AI NEWSLatest AI NewsArticleAI Assistant Yuanbao Enhances Image Understanding Capabilities, Covering All-Scenario Daily NeedsPublished in Latest AI NewsTime :Aug 3, 2026Read :3minuteRecently, Tencent’s AI assistant “Yuanbao” announced that its image understanding function has been fully upgraded, officially launching a new service scenario called “Stay Calm, Take a Photo First.” This upgrade focuses on optimizing text recognition accuracy, detail perception ability, and cross-domain interpretation logic, supporting “image-based Q&A” for multiple daily scenarios such as medical health, life maintenance, contract review, social communication, and content creation, providing users with timely and reliable decision-making references.According to the official introduction, the upgraded Yuanbao can now accurately recognize professional documents such as medical reports and drug instructions, quickly interpret the meaning of abnormal indicators, and sort out medication contraindications, helping users establish a basic understanding before seeing a doctor; for frequently used documents such as rental contracts and labor contracts, the system can automatically extract key clauses and indicate potential risks, reducing the likelihood of ordinary users being scammed. In daily scenarios, users can take photos of faulty home appliances to get initial troubleshooting guidance, and upload chat screenshots to generate high-empathy response scripts, solving social awkwardness.In addition, this feature also supports matching personalized copy for casually taken landscape and portrait photos, meeting content creation needs.Currently, users can download the Yuanbao APP or add a Yuanbao account on WeChat to experience the related services. The official stated that in the future, they will continue to expand the vertical scenarios of image understanding, further reduce the usage barriers of AI tools, and make technology truly serve the “small troubles” of daily life.

ENLatest AI News2.5 Trillion South Korean Won Invested in AI Infrastructure, the National AI Computing Center of South Korea Breaks Ground with a Target of 2028South Korea’s National AI Computing Center broke ground on August 3, with a total investment of 2.5 trillion won (~1.18 billion RMB), aiming for completion by 2028. It is the country’s largest national AI infrastructure project. The equity structure shows deep public-private tie-ups: Samsung SDS is the largest shareholder with 30%, joined by the Ministry of Science and ICT and the Financial Services Commission…..just now7.0KMusk Demonstrates Live: Grok’s New Feature Can Watch Videos, A Kobe AI Video Accurately Reveals the TruthMusk recommends the new version of Grok, and publicly tests it with an AI-generated video of Kobe. Grok not only analyzes each frame of the video and the dialogue, accurately extracting details such as the Mamba Spirit, but also finally determines it to be a deepfake, demonstrating strong video understanding and interactive capabilities.just now7.4KAI Assistant Yuanbao Enhances Image Understanding Capabilities, Covering All-Scenario Daily NeedsTencent’s AI Assistant Yuanbao upgrades its image understanding function, emphasizing the idea of ’take a photo when something happens’. This update enhances text recognition accuracy and detail perception, covering scenarios such as healthcare, daily maintenance, contract review, social communication, and content creation. It can accurately interpret medical reports, drug instructions, and more, providing users with instant image-based Q&A and decision-making references.just now7.4KIBM Report: One Quarter of Data Breaches Caused by AI Attacks, with Individual Losses 20% Higher than AverageAccording to a report by IBM and the Ponemon Institute, AI-driven attacks have accounted for one quarter