AI资讯AI新闻资讯正文MiniMax纳入港股通标的名单，股价涨超17%受市场关注发布于AI新闻资讯发布时间 :2026年8月6号 10:41阅读 :1分钟8月6日，港股通标的名单完成调整，AI企业MiniMax等多家公司正式调入，并自当日起生效。受此消息影响，截至发稿，MiniMax股价涨幅超过17%，市场关注度进一步提升。近期，MiniMax持续推进多模态AI技术布局，并开源新一代通用多模态生成模型 MiniMax H3。该模型在 Artificial Analysis 视频编辑评测榜以及 Arena 图生视频排行榜中均位列全球第一，展现出较强的视频生成能力。同时，MiniMax H3在开源社区 Hugging Face 上热度快速上升，排名超过 DeepSeek V4Flash，成为社区关注度最高的模型之一。业内人士和AI领域投资者也对MiniMax H3给予积极评价。Stable Diffusion创始人Emad Mostaque、硅谷投资机构 Andreessen Horowitz 合伙人Justine Moore等业内人士均公开关注该模型进展。资本市场方面，杰富瑞近期重申对MiniMax的“买入”评级，并给出1118港元目标价。其最新研报指出，MiniMax H3的推出进一步强化了公司在AI视频生成领域的竞争优势，同时凭借成本优势，有望推动企业客户拓展和商业化落地。随着生成式AI从模型能力竞争逐步进入应用和商业化阶段，AI视频生成、多模态交互等方向正在成为行业重点赛道。MiniMax此次纳入港股通，也意味着其在技术突破之外，资本市场影响力进一步扩大。

SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型AI工具2天前发布AI小集02SenseNova U1.5-Lite-Preview是什么SenseNova U1.5-Lite-Preview 是商汤科技开源的轻量级原生统一多模态模型预览版，基于 NEO-Unify 架构迭代，仅 8B-MoT 参数即贯通视觉理解、推理、生成与编辑。模型原生支持 4K 图像生成，具备精细局部纹理、真实世界质感、中英文文字生成与复杂版式能力，优化对超长自然语言和结构化视觉指令的精准遵循，配套 Prompt Enhance Skill 降低复杂创作门槛。SenseNova U1.5-Lite-Preview的主要功能4K 原生生成：支持超高分辨率图像端到端生成，细节经得起放大。精细视觉质感：呈现更真实的材质纹理、光影层次与局部细节。中英文文字生成：准确渲染复杂版式中的中英文文本与排版。图像编辑与迭代：支持基于自然语言指令的可持续迭代图像编辑。Prompt Enhance Skill：自动将简短需求扩展为完整创作方案，降低指令编写门槛。SenseNova U1.5-Lite-Preview的技术原理NEO-Unify 统一架构：在单一模型中联合建模语言、视觉语义与像素生成，实现理解、推理、生成与编辑的原生统一。8B-MoT 轻量设计：采用仅 80 亿参数的混合 token 架构，在保持轻量化的同时扩展多模态能力边界，验证统一架构的持续可扩展性。原生像素-语言映射：从像素和语言出发端到端训练，模型学到的是从语言描述到视觉结构的原生映射能力。长上下文视觉控制：模型优化对超长自然语言和结构化创作指令的理解，支持多约束、层次化视觉指令的精准执行。微信关注回复“开源”，加入AI开源项目交流群如何使用SenseNova U1.5-Lite-Preview获取模型与文档：访问 GitHub 仓库查看技术文档与推理代码，或在 Hugging Face 下载 8B-MoT 模型权重与配置文件。环境部署：依据文档配置运行环境并加载模型权重，完成本地或云端的模型初始化。基础图像生成：直接输入自然语言描述（支持中英文），模型即可原生生成 4K 图像。复杂创作指令：提供包含主体、布局、风格、文字及约束条件的完整创作要求，模型按明确视觉结构执行生成。Prompt Enhance 辅助：调用实验性 Prompt Enhance Skill 将简短想法自动扩展为完整创作方案，再提交模型执行。图像编辑操作：上传已有图像并附加自然语言编辑指令，模型在保持整体一致性的前提下完成可持续迭代编辑。SenseNova U1.5-Lite-Preview的核心优势轻量统一：仅 8B-MoT 参数即实现理解、生成、编辑一体化，降低部署成本。4K 超高清：原生支持 4K 分辨率生成，超大画幅下仍保持细节与一致性。强指令遵循：在无专门 Prompt Enhance 格式化训练下，仍能稳定执行长篇复杂视觉指令。真实质感：显著提升局部纹理、材质光影与真实世界质感表现。文字稳定性：中英文文字生成与复杂版式组织更加准确稳定。