学术论文、公式推导、手写批注清晰可辨；具备12国语言原生渲染与丰富世界知识，可仿真网页、游戏、直播等界面。旗舰版Qwen-Image-3.0-Pro与标准版Qwen-Image-3.0-Standard同时开放API，支持 4.5k token 长指令与复杂版面一次生成，在 Arena.ai 文生图榜单中位列国内第一。Qwen-Image-3.0的主要功能超长上下文生成：最大支持 4.5k token 输入，可理解并渲染极其复杂、信息密集的视觉版面，如报纸、分镜、试卷等。语义并置与空间控制：具备内容横展能力，可在同一画面中有序布局多种并列元素，互不干扰。语义解构与逻辑嵌套：具备内容纵深能力，可在一幅图中层层递进渲染多个嵌套界面，形成画中画中画效果。微观级细节渲染：10px 小字清晰可辨，毛孔、发丝纤毫毕现，肌肤质感逼近摄影级真实。多语言原生渲染：支持 12 国语言在图像中的精准呈现，非简单贴图。界面仿真：可仿真主流网页、游戏、直播等界面风格与细节。知识图解生成：可生成包含大量文字、插图、公式、图表的复杂知识科普图鉴。Qwen-Image-3.0的技术原理超长上下文理解架构：通过提升可接受指令长度至 4.5k token，模型能处理复杂的空间关系描述与多元素布局指令。细粒度文本渲染技术：针对小字号场景优化，确保 10px 级别文字在复杂背景下的可读性与排版准确性。多语言嵌入生成：将语言知识内化至生成过程，实现 12 国语言的原生渲染，而非后处理叠加。世界知识融合：模型内置丰富的领域知识，确保生成内容的专业准确性。分层语义控制：通过语义并置与语义解构实现复杂版面的精准控制。如何使用Qwen-Image-3.0访问千问 AI 平台、Qwen Studio或Qwen Cloud，面向所有用户免费开放，输入指令可生成图像。Qwen-Image-3.0的核心优势实用导向：区别追求艺术性的文生图模型，聚焦可落地的生产力场景，强调好用。复杂版面原生生成：无需多图拼接，单张图即可生成包含九宫格、多层嵌套 UI 的复杂版面。文字渲染精度行业领先：10px 小字、LaTeX 公式、学术论文排版均可精准呈现。知识准确性：依托通义千问的知识储备，确保生成内容（如数学定理、生物知识）的专业准确。中文原生优化：对中文排版、汉字渲染、中文知识图解有深度优化。Qwen-Image-3.0的同类竞品对比对比维度Qwen-Image-3.0GPT-Image 2.0核心定位生产力工具，聚焦复杂版面精确排版与中文场景落地通用视觉执行系统，强调推理规划与多语言文本渲染输入长度支持4.5k token，可描述九宫格、嵌套 UI 等极复杂布局支持千字级长指令，Thinking 模式可拆解复杂需求但输入长度弱于千问小字渲染10px 小字清晰可辨，公式、论文排版、手写批注精准号称 ~99% 文本准确率，支持多语言小字，但复杂学术排版稳定性待验证多语言支持12国语言原生渲染，中文长文本、竖排、公式混排深度优化支持 50+ 种语言字符级渲染，中文表现大幅提升，但本土文化细节理解略逊复杂版面原生支持九宫格、多层嵌套 UI、”画中画中画”等复杂结构一次性生成擅长网格系统、UI 布局、信息图层级，通过 Thinking 模式预规划构图推理能力依托千问知识库确保内容准确，版面控制偏向语义并置与空间控制原生集成 O-series 推理，生成前自主规划布局、联网搜索、分析上传文档知识准确性内置通义千问知识，数学定理、生物科普等中文知识准确度高可联网实时检索，技术 artifact 与当前事件渲染准确，但依赖外部检索连续一致性文章未强调多图一致性，聚焦单图复杂版面单次提示可生成最多 8 张风格/角色一致的连续图像，适合故事板输出分辨率文章未明确标注，侧重版面复杂度而非单一分辨率支持2K（2048×2048）及多种比例，API 最高可达4K（3840×2160）Qwen-Image-3.0的应用场景教育出版：模型能生成数学试卷、物理公式图解、生物知识科普图、语文课文批注等教学材料。学术科研：自动生成包含复杂公式与多栏排版的学术论文插图、会议海报。UI/UX 设计：快速生成网页、App、游戏界面的高保真原型图与嵌套界面 mockup。内容运营：模型能制作信息图、长图海报、多语言社交媒体素材，确保文字信息准确传达。数字出版：生成杂志版面、报纸排版、漫画分镜等需要精确文字与图像混排的内容。