of malicious data breach incidents, increasing by 56% year-on-year. The average loss per incident is $6 million, 20% higher than the overall cost. Attacks are highly concentrated, with 62% targeting critical infrastructure, and financial services and energy institutions being the primary targets, posing serious threats to the economy, supply chains, and essential services.just now4.2KReport: Ant Lingbo May Initiate Independent Financing, Ant Group’s AI Ecosystem Sees Further Capitalization ProgressAnt Lingbo Technology is planning to seek independent financing, moving from a wholly-owned incubation within the group to the external market. The main reason is that Ant Group has been continuously increasing its investment in the AI sector, and large models and computing infrastructure have been consuming resources, leading to budget pressures for internal computing power, which has driven the embodied intelligence segment to seek capital support independently.just now8.6KBreakthrough! The AI startup West Lake Xinchen Completes a Several Billion Yuan B+ Round of Financing, with Major Players Investing to Accelerate AI GlobalizationWestlake Heartbeat secured hundreds of millions of yuan in Series B+ funding in August, led by GF Xinde and joined by Westlake Innovation Investment, Wuhan Jiangtun Fund, Rongyi Investment, Nantong Investment Management, and strategic investors Liepin and 58 Industry Fund. Existing investor Ant Group also participated…..just now6.5KVisual Large Models Receive a Major Open-Source Announcement! Multimodal Generation Upgraded, How Will 2K HD Audio and Video Revolutionize the Industry?On August 3, MiniMax open-sourced multimodal video model H3, integrating text, image, video, and audio contexts with strong generalization. Generates 4-15s videos at 24fps, 32kHz stereo, supporting various aspect ratios…..just now6.1KAlibaba Super Cup Launches! Qwen3.8-Max Officially Released, Programming and Office Capabilities Fully UpgradedAlibaba launched Qwen3.8-Max, a new large model with 2.4 trillion parameters. It shows major performance gains in programming and professional office tasks. On the Arena benchmark, it ranks just behind Claude series, indicating a breakthrough for Chinese models in complex tasks…..just now7.9KSignificant Breakthrough in Domestic Computing Power Ecosystem: Moar Thread Rapidly Adapts to MiniMax H3 Multimodal Large ModelMiniMax released open-source multimodal generation model H3, and Moore Threads rapidly adapted it for the domestic intelligent computing card MTT S5000. H3 breaks single-task limitations by fusing text, image, audio, and video inputs to accurately understand creative intent, and can generate 2K resolution videos up to 15 seconds long…..just now9.0KUnable to Hire People for the AI Safety Field, Human Reserve Team Faces Severe Shortage with a Salary of $500,000 AnnuallyFormer OpenAI researcher Beth Barnes founded METR in 2022 to independently evaluate AI capabilities and risks for OpenAI, Anthropic, Google, and Meta. Well-funded but short-staffed, it offers up to $503K salaries yet has only 35 employees, calling itself ‘humanity’s last line of

WorkBuddy是什么WorkBuddy是腾讯推出的AI原生桌面智能体工作台，是腾讯版”小龙虾”（OpenClaw）。WorkBuddy完全兼容OpenClaw技能，砍掉复杂部署环节，下载安装即可使用。用户只需用自然语言描述需求，WorkBuddy能像同事一样自主规划、拆解和执行多步骤任务，直接交付可验收的成果。WorkBuddy支持企业微信、QQ、飞书、钉钉远程遥控，内置20+技能包与MCP协议，多Agent并行工作。与传统AI只能对话建议不同，WorkBuddy强调”执行即交付”，让”一句话完成复杂办公任务”成为现实，重塑职场效率标准。WorkBuddy的主要功能智能文档创作：用户只需用一句话描述需求，WorkBuddy 能自动生成工作报告、技术文档、会议纪要、邮件、周报等各类可直接使用的办公文档。数据分析与可视化：上传 Excel 等数据文件后，WorkBuddy 自动完成数据清洗、分类统计、跨表整合，并一键导出可视化图表及分析结论。PPT 与报告生成：根据用户提供的主题或模板，WorkBuddy 自动搜集网络信息并生成结构完整、设计规范、可直接演示的 PPT 文稿和调研报告。批量文件处理：在获得授权后，WorkBuddy 可自动读取本地文件夹，完成文件整理、重命名、格式转换、信息提取等重复性批量操作。深度信息研究：针对复杂问题，WorkBuddy 自动进行网络调研、信息整合与逻辑梳理，最终输出结构清晰、论据充分的深度分析报告。远程遥控办公：支持通过手机端企业微信、QQ、飞书、钉钉发送语音或文字指令，远程驱动办公电脑自动查资料、写文档，实现随时随地办公。