AI资讯AI新闻资讯正文DeepSeek-V4-Flash正式版上线，130亿激活参数撬动Agent战场发布于AI新闻资讯发布时间 :2026年7月31号 15:23阅读 :1分钟7月31日，DeepSeek-V4-Flash正式版API悄然上线公测，标志着这家国产大模型公司在Agent赛道上迈出关键一步。与以往"Pro强、Flash弱"的分层逻辑不同，此次更新后，Flash正式版在多项Agent基准测试中的表现已逼近甚至超越三个月前的V4-Pro预览版。官方数据显示，V4-Flash正式版在Terminal Bench2.1上取得82.7分，Cybergym达76.7分，Toolathlon verified为70.3分。值得注意的是，该模型总参数2840亿，激活参数仅130亿，与V4-Pro（激活490亿）相差近一个数量级。DeepSeek明确表示，此次更新"仅重新进行了后训练"，模型结构完全不变。这意味着，通过训练方法和数据质量的优化，轻量模型在特定任务上正缩小与旗舰模型的差距。此次升级的另一看点，是自研Agent框架DeepSeek Harness首次以正式命名亮相。同时，V4-Flash原生支持OpenAI力推的Responses API格式，并针对性适配Codex，开发者可低成本将OpenAI生态的Agent应用迁移至DeepSeek平台。战略意图十分清晰:用高性价比的轻量模型切入Agent应用市场。Agent场景对推理速度和成本极度敏感，Flash的低价优势在反复调用工具的多轮任务中将形成显著竞争力。此次发布距离DeepSeek完成超500亿元首轮融资不足两月，公司估值已攀升至约710亿美元。在资本加持下，DeepSeek正加速从"不融资不上市"转向商业化冲刺。随着Pro正式版即将到来，Agent战争的大幕已然拉开。

AI资讯AI新闻资讯正文韩国最大 AI 模型问世：LG 发布 7500 亿参数 K-EXAONE 2.0，Apache 开源直面中国模型发布于AI新闻资讯发布时间 :2026年7月31号 15:24阅读 :1分钟LG AI 研究院 7 月 31 日在 Hugging Face 上正式发布 K-EXAONE 2.0 模型，这是韩国科技信息通信部主权人工智能基金会模型项目下开发的第二代产品。新模型采用混合注意力 MoE 架构，拥有 7500 亿总参数和 370 亿激活参数，规模是初代的 3 倍以上，也是韩国迄今为止开发的最大人工智能基础模型。值得一提的是，K-EXAONE 2.0 以 Apache 2.0 许可证完全开源，这在韩国 AI 发展史上颇为罕见。性能全面提升，正面叫板中国开源模型纵向对比，K-EXAONE 2.0 在 24 项基准测试中平均得分 70.1 分，比初代的 63.3 分提升超过 10%，三大编码和智能体编码基准测试中性能改进约 30%。横向来看更是野心勃勃——在长上下文理解方面优于智谱 GLM-5.1，在智能体工具使用能力上同样超越 GLM-5.1 和 Qwen3.5，在指令执行评估中则与 GLM-5.1、DeepSeek V4 Pro Max、Qwen3.5 等处于同一水平。从初代到 2.0，LG AI 研究院仅用一代就将模型参数规模翻了三倍多，且在多项关键指标上直接对标中国头部开源模型。在 Kimi K3 引发的全球开源模型竞赛尚未降温之际，韩国以主权 AI 之名加入战局，意味着东亚 AI 开源生态的三角竞争格局正在成型。

AI资讯AI新闻资讯正文特斯拉中国车机正式接入豆包大模型发布于AI新闻资讯发布时间 :2026年7月31号 15:29阅读 :1分钟7 月 31 日消息，特斯拉中国于今日开始分批次推送2026.14. 13 版本的车机软件更新。此次更新覆盖了Model 3、Model Y、Model S以及Model X等多款主流车型，其中最受关注的核心升级便是正式引入了豆包大模型。据官方介绍，接入豆包大模型后，特斯拉的车机系统不仅能够提供更加实时、准确的信息查询，还能与车主展开自然且流畅的语音对话，大幅提升了车内智能交互的体验。不过需要注意的是，该项AI大模型功能需要用户开通高级车载娱乐服务方可正常使用。