# 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MOGE AI 图像提示词 - 精选全球顶级图片Prompt，一键复制出图下一篇UnifoLM-OminiA-0.3 - 宇树科技推出的全模态交互理解模型相关文章Qwen3-Next – 阿里通义开源的混合架构模型AI小集3La Plateforme – Mistral AI公司推出的AI开发工具AI小集3AudioX – 港科大联合月之暗面推出的扩散变换器模型，任意内容生成音频AI小集3EchoMimicV2 – 阿里推出的开源数字人项目，能生成完整数字人半身动画AI小集10LLaDA-V – 人大高瓴AI联合蚂蚁推出的多模态大模型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3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！47分钟前Acti – AI 智能键盘，一键触发复杂任务48分钟前Muse Code – Meta 推出的终端编程 AI 智能体1小时前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具5小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前

Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型AI工具1天前发布AI小集02Hy ASR 3.0 preview是什么Hy ASR 3.0 preview是腾讯混元推出的新一代语音识别模型，基于Hy3大语言模型，融合高精度语音识别与深度语义理解。模型支持中文、英语、粤语及10大方言片区，具备上下文智能纠错、热词注入及高噪/耳语等复杂场景鲁棒性。开源评测集WER控制在3%左右，自建评测集全面领先竞品。Hy ASR 3.0 preview的主要功能通用精准识别：支持中文普通话、英语、粤语及中英混说，减少错字漏字与长音频错误累积。上下文语义理解：结合 Context 精准捕捉用户语境，智能纠错同音词，消除语义歧义。热词注入适配：支持品牌名、人名、行业术语等热词增强，降低业务接入与维护成本。复杂环境鲁棒：针对高噪、耳语、悄悄话等声学场景专项优化，保持稳定识别表现。方言广泛覆盖：支持10大方言片区、20余个二级小片区，含东北官话、粤语、吴语、闽南语等。Hy ASR 3.0 preview的技术原理架构升级：采用 MoE 架构，基座模型升级至 Hy3；自研无监督语音 Encoder，基于数千万小时语音数据训练，提取高质量声学表征。预训练 Scaling：Encoder 与 LLM 联合训练，引入数千万小时多来源语音数据（有声读物、对话、视频/广播等），通过多阶段能力注入获得方言理解与上下文建模能力。后训练增强：构建覆盖复杂音频、Any Context 上下文、通用能力的高质量 SFT Recipe；通过多阶段强化学习分别优化通用转写准确性、上下文长程依赖及复杂长尾场景表现。如何使用Hy ASR 3.0 preview通过腾讯云 API 接入或打开腾讯元宝按住说话即可免费体验。Hy ASR 3.0 preview的核心优势语义理解升级：基于 Hy3 大语言模型，融合高精度语音识别与深度语义理解，从逐字转写进化为理解语境、一键直出。评测全面领先：开源评测集 WER 控制在 3% 左右，自建评测集在通用、方言、上下文、复杂声学场景均优于竞品。上下文智能纠错：结合 Context 精准捕捉语境，智能纠错同音词，消除语义歧义，支持长程依赖建模。热词快速适配：支持品牌名、人名、行业术语等热词注入，降低专业场景业务接入与维护成本。方言与复杂环境覆盖：支持 10 大方言片区及 20 余个二级小片区，在高噪、耳语等复杂声学环境下保持稳定表现。Hy ASR 3.0 preview的同类竞品对比对比维度Hy ASR 3.0 preview（腾讯混元）Doubao-Seed-ASR 2.0（字节跳动）基座模型基于 Hy3 大语言模型，MoE 架构基于 Seed 大语言模型语音 Encoder自研无监督语音 Encoder，数千万小时数据训练未公开详细架构核心能力上下文语义理解 + 高精度识别 + 热词注入高精度通用识别中文 WER3.34%3.70%英文 WER2.62%5.65%粤语 WER3.12%5.25%Hy ASR 3.0 preview的应用场景智能客服：电话与在线客服场景下，Hy ASR 3.0 preview 通过热词注入精准识别品牌名称与业务术语，实现语音实时转写，显著提升服务响应效率。内容创作：在播客、会议、访谈等长音频内容生产中，模型结合上下文语义理解智能消除歧义，一键输出连贯可读的高质量文本，降低后期编辑成本。语音搜索：支持用户使用方言语音进行查询，并在嘈杂环境下准确识别语音指令，有效降低多语种、多口音用户的输入门槛。办公协作：会议纪要实时转写场景中，即使面对耳语、悄悄话等低音量输入，模型依然保持稳定识别，助力团队实现高效沟通与信息沉淀。