多模型自由切换：WorkBuddy 支持 Hunyuan、DeepSeek、GLM、Kimi、MiniMax 等主流 AI 模型，用户可根据任务类型自主选择最优模型。Skills 技能包扩展：内置超 20 种 Skills 技能包，支持海报生成、自动化报表等一键导入，可零代码新建自定义技能无限扩展能力。MCP 协议接入：通过 MCP 协议连接外部工具和数据源，打破能力边界，让 WorkBuddy 适配更多专业办公场景。多 Agent 并行协作：WorkBuddy 可将复杂任务动态拆解为多个子任务，调度多个 AI 智能体同步开工，大幅缩短整体执行时间。企业级安全管理：基于腾讯CodeBuddy架构，提供统一账号体系、计费管理和完善的安全审计能力。WorkBuddy 微信小程序：支持手机远程操控电脑或云端 AI 执行任务（文档处理、视频生成等），产物可一键下载转发。人机双写：支持实现用户与 AI 在同一份文档中框选即改、实时协同编辑。如何使用WorkBuddy下载安装：访问 WorkBuddy 官网 https://www.codebuddy.cn/work/ ，下载并完成安装。打开应用：双击桌面图标启动 WorkBuddy，等待程序加载进入主界面。登录账号：点击登录按钮，按提完成账号注册和登录。描述需求：在输入框中用一句话清晰描述工作需求，说明想要完成的任务目标。选择模型：根据任务类型选择合适的 AI 模型，不同模型擅长处理不同场景。发起任务：点击发送按钮或按下回车键，WorkBuddy 立即开始自主规划和执行任务。查看对话：在对话区观察任务执行过程，可与 WorkBuddy 持续交互补充信息或调整方向。验收结果：在右侧面板查看生成的文档、表格或 PPT 等产物，确认是否满足需求。管理多任务：通过侧边栏切换不同任务，让多个任务并行推进提高工作效率。文件授权：如需操作本地文件，按提示授权 WorkBuddy 访问指定文件夹权限。保存成果：将生成的结果文件保存到本地或直接导出使用，完成整个工作流程。WorkBuddy的核心优势免部署开箱即用：省掉复杂的云端部署环节，官网下载安装后直接输入指令可使用，真正实现”有手就能玩”。远程遥控办公：无缝接入企业微信、QQ、飞书、钉钉，手机端发送语音或文字指令，可远程驱动办公电脑自动执行任务，外出通勤照样高效办公。多模型自由切换：支持 Hunyuan、DeepSeek、GLM、Kimi、MiniMax 等国内主流 AI 模型，用户根据任务类型自主选择最优模型，灵活适配不同场景需求。本地文件直接操作：作为桌面智能体可直接读取授权文件夹，自动完成批量整理、数据提取、格式转换等操作，交付可直接使用的文档、表格、PPT 等成果。多 Agent 并行提效：支持复杂任务动态拆解为多个子任务，调度多个 AI 智能体同步开工，相比单线程处理大幅缩短执行时间。企业级安全保障：基于腾讯 CodeBuddy 同源架构，打通统一账号与计费体系，具备完善的安全审计能力，补齐开源工具最缺的企业级管理闭环。WorkBuddy的应用场景销售数据分析：上传月度销售 Excel 表格，WorkBuddy能自动清洗杂乱数据、生成业绩趋势图、分析区域销售差异，输出带优化建议的完整分析报告。会议纪要与周报生成：导入会议录音或零散笔记，WorkBuddy能自动提炼关键决策、行动项与责任人，直接生成格式规范的会议纪要或周报文档。竞品调研报告：输入”分析新能源汽车市场主要竞品”，WorkBuddy可自动搜集网络信息、对比产品参数与定价策略，生成包含 SWOT 分析的 PPT 调研报告。发票报销整理：将文件夹中 PDF、图片格式的发票批量导入，WorkBuddy可自动提取金额、日期、发票代码等信息，汇总生成可直接提交财务的报销明细表。©️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WorkBuddy的工具CrePalAI 视频创作智能体MyShell构建、共享和拥有AI Agents的开发平台码上飞一句话生成微信小程序、APP、H5网页Seko首个创编一体的AI视频创作AgentLoopitAI互动内容社区，被称为"可以玩的抖音"元气AI Bot猎豹推出的电脑全能AI伙伴，国产OpenClaw3 条评论再想想发表评论KKKKe游客重要的是没有linux版本4个月前回复zichang游客初次使用，很感兴趣1个月前回复leoliu游客感觉一般 不好用1个月前回复

DeepSeek-V4 – DeepSeek推出的新一代大语言模型系列AI工具3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Unmute – Kyutai推出的低延迟语音交互系统AI小集3QrGPT – AI二维码生成工具，输入网址和提示词快速生成个性化二维码AI小集2Claude-Mem – 开源Claude Code记忆插件，提供长期记忆AI小集2VidMuse – Sand.ai 推出的 AI 音乐视频 AgentAI小集2Cradle – 通用计算机控制的多模态AI Agent框架AI小集4VidAu – AI电商视频生成工具，输入产品链接或描述一键生成介绍视频AI小集3暂无评论再想想发表评论暂无评论…热门工具豆包LibTV绘蛙AIAiPPT秘塔AI搜索Loomy堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work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！40分钟前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型40分钟前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统41分钟前万有无界 – 阿里云推出的多角色 Agent 协作工作台6小时前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图8小时前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度2天前FeyNoBg – Feyn Labs 开源的自动背景去除模型2天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型3天前MiniMax H3 – 稀宇科技推出的通用全模态生成模型3天前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型4天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架4天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具4天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型4天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架5天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器5天前

DeepSeek是什么DeepSeek是幻方量化旗下的人工智能公司深度求索自主研发的开源大模型和AI智能助手，专注于通用人工智能（AGI）底层模型与技术的研发，探索AGI的实现路径。DeepSeek推出了多个开源大语言模型，如DeepSeek-V3和DeepSeek-R1，分别对标GPT-4o和OpenAI的o1模型。模型在推理、数学和编程能力方面表现出色，训练成本远低于行业平均水平。应用广泛，涵盖智能对话、文本生成、语义理解、代码生成等多个领域，支持联网搜索、深度思考等功能。DeepSeek的主要功能智能问答与对话：DeepSeek 能快速回答各类问题，涵盖科学知识、历史文化、生活常识和技术问题等，支持多轮对话交互，理解上下文并给出连贯的回答。文本创作：可以生成文章、故事、诗歌、报告、邮件等多种类型的文本内容。语言翻译：支持多种语言之间的互译。数据处理：能处理和清洗数据，进行统计分析。可视化图表生成：将数据转化为柱状图、折线图、饼图等直观的可视化图表。代码生成：根据自然语言描述生成代码，支持多种编程语言。代码调试与优化：帮助开发者快速定位和解决问题。数学计算与推理：DeepSeek 在数学计算和逻辑推理方面表现出色，能处理复杂的数学问题。联网搜索与实时信息获取：通过联网搜索功能，DeepSeek 可以实时抓取互联网上的最新信息，帮助用户获取最新的数据和动态。深度思考与复杂问题解决：深度思考模式（R1）能处理复杂的逻辑推理和多步分析问题。智能客服与自动化服务：DeepSeek 可以集成到各种系统中，提供智能客服支持，提高服务效率。大模型开发与管理：DeepSeek 提供大模型开发平台，支持模型训练、管理、数据集管控等功能。