DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型AI工具1天前发布AI小集02DeepSeek V4.1 Flash是什么DeepSeek V4.1 Flash 是深度求索内测的中间版本模型，采用全新模型结构，原生支持多模态，主打能力更强、速度更快、成本更低。模型调用时 base_url 不变，模型名设为 deepseek-v4.1-flash-expires-on-0910 即可，每账号限流 20 并发。社区实测输出速度超 300 tokens/s。DeepSeek V4.1 Flash的主要功能新模型结构：采用全新架构的中间版本，为后续正式版铺路。原生多模态：原生支持图像理解，无需外挂视觉模块。高速推理：社区实测输出 300400 tokens/s，最高达 507 tokens/s。能力增强：在同等定位下能力较 V4 Flash 更强，代码与生成任务表现更好。DeepSeek V4.1 Flash的技术原理新模型架构：结合 DeepSeek 一贯路线（V4 系列基于 MoE 混合专家架构），业界推测 V4.1 Flash 是在 MoE 基础上做了路由与层结构的重新设计，用更小激活参数量换取更高吞吐。原生多模态：不同于 V4 Flash 单独推出 Vision 版本，V4.1 Flash 将视觉编码直接融入基座模型训练，图文在同一表示空间内对齐，省去跨模块拼接的延迟与信息损耗。高速推理：高吞吐通常来自 MoE 稀疏激活（每 token 只计算部分专家）、算子级推理优化，以及缓存复用，具体是否采用尚待正式版披露。如何使用DeepSeek V4.1 Flash注册账号：前往 DeepSeek 开放平台，https://platform.deepseek.com/，注册并实名认证。获取密钥：在”API keys”页面创建并复制你的 API Key。确认余额：确保账户已充值，计费标准与 deepseek-v4-flash 相同。配置接口地址：base_url 保持不变，仍为https://api.deepseek.com。设置模型名：将调用参数中的 model 设为deepseek-v4.1-flash-expires-on-0910。发起调用：按常规 OpenAI 兼容格式发送请求，即可体验新模型。注意并发：每账号限流 20 并发，高频任务需控制请求量。DeepSeek V4.1 Flash的核心优势极致速度：社区实测输出普遍 300400 tokens/s，峰值达 507 tokens/s，交互体验接近”秒回”。原生多模态：视觉能力直接融入基座架构，无需像 V4 Flash 那样依赖单独的视觉版本。价格不变、隐性降价：能力升级但计费维持 V4 Flash 水平，空闲时段缓存命中输入低至 0.05 元/百万 tokens。架构焕新：采用全新模型结构，是 DeepSeek 新一轮技术路线的先行版，后续升级空间更大。接入零成本：base_url 不变、仅改模型名即可调用，老用户无缝切换。DeepSeek V4.1 Flash的同类竞品对比维度DeepSeek V4.1 Flash智谱GLM-5.3 Flash多模态原生支持（架构级融合）支持图片、视频、文件、文本输出价格4.5元/百万tokens（空闲）约$0.50/百万tokens（促销期$0.25）输入价格0.05~1.5元/百万tokens（空闲）约$0.15/百万tokens（促销期$0.075）并发限制每账号20并发（内测限流）正常商用额度可用性9月10日过期，仅两天窗口已正式发布，长期可用开源情况未开源GLM 系列一贯开源DeepSeek V4.1 Flash的应用场景实时对话助手：300+ t/s 的流式输出让聊天、客服场景几乎无等待感。AI 编程辅助：代码补全、片段生成对延迟极敏感，高速输出可无缝嵌入 IDE。视觉理解应用：原生多模态适合截图问答、文档图片解析、UI 审查等图文混合任务。轻量 Agent 执行层：Agent 需高频串行调用模型，低成本+高吞吐适合做执行与分拣环节。内容批量生产：文案改写、摘要、翻译等流水线任务，靠低单价+缓存命中把成本压到最低。# 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MiniCPM5-2B - 面壁智能联合清华开源的端侧语言基座模型下一篇H3-World - 腾讯联合高校等开源的动作可控世界模型相关文章CopyCoder – AI编程工具，上传截图或UI设计图等图像自动生成编码提示词AI小集3Class Companion – AI教学平台，支持作业生成与管理AI小集3NLWeb – 微软推出支持自然语言与任何网站交互的开源项目AI小集2LongCat-Audio-Codec – 美团开源的语音编解码方案AI小集3Qwen2.5-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3LinkSquares – AI合同管理平台，提供合同创建、审核、管理全流程服务AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务5小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成5小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型5小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent10小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）14小时前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型14小时前H3-World – 腾讯联合高校等开源的动作可控世界模型14小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型1天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前Claude Commerce Agents – Anthropic 开源的电商 Agent2天前