AI资讯AI新闻资讯正文DeepSeek-V4-Flash API公测上线 Agent能力全面爆发发布于AI新闻资讯发布时间 :2026年7月31号 15:33阅读 :1分钟科技圈迎来新一轮效率革命。字节跳动旗下 Seed 团队正式推出了Seedance2.5音视频联合生成模型，主打“一镜成片”能力，全面赋能多个产业场景。在叙事表现上，Seedance2.5将单次生成时长由15秒扩展至30秒，并支持多轮无缝延长，让复杂的故事情节更加连贯。同时，模型对材质、光影及肤质进行了深度打磨，有效改善了传统生成视频的塑料感，呈现出更加贴近实拍的质感。针对多元化的创意诉求，该版本大幅升级了多模态参考功能。创作者单次最多可输入30张图片、10段视频以及10段音频。白模参考与光照控制机制的加入，也使物理光影和运动轨迹更加真实稳定。此外，Seedance2.5在后期剪辑和可控性方面进行了精细化升级，用户能够通过时间戳对画面视角、运镜节奏及绿幕背景等细节进行定向修改，从而降低后期拼接成本。目前，该模型正陆续登陆即梦 AI、豆包专业版等平台，API 服务也将于近期上线火山方舟。

AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架AI工具1天前发布AI小集02AngelSpec是什么AngelSpec 是腾讯混元团队开源的端到端推测解码训练框架，基于 TorchSpec 构建，支持 MTP 自回归与 DFly 块并行共 6 种草稿架构。推理与训练解耦，推理引擎经 Mooncake/RDMA 向训练工作器流式传输隐藏状态。在 Hy3-A21B 上，DFly 实现 1.98–2.40 倍端到端加速，吞吐较 DFlash 提升 10.5–11.8%。AngelSpec的主要功能六种草稿架构统一训练：DFly、DFlash、DFlare、Eagle3、DSpark、MTP 共享一条训练流水线，切换仅需改配置。MTP 训练与 TTT 展开：支持多深度自回归展开训练，内存接近单次因果前向，通过 Ulysses 序列并行支持最长 128k 上下文。接受率对齐目标函数：支持 CE、top-k KL、LK Loss、D-PACE 加权及端到端 TV 损失，可通过配置自由组合。文档感知序列打包：Megatron 风格固定长度打包，严格跨文档隔离，同时覆盖 DFlash 与 MTP 路径。在线真实评估：训练期间通过 vLLM 等引擎执行真实推测解码，实时报告平均接受长度与逐位接受率。多推理后端支持：兼容 vLLM、SGLang、HuggingFace 等主流推理引擎。AngelSpec的技术原理推测解码基础：AngelSpec 建立在推测解码机制之上：一个轻量草稿模型并行提出多个未来 token，目标大模型通过一次前向传播使用拒绝采样完成批量验证，在不改变目标分布的前提下将单步解码扩展为多步推进。其核心挑战在于草稿接受率与验证开销之间的权衡，而 AngelSpec 从训练、架构与推理三个层面系统性解决这一问题。工作负载异构性建模：AngelSpec 将真实世界的工作负载异构性作为首要设计考量。在线请求横跨开放式对话、代码生成、数学推理与工具调用，其条件熵与延续结构差异显著：高熵对话场景下接受率随深度快速衰减，适合短序列自回归草稿；代码与数学场景存在长可预测跨度，适合块并行扩散草稿。因此 AngelSpec 训练互补的专用草稿器——MTP 面向对话数据，DFly 面向代码与数学数据——而非追求单一通用模型。共享参数多深度 MTP 训练：MTP 草稿器采用共享参数的多深度训练方案。所有逻辑预测深度复用同一物理 MTP 模块，在训练时自回归展开：深度 k+1 接收深度 k 的 argmax 预测，同时维护逐层增长的草稿 KV 缓存与对角线注意力掩码。Training-Time Test（TTT）机制使草稿器暴露于推理时遇到的自生成轨迹分布，消除教师强制带来的暴露偏差，显著改善第二、第三草稿位的接受率。微信关注回复“开源”，加入AI开源项目交流群如何使用AngelSpec环境安装：执行pip install -e “.[vllm]“与pip install mooncake-transfer-engine安装框架及 vLLM 后端。单节点快速启动：8 张 GPU 划分 4 张推理 + 4 张训练，运行./examples/qwen3-8b-dfly/run.sh即可启动完整流水线。配置覆盖：通过 CLI 直接覆盖 YAML 配置项，如training.learning_rate=5e-5 training.num_train_steps=500。Conda 环境搭建：运行./tools/build_conda.sh 1 vllm一键构建含 mooncake 的隔离环境，激活后即可使用。多节点部署：通过 Inference Controller 与 Training Controller 经 Ray 调度，结合 Mooncake 隐藏状态存储实现跨节点解耦训练。AngelSpec的核心优势工作负载专业化：MTP 针对高熵对话场景优化，DFly 针对代码与数学等长可预测跨度场景强化，避免单一草稿模型在所有领域表现平庸。