识图模式：用户可上传图片让 AI 进行深度视觉理解与交互。DeepSeek的开源模型通用大语言模型DeepSeek-V3：采用混合专家（MoE）架构，总参数规模为671B，激活参数37B。模型在数学、代码等任务上表现优异，支持128K长上下文，生成速度达60 TPS。DeepSeek-V3-Base：与DeepSeek-V3架构相同，提供原生FP8权重，支持多种推理框架。DeepSeek-V3.2：DeepSeek开源的V3.2正式版本，模型基于DeepSeek-V3.1-Terminus持续训练而成，仅在架构上引入了DSA，实现了细粒度稀疏注意力机制，借助闪电索引器（lightning indexer）高效选择关键信息，在长文本训练和推理时大幅提高效率。推理优化模型DeepSeek-R1：基于DeepSeek-V3-Base训练，通过强化学习优化推理能力，在数学、编程和自然语言推理任务中表现突出。DeepSeek-R1-Zero：未使用监督微调的强化学习模型，推理能力强大，但在可读性等方面存在挑战。DeepSeek-R1-Distill：基于DeepSeek-R1生成的推理数据对小型模型进行蒸馏优化，涵盖1.5B、7B、8B、14B、32B和70B等不同规模。DeepSeek-R1-0528：是 DeepSeek 推出的最新版AI模型。模型基于 DeepSeek-V3-0324 训练，参数量达 660B。核心亮点包括深度推理能力、优化的文本生成、独特的推理风格及长达 30-60 分钟的单任务处理能力。多模态模型DeepSeek-VL2：视觉与语言理解多模态模型，包含Tiny、Small和标准版，分别具有1.0B、2.8B和4.5B激活参数。Janus：多模态模型系列，专注于视觉与语言的结合。垂直领域模型DeepSeek-Prover-V2：专为数学定理证明设计，基于Lean 4编程语言实现形式化推理验证。DeepSeek的技术优势混合专家（MoE）架构：DeepSeek-V3 采用 MoE 架构，总参数规模达到 671B，在实际运行中每个 token 仅激活 37B 参数。架构通过多头隐式注意力（MLA）技术，将 Key-Value 缓存压缩至传统 Transformer 的 1/4，推理延迟大幅降低。多令牌预测机制：DeepSeek-V3 采用多令牌预测（MTP）技术，一次性预测多个 token，提升了训练效率和推理速度。强化学习优化：DeepSeek-R1 通过强化学习飞轮进行训练，构建了包含 1.4 万个虚拟场景的决策沙盒，增加了思维连贯性和可解释性指标，使模型在学习效率和决策质量上表现出色。万亿 token 训练体系：DeepSeek-V3 构建了涵盖代码、数学证明、多语言文献等丰富内容的 14.8 万亿 token 语料库，采用动态质量过滤机制，确保数据的高质量。渐进式训练：从 4K 上下文逐步扩展至 128K，内存占用仅增加 18%，能适应更复杂的任务。模型蒸馏技术：DeepSeek 可将百亿参数模型压缩至 10 亿级而不显著损失性能，能在边缘设备（如低配手机、工业传感器）上运行复杂 AI 任务。多语言支持：DeepSeek-V3 支持多达 83 种语言，在 XTREME-UR 评测中平均得分 89.4，适用于跨国交流和多语言文档处理。推理响应快：DeepSeek 的推理响应速度快，推理解码阶段延迟低至 163 微秒，比人类眨眼还快 5 倍。算力成本降低：通过优化资源利用率，DeepSeek 让开发者可以用更少的 GPU 训练更大的模型，算力成本降低 60%。端侧部署优势：DeepSeek 的轻量化版本能够适配从低端到高端芯片的多种硬件，推动端侧 AI 生态建设。多模态融合：DeepSeek 可以融合卫星遥感、无人机巡检、车载传感器等多源数据，构建复杂的“数字孪生”模型。低资源场景适应性：通过迁移学习和小样本学习能力，DeepSeek 能在病害样本少的场景下实现精准识别。开源特性：DeepSeek 的开源特性和低成本高性能优势，降低了企业进入 AI 领域的门槛，推动了 AI 技术的普及。通信优化：DeepSeek 开源的通信库DeepEP可大幅提升数据传输效率，训练提速 40%，跨服务器传输延迟显著降低。如何使用DeepSeek使用方式网页版：访问 DeepSeek 官网，无需下载，打开浏览器即可使用。App 版：在各大应用商店下载“DeepSeek APP”，安装即可。浏览器插件：在 Chrome 应用商店搜索“DeepSeek AI”并安装。功能模式智能对话模式：用于日常问答、文案创作、内容优化等。AI 搜索模式：结合联网搜索功能，实时查询网上信息后给出回答。文件阅读模式：上传文档后，DeepSeek 可提取关键信息、总结内容。深度思考模式：开启后，模型会展示思考过程，适合解决复杂问题。使用技巧明确问题：清晰描述问题，避免模糊表达。分步骤提问：复杂问题拆分为多个小问题，逐步深入。使用关键词：帮助模型更好地理解需求。多轮对话：逐步深入探讨某个话题。角色扮演：模拟不同角色进行对话。知识库构建：结合 RAGFlow 构建个人知识库。更多技巧：DeepSeek从入门到精通本地部署：对于有数据安全和隐私保护需求的用户，DeepSeek 支持本地部署：（点击获取DeepSeek本地部署保姆级教程）从官网下载模型文件。安装所需依赖库和环境。配置服务器，部署模型。测试并优化模型性能。DeepSeek 官方提示词库：是为用户提供的高效 AI 交互工具，涵盖了代码处理、文本生成、内容分类、翻译等多个应用场景。提供了 13 种核心应用场景的提示词，包括代码改写、代码解释、代码生成、内容分类、结构化输出、角色扮演、散文写作、诗歌创作、文案大纲生成、宣传标语生成、模型提示词生成和中英翻译等。DeepSeek的开源周项目FlashMLA：针对 NVIDIA Hopper GPU 优化的多头线性注意力解码内核，支持可变长度序列处理。突破：在 H800 GPU 上实现 580 TFLOPS 计算性能和 3000 GB/s 内存带宽，推理效率提升 2-3 倍。意义：打破大厂对高效推理工具的垄断，降低开发者使用门槛，推动边缘设备部署。DeepEP：专为混合专家模型（MoE）设计的通信库，优化节点间数据分发与合并。突破：通过低延迟内核和通信-计算重叠技术，实现训练速度提升 3 倍、延迟降低 5 倍，支持 FP8 低精度通信。意义：挑战英伟达 NCCL 生态，打破硬件与软件耦合的技术壁垒。DeepGEMM：基于 FP8 的高效矩阵乘法库，专为 MoE 模型优化。突破：代码仅 300 行，通过即时编译（JIT）和 CUDA 核心双层累加技术，实现 1.1-2.7 倍加速，最高性能达 1350 TFLOPS。意义：推动低精度计算普及，降低千亿参数模型部署成本。DualPipe& EPLB：创新双向流水线并行算法（DualPipe）与动态负载均衡工具（EPLB）。突破：通过任务交叉排布和专家模型动态复制，减少 GPU 空闲时间，优化资源利用率。意义：重构 AI 训练流程，提升工业级效率。3FS：高性能分布式文件系统，支持 RDMA 网络和 SSD 存储。突破：实现 6.6 TB/s 读取速度，加速海量数据训练与推理阶段的向量搜索。意义：补全 AI 基础设施的最后一块拼图，解决存储瓶颈问题。Smallpond：基于 3FS 的数据处理框架，支持轻量级、高性能的数据处理，可扩展至 PB 级数据集。意义：基于 3FS 的高性能存储和 DuckDB 的高效查询能力，提供简单易用的数据处理接口。DeepSeek的应用场景临床辅助诊断：DeepSeek 可以整合患者的症状、病史和检查结果，提供诊断建议，帮助医生减少误诊和漏诊。教育领域：帮助教师快速生成教学计划和教案。为学生提供定制化的学习路径和辅导。实时解答学生的数学、科学问题。智能数据质量监控：自动识别数据异常模式和偏差，实时提醒质量问题。自然语言数据查询：将自然语言问题转换为 SQL 查询，降低数据分析的技术门槛。内容创作与办公自动化：快速生成营销文案、会议纪要等。支持多种编程语言的代码生成和调试。快速制作演示文稿和表格。提供实时语音或文本翻译，帮助跨语言沟通。©️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DeepSeek的工具魔搭GPT（ModelScopeGPT）阿里达摩院推出的大小模型协同的智能助手，具备作诗、绘画、视频生成、语音播放等多模态能力百度AI助手百度推出的多场景AI智能体助手Wanderboat硅谷初创公司UTA AI推出的AI旅行助手ColossalChatColossal-AI推出的免费开源版ChatGPT聊天机器人替代品钉钉·个人版钉钉推出的个人版办公应用程序，内置AI智能助手，可进行AI创作、AI对话、AI绘画CueMe夸克推出的AI智能对话助手，支持2万字长文写作暂无评论再想想发表评论暂无评论…