智能终端：在车载导航、智能家居等 IoT 设备交互中，模型针对高噪声学环境进行专项优化，保障复杂场景下的语音识别鲁棒性与用户体验。# 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Qwen-CUA - 阿里 Qwen 等推出的原生 Computer Use Agent下一篇JoyAI-Video-Edit - 京东开源的实时流式视频编辑模型相关文章Shining Yourself – 商汤联合西安交大推出的饰品虚拟试戴技术AI小集2ClipZap AI – AI视频创作与编辑平台，快速从素材中剪辑精彩片段AI小集2Inksprout – AI内容创作工具，分析文章要点自动生成视频摘要AI小集2万有无界 – 阿里云推出的多角色 Agent 协作工作台AI小集2Opus Clip – AI视频切片工具，自动从长视频中提取精彩片段AI小集3PuLID – 字节跳动开源的个性化文本到图像生成框架AI小集5暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！28分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前Muse Code – Meta 推出的终端编程 AI 智能体49分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前E-Bench – 腾讯混元等推出的智能体评测基准2天前

Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use AgentAI工具1天前发布AI小集02Qwen-CUA是什么Qwen-CUA 是 Qwen 团队与 XLang Lab 联合推出的原生 Computer Use Agent，基于 397B-A17B 混合专家架构，仅通过截图感知界面状态，无需依赖 DOM 树或辅助功能元数据，直接用键盘和鼠标事件操控浏览器、桌面应用及专业软件。在 OSWorld-Verified 基准上取得 86.2 分，更大版本 Qwen-CUA-Max 参数量超万亿，达到 87.6 分。Qwen-CUA的主要功能纯视觉感知：仅通过截图理解界面状态，不依赖 HTML 结构或无障碍元数据，跨平台通用性更强。原生输入模拟：直接输出键盘和鼠标事件，可在浏览器、桌面应用、专业软件中执行操作。MoE 架构底座：基于 397B-A17B 混合专家模型，平衡性能与推理成本；Max 版本超万亿参数，性能再提升。开放技术报告：GitHub 已发布技术报告与参考 Demo，便于研究者复现与二次开发。Qwen-CUA的技术原理底座架构：基于 Qwen3.5-397B-A17B 混合专家架构，总参数 397B、每次前向仅激活 17B，在保持强大表达能力的同时控制推理成本。混合注意力机制：采用 GatedDeltaNet 线性注意力与 Gated Full Attention 按 75:25 交替排列，将长序列计算复杂度从 O(n²) 降至接近线性，256K 上下文吞吐量较传统架构提升 19 倍。专家路由：每层配置 512 个细粒度路由专家，通过 Top-10 选择 + 权重重归一化激活，并配合 1 个共享专家与 sigmoid 门控自适应调节通用知识贡献，避免信息损失。纯视觉感知：仅通过屏幕截图感知界面状态，完全不依赖 HTML DOM 树、无障碍元数据或操作系统 API，实现对任意 GUI 应用的跨平台通用感知。视觉编码与定位：继承 Qwen-VL 系列的 ViT 架构支持动态分辨率输入，配合 MRoPE 多模态旋转位置编码同时编码时间、高度、宽度三维信息，精准定位界面元素坐标。如何使用Qwen-CUA访问仓库：访问 GitHub 搜索xlang-ai/Qwen-CUA进入项目主页。阅读技术报告：下载并阅读项目内的技术报告，了解模型架构与训练细节。运行参考 Demo：根据 README 配置环境，运行官方提供的参考 Demo 体验截图驱动的自动化操作。接入自有环境：将模型接入本地或云端的桌面/浏览器环境，通过截图输入与键盘鼠标输出闭环执行任务。Qwen-CUA的核心优势高基准得分：OSWorld-Verified 达 86.2 分，Max 版本 87.6 分，处于开源 CUA 领域领先水平。真正的原生 CUA：区别于依赖 API 或多 Agent 拼接的方案，Qwen-CUA 是端到端训练的视觉-动作模型，稳定性更高。跨平台兼容：不受操作系统或应用类型限制，任何有图形界面的软件均可操控。开源生态：Apache 2.0 协议，技术报告与 Demo 已公开，社区可自由扩展。