智东西9月8日消息，刚刚，DeepSeek宣布，DeepSeek V4.1 Flash的中间版本开启内测。该模型采用了新模型结构，原生支持多模态、能力更强、速度更快且成本更低。

开发者保持base_url不变，将模型名设置为deepseek-v4.1-flash-expires-on-0910即可调用，当前计费与DeepSeek V4 Flash相同，每账号限流20并发。

根据模型名称，此次内测9月10日会自动过期下线。

社交平台X上已经有一些开发者晒出了自己的体验，其中最高的输出速度达到507 tokens/s。

微信扫一扫关注该公众号

微信扫一扫可打开此内容，使用完整服务

GPT-image-1 – OpenAI 推出的最新图像生成模型AI工具1年前 (2025)发布AI小集06GPT-image-1是什么GPT-image-1是OpenAI推出的原生多模态图像生成模型，基于API向开发者开放使用。模型根据文本提示和图像生成高质量、专业级的图像，支持多种风格和自定义功能，如图像质量、尺寸、格式、压缩程度等。模型广泛应用在创意设计、电商、教育、营销等领域，例如将草图转化为图形、生成产品展示图、创建品牌视觉资产等。目前已经被包括 Adobe、Figma在内等主流创意平台采用。GPT-image-1的主要功能文本生成图像：根据文本描述生成图像。图像编辑：对现有图像进行修改或局部编辑。图像变体：生成图像的不同版本或风格变体。自定义功能：尺寸：支持多种分辨率，如1024×1024、1024×1536等。质量：低、中、高三种渲染质量可选。格式：支持PNG、JPEG、WebP等格式。压缩：针对JPEG和WebP格式，可设置0-100%的压缩级别。背景：支持透明背景或不透明背景。API访问： 提供API接口，支持开发者将图像生成功能集成到自己的应用或服务中，支持批量生成图像。GPT-image-1的模型特点超强指令遵循：精确理解和执行复杂指令，确保生成图像的准确性。超多艺术风格：支持多种艺术风格，适用于不同创意需求。精准图像编辑：提供强大的图像编辑能力，用户基于基于文本提示对图像进行精细调整。丰富的真实世界知识：生成与真实世界相关的图像内容，增强图像的可信度和实用性。文本一致性生成：在生成图像时，保持文本内容的一致性和连贯性，适用于教育材料、故事书等场景。GPT-image-1的产品定价文本输入token（提示文本）：5 美元/100 万枚 token图像输入token（输入图像）：10 美元/100 万枚 token图像输出token（生成的图像）​​：40 美元/100 万枚 tokenGPT-image-1的项目地址项目官网：https://openai.com/index/image-generation-api/如何使用GPT-image-1准备工作：放问OpenAI官方网站注册账户。注册完成后，登录账户获取API密钥（API Key）。安装OpenAI Python库：在Python环境中安装OpenAI的官方库。打开终端或命令提示符，运行以下命令：pipinstallopenai配置API密钥：在代码中配置OpenAI API密钥。建议将密钥存储在环境变量中，避免直接暴露在代码中。importosimportopenai# 设置API密钥openai.api_key=os.getenv(“OPENAI_API_KEY”)调用图像生成API：图像生成：基于文本提示生成图像。以下是一个简单的示例代码：importopenaiimportbase64# 初始化OpenAI客户端client=openai.OpenAI()# 调用图像生成APIresult=client.images.generate(model=“gpt-image-1”,# 指定模型prompt=“A futuristic cityscape at sunset with flying cars and neon lights”,# 文本提示size=“1024x1024”,# 图像尺寸quality=“high”,# 图像质量background=“transparent”# 背景设置为透明)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存图像到本地文件withopen(“futuristic_cityscape.png”,“wb”)asf:f.write(image_bytes)图像编辑：对现有图像进行编辑。以下是一个示例代码：importopenai# 初始化OpenAI客户端client=openai.OpenAI()# 调用图像编辑APIresult=client.images.edit(model=“gpt-image-1”,# 指定模型image=open(“input_image.png”,“rb”),# 上传需要编辑的图像mask=open(“mask.png”,“rb”),# 上传蒙版图像prompt=“Replace the sky with a starry night”,# 编辑提示size=“1024x1024”,# 图像尺寸quality=“high”# 图像质量)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存编辑后的图像到本地文件withopen(“edited_image.png”,“wb”)asf:f.write(image_bytes)使用参考图像生成新图像：上传多张参考图像生成新的图像。