SenseNova U1.5-Lite-Preview的项目地址GitHub仓库：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1.5_preview.mdHuggingFace模型库：https://huggingface.co/sensenova/SenseNova-U1.5-8B-MoT-PreviewSenseNova U1.5-Lite-Preview的同类竞品对比维度SenseNova U1.5-Lite-PreviewEmu3（智源研究院）架构路线NEO-Unify 原生统一多模态，理解/推理/生成/编辑一体化原生统一多模态，自回归框架下统一图像理解与生成开源规模8B-MoT 轻量开源，面向社区预览提供多尺寸开源版本（如 8B 等），训练代码与数据流程完整分辨率支持原生支持 4K 图像生成，细节与一致性突出支持高分辨率生成，主要聚焦常规尺寸与视频帧生成核心能力超长指令遵循、4K 超高清、中英文文字渲染、可持续迭代编辑图像理解、文本到图像生成、视频预测，强调多模态统一文字与版式针对中英文文字生成与复杂版式进行专项优化，稳定性高文字生成能力存在，但版式控制与长文本准确性相对有限定位轻量级统一多模态基座预览版，侧重视觉创作与编辑开源统一多模态基础模型，侧重研究验证与多模态统一范式SenseNova U1.5-Lite-Preview的应用场景商业品牌视觉设计：快速生成包含精确中英文文字、复杂版式与指定视觉风格的海报、信息图及品牌宣传物料，满足高控制上限的商业创作需求。超宽幅叙事长卷：用 4K 超高清分辨率创作历史年表、文化长卷等超宽幅连续叙事内容，大量文字与图标细节在放大后依然清晰稳定。建筑与产品概念可视化：产出高真实感的建筑外观渲染、室内空间概念图及产品展示图，呈现真实的材质纹理、光影层次与空间氛围。摄影级人像与特写：模型能生成具有精细皮肤纹理、自然光影与真实质感的人像摄影、面部特写及人物主题作品，支持复杂构图与风格指定。复古与拼贴艺术创作：模型支持多元素融合的复古手帐、拼贴海报、博物学图鉴等风格化视觉创作，准确呈现纸张质感、邮票、手写文字等细节。# 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Polar - AI 浏览器，自动跨站收集整合信息下一篇E-Bench - 腾讯混元等推出的智能体评测基准相关文章Sky – Shortcuts推出面向Mac的AI自动化工具AI小集3MMBench-Video – 上海AI Lab联合多所高校推出的长视频理解基准测试AI小集2AudioPod AI – AI音频处理工具，提供创作和编辑综合服务AI小集2悦流 – AI陪伴应用，与AI朋友一对一聊天随时响应AI小集3AutoDL算力云 – AI算力服务平台，提供多种主流GPU型号AI小集3Qianfan-VL – 百度开源的视觉理解模型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！6分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具8分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型19分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型16小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型16小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23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Polar – AI 浏览器，自动跨站收集整合信息2天前

JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型AI工具16小时前发布AI小集03JoyAI-Video-Edit是什么JoyAI-Video-Edit是京东开源自研的实时流式视频编辑模型，基于16B参数自回归扩散架构，在720P分辨率下实现30FPS推理速度，支持任意时长稳定流式编辑。用户可通过自然语言指令在视频播放过程中实时修改人物、场景、风格及物体，无需等待完整视频生成。模型在OpenVE-Bench评测中超越所有流式编辑方法，各项指标全面领先，同时可为具身智能提供大规模数据合成路径。JoyAI-Video-Edit的主要功能实时流式编辑：视频帧到达时即时编辑，无需预先知道完整序列。开放式指令控制：支持全局风格迁移、局部对象增删改、背景替换、动作调整及参考图引导编辑。任意时长处理：突破秒级或分钟级限制，可持续随视频播放进行稳定编辑。720P高吞吐部署：端到端pipeline在720×1280分辨率下达30.19 FPS。多维度编辑能力：覆盖人物换装、场景变换、风格转换、物体替换与字幕编辑等任务。JoyAI-Video-Edit的技术原理MLLM条件编码器：用多模态大语言模型将自然语言指令编码为编辑条件，实现开放式语义控制。因果视频VAE：采用因果时序结构的变分自编码器对视频帧进行压缩与重建，保证流式场景下的时序一致性。