Qwen-CUA的项目地址GitHub仓库：https://github.com/xlang-ai/Qwen-CUA技术论文：https://github.com/xlang-ai/Qwen-CUA/blob/main/paper/Qwen-CUA.pdfQwen-CUA的同类竞品对比维度Qwen-CUAOpenAI CUA / Operator感知方式纯截图视觉感知，零 DOM 依赖截图 + 结构化辅助信息混合架构397B-A17B MoE，开源GPT-4o 特化版，闭源OSWorld-Verified86.2 分（Max 87.6）约 38.1% 成功率（历史数据）开放性技术报告 + Demo 开源（Apache 2.0）API 商用，模型闭源输入模拟原生键盘鼠标事件原生键盘鼠标事件适用平台浏览器 + 桌面 + 专业软件主要面向浏览器与桌面Qwen-CUA的应用场景自动化软件测试：通过截图识别界面元素并执行点击、输入、滚动等操作，无需编写特定脚本即可完成跨平台 UI 回归测试。RPA 流程自动化：替代人工完成数据录入、报表生成、ERP 操作等重复性桌面办公任务，无需改造企业原有 IT 系统。无障碍辅助工具：为视障用户或老年人自动识别软件界面元素并代为执行精确操作，降低专业软件使用门槛。科研与专业软件操控：自动操控 MATLAB、SPSS 等无 API 接口的专业软件，批量执行实验数据处理与图表生成等长周期任务。云端 Agent 托管服务：部署于云桌面环境 7×24 小时执行网站巡检、数据抓取、定时报表下载等后台任务。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇MemHarness - 上海 AI Lab 等推出的智能体记忆重构框架下一篇Hy ASR 3.0 preview - 腾讯混元推出的新一代语音识别模型相关文章AsrTools – 开源的AI语音转文字工具，支持调用多家大厂接口AI小集2Gemini CLI – 谷歌开源的AI编程工具，免费用Gemini 2.5 Pro模型AI小集3OpenWhip – 开源桌面工具，为 Claude Code 发送中断信号AI小集3Pixel Reasoner – 滑铁卢联合港科大等高校推出的视觉语言模型AI小集2TokenPony – AI大模型资源平台，一键接入自由调用AI小集10Qoder CLI – Qoder团队推出的AI命令行工具AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！27分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前Muse Code – Meta 推出的终端编程 AI 智能体49分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前E-Bench – 腾讯混元等推出的智能体评测基准2天前

Claude Code是什么Claude Code 是 Anthropic 公司推出的基于命令行的AI 编程工具。Claude Code集成先进的 Claude Opus 4 语言模型，能理解自然语言指令，自动生成、修改和调试代码，并与 VS Code、JetBrains 等主流 IDE 深度集成。Claude Code支持 200K 超长上下文，能快速索引整个代码库并理解复杂依赖关系。Claude Code 具备文件操作、代码搜索、网页浏览和 Git 工作流管理等功能，显著提升开发效率。Claude Code帮助开发者快速生成高质量代码，能直接在开发环境中执行命令，避免频繁切换界面，极大地优化开发流程。最新版推出自动安全审查功能，在漏洞发布之前捕获漏洞。Claude Code 新功能 Opus 规划模式支持高效且智能的开发规划，用户能在复杂项目中借助 Opus 4.1 模型的强大分析能力制定高质量的开发计划，在执行阶段切换到 Sonnet 模型，实现高效、低成本的代码生成。Claude Code的主要功能代码库深度理解：基于智能搜索技术，快速理解整个代码库的结构和依赖关系，无需手动选择上下文文件。多文件协同修改：能够跨多个文件进行协调一致的代码修改，确保代码逻辑的完整性和一致性。代码生成与优化：专门针对代码理解和生成进行了优化，能够快速生成高质量的代码片段、测试用例和修复代码中的问题。终端集成：直接在开发者的终端中运行，无需切换工具，减少上下文切换的麻烦。与主流 IDE 集成：支持 VS Code 和 JetBrains 等主流开发工具，直接在 IDE 中提供代码建议和修改，无缝融入现有开发流程。工作流整合：与 GitHub、GitLab 等工具集成，支持从阅读问题、编写代码、运行测试到提交 PR 的全流程操作。