DFly 架构创新：混合目标条件主干结合逐层目标视图，配合前驱条件自回归头，在保留并行生成能力的同时提升块内依赖建模。D-Cut 动态验证：将目标验证视为共享批次级资源，根据前缀置信度与运行时成本模型自适应调整验证深度，在高并发下持续转化额外负载为吞吐。分离式独立扩展：推理与训练 GPU 池通过 Mooncake 存储解耦，双方可按各自负载独立扩缩容，避免统一并行策略的次优问题。开源完整套件：同步释放框架代码、Hy3-A21B/Qwen3-8B 的 MTP 与 DFly 草稿权重、训练配置及技术报告，实现开箱即用。AngelSpec的项目地址项目官网：https://angelspec.readthedocs.io/GitHub仓库：https://github.com/Tencent/AngelSpecHuggingFace模型库：https://huggingface.co/collections/AngelSlim/angelspecarXiv技术论文：https://arxiv.org/pdf/2607.25852AngelSpec的同类竞品对比对比维度AngelSpecSpecForge出品方腾讯混元团队SGLang / 美团等社区团队核心定位统一 MTP + 块并行推测解码训练框架面向 EAGLE-3 的生产级训练框架草稿架构6 种（DFly、DFlash、DFlare、Eagle3、DSpark、MTP）以 EAGLE-3 为主，支持主流开源模型架构特色DFly 混合目标条件 + 前驱自回归头 + D-Cut 动态验证目标-草稿解耦混合并行 + TTT 稀疏树注意力优化分离设计推理/训练完全解耦，经 Mooncake/RDMA 流传输隐藏状态支持同机共存与跨节点分离，通过 SGLang 后端集成训练优化接受率对齐目标（TV/LK/D-PACE）+ 文档感知打包FlexAttention 稀疏掩码 + 原地梯度内核，内存降 93.5%开源模型Hy3-A21B、Qwen3-8B 的 MTP/DFly 权重SpecBundle（Llama、Qwen、Kimi、DeepSeek 等 EAGLE-3 草稿）性能数据Hy3-A21B 上 1.98–2.40× 加速，较 DFlash 高 10.5–11.8%Qwen3-235B 训练加速 9.99×，推理最高 4.48× 加速推理后端vLLM、SGLang、HuggingFaceSGLang、HuggingFace、自定义后端AngelSpec的应用场景大模型在线推理加速：为混元 Hy3、Qwen3 等 MoE/稠密模型部署推测解码草稿，降低自回归解码延迟。高并发对话服务：利用 D-Cut 动态资源分配，在并发 4–64 范围内维持最高平均吞吐，适配客服与助手场景。代码生成与数学推理：通过 DFly 块并行草稿捕获长可预测跨度，加速 IDE 补全、解题引擎等结构化输出任务。长上下文训练与推理：借助 Ulysses 序列并行支持 128k 上下文，适配文档分析、代码库检索等长序列场景。# 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Codex Security CLI - OpenAI开源的AI代码安全扫描CLI工具下一篇Grok Voice Think Fast 2.0 - SpaceXAI 推出的语音模型相关文章SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型AI小集2VideoMaker – 浙大联合腾讯和华为推出的零样本定制视频生成框架AI小集4OpenScience – Synthetic Sciences 开源的 AI 科研工作台AI小集3AI小聚 – 多功能AI助手，对话、写作、绘画等一站式服务AI小集3MuseSteamer – 百度推出的多模态视频生成大模型AI小集6CodeBuddy NPC – 腾讯云推出面向企业研发流程的AI智能体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AstraFlow星图不繁简历Lumina纳米Work袋马Sophclaw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MiniMax H3 – 