16B参数MMDiT骨干：用16B多模态扩散Transformer为核心，融合文本与视觉特征进行自回归扩散生成。自回归分布匹配蒸馏：通过对齐自回归分布的蒸馏策略加速推理，显著降低训练与推理的分布差异。长时域优化与有界KV推理：引入长时域稳定性优化及有界KV缓存机制，抑制累积时序漂移并维持高吞吐量。微信关注回复“开源”，加入AI开源项目交流群如何使用JoyAI-Video-Edit环境准备：创建Conda环境python=3.10并安装requirements.txt依赖。下载权重：从Hugging Face获取模型文件，按指定目录结构放置检查点。启动服务：进入deploy目录执行bash run_server.sh启动本地服务器。访问界面：浏览器打开http://localhost:8080进入交互式编辑界面。实时编辑：上传视频或接入摄像头流，输入自然语言指令即可边播边改。JoyAI-Video-Edit的核心优势实时流式编辑：视频帧到达即处理，无需等待完整序列，实现真正的”边播边改”交互体验。速度与质量双优：720P分辨率下端到端推理达30.19 FPS，在OpenVE-Bench评测中超越所有流式与离线编辑方法。任意时长稳定输出：突破传统模型仅支持秒级或分钟级片段的限制，可持续随视频播放进行无漂移稳定编辑。开放式语义控制：基于MLLM条件编码器，支持自然语言指令驱动的全局风格、局部对象、背景替换及参考图引导等多维度编辑。高效推理架构：16B参数自回归扩散Transformer配合分布匹配蒸馏与有界KV缓存，显著降低训练推理差异并抑制时序累积误差。JoyAI-Video-Edit的项目地址GitHub仓库：https://github.com/jd-opensource/JoyAI-Video-EditHuggingFace模型库：https://huggingface.co/jdopensource/JoyAI-Video-EditarXiv技术论文：https://arxiv.org/pdf/2608.03974JoyAI-Video-Edit的同类竞品对比维度JoyAI-Video-EditSANA-Streaming模型规模16B参数2B参数推理速度37.21 FPS (DiT)约54 FPS (DiT)编辑质量3.60 (OpenVE-Bench)约2.6编辑类型开放式多维度编辑流式编辑分辨率支持720P稳定输出较低分辨率为主时序稳定性任意时长，有界KV优化短片段为主JoyAI-Video-Edit的应用场景短视频创作：创作者可在视频播放过程中实时替换人物服装、调整场景风格，提升内容生产效率。直播实时特效：主播边播边改背景或添加虚拟元素，实现互动式直播视觉增强。家装与室内设计：用户在浏览房间视频时实时更换家具、墙面材质与灯光效果，辅助装修决策。影视后期预演：导演在剪辑阶段快速尝试不同视觉风格与场景替换，降低试错成本。具身智能数据合成：将人手操作视频转化为机械臂操作素材，低成本扩展机器人训练数据规模。# 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Hy ASR 3.0 preview - 腾讯混元推出的新一代语音识别模型下一篇SeedRealtime - 字节跳动推出的原生音视频全双工大模型相关文章PixVerse V2.5 – 爱诗科技推出的AI视频生成工具，视频生成提速200%AI小集3tldraw – AI白板绘图工具，开源免费的无限画布和多种绘画功能AI小集4Skywork Deep Research Agent v2 – 昆仑万维推出的升级版深度研究智能体AI小集3Solar – AI应用开发平台，支持全栈应用开发AI小集2Meku – AI开发平台，简单描述生成Web应用和网站AI小集2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！55秒前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具2分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型14分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型16小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前