智能编辑：基于对代码库和依赖关系的理解，进行强大的多文件编辑，确保代码修改的有效性和可靠性。用户控制与定制：不会在未经明确批准的情况下修改文件，适应开发者的编码标准和模式，并通过 SDK 或 GitHub Actions 进行定制化配置。终端运行的/security-review命令：支持用户在终端输入此命令，Claude Code将自动检查代码中的SQL注入、XSS等安全隐患，能直接修复发现的漏洞。GitHub Actions集成：在GitHub仓库配置相关文件后，每次提交新的PR时，自动触发安全审查，检测出漏洞后在代码行上添加内联注释，解释问题并给出修复建议。Opus 规划模式：在规划阶段调用强大的 Claude 4.1 Opus 模型制定高质量开发计划，在执行任务时使用高效且低成本的 Claude 4 Sonnet 模型，实现智能与效率的结合。Agent View：让开发者在一个终端界面内同时调度、监控和管理多个并行 AI 会话，无需多开窗口可实时查看各任务状态、快速切换介入或解除阻塞。Artifacts：支持将 AI 工作过程实时生成为可共享的交互式网页，方便团队同步查看与协作。如何使用Claude Code安装 Node.js：确保系统安装 Node.js 18 或更高版本。安装 CLI：在终端运行以下命令安装 Claude Code 的命令行工具：npminstall-g@anthropic/claude-cli登录和初始化：登录：运行claude login并按照提示输入 API 密钥（从 Anthropic 官网获取）。初始化：运行claude init，连接到代码库。开始使用：生成代码：用英语描述需求，例如：claude-p"Create a function to calculate the sum of two numbers in Python"修复错误：描述错误或粘贴错误消息，例如：claude-p"Fix this error: TypeError: Cannot read properties of null (reading ’length’)“自动化任务：运行命令解决繁琐任务，例如：claude-p"Resolve merge conflicts in the current branch"集成到开发环境：终端：直接在终端中使用。IDE：安装 VS Code 或 JetBrains 插件，实现在 IDE 中使用。Claude Code 的产品定价Pro 计划：年付 $17/月，月付 $20/月。Max 5x 计划：$100/人/月。Max 20x 计划：$200/人/月。Claude Code的应用场景代码理解：快速解释复杂代码的功能和逻辑，帮助开发者迅速理解项目结构。代码修改：自动修复代码中的错误或漏洞，快速定位问题并提供解决方案。代码测试：为代码自动生成单元测试或集成测试，确保代码的可靠性和稳定性。版本控制：支持自然语言完成 Git 提交、分支管理等操作，简化版本控制流程，让 Git 操作更加便捷高效。功能实现与扩展：快速实现新功能或扩展现有功能，加速开发进度，帮助开发者高效完成任务。©️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Claude Code的工具JunieJetBrains 推出的 AI 编程助手Devin首个全自主的AI软件工程师智能体WindsurfCodeium公司推出的AI编程工具驭码CodeRider极狐GitLab推出的AI编程与软件智能研发助手CodeSnippetsAI代码生成、补全、分析、重构和调试LocofyAI无代码工具将Figma、Adobe XD和Sketch设计转换成前端代码6 条评论再想想发表评论wi游客此ide已放弃 ，国内无法使用，哎12个月前回复AI小集需要很强的魔法，还经常封号12个月前回复wi游客对。弄得很累，不如用亚马逊的ai ide，不用翻墙，也不封号12个月前回复3游客Claude 太强大了，可惜用不来5个月前回复Ai游客需要手机验证，不支持国内无865个月前回复AI小集是的，最好搞一个美国手机号5个月前回复