稀宇科技推出的通用全模态生成模型5小时前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型1天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具1天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型1天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架2天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器2天前RingBot AI – AI智能体AaaS平台，零代码配置与上线2天前JiuwenSwarm – 华为开源的 AI Agent 统一工作平台2天前KerWork – 桌面级AI执行助手，可在本地完成各种任务2天前Instella-MoE – AMD 开源的混合专家语言模型系列2天前AgentLink – 心言集团推出的跨智能体工作流终端2天前ChatLens语镜 – AI 会话智能体，透镜读屏智能回复辅助3天前PerceptionBench – 月之暗面开源的视觉感知诊断基准3天前水杉输入法 – 免费开源的中文输入法，支持 AI 联想3天前

Flow Music 是什么Flow Music是Google Labs推出的AI音乐创作平台，前身为年初收购的ProducerAI（源自Riffusion项目），现已全面整合进Google Flow创意生态。平台基于Google DeepMind的Lyria 3 Pro前沿音乐模型驱动，支持通过自然语言对话生成最长3分钟的完整歌曲，包含动态人声、歌词与专业编曲。用户可与内置AI Producer以聊天方式协作创作，借助Veo视频模型一键生成AI音乐视频。Google Flow Music的主要功能AI全曲生成：基于Lyria 3 Pro模型，通过自然语言提示生成包含人声、歌词和丰富器乐的完整长度歌曲，支持多种流派和语言（含日语）。对话式创作工作流：与AI Producer以聊天形式协作，像与真实音乐制作人对话一样指导创作方向、调整细节。精细化片段编辑：可高亮选中歌曲的任意部分（如歌词、节拍、副歌），进行替换、改写、翻译或延展，编辑操作不会影响曲目其余部分。AI Covers风格转换：保留原曲旋律与结构，将整首歌曲转换为完全不同的风格，例如将流行乐转为Lo-Fi或古典版本。AI音乐视频生成：集成Gemini Omni Flash与Veo视频模型，通过对话式提示指导场景、节奏和视觉风格，为歌曲生成配套MV。Remix与分轨：支持Stem Split分轨导出，以及通过上下文提示对特定片段进行迭代重混，如”将Lo-Fi钢琴前奏延展为Dubstep Drop”。Spaces空间创作：通过自然语言（Vibe Coding）创建交互式音乐应用、音频插件、音乐游戏和自定义DAW。社交与发布：支持在平台内发布歌曲、创建播放列表、关注艺术家和发现新音乐，构建创作者社区。个性化学习：系统会随着用户使用自动学习个人风格偏好，输出质量越用越精准。如何使用Flow Music访问平台：打开 Google Flow Music 官网 https://www.flowmusic.app/（原ProducerAI域名已自动跳转至新地址）。发起创作：在聊天框中用自然语言描述需求，例如”史诗级管弦乐配乐，带合唱团， cinematic且富有情感”或”学习用的Chill Lo-Fi hip-hop，不要人声”。选择变体：系统会根据提示生成两个版本供试听，选择更满意的一版进入下一步。精细编辑：选中需要修改的片段，用提示词指令进行精准调整，如”改写这段歌词为中文”或”将桥段延展为新的合成器独奏”。生成MV（可选）：使用AI Music Video功能，通过对话指导Gemini Omni为歌曲生成匹配的视觉内容，控制角色、美学和场景细节。导出与分享：将完成的作品导出为标准音频格式，或发布至平台社区，创建播放列表并与其他创作者互动。Flow Music的核心优势顶级模型与结构理解：Lyria 3 Pro专为音乐创作设计，能理解复杂的曲式结构（前奏、主歌、副歌、桥段），生成具有音乐逻辑的长篇作品。段落级精准控制：相比同类工具的一次性生成模式，Flow Music提供类似专业DAW的段落编辑能力，支持迭代打磨而非重复抽卡。音频-视频原生联动：作为Google Flow创意家族成员，与视频工具共享生态，是唯一同时具备顶级音乐生成和视频生成能力的大厂套件，未来可实现音视频联动创作。全球化与低门槛：基础版免费且无需信用卡，面向全球开放；相比部分存在区域限制的竞品，普适性更强。合规与透明度：所有AI生成内容嵌入SynthID水印标识；Google声明训练数据使用YouTube及Google合法授权素材，积极接入C2PA内容凭证标准。