Shieldstral – Mistral AI 开源的多模态内容安全分类模型AI工具16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Papers with Code – AI科研平台，自动关联论文、代码等AI小集2Wan2.7-Image – 阿里通义推出的 AI 图像生成与编辑模型AI小集3LingBot-World – 蚂蚁灵波科技开源的交互式世界模型AI小集2VideoCrafter2 – 腾讯推出的高质量视频生成模型AI小集4麦橘超然 – 麦橘推出的AI文生图模型，基于 Flux.1 架构AI小集3WatermarkRemover – 在线AI背景去除工具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！1分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具2分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型14分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型16小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型16小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息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16小时前发布AI小集02SeedRealtime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VeoGo AI – AI短视频预测工具，提供流量预测和优化建议AI小集8WOWService – 美团推出的大模型交互系统技术报告AI小集2Qwen3.6-Max-Preview – 阿里通义推出的下一代旗舰模型AI小集4FaceFusion – 开源AI换脸工具，支持多种高质量换脸模型AI小集6NineClaw – 九章爱学推出的教师专属 AI 桌面 AgentAI小集3k2 – 月之暗面 Kimi 最新开源的 MoE 架构基础模型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！1分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具2分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型14分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型16小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息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22小时前更新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Sekai – AI社交平台，自定义创建虚拟角色沉浸式互动AI小集3MoBA – Moonshot AI 提出的新型注意力机制AI小集3萝卜面试 – 快手推出的AI面试辅导平台AI小集3n8n – 开源工作流自动化平台，支持400多个应用程序、拖放创建复杂工作流AI小集5EzAudio – 腾讯联合约翰霍普金斯大学推出的文本到音频生成模型AI小集2UNO-Bench – 美团LongCat推出的全模态大模型评测基准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！13分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具14分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型26分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型17小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型17小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型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23小时前发布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Midoo AI – AI语言学习Agent，动态生成学习路径AI小集2Hibiki – Kyutai Labs 推出的实时语音翻译模型AI小集2Midjourney V1 – Midjourney推出的首个AI视频生成模型AI小集3元智启AI – 企业级AI应用配置平台，零代码操作AI小集6SoulX-Singer – Soul App联合高校开源的歌声合成模型AI小集3Future Baby Generator – AI一键预测未来孩子长相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！