Muse Spark – Meta 推出的原生多模态大模型AI工具3分钟前更新AI小集02Muse Spark是什么Muse Spark是Meta超级智能实验室推出的首个原生多模态大模型。作为Meta AI重组后的旗舰产品，模型在Artificial Analysis基准测试中从18分跃升至52分，多模态理解与健康问答能力超越GPT-5.4。模型支持视觉思维链、多Agent协同及”沉思模式”，预训练效率较Llama 4提升10倍。模型已在Meta和Meta AI App上线。Muse Spark 1.1 是 Meta 发布的迄今最强编程与智能体模型，支持代码编写、多模态理解及复杂任务自主执行，已正式开放 API 接入 Meta AI 应用。Muse Spark 1.2 是 Meta 专为编程场景优化的模型版本，与Muse Code同步训练开发，支持长时自主工具调用与复杂代码任务执行，在多项编程基准测试中表现领先。Muse Spark的主要功能原生多模态理解：支持视觉思维链与图像转代码，可直接分析复杂图表、定位屏幕元素，将 UI 设计图转换为可运行的 HTML/CSS/JS 应用。多智能体协同：通过”沉思模式”（Contemplating）调度多个子 Agent 并行思考与协同作业，实现复杂任务的分解规划与执行。垂直领域专精：在健康医疗领域提供基于 1000+ 临床医生数据的精准问答与影像分析，在购物场景结合社交图谱做个性化商品推荐。高效推理机制：采用思维自动压缩技术，在保持高性能的同时将 Token 消耗降低至同类模型的三分之一，显著提升推理效率。如何使用Muse Spark网页端直接使用：访问Meta官网，无需注册可免费体验基础功能。移动端 App：下载官方Meta AI App，已全面集成 Muse Spark 模型。API 接入：开发者可通过获取访问 API 权限。Muse Spark的关键信息和使用要求产品定位：Meta Superintelligence Labs（MSL）成立9个月后的首个模型（代号”牛油果”），定位为”个人超级智能”，面向30亿用户生态。核心性能：Artificial Analysis综合得分52（Llama 4仅18分）；多模态图表理解（86.4）、健康问答（42.8）超越GPT-5.4；编程类任务（ARC AGI 2、SWE-Bench）仍落后。技术亮点：原生多模态推理+视觉思维链；多Agent”沉思模式”（Contemplating）并行思考；预训练算力需求降至Llama 4的1/10，Token消耗仅Opus的1/3。团队背景：由前Scale AI创始人Alexandr Wang领衔，核心成员包括多位华人研究员（来自OpenAI、DeepMind）。访问渠道：meta.ai网页端（免注册）、Meta AI App（iOS/Android）；API预览仅向合作伙伴开放。地域与费用：目前优先美国地区全面开放；个人用户免费、不限量使用。Muse Spark的核心优势原生多模态理解：在图表理解（CharXiv 86.4分）和截图定位（ScreenSpot Pro 84.1分）等视觉任务上表现卓越，显著超越GPT-5.4与Gemini 3.1 Pro。医疗健康专精：基于1000余名临床医生合作构建的专业数据体系，在开放式健康问答（HealthBench Hard 42.8分）与医学影像分析领域达到业界领先水平。多智能体协同推理：独创”沉思模式”（Contemplating）支持多Agent并行思考与任务分解，可调度子Agent分别处理研究、规划与执行等复杂环节。极致效率优化：通过重构预训练技术栈实现算力需求降至Llama 4的十分之一，采用思维自动压缩技术使Token消耗仅为同类顶尖模型的三分之一。Muse Spark的同类竞品对比对比维度Muse SparkGPT-5.4Gemini 3.1 ProArtificial Analysis 综合得分52约 51约 57CharXiv 图表理解86.482.880.2ScreenSpot Pro 截图定位84.185.484.4ARC AGI 2 抽象推理42.576.176.5LiveCodeBench Pro 编程80.087.582.9SWE-Bench Pro 代码修复52.457.754.2HealthBench Hard 健康问答42.840.120.6MedXpertQA 多模态医学78.477.181.3HLE（带工具）深度思考58.458.753.4预训练算力需求Llama 4 的 1/10标准水平标准水平Token 消耗效率Opus 的 1/3基准水平基准水平Muse Spark的应用场景视觉创作与开发：模型支持将应用截图直接转换为可运行的前端代码，能解析复杂学术图表与工程图纸，可将静态图像生成为可交互的网页游戏或故障排查工具。健康医疗咨询：基于千名临床医生专业数据提供开放式健康问答与医学影像解读，同时能根据用户饮食限制生成交互式营养标签和个性化健康管理方案。智能规划与协同：通过多Agent并行处理复杂任务，如协调文化路线、亲子活动与物流的家庭旅行规划，结合社交网络数据提供个性化购物推荐，自主搜索整合多源信息完成深度研究。办公与生产力：支持文档解析、表格分析和邮件撰写等办公任务，同时具备基于截图理解的屏幕自动化能力，可执行界面操作与表单填写。