Flow Music的同类竞品对比对比维度Google Flow MusicSunoUdio底层模型Lyria 3 Pro (Google DeepMind)自研模型自研模型最大时长3分钟约4分钟约4分钟片段级编辑支持（替换/延展/改写）有限有限AI音乐视频内置（Veo/Gemini Omni）不支持不支持多语言人声支持（含日语、中文等）支持支持训练数据合规声称使用合法授权素材面临版权诉讼面临版权诉讼社交/社区功能内置发布/关注/播放列表内置社区内置社区移动端应用iOS已上线，Android即将上线有限有限价格策略基础免费，无需信用卡免费+付费订阅免费+付费订阅Flow Music的应用场景专辑前期探索：艺术家在策划新专辑时快速实验不同流派方向和编曲概念。影视与播客配乐：为独立电影、短视频、播客节目生成定制化背景音乐和主题歌曲。广告音频定制：根据品牌调性生成多版本广告配乐，通过AI Covers快速输出不同风格备选。音乐教育辅助：学习者通过AI理解不同曲风结构、编曲技巧和声乐处理方式。互动音乐开发：开发者基于Spaces创建音乐游戏、DJ打击垫、虚拟乐器等交互式音频体验。Remix与翻唱创作：将现有作品转换为Lo-Fi、古典、电子等风格版本，用于二次创作和采样。©️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Flow Music的工具LOVO AI专业的AI文字转语音工具，支持500+声音和100种语言网易云音乐·X Studio网易云音乐与小冰智能联合推出的免费AI歌手音乐创作软件LemonaidAI音乐生成工具刺鸟配音刺鸟科技推出的专业AI配音工具Clipchamp AI旁白生成器Clipchamp的文字转语音生成器音秘百度推出的AI播客创作工具暂无评论再想想发表评论暂无评论…

Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型AI工具1天前更新AI小集02Lyria 3.5是什么Lyria 3.5是 Google DeepMind 在 GoogleFlow Music中推出的新一代音乐生成模型，实现音乐性、歌词质量、人声表现力与创作控制四项核心升级。模型可生成更自然复杂的旋律结构，歌词对提示词遵循度与结构意识显著增强，人声更具情感且发音更清晰，同时支持便捷控制输出节奏与时长，标志着AI音乐生成从玩具级迈向可用创作工具。Lyria 3.5的主要功能旋律生成：创作更丰富、更复杂的旋律结构，听感更加自然流畅。歌词创作：生成更高质量的歌词，对提示词遵循度与结构意识均有提升。人声合成：输出更具表现力与情感色彩的人声，发音更清晰逼真。创作控制：支持便捷调节输出内容的节奏（Tempo）与时长（Duration）。端到端编曲：在 Flow Music 中完成从灵感输入到成品导出的完整 workflow。如何使用Lyria 3.5访问平台：访问Flow Music官网，登录 Google 账号。输入提示：在创作界面输入风格描述、情绪关键词或歌词主题。调节参数：设置目标节奏、时长及音乐风格等创作控制选项。生成预览：点击生成，模型输出完整音乐片段供实时预览。迭代优化：根据听感调整提示词或参数，重新生成直至满意。导出使用：将成品导出为音频文件，用于视频配乐、播客或个人创作。Lyria 3.5的核心优势音乐性突破：旋律结构复杂度与自然度显著提升，告别机械感。歌词精准度：对提示词的理解更深入，生成歌词主题一致、结构完整。情感人声：人声不再平淡，具备情感起伏与清晰发音，感染力更强。可控性强：节奏与时长参数化调节，适配短视频、播客等多场景需求。生态整合：直接嵌入 Google Flow Music，无需额外部署或配置环境。Lyria 3.5的同类竞品对比对比维度Lyria 3.5Suno v4开发方Google DeepMindSuno AI音乐性旋律结构更复杂自然，听感流畅擅长多风格快速生成，旋律记忆点强歌词质量提示词遵循度高，结构意识强歌词创作能力强，支持多语言人声表现情感细腻，发音清晰逼真人声自然度较高，风格多样创作控制支持节奏与时长便捷调节提供风格标签与曲式结构控制使用入口Google Flow MusicSuno 官网 / API定位差异深度整合 Google 生态，强调可控创作独立平台，社区分享属性强Lyria 3.5的应用场景短视频配乐：为抖音、YouTube Shorts 快速生成节奏匹配、时长精准的背景音乐。播客与有声书：定制片头片尾音乐及章节过渡音效，提升内容专业度。