1分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具3分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型14分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型16小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型16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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息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Zopia – AI短剧创作Agent，自然语言完成全链条制作AI小集3Stable Diffusion 3.5 – Stability AI最新开源的图像生成模型AI小集3Chance AI – AI视觉搜索引擎，一键获取产品的深度信息AI小集2ERNIE-4.5-VL – 百度文心开源的新一代多模态AI模型AI小集3传声港 – 龙投文化推出的AI综合媒体服务平台AI小集3Live Interpreter API – 微软推出的实时多语言翻译服务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！1分钟前RabbitVis – 兔展智能推出的一站式 AI 设计生产工具3分钟前InstructAV2AV – 智源联合北大开源的音视频联合编辑模型14分钟前Get3W – AI 模型聚合平台，统一接口自由切换模型16小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型16小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型16小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型16小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型16小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型23小时前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SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前

在广袤的异世界，曾经流传着这样一个笑话：为什么出名的矮人学者比人类和精灵族学者多？因为他们更容易著作等身。这是我看到三星 Galaxy Z Fold8 时第一个蹦出来的念头。作为如今市场上唯二的「阔折叠」类型产品，把 Z Fold8 拿在手上的第一观感，无疑就是一个「宽」字。这种宽感可以量化的——合拢 81.9mm、展开 161.4mm，让 Z Fold8 脱离了传统的手机范畴，从各方面讲都更像是一台小尺寸安卓平板：与此同时，Z Fold8 作为三星最高端的 Z 系列产品，又不像普通安卓平板那样因为「大」而忽略了工业设计和质感。最突出的，就是它201g 的裸机重量—— Z Fold8 不仅是迄今为止最轻的 Z Fold 机型，更是比过去半年里绝大多数直板旗舰都要轻出几十克：再加上 Z Fold 系列一贯的硬朗直角机身与百搭的克制配色，与市面上其他折叠相比，Z Fold8 在精致程度上无疑是遥遥领先的。甚至单从外观来说，我觉得这就是 2026 年最酷的折叠屏手机。终极娱乐机器作为折叠屏里的最新形态，我们不得不将 2019 年的那个问题，再拿出来问问 Z Fold8：App 适配情况怎么样了？毕竟严格来说，很多尸位素餐的头部 App 开发商至今都没有完成对大折叠的适配——能提供平行视界已属罕见、专门设计宽屏 UI 的屈指可数，更不用说新的阔折叠了；如今绝大多数 App，就是用这样的暴力拉伸了事：根据三星提供的数据，三星应用商店中 Top 200 常用应用有 94% 适配了 Z Fold8，有超过 100 个「关键级国民应用」拥有专属的宽屏 UI。虽然数字看上去挺不错，但过去大折叠的经验告诉我们一件事：「适配了」有时候只代表界面没有 bug、不等于 App 能够利用好折叠屏多出来的显示面积。为此，我们测试了近 40 款国内外常用 App，总结出了这样一份软件适配表：https://ifanr.feishu.cn/sheets/H4ZnspqB1hdJrftFJubccgBunQh简单来说，那些不适配大折叠的 App 在 Z Fold8 上依然会水土不服，其中尤以美团系 App 为甚。并且阔折叠受比例限制，支持平行视界的 App 在 Z Fold8 上面的体验也没有大折叠那么自然——横着不够高、竖着又太窄：这个问题我们在 Z Fold8 发布之前就预料到了，毕竟 Pura X Max 在开售之初也遇到了类似的情况。