Seedance 2.5 – 字节跳动推出的最新视频生成模型AI工具3天前更新AI小集03Seedance 2.5是什么Seedance 2.5 是字节跳动推出的新一代视频生成模型，单次可生成30秒高质量视频并支持多轮延长，能产出数分钟连贯叙事内容。模型支持单次输入最多30张图片、10段视频及10段音频作为参考素材，全面升级白模参考、运动参考与创意参考能力。模型新增精准时间戳编辑，支持绿幕替换、视角调整与定向修改，满足影视、广告等专业场景需求。Seedance 2.5的主要功能30秒长叙事生成：单次生成30秒高质量视频，支持多轮延长，优化镜头衔接与场景过渡，弱化”油腻感”。多模态参考输入：单次支持30张图片、10段视频、10段音频作为参考，综合理解画面构图、风格、人物与道具。白模与运动参考：支持无纹理3D白模控制空间结构、主体姿态与运镜，生成符合物理规律的光照与阴影。精准时间戳编辑：通过时间戳定向控制特定时段的故事、视角、运镜与节奏，实现生成前与生成后的精细调整。绿幕与视角编辑：替换场景时保持主体物理效果一致（衣物飘动、光影、步态），支持运镜轨迹与画面视角的独立调整。产业场景应用：覆盖教育课件生成、工业仿真、具身智能训练数据合成与自动驾驶极端场景模拟。Seedance 2.5的技术原理多模态参考融合理解：模型综合解析用户输入的30张图片、10段视频及10段音频中的画面构图、场景风格、人物特征与道具元素，通过跨模态对齐机制将参考素材中的视觉与听觉信息映射到生成目标中，实现多主体、多场景、多镜头变化的复杂创意还原。白模空间结构驱动生成：基于无纹理3D白模的空间结构、主体姿态、运动轨迹与镜头机位信息，模型构建三维空间约束，依据空间几何关系生成符合真实物理规律的光照效果，包括光源方向、色温、强度与阴影投射，使复杂镜头的构图调度与光影呈现更接近预期。时间戳精准编辑控制：模型支持时间戳级别的音视频内容定位与定向编辑，通过时序语义理解在生成阶段控制特定时段的故事走向、画面视角与运镜节奏，在生成后阶段对指定片段中的角色、动作、声音或剧情进行局部修改，同时保持修改前后的时序连贯性与真实感。绿幕物理一致性渲染：在绿幕场景替换过程中，模型基于目标场景的物理规则重新计算人物身上的物理效果，包括衣物飘动方向、头发状态、步态节奏与光影交互，确保主体与新场景在动力学与光学层面的和谐统一。如何使用Seedance 2.5选择入口：访问即梦网页端，进入视频生成模块并选择 Seedance 2.5 模型。输入创意：在输入框中描述视频内容，可上传图片、视频、音频作为多模态参考素材。延长视频：使用”延长视频”功能并指定衔接要求，保持人物主体、场景风格与声音音效一致。精准编辑：生成后通过时间戳定位特定片段，定向修改角色、动作、声音或剧情。专业控制：上传白模控制空间结构与运镜，或利用绿幕编辑替换场景背景并自动匹配物理效果。Seedance 2.5的核心优势长叙事连贯性：单次生成30秒并支持多轮延长，保持主体特征、场景环境与叙事节奏统一，减少拼接成本。多模态参考上限高：单次支持30张图、10段视频、10段音频，可同时还原多主体形象与声音，实现复杂群像叙事。精准时间戳控制：通过时间戳定向编辑特定时段的角色、动作、声音或剧情，生成前后均可精细调整，降低反复生成成本。白模物理光照：基于3D白模空间信息生成符合物理规律的光影、阴影与材质反射，提升专业影视质感。产业级编辑一致性：绿幕替换场景时保持衣物飘动方向、步态节奏、头发状态等物理效果和谐统一。Seedance 2.5的使用示例R2V prompt：延长视频，衔接 @视频 1 画面内容和主体继续生成一个 30 秒的视频，保持人物主体、场景、画面风格、声音音效一致。小男孩抱着足球沿车厢跑，地铁停稳后侧边门打开，他立刻冲出，男主紧追。两人一路穿过站台跑到街上，惊动街边路人，男主最终追上并抓住他，小男孩委屈抬头，男主慢慢消气，摸摸他的头，露出无奈笑容。R2V prompt：参考 @白模 1 的运镜、镜头节奏、景别变化、主体轨迹和镜头调度。参考 @图片 2 的角色外形、场景、材质、光照、色彩和童话氛围，将白模渲染为梦幻温暖、儿童幻想感、3D 动画短片。剧情依次为：幻想天空飞行→云海神兽伴飞→俯冲入海→鳐鱼海底穿梭→镜面时空裂缝→宇宙摘星→幻化回房间→爸爸盖被→合上绘本定格。Seedance 2.5的同类竞品对比维度Seedance 2.5可灵 3.0Runway Gen-4.5单段时长30 秒（原生）约 10-20 秒约 10-16 秒参考素材数50 个全模态有限数量有限数量局部编辑支持区域级修改部分支持支持 Inpainting分辨率原生 4K 10bit最高 1080p/4K最高 1080p价格定位国内低价策略国内中等国际高价订阅应用场景影视/广告/实体产业短视频/广告创意短片/广告Seedance 2.5的应用场景影视广告制作：模型能快速生成电影级质感短片与广告片段，支持复杂运镜、多镜头叙事与一镜到底创作。教育内容转化：将课文历史背景、科学原理转化为沉浸式视频课件，降低教学物料制作门槛。工业仿真训练：生成高质量合成视频数据，用于机器人感知操作训练与设备装配流程演示。自动驾驶测试：模拟极端天气、复杂路况等低频场景，为系统测试与训练提供多样本数据。创意内容生产：支持京剧表演、音乐会、儿童幻想动画等复杂艺术创作，实现从想法到成片全流程落地。# 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。上一篇豆包2.1 - 字节跳动推出的全新智能体模型系列下一篇方舟 CLI - 字节跳动火山引擎推出的命令行工具相关文章SmoothCache – Roblox 和女王大学推出用于DiT的通用推理加速技术AI小集2CodeSquire.ai – AI编程助手，实时自动代码补全、注释智能生成代码AI小集3Gemini 2.5 Pro – 谷歌推出的最新 AI 思考模型AI小集3AITDK – AI SEO优化工具，支持查询网站访问量数据AI小集3Mobius – 重庆邮电联合美团等推出的无缝循环视频生成技术AI小集4JoyCast – AI音频增强工具，将麦克风升级为录音室级别AI小集2暂无评论再想想发表评论暂无评论…热门工具豆包LibTV绘蛙AIAiPPT秘塔AI搜索Loomy堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work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！38分钟前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型38分钟前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统39分钟前万有无界 – 阿里云推出的多角色 Agent 协作工作台6小时前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图8小时前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度2天前FeyNoBg – Feyn Labs 开源的自动背景去除模型2天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型3天前MiniMax H3 – 稀宇科技推出的通用全模态生成模型3天前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型4天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架4天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具4天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型4天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架5天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器5天前