广告与营销：根据品牌调性生成原创广告歌或背景旋律，规避版权风险。游戏与影视原型：为独立游戏、动画短片快速产出 demo 配乐，加速前期迭代。个人音乐创作：辅助音乐人完成灵感发散、旋律草稿或完整歌曲原型制作。# 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-Audio-Agent - 阿里开源的实时语音 Agent 框架下一篇Codex Security CLI - OpenAI开源的AI代码安全扫描CLI工具相关文章14个免费AI法律助手和工具，媲美专业法律顾问AI小集12Choppity – AI视频编辑工具，快速定位长视频中的特定时刻AI小集3FireRedASR – 小红书开源的自动语音识别模型AI小集2Comfy Cloud – ComfyUI推出的云端AI创作平台AI小集4OiiOii – AI动画创作Agent，多智能体角色协同完成创作AI小集3OmniSearch – 阿里通义推出的多模态检索增强生成框架AI小集4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AstraFlow星图不繁简历Lumina纳米Work袋马Sophclaw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MiniMax H3 – 稀宇科技推出的通用全模态生成模型5小时前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型1天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架1天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具1天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架2天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器2天前RingBot AI – AI智能体AaaS平台，零代码配置与上线2天前JiuwenSwarm – 华为开源的 AI Agent 统一工作平台2天前KerWork – 桌面级AI执行助手，可在本地完成各种任务2天前Instella-MoE – AMD 开源的混合专家语言模型系列2天前AgentLink – 心言集团推出的跨智能体工作流终端2天前ChatLens语镜 – AI 会话智能体，透镜读屏智能回复辅助3天前PerceptionBench – 月之暗面开源的视觉感知诊断基准3天前水杉输入法 – 免费开源的中文输入法，支持 AI 联想3天前

Claude Sonnet 5 – Anthropic推出的最强智能体模型AI工具1个月前发布AI小集03Claude Sonnet 5是什么Claude Sonnet 5是Anthropic推出的 Sonnet 系列中智能体能力最强的模型，支持制定计划、调用浏览器和终端等工具并自主运行。模型在智能体编码、多学科推理、计算机使用等评测中性能接近 Opus 4.8，但价格显著更低。Claude Sonnet 5已成为 Free 和 Pro 用户默认模型，安全性和不良行为发生率均优于Sonnet 4.6。Claude Sonnet 5的主要功能智能体编码：支持复杂软件工程任务，SWE-bench Pro 通过率达 63.2%，可自主完成代码编写与调试。终端操作：可调用终端工具执行命令，Terminal-Bench 2.1 通过率达 80.4%，胜任服务器运维与脚本执行。浏览器搜索：具备自主网络搜索与信息整合能力，BrowseComp 评测表现较 Sonnet 4.6 大幅提升。计算机使用：可操作图形界面完成复杂任务，OSWorld-Verified 通过率达 81.2%，接近 Opus 4.8 水平。多学科推理：在 Humanity’s Last Exam 中无工具达 43.2%、带工具达 57.4%，知识工作 GDPval-AA v2 评分达 1618。五级努力度控制：支持 low / med / high / xhigh / max 五级调节，按需平衡任务成本与输出质量。Claude Sonnet 5的技术原理自适应推理架构：采用自适应推理机制，模型可根据任务复杂度自主决定何时以及如何深入推理，无需固定 token 预算。五级努力度控制：支持 low / med / high / xhigh / max 五级 effort 参数，通过细粒度控制实现成本与性能的动态平衡。