以下是一个示例代码：importopenai# 初始化OpenAI客户端client=openai.OpenAI()# 调用参考图像生成APIresult=client.images.edit(model=“gpt-image-1”,# 指定模型image=[open(“body-lotion.png”,“rb”),open(“bath-bomb.png”,“rb”),open(“incense-kit.png”,“rb”),open(“soap.png”,“rb”),],# 上传参考图像prompt=“Generate a photorealistic image of a gift basket on a white background labeled ‘Relax & Unwind’ with a ribbon and handwriting-like font, containing all the items in the reference pictures”,# 生成提示size=“1024x1024”,# 图像尺寸quality=“high”# 图像质量)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存生成的图像到本地文件withopen(“gift_basket.png”,“wb”)asf:f.write(image_bytes)GPT-image-1的应用案例Adobe：集成到Firefly和Express应用中，提供不同图片风格。Figma：基于简单提示生成和编辑图像，帮助设计师快速获取想法。HeyGen：增强头像创建和编辑功能。Wix：帮助用户快速将想法转化为现实。Photoroom：帮助在线卖家基于产品照片创建工作室品质的视觉效果。GPT-image-1的应用场景创意设计：快速将草图转化为高质量图形元素，支持高保真视觉编辑。电商与营销：生成产品展示图、营销海报和社交媒体图像，提升视觉效果。品牌设计：创建可编辑的徽标、品牌视觉资产和专业排版。视频创作：增强视频编辑功能，生成高质量头像和动画效果。教育与内容创作：生成教学插图和创意内容，辅助教育和创作。# 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Hyprnote - 开源AI会议笔记工具，实时记录会议生成总结下一篇Eagle 2.5 - 英伟达推出的视觉语言模型相关文章Voost – 创新的双向虚拟试穿和试脱AI模型AI小集3清言PPT – 智谱清言联合AiPPT推出的PPT生成智能体AI小集27HumanVid – 专为人类图像动画生成而设计的高质量数据集AI小集3WorkSwarm – openJiuwen 推出的蜂群办公智能体AI小集3Relay.app – AI自动化工作流创建平台AI小集2AIChatru.ru – 免费在线AI聊天平台，支持GPT-4o、Claude 3.5 SonnetAI小集5暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！5小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务7小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成8小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型8小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent13小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）16小时前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型16小时前H3-World – 腾讯联合高校等开源的动作可控世界模型17小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型1天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型2天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前

LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型AI工具1天前发布AI小集02LLaDA-Image是什么LLaDA-Image 是蚂蚁集团 inclusionAI 开源的 6B 参数统一图像生成与编辑模型。模型采用先纯图预训练、后语言对齐的创新路线，用全扩散架构（LLaDA2.0-mini 理解 + 6B DiT 生成）实现文生图、指令编辑和中英文字渲染。Turbo 版仅需 2–4 步可出图，在 Qwen-Image-Bench 中英文双赛道均获开源第一。LLaDA-Image的主要功能文本到图像生成：根据自然语言描述生成高保真、细节丰富的照片级图像。指令式图像编辑：上传参考图并输入自然语言指令，精准修改指定区域同时保持其余部分不变。中英双语文字渲染：在生成图像中准确呈现中文和英文文本，支持海报、排版及艺术字设计。VQ 条件生成：基于视觉量化（VQ）token 作为条件输入，实现可控的图像生成。参考图编辑：以上传图片为参考，进行风格迁移、内容修改等编辑操作。Turbo 快速推理：蒸馏版模型仅需 2–4 步采样可生成 1024×1024 高质量图像。LLaDA-Image的技术原理全扩散统一架构：模型由理解模块 LLaDA2.0-mini（基于 MoE 的扩散语言模型）和生成模块 6B DiT 组成，两者后端均为扩散模型，通过 Connector 桥接，实现语义理解与像素生成的解耦。