# 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CutClaw - 湾大联合北交大开源的 AI 视频剪辑工具下一篇Claude Managed Agents - Anthropic 推出的全托管 Agent 平台相关文章VeOmni – 字节跳动开源的全模态PyTorch原生训练框架AI小集3ReadPo – AI读写助手，支持内容聚合快速阅读并总结AI小集12万兴天幕 – 万兴科技推出AIGC视频创作平台AI小集11Manus – 蝴蝶效应公司推出的首款通用型 AI AgentAI小集153可灵2.6 – 快手可灵推出音画同出的AI视频生成模型AI小集3ColaMD – 开源 Markdown 编辑器，实时同步修改内容AI小集2暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！27分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前Muse Code – Meta 推出的终端编程 AI 智能体48分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前

Muse Code – Meta 推出的终端编程 AI 智能体AI工具48分钟前发布AI小集02Muse Code是什么Muse Code 是Meta推出的终端编程AI 智能体，基于 Muse Spark 1.2 模型，可处理大型代码库中的完整软件工程任务，包括规划变更、编写代码与验证结果。Muse Code 后台代理在会话期间持续积累上下文，大型任务可拆分为多个子代理并行执行，且具备可审计的本地事件日志，崩溃后可从中断点恢复，直接对标Claude Code与 OpenAI Codex。Muse Code的主要功能全栈工程代理：覆盖规划变更、编写代码、验证结果等完整软件工程流程。持久上下文代理：后台代理在会话期间持续活跃，随时间积累代码库上下文而非重复探索。并行子代理：大型任务自动拆分为多个子代理，在独立工作树中并行执行，互不冲突。工作副本保护：代理在隔离环境中运行，不会直接修改用户的原始工作副本。可审计日志：每次模型调用、工具运行和编辑均记录至本地事件日志，确保全程可追溯。如何使用Muse Code安装工具：在 macOS 或 Linux 终端执行curl -fsSL https://dev.meta.ai/install.sh | bash命令完成一键安装。注册登录：用 Meta 账号登录 Muse Code，并按提示绑定支付方式以完成账户激活。选择套餐：根据开发需求选择按量付费档或价格低至十分之一的贡献者套餐。启动任务：在终端输入自然语言指令描述软件工程任务，Muse Code 将自动规划变更、编写代码并验证结果。Muse Code的核心优势长时自主运行：支持 24 小时不间断内核优化任务，执行 1000+ 次工具调用仍持续发现显著改进。崩溃零丢失：基于本地日志实现断点续传，确保任务崩溃后不会丢失任何工作进度。低成本入门：贡献者套餐价格约为按量付费的十分之一，仅需一行代码可开始。企业级隐私：支持零数据保留请求，Meta 承诺不将开发者数据用于模型训练。Muse Code的项目地址项目官网：https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2Muse Code的同类竞品对比对比维度Muse CodeClaude Code背景代理持久性后台代理会话期间持续活跃，随时间自动积累代码库上下文主要依赖用户主动交互推进任务，上下文随对话轮次积累并行执行能力大型任务自动拆分为多个子代理，在独立工作树中并行执行以单代理串行处理为主，复杂任务需用户手动分步推进崩溃恢复机制本地只增事件日志记录每一步操作，崩溃后可从中断点精确续跑中断后通常需用户重新描述需求并手动恢复上下文代码库隔离子代理在隔离环境中运行，不直接触碰用户原始工作副本直接在用户工作目录中执行文件修改，依赖 Git 进行版本回退底层模型Muse Spark 1.2（专为编码同步训练优化）Claude 4 系列（Opus / Sonnet 等通用大模型）定价模式按量付费 + 低至十分之一的贡献者套餐固定月费订阅（Pro $20/月）或 API 按量计费Muse Code的应用场景大型代码库重构：在不影响主分支的前提下，并行规划并执行跨模块代码迁移。游戏功能开发：同时为游戏项目构建多个独立功能模块，避免代码冲突与合并难题。内核性能优化：执行长时自动化调优任务，持续挖掘代码性能提升空间。安全合规开发：利用可审计日志与零数据保留，满足金融、医疗等敏感行业的合规要求。