增强型工具调用框架：原生集成浏览器、终端等工具调用能力，支持多步骤规划与自主执行闭环。更新版 Tokenizer：采用新版分词器，对相同输入文本产生更多 tokens（约 1.0-1.35 倍），提升语义粒度与处理精度。高分辨率视觉理解：支持高分辨率图像输入，提升对文档、图表和界面的识别与理解能力。安全对齐优化：通过改进的对齐训练降低幻觉率、迎合性和提示注入攻击风险，整体不良行为评分优于 Sonnet 4.6。如何使用Claude Sonnet 5网页端直接使用：访问Claude官网，Free 和 Pro 用户已默认切换至 Sonnet 5，无需额外配置。API 调用：开发者通过 Claude Platform 指定模型名claude-sonnet-5可在应用中接入。Claude Code 集成：在 Claude Code 编程助手工具中直接选择 Sonnet 5 进行编码协作与代码审查。企业控制台启用：Max、Team 和 Enterprise 套餐用户可在管理后台中一键启用并分配团队权限。调节努力度参数：调用 API 时设置 effort 参数为 low / med / high / xhigh / max，控制推理深度与成本。Claude Sonnet 5的核心优势性价比突出：用 Sonnet 级价格提供接近 Opus 4.8 的智能体能力，降低高端 AI 应用门槛。成本曲线优化：中等努力度下效率大幅提升，高努力度可在部分任务上匹配 Opus 4.8 性能。自主执行增强：能完成复杂多步任务，无需人工干预即可检查自身输出并持续跟进至完成。安全性提升：整体不良行为发生率低于 Sonnet 4.6，幻觉率、迎合性和提示注入抵抗能力均有改善。缓存机制友好：支持 5 分钟和 1 小时缓存写入，重复调用场景下可进一步降低 Token 消耗成本。Claude Sonnet 5的项目地址项目官网：https://www.anthropic.com/news/claude-sonnet-5Claude Sonnet 5的同类竞品对比对比维度Claude Sonnet 5Gemini 2.5 Pro发布方AnthropicGoogle DeepMind产品定位中端智能体原生模型旗舰多模态推理模型智能体编码SWE-bench Pro 63.2%约 63-65%（行业估算）终端操作Terminal-Bench 80.4%，深度原生支持支持有限，主要通过工具调用实现浏览器搜索BrowseComp 大幅提升，自主规划搜索强支持 Google 搜索集成，但自主规划能力一般计算机使用OSWorld-Verified 81.2%支持屏幕操作但精度与稳定性相对较低API 输入价格$2 / 百万 Tokens（优惠期）约 $1.25 / 百万 Tokens（上下文缓存）API 输出价格$10 / 百万 Tokens（优惠期）约 $10 / 百万 Tokens上下文窗口1M Tokens1M Tokens（标准）/ 2M Tokens（实验）Claude Sonnet 5的应用场景自动化软件工程：端到端完成代码编写、调试、测试和 PR 提交，解放工程师聚焦决策与审阅。企业流程自动化：自动更新 CRM 数据并发送邮件通知，完成跨系统的多步骤业务流处理。智能客服与深度研究：自主浏览网页收集信息，整合多源数据生成深度研究报告。遗留代码维护：定位复杂代码中的根因问题，提供持久修复方案而非表面症状修补。法律与金融分析：处理多文档推理任务，完成法律研究、合同审查和数据洞察提取。# 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LocateAnything - 英伟达推出的视觉语言定位模型下一篇Claude Science - Anthropic推出的 AI 科研工作台相关文章TRAE – 字节跳动推出的免费AI编程工具AI小集70Weebo – AI语音聊天机器人，实时响应用户语音指令和问题AI小集3OneThingAI – 网心科技推出的一站式 AI 算力云平台AI小集2Qwen2.5-Coder – 阿里Qwen团队开源的全系代码模型，覆盖六个主流模型尺寸AI小集3Claude Managed Agents – Anthropic 推出的全托管 Agent 平台AI小集3OutfitAI – AI服装搭配生成器，根据体型肤色个性化推荐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AstraFlow星图不繁简历Lumina纳米Work袋马Sophclaw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！