分阶段训练策略：采用”先学会画，再学会听话”的路线，先进行纯图像预训练和中期训练建立强视觉生成先验，再引入成对语言监督完成文本-视觉对齐。高质量数据构建：生成训练累计使用约 2.2 亿样本，其中 98% 为真实图像；语言对齐阶段的图文描述由 Qwen 系列大模型生成并校验，确保指令跟随的准确性。高效训练优化：全链路使用参数无关的 RMSNorm 替代 LayerNorm，并采用 Muon 优化器，提升大规模训练的稳定性和效率。Twin-DMD 快速蒸馏：Turbo 版本通过 Twin-DMD 蒸馏技术将 Base 模型压缩，2–4 步采样可生成 1024×1024 高质量图像，实现速度与质量的平衡。微信关注回复“开源”，加入AI开源项目交流群如何使用LLaDA-Image环境配置：安装 Python 3.11、PyTorch 2.8、Diffusers 0.39.0 及 FlashAttention 2.8.3 等依赖，搭建本地推理环境。获取权重：从 Hugging Face 或魔搭 ModelScope 下载 LLaDA-Image（高保真版）或 LLaDA-Image-Turbo（快速版）的模型文件。文本生成图像：加载模型后输入描述文本，Base 版设置 50 步、guidance scale 5.0，Turbo 版设置 2–4 步、guidance scale 1.0，生成 1024×1024 图像。指令编辑图像：上传参考图并输入自然语言编辑指令（如”将背景换成海边”），模型自动保持未编辑区域不变。注意尺寸规范：文生图与 VQ 条件生成的输入尺寸需为 16 的倍数，编辑任务需为 32 的倍数。LLaDA-Image的核心优势开源性能领先：在 Qwen-Image-Bench 中英文双赛道均获开源模型第一，整体得分超越 FLUX.2 Max 等主流开源模型。统一生成编辑：单一模型同时支持高质量文生图与精细指令式图像编辑，无需切换不同模型。极速推理：Turbo 蒸馏版仅需 2–4 步采样即可生成 1024×1024 高保真图像，大幅缩短等待时间。中英文字渲染：具备出色的中英文文本生成能力，可胜任海报、排版、艺术字等设计类任务。照片级真实感：基于 98% 真实图像的预训练数据，生成结果具有自然光照、丰富细节和高度真实感。LLaDA-Image的项目地址GitHub仓库：https://github.com/inclusionAI/LLaDA-ImageHuggingFace模型库：https://huggingface.co/collections/inclusionAI/llada-imagearXiv技术论文：https://arxiv.org/pdf/2609.03796LLaDA-Image的同类竞品对比对比维度LLaDA-ImageFLUX.2 [dev]开发团队蚂蚁集团 inclusionAIBlack Forest Labs参数量6B（DiT）+ 扩散语言理解模块32B（dense）底层架构全扩散统一架构（DiT + dLLM）Flow Matching生成与编辑单一模型统一支持文生图与指令编辑需配合 FLUX Kontext 分支实现编辑快速推理Turbo 版 2–4 步出图Klein 蒸馏分支 4 步出图中英文字渲染原生支持，海报与排版效果突出英文优秀，中文支持相对有限训练数据透明度论文披露 2.2 亿样本、98% 真实图像未公开具体数据构成LLaDA-Image的应用场景电商视觉设计：根据商品描述一键生成产品主图，或通过指令快速替换背景、调整光影，降低拍摄与后期成本。营销海报制作：用出色的中英文字渲染能力，直接生成带品牌 Slogan、活动信息的商业海报与社交媒体配图。社交媒体内容创作：为博主和创作者提供照片级人像、风景及生活方式图像生成，支持风格化编辑与快速出图。游戏与影视概念设计：基于文本快速产出角色、场景概念图，并通过指令迭代修改细节，加速前期创意流程。个人摄影修图：上传照片后用自然语言指令完成去杂物、换天空、调色调等操作，保持未修改区域不变，替代复杂修图软件。# 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YoLive - Yoroll 推出的实时 AI 互动剧情直播平台下一篇MiniCPM5-2B - 面壁智能联合清华开源的端侧语言基座模型相关文章Gemini Fullstack LangGraph Quickstart – 谷歌DeepMind开源的全栈AI研究助手AI小集4Wavtool – AI驱动基于浏览器的在线音乐创作平台AI小集2炉米Lumi – 字节跳动推出的AIGC图像创作平台AI小集16VMB – 中科院联合多所高校机构推出增强多模态音乐生成的框架AI小集2Notiv – AI学习工具，自动分析笔记生成复习题AI小集2Style AI – AI图像处理工具，支持图像、视频生成与风格转换AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务5小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成5小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型5小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent10小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）14小时前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型14小时前H3-World – 腾讯联合高校等开源的动作可控世界模型14小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型1天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前Claude Commerce Agents – Anthropic 开源的电商 Agent2天前