MiniMax H3 – 稀宇科技推出的通用全模态生成模型AI工具4小时前更新AI小集02MiniMax H3是什么MiniMax H3 是稀宇科技推出的通用全模态生成模型，打破传统任务与模态边界，支持对文本、图像、视频、音频的统一理解与原生生成。模型能输出原生双声道音视频，最高支持15秒2K分辨率，在指令遵循、品牌信息呈现、视频到视频动作迁移等商用场景表现优异。MiniMax H3 采用 Contextual Omni Representation、H3-VAE 等自研技术，2K分辨率下每秒价格不到主流模型三分之一。MiniMax H3的主要功能全模态统一生成：支持文本、图像、视频、音频的统一理解与原生生成，打破传统模态边界。原生双声道音视频输出：可直接生成带原生双声道音频的视频，无需后期配音。多模态上下文理解：能同时处理参考视频、图片、音频等多源输入，按自然语言指令完成复杂创作。视频到视频动作迁移（V2V Motion Transfer）：可将参考视频中的动作迁移到目标人物上。广义参考与编辑：支持图片到图片、图片到视频、音频到音频、音视频到音视频等多种编辑与参考任务。多镜头建模：原生支持多镜头叙事，无需分步生成后拼接。高分辨率输出：默认提供2K分辨率，画面精细度达到商用级别。MiniMax H3的技术原理Contextual Omni Representation（上下文全模态表征）：MiniMax H3 的核心能力源于对上下文全模态表征的构建。传统模型只需描述目标内容，H3 需要同时理解多模态上下文与目标输出之间的关系，甚至上下文内部元素之间的关联。为此，MiniMax 定制专门的全模态理解管线，单次素材推理消耗约 10 万 Token，最终生成平均约 4K Token 的精细描述。语言在其中充当可泛化的连接与解释桥梁，使任务能开放描述的形式统一。H3-VAE（高效视觉音频编码）：MiniMax H3 彻底革新了前代 tokenizer 技术，在重建质量与易学性上实现全面提升。编码器具备高压缩率，带来 4 倍序列长度收益，显著降低训练与推理成本，同时支持原生 2K 分辨率输出。H3-Omni Transformer（异构训练架构）：面向任务泛化这一核心目标，H3 抛弃前代带来显著优势的专用架构，转而采用更简洁通用的设计。由于多模态上下文的引入，序列长度方差扩大 3 倍，理解与生成部分的计算负载显著异质化。H3 采用理解与生成异构的训练架构，精细调优不同负载下的硬件利用率，联合优化每样本异构计算与样本间负载均衡，端到端提升近 30% 的训练吞吐。如何使用MiniMax H3访问平台：访问MiniMax Hub、海螺AI或接入MiniMax 开放平台。准备多模态素材：上传参考视频、图片、音频等上下文素材。输入自然语言指令：用自然语言描述创作意图，如”参考视频1的镜头运动，让图2中的人物唱歌，歌声参考音频3″。生成与预览：模型自动理解多模态上下文并生成原生双声道音视频。下载与二次编辑：获取最高2K分辨率的输出结果，用于商业场景。MiniMax H3的核心优势任务泛化能力强：将文生图、文生视频、文生音频、参考编辑等独立任务统一为单一模型，使用自由度大幅提升。商用级性价比：2K分辨率下每秒价格不到主流模型的1/3，768P分辨率下不到1/2，显著降低内容生产成本。原生音频生成：所有音频输出均为原生双声道，非后期合成，音画同步更自然。国产芯片兼容：设计初期考虑多款国产芯片适配，有利于本土化部署。MiniMax H3的项目地址HuggingFace模型库：https://huggingface.co/MiniMaxAI/MiniMax-H3MiniMax H3的同类竞品对比对比维度MiniMax H3Seedance 2.0（字节即梦）模态覆盖文本、图像、视频、音频全模态统一理解与生成，单一模型覆盖所有任务主要聚焦视频生成，图像/音频能力相对独立，需切换不同功能模块原生音频原生双声道音视频同步输出，音画一体生成视频生成为主，音频多为后期合成或独立生成任务泛化文生图、文生视频、编辑、参考、动作迁移等全部统一，自然语言即可调用功能按场景拆分（文生视频、图生视频、视频编辑等），任务边界较清晰分辨率与时长默认2K分辨率，最高15秒支持高分辨率，时长可达10-12秒，2K非默认配置开源策略计划近期开源模型权重，支持国产芯片适配与定制开发闭源，仅通过即梦平台或API使用价格定位2K每秒不到主流模型1/3，商用性价比突出按积分或会员订阅计费，价格处于行业中位动作迁移支持V2V Motion Transfer，精准迁移参考视频动作支持动作参考与主体一致性，复杂动作迁移精度有限多镜头能力原生多镜头建模，无需拼接支持多片段生成，但原生多镜头叙事能力较弱MiniMax H3的应用场景广告与品牌视频：输入产品图与参考镜头，一键生成带品牌信息和原生配音的商用级广告短片。电商动态展示：将静态商品图与动作参考视频结合，自动生成多镜头、带音效的360度产品演示视频。影视后期制作：用 V2V 动作迁移，将演员表演或镜头运动精准替换到目标画面中，降低重拍成本。游戏 UI 与宣发：快速生成带动态效果和原生音效的界面预览及游戏宣传片头。动态海报与社交媒体：融合图片风格、人物参考与音频，生成可自动播放的双声道动态海报和短视频内容。# 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Grok Voice Think Fast 2.0 - SpaceXAI 推出的语音模型下一篇Qwen-Audio-3.0-ASR-Flash - 阿里千问推出的语音识别大模型相关文章LTXV-13B – Lightricks开源的最新视频生成模型AI小集2Claude Sonnet 4.5 – Anthropic最新推出的AI编程模型AI小集3NobodyWho – AI游戏引擎插件，本地运行 LLM 实现互动小说创作AI小集2百雀智能 – AI外贸助手，独立完成外贸开发拓客全链路操作AI小集3Pi智能演示文档 – AI演示文档创作与共享平台AI小集28STAR – 南大、字节、西南大学联合开源的现实世界视频超分辨率框架AI小集3暂无评论再想想发表评论暂无评论…热门工具豆包LibTV绘蛙AIAiPPT秘塔AI搜索Loomy堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！35分钟前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型35分钟前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统36分钟前万有无界 – 阿里云推出的多角色 Agent 协作工作台6小时前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图7小时前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度2天前FeyNoBg – Feyn Labs 开源的自动背景去除模型2天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型3天前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型4天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架4天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具4天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型4天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架5天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器5天前RingBot AI – AI智能体AaaS平台，零代码配置与上线5天前

Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型AI工具34分钟前发布AI小集02Qwen 3.8-Max是什么Qwen 3.8-Max 是阿里云 Qwen 团队推出的旗舰大模型，总参数量达 2.4 万亿，基于Qwen 3.5架构扩展而成。作为 Qwen 家族迄今最强大的模型，是首个即将开源权重的 Max 级别模型。模型在编程、办公、科研及长程任务上实现全面升级，支持通过千问AI平台 API 调用，兼容 OpenAI 与 Anthropic 协议，可无缝集成至Claude Code、Codex、Qoder等主流智能体框架。Qwen 3.8-Max的主要功能长程自动编程：支持十天级自主编程，构建自进化 harness 并完成需求收集、issue 派发、代码生成与自我修复。论文复现与超越：独立复现论文实验后，通过四轮自我进化循环测试 18 种改进想法，在 AIME24 上超越原方法 2.7 分。竞赛实战：24 小时内独立搭建并迭代方案，准确率从 0.60 升至 0.853，击败 87% 的人类参赛队伍。办公提效：覆盖数百种高价值职业场景，如律师一小时标出 1,284 条条款、设计师一次成型 8 页可交互原型。量化策略研发：从单句描述出发调度约 330 个子智能体，完成约 6,000 次回测，交付端到端 ETF 轮动策略。芯片自主设计：历经约 500 轮交互，将密码加速器网表门数从 8,298 优化至 678，面积缩减 81% 并实现时序闭合。Qwen 3.8-Max的技术原理架构扩展：基于 Qwen 3.5 架构基础扩展而成，总参数量达 2.4 万亿，激活参数 95B，在保持架构继承性的同时实现规模跃升。