14分钟前MiniMax H3 – 稀宇科技推出的通用全模态生成模型5小时前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型1天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架1天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具1天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型1天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架2天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器2天前RingBot AI – AI智能体AaaS平台，零代码配置与上线2天前JiuwenSwarm – 华为开源的 AI Agent 统一工作平台2天前KerWork – 桌面级AI执行助手，可在本地完成各种任务2天前Instella-MoE – AMD 开源的混合专家语言模型系列2天前AgentLink – 心言集团推出的跨智能体工作流终端2天前ChatLens语镜 – AI 会话智能体，透镜读屏智能回复辅助3天前PerceptionBench – 月之暗面开源的视觉感知诊断基准3天前

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CoCo智谱推出的首个企业级超级助手AgentrabbitOS internrabbit 推出的通用型AI智能体Flowith画布式AI智能体工具Genspark通用AI智能体，您的一站式AI工作空间WorkAny本地运行的开源AI桌面智能体腾讯Marvis腾讯应用宝团队推出的操作系统级 AI 助手3 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

MiniMax H3 – 稀宇科技推出的通用全模态生成模型AI工具5小时前发布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官网或接入其 API 接口。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OpenJobs AI – AI求职平台，精准推荐匹配的职位AI小集3Cal AI – 扫描食物热量的APP，AI分析食物中蛋白、碳水和脂肪含量AI小集4聊会小天 – 西湖心辰推出的AI心理陪伴应用AI小集3TurboScribe – AI音视频转录平台，无限制使用音频视频转录服务AI小集2Pika Twists – Pika Labs 推出的 AI 视频编辑功能AI小集3WeatherNext 2 – 谷歌DeepMind推出的AI天气预报模型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AstraFlow星图不繁简历Lumina纳米Work袋马Sophclaw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！41秒前Grok Voice Think Fast 2.0 – SpaceXAI 推出的语音模型1天前AngelSpec – 腾讯混元团队开源的端到端推测解码训练框架1天前Codex Security CLI – OpenAI开源的AI代码安全扫描CLI工具1天前Lyria 3.5 – 谷歌 DeepMind 推出的 AI 音乐生成模型1天前Qwen-Audio-Agent – 阿里开源的实时语音 Agent 框架2天前NewMax – 本地 AI Agent 工作台，AI会真实操作浏览器2天前RingBot AI – AI智能体AaaS平台，零代码配置与上线2天前JiuwenSwarm – 华为开源的 AI Agent 统一工作平台2天前KerWork – 桌面级AI执行助手，可在本地完成各种任务2天前Instella-MoE – AMD 开源的混合专家语言模型系列2天前AgentLink – 心言集团推出的跨智能体工作流终端2天前ChatLens语镜 – AI 会话智能体，透镜读屏智能回复辅助3天前PerceptionBench – 月之暗面开源的视觉感知诊断基准3天前水杉输入法 – 免费开源的中文输入法，支持 AI 联想3天前