北京时间 9 月 9 日，据路透社报道，Meta 周二正式发布了其长期宣传的 AI 助手，该助手可自主代表用户完成发送邮件、卖车及预订旅行等任务。不过，Meta 内部担忧这项技术在处理敏感个人数据的访问权限时存在管理不善的问题。这款 AI 智能体名为 Muse，在 Meta 内部称 Hatch，是该公司 CEO 马克 · 扎克伯格 (Mark Zuckerberg) 计划的核心产品。他想要向每天使用 Meta 服务的数十亿用户提供“个人超级智能”。该计划是 Meta 为实现收入多元化、减少对广告依赖的最新尝试，同时也希望利用其在 AI 芯片及其他基础设施上的巨额投资打造一项可持续业务。Meta 预计今年在此方面的投入将超过 1300 亿美元。Meta 在公告中表示，Muse 初期仅在美国上线，用户可通过专门的 Muse 应用或 Meta 旗下 WhatsApp 通讯服务使用。Meta 称“很快”会将这一智能体添加到其智能眼镜产品线中，但未透露具体细节。Meta 发言人表示，该智能体将提供免费基础版本，同时推出每月 20 美元和每月 100 美元的订阅套餐，以满足更高频使用需求。Meta 表示，用户可以选择退出，不让自己的交互数据用于训练 Meta 的 AI 模型，公司计划在今年晚些时候推出 Muse 的加密版本。安全问题Meta 表示，Muse 以开源 AI 智能体 OpenClaw 为模型，设计上能够访问用户在电子邮件、日历、支付、健康、购物及智能家居等各类应用中的数据。用户可自行选择 Muse 连接哪些应用，并有权随时撤销其访问权限。每个 Muse 智能体均运行在独立的虚拟机上，即基于云端的个人电脑模拟环境，这使得它即使用户未主动使用，也能在后台持续执行任务。与存储用户真实数据的各类应用同步，既提升了智能体的实用价值，也大幅增加了安全风险，这不仅关系到那些将个人信息交给智能体处理的用户，也关系到可能受到智能体错误操作影响的其他人。Meta AI 产品副总裁维沙尔 · 沙阿 (Vishal Shah) 向路透社表示，公司曾于今年 4 月推迟该产品的发布，以进一步提升安全性。他表示，Meta 认为额外的准备工作已使其“跨过门槛”，“达到了将这一产品交到人们手中所需的最低标准”。“不能说永远不会出错，但架构的每一个环节都经过精心设计，力求将安全性、可靠性和隐私保护做到我们力所能及的极致。”沙阿称。Meta 在公告中称，其为 Muse 系统内置的多项保护措施中，包括一个独立的监控智能体，该智能体会对计划执行的操作进行审查，并在特定情况下要求 Muse 在执行前获得用户授权。内部测试喜忧参半然而，据路透社看到的内部帖子显示，就在本周，Meta 员工对该工具的测试结果仍喜忧参半。有员工写道，该产品在安排度假行程方面极为实用，以至于 Muse 成了他们最近一次为期三周的印尼蜜月之旅中的“第三位参与者”。但也有员工报告了严重的安全漏洞。例如，智能体在收到“找出孩子生日派对照片中出现的玩具”的指令后，绕过安全限制，暴露了用户个人 iCloud 中的照片。Meta 首席技术官安德鲁 · 博斯沃思 (Andrew Bosworth) 发帖称，他反复被强制登出，需要不断重新登录，有时几分钟内就要遭遇好几次。在另一篇帖子中，一名曾让 Muse 监控门票及其他容易售罄商品的员工表示，自己遇到了“许多导致其无法可靠运行的故障模式”。这名员工称，该产品运行约 15 分钟后就停止刷新页面，会默默忽略其他错误，有时还会“毫无明显原因地”关闭监控功能。截至发稿，Meta 未就内部帖子中描述的具体事件回应置评请求。

Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型AI工具5小时前更新AI小集02Ling-3.0-flash-VL是什么Ling-3.0-flash-VL 是蚂蚁 InclusionAI 百灵系列首个开源的原生多模态大模型，基于Ling-3.0-flash的 MoE 架构拓展，总参数 124B、单次推理仅激活 5.5B，原生支持图文与视频输入，上下文窗口达 256K Token。Ling-3.0-flash-VL 能让模型像人一样边观察、边行动、边验证修正，把任务从一次性生成变成可靠的持续交付。Ling-3.0-flash-VL的主要功能实时视觉交互：打开摄像头边看边聊，可识别动植物、地标、车型并实时翻译外语标识。视觉反馈编程：根据网页截图生成前端代码，并对照渲染结果自我修正，实现网页复刻。GUI Agent：识别界面结构与操作状态，跨工具完成任务，如查网页数据、整理 Excel、生成图表。医疗报告解读：提取血常规、生化、影像等跨页跨期指标，以红黄绿灯展示健康风险。实时学习伙伴：在课程视频中结合画面识别公式板书，即时答疑并生成练习。长视频高光剪辑：对小时级球赛视频执行”定位→截取→验证→修正”，自动合成高光集锦。Ling-3.0-flash-VL的技术原理MoE 高效稀疏架构：模型基于 Ling-3.0-flash 拓展，总参数 124B，每次推理仅激活 5.5B 参数，在保证能力的同时大幅压缩算力开销，适合作为 Agent 工作流中的高频执行节点。原生多模态联合训练：图像、文本、视频在同一训练中共同优化，非先训文本再外挂视觉模块。实践证明视觉信息的引入不仅没拉低文本能力，反而在 Artificial Analysis Intelligence Index 上带来 4 分提升。任意分辨率视觉编码与 VideoRoPE：引入任意分辨率视觉编码器处理不同尺寸的图文输入，配合 VideoRoPE 位置编码实现对原生视频的理解，无需将视频拆帧降级为图像序列。