真实世界强化学习系统：通过联合扩展 RL 环境数量与训练算力提升通用工作能力，核心解决三个耦合挑战：在任务、工作空间、Harness三个维度上解耦合，使环境数以组合方式自然增长；构建统一奖励系统，将基于执行的校验、文本及渲染后视觉输出的 rubric 评估、agentic 检查统一内化，消除任务专用验证器的不一致性；构建在线数据均衡器，对每个 batch 在任务、难度、工作区与 harness 上重构均衡分布，降低梯度方差，支撑训练算力稳定持续扩展。自进化反馈闭环：模型通过执行-反馈-迭代的自适应机制推进优化，在数百至数千轮交互中保持高度连贯的系统性策略，依赖仿真、综合、布局等反馈闭环，实现算法级数据通路重构而非浅层语法微调。动态工作流编排：用编程方式驱动任务规划，将编排逻辑固化为可复现程序，支持从单链路连贯研发到大规模并行探索的灵活切换，使复杂任务的串行推进转化为一次对话内可规模化交付的自动化闭环。如何使用Qwen 3.8-Max千问AI平台调用：注册账号获取 API Key，通过兼容 OpenAI或 Anthropic 协议的接口直接调用模型。调节推理深度：通过reasoning_effort参数设置xhigh（默认，深度分析）、medium（平衡）或low（高效推理），按需控制成本与性能。集成智能体框架：配置 API Key 与 Base URL 后，可接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流编程助手与 Agent 框架。开源权重部署：下周起从 Hugging Face 或 ModelScope 下载模型权重，进行本地部署与二次开发。Qwen 3.8-Max 的核心优势超长程自主执行：可连续专注数天至数十天，通过执行-反馈-迭代闭环自我进化，全程无需人工介入。真实世界 RL 训练：联合扩展环境数量与训练算力，在 QwenWork、Claude Code、Codex、OpenClaw、Hermes 等 harness 上表现均衡且持续提升。端到端交付能力：通过动态工作流将编排逻辑固化为可复现程序，把原本需数周串行推进的复杂任务压缩为一次对话内可规模化交付的自动化闭环。Qwen 3.8-Max 的项目地址项目官网：https://qwen.ai/blog?id=qwen3.8Qwen 3.8-Max 的同类竞品对比维度Qwen 3.8-MaxGPT 5.6 Sol论文复现PaperBench 93.0 分，独立复现后自我进化超越原文PaperBench 90.5 分软件工程SWE-bench Pro 67.7 分，FrontierSWE 73.5 分SWE-bench Pro 64.6 分，FrontierSWE 无官方数据终端编码Terminal Bench 2.1 86.6 分Terminal Bench 2.1 88.8 分通用办公CoWorkBench 74.8 分，JobBench 53.4 分CoWorkBench 71.5 分，JobBench 45.4 分多模态推理MMMU-Pro 82.3 分，BabyVision 82.0 分MMMU-Pro 83.0 分，BabyVision 65.5 分视觉智能体OSWorld-Verified 86.1 分，AndroidWorld 85.3 分OSWorld-Verified 83.2 分，AndroidWorld 77.6 分视频理解VideoMME 90.4 分，MLVU 90.8 分VideoMME 89.5 分，MLVU 87.6 分长程任务365 天电商模拟 4.16 倍回报，芯片设计 500 轮优化无公开同类长程自主任务数据Qwen 3.8-Max 的应用场景法律合规审查：单次通读数百份文档，一小时内标出上千条相关条款，替代法务团队约一周工作量。UI/UX 原型设计：为数字银行 App 一次生成 8 页高保真可交互原型，无需人工返修。餐饮菜单开发：基于上百份食材资料一次性产出 26 道菜的完整菜单，控制食材成本率在 33.8%。结构工程建模：仅凭一份图纸在浏览器中还原 30 层写字楼抗震结构模型，支持实时悬停查看关键指标。康复医学可视化：将 2D 纸质评估单转化为可自由旋转、逐层浮现的 3D 交互演示，帮助患者理解康复路径。# 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MindMemOS - 华为诺亚方舟开源的 AI Agent 记忆操作系统下一篇秒悟Meoo - 1分钟生成前后端完整的网站，真0门槛开发！相关文章Glasp – 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2ECC – 开源的跨平台 AI Agent 性能优化系统AI小集3LingBot-Video – 蚂蚁灵波开源面向具身智能的视频模型AI小集2Concept Lancet – 宾夕法尼亚大学推出的图像编辑框架AI小集2Klap – AI视频编辑工具，智能分析自动识别精彩片段、智能视频布局AI小集2潮际主设 – AI服装设计工具，覆盖设计核心环节款式生成、局部优化等功能AI小集3暂无评论再想想发表评论暂无评论…

2017 年，爱范儿在北京体验了一套 HomeKit 样板间。当时我们的感受是：「开关为主，Siri 为辅。」灯光、窗帘和门锁按照预设规则运转，Siri 只是多种控制方式的其一。近十年过去，Matter 正在逐步消除设备之间的连接障碍，智能家居却仍未解决更难的问题：它认识设备，却不真正认识生活在家里的人。苹果新一轮家庭硬件瞄准的正是这道缺口。据彭博社报道，苹果计划在今年秋季更新 Apple TV 和 HomePod mini，并在今年 10 月至明年初推出一款配备 7 英寸屏幕的家庭中枢。三款产品都将采用更快的芯片，为新版 Siri AI 提供算力。图｜Apple Hacks硬件升级只是表面。苹果真正要做的，是把 HomeKit 从一张设备控制网络，推向一套能够理解家庭成员的 AI 系统。跳票两年，只为打磨一块能「认出你」的专属屏幕「不调好不发布」这句话在数码圈一直被当个梗玩，但苹果这次似乎是认真的。这款家庭中枢早在 2024 年便已传出消息，随后又多次推迟。苹果内部代号为 J490 的版本原本计划在 2025 年春季发布，但上市时间一再后移。两年时间，跳票了四次。苹果没有解释太多，但背后的原因众所周知：Siri 没准备好。直到今年 WWDC，新版 Siri 随 iOS 27 正式亮相，这套家庭硬件的发布计划才重新提上日程。图｜Wired爱范儿编辑部上手 iOS 27 Beta 后发现，新 Siri 已经可以理解屏幕上的内容，从信息中找出地址并直接导航，梳理邮件，以及完成跨 App 的复合操作。它还能在 iPhone、iPad 和 Mac 之间同步对话历史。苹果画了两年的饼，终于有兑现的迹象了。据报道，这款中枢采用 7 英寸方形屏幕，目前有两种形态：J490 通过半圆形底座放在桌面上，J491 则采用磁吸壁挂设计。此前消息称其目标价格约为 350 美元（约合人民币 2370 元）。而比屏幕尺寸更值得关注的是，由人脸识别驱动的个性化界面——设备上的摄像头可以识别走近屏幕的人，并根据观看距离调整显示内容。图｜MacRumors简单来说，你靠近时，它显示你的日历、便签和待办事项；另一位家庭成员走过来，界面便切换成属于对方的内容；如果来者识别为陌生人，屏幕则退回时钟等公共信息。整个过程不需要先解锁，也不需要说出一句唤醒词。屏幕先认出眼前的人，再决定应该展示什么、允许做什么。这正是苹果试图绕开智能家居正面竞争的地方。随着 Matter 普及，「能连接多少设备」越来越难成为家庭中枢唯一的护城河。小米、华为用全场景硬件扩大控制范围，Amazon 把 Alexa+ 接入购物与生活服务，Google 则用 Gemini for Home 补上搜索和模型能力。这些路线都在向外拓展家庭中枢的边界：连接更多设备、调用更多服务。而苹果给出了另一种思路——把用户已经留在苹果生态里的个人上下文，带进家庭。图｜Business WireiPhone 里有日历、备忘录、联系人和照片，Mac 上有文件与邮件，Apple Watch 记录运动和睡眠。过去，这些个人信息主要跟着用户在手机、电脑和手表之间流动；而新的家庭中枢有望把同一套上下文带进客厅、厨房和卧室。因此，FaceTime、iCloud 相册、Apple 日历、家庭安防和多设备对讲虽然都不是新功能，组合方式却变了。屏幕一旦能够分辨站在面前的是谁，同一个入口便可以服务不同的家庭成员，而不必把所有人的日程、提醒和照片混在一起。这块屏幕也不是一个孤立的入口。在苹果构想的家庭系统里，分布在不同房间的 HomePod mini 负责声音交互，Apple TV 将信息带到客厅大屏，7 英寸中枢则提供近距离的视觉反馈。Siri AI 串联起这些设备，根据用户和场景分配任务。图｜瘋先生过去的家庭中枢连接设备，苹果想做的家庭中枢还要连接人的上下文。这才是它为自己划出的差异化赛道。