考虑到下半年阔折叠市场的玩家正在以肉眼可见的速度增长，软件适配情况整体来说还是比较「未来可期」的。好在绝大多数 App 在 Z Fold8 的外屏上都没有任何问题。虽然上下会被挤占不少内容，但至少没有影响功能的恶性 bug，满足日常使用是没有问题的：而在理解 Z Fold8 的软件适配情况之后，我们就可以来看看这块宽屏真正擅长做什么了。三星 Z Fold8 毋庸置疑是一台面向内容消费端的手机，从定形之初就将视频、阅读等等消遣场景作为核心，在此之外的所有用途都要往后稍稍。先说视频。虽然 4:3 如今只有 IMAX 等少数规格在坚持使用，但在播放 16:9、18.5:9 为主的流媒体内容时，Z Fold8 的黑边就是比正方形大折叠要少，在观感上给人一种「画面面积更大」的爽感：《扎克·施耐德版正义联盟》（2021）同时 Z Fold8 很接近纸质书的「小 32 开」（正度 32 开）尺寸，在显示电子书以及漫画的时候，可以获得相当接近纸质书的体验：再加上 201g 的重量，Z Fold8 可以说是目前「单位重量下能够获得最大屏幕面积」的手机之一，天生就是用来阅读和消费的。并且由于手机相机传感器的比例大多是 4:3，Z Fold8 还是为数不多拍照之后可以在屏幕上满屏预览的机器：这种特点让 Z Fold8 的两颗 5000 像素摄像头有了一定的用武之地。虽然硬件素质相比 S 系列不怎么突出，但能一刀不裁就做壁纸的体验还是很吸引人的：不过，Z Fold8 不像看起来那么适合刷短视频——如果播放平台不做强制裁切的话，它看短视频的观感其实和大折叠差不多。另外难得的是，Z Fold8 还支持了三折叠 Galaxy Z TriFold 上提供的「三分屏」模式，不像大折叠那样只能 2+1 分屏：只不过 Z Fold8 高度不如直板机，即使打开 Goodlock 的「多窗口屏幕缩放」，三分屏显示的内容也还是有点局促，只适合应急使用。可惜虽然长宽比一样，或许是出于显示面积的考虑，Z Fold8 就不像 Z TriFold 那样支持本机 DeX 桌面模式了：Z TriFold 不需要外接显示器就可以用 DeX 桌面当然 Z Fold8 除了内屏，还有至少 50％ 的体验是依托外屏的——毕竟很少有人买一台折叠屏每天只展开着用，这块「矮矮胖胖」的外屏同样重要，甚至更重要。首先，受制于不足 130mm 的高度，Z Fold8 的外屏在面对几乎所有以竖向信息流为主的 App 时，感觉都是比较局促的。而当你需要打字时，键盘界面甚至会占掉外屏接近一半的面积，只留下两三条聊天记录给你看：比起高度，更加难以忽视的是宽度。虽然过去不是没有过 80mm 往上的「宽」手机，比如黑莓 Passport、LG Optimus Vu 等等，但那时的使用频率和现在完全不可同日而语。那个让人可以静下心来、稳稳当当双手打字的时代已经不复存在了：图｜Engadget在这样的背景下，Z Fold8 的单手使用体验只能算差强人意。但幸好三星有 One Hand Operation+ 这种杀手锏级工具，你可以在左右 12 个侧滑手势中选两个设置成虚拟触控板，实现真正的「一手掌控」：不过 Z Fold8 的外屏更容易让人回想起 iPhone 4s 那个时代的屏幕比例。在这个以竖向信息流为主的时代，仍难免感觉到逼仄：另外也别忘了，今年国行 Z Fold8 系列全部都变成了单实体卡 + eSIM 的组合。而 eSIM 规定与 iPhone Air 如出一辙：写卡、换机、换卡，你都得亲自跑营业厅。你应该选择阔折叠吗坦白讲，我作为一个长期的大折叠用户，在真正使用了三星 Z Fold8 之后，当初对于新设备形态的期待没有之前那么强烈了。归根结底，我觉得是「阔折叠」这个产品形态所擅长的领域，和我平时主要用折叠屏做的事情不是那么重叠。阔折叠的优势当然客观存在，三星 Z Fold8 算是目前所有形态的手机中，最合适视频、图片和文字内容消费的那一个——但在其他大多数场景里，阔折叠屏幕相比传统直板机与大折叠，除了「新鲜感」之外，其实没有带来什么明显的效率或者观感提升：但如今直板机和大折叠都在陷入明显的硬件同质化，三星 Z Fold8 这种新鲜感难道完全没有意义吗？显然也不是。在某种程度上，Z Fold8 阔折叠的生态位和 Z Flip8 小折叠非常像——它卖的是一种与众不同。因此如果你在了解过之后打算从直板机换到折叠屏，那 Z Fold8 无疑是现阶段最新鲜的选择——史上最轻的 Z Fold、2026 年最热门的形态、看书看视频最大屏占比的公约数，拿手上的「满足感」是绝对满分的。但对于那些已经习惯了大折叠的用户来说，购买一台 Z Fold8 不等于立竿见影的体验或者效率提升。如果你有看视频之外的高频需求，比如文件批注、随身写作，甚至仅仅是高强度水群，那阔折叠在褪去新鲜感之后，其实没有和大折叠拉开什么差距。目前三星 Z Fold8 国行官方售价为 12+256GB 12999 元，12+512GB 更到了 14599 元。对于任何有意愿豪掷一万五购买手机的用户来说，厘清自己的主要需求究竟是内容消费还是大屏操作，是至关重要的。