KDA 与 Gated MLA 混合语言主干：语言部分沿用 42 层混合架构，用 5:1 的比例交替排列线性注意力机制 KDA 与门控版 MLA，兼顾长上下文效率与建模精度，支撑 256K Token 的上下文窗口。视觉反馈闭环机制：模型引入”观察→行动→验证→修正”的循环执行模式，将任务从一次性生成转变为多轮迭代：先理解视觉信息并行动，再观察执行结果与目标比对，发现偏差后修正策略，保证交付结果的可靠性与可验证性。微信关注回复“开源”，加入AI开源项目交流群如何使用Ling-3.0-flash-VL在线体验：打开官网：访问 Ling Studio官网 https://chat.ant-ling.com/chat。免费使用：当前处于免费体验期，登录后可直接对话。上传素材：输入文字提示，同时可上传图片或视频进行多模态交互。尝试场景：可测试网页截图复刻、视频提问、拍照识别等典型能力。本地部署：下载模型：从 Hugging Face 或 ModelScope 获取开源权重，BF16 与 FP8 版本已可用，FP4/INT4 版本即将推出。准备环境：配置支持该参数规模的推理环境。加载推理：使用主流推理框架加载模型，原生支持图文与视频输入，上下文可扩展至 256K Token。接入工作流：通过 API 将其作为视觉 Agent 的执行节点，嵌入”观察→行动→验证→修正”的多轮任务流程中。Ling-3.0-flash-VL的核心优势多模态反哺文本：原生多模态联合训练不仅没有削弱文本能力，反而在 Artificial Analysis Intelligence Index 上较纯文本版提升 4 分。视觉反馈闭环：通过”观察→行动→验证→修正”的迭代机制，把任务从一次性生成升级为可靠、可验证的持续交付。极致推理效率：124B 总参数下单次推理仅激活 5.5B，大幅降低算力与 Token 开销，适合高频多轮调用。超长上下文：原生支持 256K Token，可轻松应对长文档解析、长视频分析与多步骤 Agent 的历史记忆。全模态原生输入：引入任意分辨率视觉编码器与 VideoRoPE，原生处理图像、文本与视频，无需拆帧降级。实测成绩亮眼：在 Image-to-WebDev Arena 评测中，以 5.5B 激活参数的规模得分超过 GPT-5.4。Ling-3.0-flash-VL的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-flash-VLhttps://huggingface.co/inclusionAI/Ling-3.0-flash-VL-fp8Ling-3.0-flash-VL的同类竞品对比维度Ling-3.0-flash-VLQwen2.5-VL-72B模型架构MoE 稀疏架构Dense 稠密架构参数规模总参数 124B，单次推理仅激活 5.5B72B，每次推理需激活全部参数推理成本激活量小，算力与 Token 开销显著更低推理算力开销较高上下文窗口256K Token最高约 128K Token视觉机制视觉反馈闭环（观察→行动→验证→修正）以单轮视觉理解为主视频能力原生视频理解（VideoRoPE），支持小时级长视频支持视频输入理解文本能力多模态训练反哺文本，Intelligence Index 较纯文本版 +4视觉训练对文本影响中性Ling-3.0-flash-VL的应用场景前端开发与网页复刻：根据设计稿截图生成可运行网页代码，并通过渲染比对持续自我修正。GUI 自动化办公：跨软件执行任务，如抓取网页数据、整理进 Excel、自动生成图表。医疗报告辅助解读：整合血常规、生化、影像等多类报告，提取异常指标并以红黄绿灯分级展示健康风险。在线教育学习伙伴：观看课程视频时结合画面讲解公式与板书，即时答疑并围绕知识点生成练习。体育赛事高光剪辑：对小时级比赛长视频执行”定位→截取→验证→修正”，自动合成流畅的精彩集锦。# 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XiaoMi MiMo Desktop - 小米推出的桌面端通用 AI Agent下一篇Virse - AI 设计创意工作台，支持个性化检索与内容生成相关文章QuickCreator – 为出海企业设计的AI SEO写作工具AI小集2Transfusion – Meta推出的文本与图像融合的多模态AI模型AI小集3Ming-omni-tts – 蚂蚁集团开源的统一音频生成模型AI小集2LitLit（立理） – AI学术工作站，精准筛选与研究问题高度相关的文献AI小集3启元重症大模型 – 腾讯和迈瑞医疗联合推出的重症医疗大模型AI小集3Claude Fable 5 – Anthropic 推出的最强 AI 模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务5小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成5小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent10小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）14小时前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型14小时前H3-World – 腾讯联合高校等开源的动作可控世界模型14小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型1天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型1天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前Claude Commerce Agents – Anthropic 开源的电商 Agent2天前

XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI AgentAI工具10小时前发布AI小集02XiaoMi MiMo Desktop是什么XiaoMi MiMo Desktop 是小米推出的桌面端通用 AI Agent，内置新一代 MiMo-X-Pro/Flash 双模型。模型可直接读取表格、PDF、音视频等多格式素材，自动拆解任务、调用工具，交付可编辑的文档、PPT、网页、3D模型等成果。XiaoMi MiMo Desktop Smart 模式能按任务复杂度自动调度模型与 Agent，支持浏览器操控、成果局部修改与版本回退，同会话缓存命中率最高达99%，主打长任务下的质量与成本控制。XiaoMi MiMo Desktop的主要功能多格式素材直读：直接读取表格、PDF、音视频、压缩包等素材，自动拆解任务并交付可编辑的文档、PPT、网页、3D 模型等成果。可交互预览：预览的是可点击、可操作、可继续修改的完整页面。局部编辑：选中任意元素用自然语言描述修改，只重生成改动部分，并保留版本记录可回退。Smart 调度：自动评估任务复杂度，动态路由模型、Agent、Skill，支持多会话协同作战。浏览器操控：自主打开网页、检索信息、填表单、提取素材，能自动验证生成的网页。成本可控：模型路由 + 局部编辑 + 上下文缓存三重优化，同会话缓存命中率最高 99%。如何使用XiaoMi MiMo Desktop申请邀测：访问XiaoMi MiMo Desktop官网 https://mimo.xiaomimimo.com/desktop/invite/ 提交申请。下载安装：审核通过后下载桌面客户端并登录。投喂素材：直接把表格、图片、PDF、音视频甚至压缩包拖进会话，无需提前整理格式。描述目标：用自然语言说明要做什么，如”调研徽派建筑并产出图文报告”。Smart 自动执行：无需选模型和 Agent，系统自动拆解任务、调度工具并行执行。实时预览：在右侧面板实时查看可点击、可操作的成品（网页/PPT/3D等）。局部修改：选中不满意的元素或段落，用批注描述修改意见。版本管理：对比不同方案或回退历史版本，满意后导出成果。XiaoMi MiMo Desktop的核心优势模型自研：背靠小米自研 MiMo 模型，模型与产品深度协同优化。双模型组合：MiMo-X-Pro 追求智能上限、MiMo-X-Flash 主打性价比，Smart 模式按任务复杂度自动调度。交付而非回答：直接交付可继续编辑的 PPT、网页、3D 模型、App 等完整成果。局部可控：选中任意元素精准修改，只重生成改动部分，避免”改一处错一片”。缓存极致：同会话缓存命中率最高 99%、跨会话 95%，长任务 Token 成本大幅降低。多 Agent 协同：复杂任务自动拆分为多个子代理并行执行，失败自动重派。审美在线：实测中文写作”AI 味”更淡，网页与 PPT 设计高级感强。XiaoMi MiMo Desktop的同类竞品对比对比维度XiaoMi MiMo DesktopWorkBuddyLoomy豆包工作底层模型自研 MiMo-X 双模型（Pro+Flash）内置模型 + 支持 Custom API（可接 OpenAI 兼容端点/Ollama）多模型切换（DeepSeek/MiniMax/星火，需自配 API Key）豆包 2.1 Turbo / Pro + Seedream 5.0 图 + Seedance 2.5 视频模型调度Smart 模式自动路由模型/Agent/Skill多 Agent 并行规划执行依赖 OpenClaw 技能体系，手动选模型Auto 模式自动选择，可组多 Agent 小队交互预览✅ 可点击操作的完整页面实时预览交付成品文件为主本地任务执行，预览能力弱✅ 支持生成内容实时查看与定点编辑局部编辑✅ 选中元素精准修改 + 版本回退未明确未明确✅ “指哪改哪”框选修改缓存/成本⭐ 同会话命中最高 99%，跨会话 95%未公开取决于自接 API 成本阶梯付费 68/200/500 元/月，基础功能永久免费IM/生态打通暂未提及微信/企微/小程序远程 + 开放平台（30+硬件品牌）飞书/钉钉/QQ + SkillHub 技能生态⭐ 深度打通飞书（继承企业上下文与权限）安全机制未公开信任梯度模式⭐ 目录级隔离 + 二次确认继承飞书权限体系 + 全链路审计长任务上下文缓存优化长任务成本支持支持⭐ 云电脑续跑，本地关机不中断XiaoMi MiMo Desktop的应用场景办公提效：读取表格、PDF、录音等素材，自动梳理内容并交付可编辑的 PPT 与调研报告。网页游戏开发：根据自然语言描述生成交互完整的网页和游戏原型，支持实时预览与局部修改。深度研究：并行调度多个子代理查证资料，输出区分实测数据与工程判断的严谨报告。3D 建模：依据参考图片自动操控 Blender 完成建模与渲染，交付可直接打开编辑的模型文件。工具开发：诊断软件缺陷并自动编写插件或脚本，一次性交付可用成果。# 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。