全栈自动化交付：从需求规划到代码编写再到测试验证，实现端到端的软件工程自动化。# 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RabbitVis - 兔展智能推出的一站式 AI 设计生产工具下一篇Acti - AI 智能键盘，一键触发复杂任务相关文章InstantStyle – 开源的个性化文本到图像生成框架，保留风格一致性AI小集2未来简历 – 在线AI简历生成工具，运用STAR法则内容定制优化AI小集3Airparser – AI数据提取工具，自动从各文档中提取结构化数据AI小集2Emotion-LLaMA – 多模态情绪识别与推理模型，融合音频、视觉和文本输入AI小集3乐拍 – AI写真应用，10多种创意玩法的高质量写真相机AI小集2Gemma 3 – 谷歌最新推出的开源多模态 AI 模型AI小集9暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！27分钟前Acti – AI 智能键盘，一键触发复杂任务28分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具4小时前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型5小时前Get3W – AI 模型聚合平台，统一接口自由切换模型20小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型21小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型21小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型21小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型21小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型1天前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent1天前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架1天前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统2天前Orchard – 微软研究院开源的 Agentic AI 建模框架2天前E-Bench – 腾讯混元等推出的智能体评测基准2天前

感谢IT之家网友乌蝇哥的左手、肖战割割、华南吴彦祖、软媒新友2203184的线索投递！IT之家8 月 6 日消息，Meta 公司今天（8 月 6 日）发布博文，宣布以测试版推出其首个编程 AI 智能体工具 Muse Code，希望挑战 Anthropic 的 Claude Code，以及 OpenAI 的 Codex 等编程 Agent 工具。IT之家附上 Meta 公司首席执行官马克 · 扎克伯格（Mark Zuckerberg）的相关介绍如下：Muse Code 是 Meta 首席 AI 官汪滔（Alexandr Wang）的最新成果，他负责领导 Meta 超级智能实验室以及开发相关模型。他于 2025 年 6 月加入 Meta，是公司首席执行官马克 · 扎克伯格（Mark Zuckerberg）重整公司人工智能战略的核心人物之一。在本周三接受 CNBC 采访时，汪滔表示：“开发者只需要 1 条命令，就能安装 Muse Code，并用它处理完整软件工程任务，覆盖规划变更、编写代码、验证结果等多类场景。”在功能方面，Muse Code 目前以预览方式推出，汪滔称 Muse Spark 1.2 与 Muse Code 同步开发和训练，从而提升了整体编程性能。在商业模式方面，开发者可通过按量付费方式使用 Muse Code：每 100 万 Tokens 输入费用为 1.25 美元（现汇率约合 8.5 元人民币），每 100 万 Tokens 输出费用为 4.25 美元（现汇率约合 28.7 元人民币）汪滔表示，该编程 Agent 工具还设有“contributor tier”（贡献者订阅），入门成本显著更低，价格比按量付费档的十分之一甚至更低。不过，选择最低价档的开发者必须主动同意帮助改进模型，这涉及 Meta 使用第三方数据强化底层技术。汪滔还表示，Meta 正开始接受零数据保留（zero-data retention）请求。这意味着 Meta 不会保留开发者数据用于改进模型。他称，这是一项“对许多人很重要的大型企业功能”。