但问题恰恰也出现在这里：手机通常只服务一个人，家庭屏幕却要由多人共用。一旦认错，个性化就可能变成越权：把伴侣的日程显示给你，把孩子的请求当成父母的指令，甚至误操作门锁、摄像头等敏感设备。手机上的 Siri 听错一句话，用户大不了再说一遍；家庭中枢认错了人，却会实实在在地带来隐患。苹果现有的隐私架构只能解决其中一部分问题。Apple Home 数据以苹果无法读取的方式保存，HomeKit Secure Video 也会先在本地分析，再加密上传。这些机制可以防止数据在传输和存储过程中被外部读取，却不能保证家庭中枢每次都认对人。图｜Apple因此，比识别速度更重要的，是认不准时如何处理：哪些信息只能在确认身份后展示，哪些操作需要再次授权，系统又会在什么时候主动退回公共界面。苹果为新版 Siri 多等了两年。今年秋天，这份关于身份、权限与安全边界的答卷，将决定「认识家人」究竟是家庭中枢的优势，还是新的负担。国内用户这次有望赶上首班车对于身处国内的我们，更关心的问题是：这套体验什么时候才能真正用上？半个月前，苹果的手机端「Apple 智能」终于通过工信部备案。这为 Siri AI 等功能在国内的落地扫除了一道重要障碍，外界也因此猜测，国行苹果 AI 最快可能在今年秋季上线。不过，这次完成备案的只是手机端侧生成式 AI 服务，家庭中枢相关的 AI 功能何时能在国内上线、能够调用哪些本地模型和服务，目前仍没有确切答案。乐观的一面是，如果国行 Apple 智能能在今秋上线，当家庭中枢在海外发布时，国内用户手中的 iPhone 或许已经具备相应的个人上下文和 AI 能力。过去那种硬件已经更新、核心软件却长期缺席的时间差，有望缩短。但软件障碍消除之后，设备生态仍是一道现实门槛。与米家等平台相比，国内兼容 Apple Home 的设备更少，价格通常也更高。对于想用这套系统控制全屋家电的用户，这个差距短期内不会消失。图｜米家因此，苹果最有可能先打动的，是那些已经深度与苹果生态绑定，且预算较为充足的家庭。如果一家人的手机、电脑和手表都在苹果体系里，家庭中枢便有机会把各自的照片、日历、备忘录和设备控制带到同一块屏幕上，同时维持彼此的账户与权限边界。即使它暂时不接管家里的所有电器，也可以先成为苹果设备在家庭空间里的共同入口。图｜Apple这也是苹果等待新版 Siri 的原因。它想卖的并不是一块固定在墙上的 iPad，而是一个知道谁站在面前、也知道此人此刻需要什么的家庭入口。今年秋天，我们或许会看到这套设想迈出第一步。苹果用两年时间等来了一版更像样的 Siri，接下来要验证的是：当这块屏幕真正走进家庭，它能不能认出你，并在不打扰其他人的前提下，把事情办好。

一张看起来再普通不过的海报，让小米再次陷入舆论中心。7 月 28 日，小米汽车发布了一张关于昆仑增程器的海报，里面写到：「92 号、95 号、98 号汽油，全系多油品适配」。不少老司机看到这句话，第一反应是疑惑。在他们看来，这和过去油箱盖上写的「推荐使用 92 号及以上汽油」并没有本质区别。可以使用 92 号汽油的车子，基本都能兼容更高标号的 95 号和 98 号。于是有人认为，小米这是又一次把「常识」重新包装成了「卖点」。「世界上真的存在只能加 92，不能加 95、98 的车吗？不愧是小米，真会营销。」一位网友说。一天之后，类似的讨论再次出现。小米今天开始宣传澎程 N90 Max 的空间表现，称其二、三排前移后，后备箱能够放下两辆公路自行车。然而，网友们关注的重点并不是后备箱空间之大，而是自行车本身。众所周知，公路自行车也是有尺寸之分的，因此不少人都在质疑：小米是不是故意放了两辆小号的自行车？面对质疑，小米不得不补充说明，称图中车辆用的均是 700C 轮组，分别为 52 码和 46 码，不存在故意用小车的情况。把两件事放在一起看，就很有意思了，过去消费者看到汽车广告，通常是去理解企业想表达什么；现在面对小米的广告，很多人会先寻找它没有表达什么。去年 SU7 Ultra 机盖风波之后，小米的每一次强卖点表达都容易招来质疑。表面上，这是关于汽油标号和自行车尺寸的争论。更深一层，是一个关于营销和信任的问题。「会营销」为什么逐渐变成了贬义词？为什么广告放在小米身上更容易引发质疑？是网友们的商业嗅觉变得更敏锐了，还是他们已经形成了对小米的固定印象？网友没冤枉小米，小米也没白营销我们先从汽油标号这件事说起。老司机对这张海报感到别扭，并不难理解。「92 号、95 号、98 号汽油，全系多油品适配」在不了解汽车的人听来，确实像一项专门开发的新能力。从这个角度看，网友们并没有冤枉小米。汽油标号主要反映抗爆性能。厂家允许车辆使用 92 号汽油，通常也意味着它可以使用 95 号和 98 号汽油。只不过更高标号不等于油品质量更好，也未必能带来更强动力或更低油耗。可老司机熟悉的知识，并不属于所有消费者。在小红书等平台搜索「加 92 的车」，很容易看到大量相似问题：加 92 的车能加 95 的油吗？两种汽油混加会不会伤车？偶尔加一次 98 号有什么影响？高标号汽油是不是更好？当然，这些搜索结果无法计算消费者的认知比例，却足以说明，这类疑问真实存在，且不在少数。从这些用户的角度看，小米把一句「92 号及以上」拆成三个明确的数字，反而成了一种必要的注释。都说小米会营销，而营销本来就包含这样的翻译工作，企业要做的，就是把名词和参数转换成容易理解、容易记住的「消费语言」。尽管这张海报真正有价值的数字，只有 92。目前主流的大型六座、七座混动 SUV 中，能够长期使用 92 号汽油的车型并不算多。理想 L9 标注使用 95 号汽油，问界 M9 增程版则要求使用 95 号及以上汽油。至少在小米直接面对的几款旗舰车型中，支持 92 号汽油确实构成了一项差异。▲ 小鹏 GX 也可以加 92对于一辆大型家庭 SUV，最低适用油号会实实在在地影响用车成本。这类车型往往车重大、长途出行频率高，几年下来消耗的汽油并不少。92 号汽油不仅价格更低，在一些偏远地区也更容易找到。所以说，澎程 N90 能加 92 这个卖点本身是很好的。这不，想起来自己也能加 92 的上汽大众也抓紧来蹭热度了。一轮营销是否成功，不取决于评论区有多少赞美。争议、模仿和竞争对手的迅速跟进，同样说明一个卖点已经进入了公众的记忆里。「不会营销」不值得骄傲这几年，汽车行业一直有一种奇怪的价值排序。企业讲技术、讲研发，容易被认为踏实；一旦强调卖点、制造话题，就容易被贴上「只会营销」的标签。久而久之，「不善营销」甚至成了值得炫耀的品质，仿佛话说得越少，产品就越可靠。可一家车企反复在发布会上强调自己不会讲故事、只懂做技术，本身就在讲故事。它塑造的是工程师主导、埋头研发、朴素克制的品牌形象，只是这套营销披了一层「反营销」的外衣。这股风是谁带起来的？我想，马斯克大概脱不了干系。特斯拉「不需要营销」的故事，就是一个典型例子。的确，特斯拉很少投放传统广告，但这并不意味着它不做营销。特斯拉有对外传播岗位，也会邀请媒体拍摄新车、参加线下发布会。2016 年 Model 3 发布时，董车会也去了现场。除此之外，马斯克还长期在 X 上制造话题，让汽车、自动驾驶、机器人和火箭共享同一套科技叙事。特斯拉不打广告，留下的却是一套能量更大的营销系统。对车企而言，「不会营销」绝对不是什么值得骄傲的事，反而会带来实实在在的损失。投入大量资源做出的功能，可能因为表达不当而无人理解，原本属于自己的优势，也可能被别人抢先占据，最终成了对方的标签。好产品不会自己说话，市场也不会替企业完成阅读理解。反过来，营销能力强弱同样无法代表产品好坏。要论营销能力，小米的确属于国内车企中最强的那一批，但这不该成为质疑其产品力的理由。在今天这样一个成熟市场里，仅靠营销无法长期撑住一款经不起推敲的产品。真正值得讨论的，是广告有没有改变事实，产品能不能兑现承诺。小米把支持 92 号汽油讲成热点，体现的是传播能力；澎程 N90 能否在油耗、噪声、动力和长期成本上证明这项优势，仍要由产品回答。当然，小米如今如此容易遭到口诛笔伐，也有自身的原因。SU7 Ultra 机盖风波留下的影响，远远超出了一次产品争议。它改变了不少消费者阅读小米广告时的顺序：过去是先接受结论，再理解条件；现在是先寻找条件，再决定是否相信结论。汽油标号和自行车尺码引发的争论，单独看都算不上什么大事，放在一起却能发现，小米的广告在公众眼中已经失去了一部分可信度。每当它给出一个结论，许多人都会下意识寻找最有利工况、边界条件和措辞漏洞。品牌信用充足时，消费者会按照一句话最自然的含义理解它。信用出现裂缝后，企业的结论越强烈，公众的验证欲就越强。这个循环无法靠停止营销来解决，也很难靠几次高管的回怼扭转。小米没有理由放弃营销。它进入的是竞争最激烈的家用 SUV 市场，产品必须被看见，技术必须被理解，卖点必须形成记忆。真正需要修复的，是消费者面对广告时的第一反应。看到「能加 92 号」，先想到更低的使用成本；看到「能放两辆公路车」，相信它空间确实够大。可营销只能抢到注意力，信任决定人们怎样理解这些信息。小米真正需要补上的，是让消费者看到下一张海报时，不再下意识拿出放大镜。