上一篇用 DeepSkill 搞定文献综述和数据分析（84个技能实测）下一篇Ling-3.0-flash-VL - 蚂蚁开源的原生多模态大模型相关文章YouStory – AI故事书生成平台，个性化故事创作AI小集211款免费好用的AI翻译工具和软件，覆盖100+语言AI小集12Piktochart – AI设计工具，文字生成多类型视觉内容AI小集2Pineapple Builder – AI驱动的网站构建器，简单描述生成个性化网站AI小集2ANTO – 开源的Windows桌面字幕翻译工具AI小集3GPTExcel – AI电子表格助手，自动化脚本编写、SQL 查询生成AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务5小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成5小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型5小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）14小时前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型14小时前H3-World – 腾讯联合高校等开源的动作可控世界模型14小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型1天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型1天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前Claude Commerce Agents – Anthropic 开源的电商 Agent2天前

ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型AI工具14小时前发布AI小集03ChatGPT Images 2.5是什么ChatGPT Images 2.5 是 OpenAI 推出的新一代图像生成模型，面向ChatGPT、ChatGPT Work及Codex全档位用户开放。模型生成延迟最高降低50%，编辑更精准、多轮修改一致性更强，参考照片人物保真度更高。新增 Sketch 手绘参考、模板、图片评论编辑和提示词分享功能；API 端推出 Flare 与 Sunburst 两款模型。ChatGPT Images 2.5的主要功能精准局部编辑：只修改指定的产品、背景或文字等元素，其余构图和风格保持不变。多轮编辑一致性：长对话中反复修改同一张图，前几轮成果不再漂移、画质不衰减。参考图保真：基于真人照片、宠物照生成新场景新风格时，能更好保留主体关键特征。Sketch 手绘输入：在对话框输入 @Sketch 画草图，AI 按草图构图生成完整图片。创作模板：提供海报、商品图等高频格式模板，填信息即可出图，省去写提示词。图片评论编辑：直接在图上圈点位置留言（类似 Figma），AI 只改标注区域。提示词分享：分享图片时附带生成提示词，他人可换用自己的照片复现同款创意。ChatGPT Images 2.5的技术原理延迟降低 50%：视觉 token 压缩率提升、并行/推测解码、量化与缓存优化等推理侧加速；API 端拆出 Flare（快）与 Sunburst（精）两档，本质是把精度-速度预算做成产品旋钮，让开发者按需购买等待时间。精准编辑与多轮一致性：模型多轮修改中早期结果保持稳定、画质不随轮次衰减；模型”理解什么不该改”。具体训练方法（指令微调/RLHF/区域重生成策略）官方未公开，只能确定能力层面针对”局部修改不破坏整体”做了专项优化。如何使用ChatGPT Images 2.5直接对话生成：在ChatGPT（桌面/移动/网页）中用自然语言描述需求即可出图，免费版以上全档位可用。上传参考图：发送照片，要求模型在保留主体特征的前提下换场景、换风格或二次创作。多轮对话精修：对生成结果持续追加修改指令，模型会只改指定部分、保持其余元素不变。图片评论编辑：直接在图片上圈选位置并留言（如”这里改成蓝色”），无需重写提示词。Sketch 手绘：在对话框输入 @Sketch 打开画板，画草图配文字描述，AI 按草图构图生成成品。模板起手：选择海报、商品图等模板，填入要传达的信息和风格要求即可快速出图。分享提示词：分享图片时勾选附带 Prompt，他人可导入自己的照片复现同款创意。API 调用：开发者通过 Images API 选择 GPT-Image-2.5 Flare（快速批量）或 Sunburst（高精度精修）接入自家产品。ChatGPT Images 2.5的核心优势速度快：生成延迟较上一代最高降低 50%，Flare 实测出图速度可达 GPT-Image-2 的 24 倍。编辑准：能只修改指定的产品、背景或文字等元素，其余构图、光照和风格保持不变，”指哪打哪”。多轮稳：长对话中反复修改同一张图，早期编辑结果不漂移、画质不随轮次衰减。保真强：基于参考照片生成时，人物、宠物等主体的关键特征保留度更高，面部不再”换人”。文字准：中文渲染能力突出，海报、邀请函等文字内容不再乱码，还能处理透明背景等复杂排版。交互新：支持 Sketch 手绘草图、图片圈选评论、模板起手等可视化创作方式，不再只靠打字调提示词。ChatGPT Images 2.5的同类竞品对比对比维度ChatGPT Images 2.5Nano Banana Pro架构路线自回归生成（GPT-Image 2 同架构迭代）Gemini 3 Pro 多模态 + “Thinking” 推理生成速度较 2.0 延迟降 50%，Flare 实测为 GPT-Image-2 的 24 倍单张约 815 秒（4K 需 1520 秒），基础版约 3 秒分辨率最高约 1536×1024（1.57MP）原生最高 4K（3840×2160，约 8.3MP）参考图能力参考照片主体保真度大幅提升，多轮编辑不漂移单次最多融合 14 张参考图、最多保持 5 个角色一致文字渲染中文乱码消失，海报/邀请函文字准确业界最强文字渲染（支持 10 种语言检测翻译），4K 下小字清晰编辑精度圈选评论式精准局部编辑，多轮一致性是强项（”理解什么不该改”）单次指令编辑精准，但多步编辑易”连动”改坏其他部分风格倾向艺术风格更强、风格多样（官方称”更贴近你的艺术愿景”）更偏写实、电影感精致，复杂空间逻辑更准交互创新Sketch 手绘、图片评论、模板、提示词分享常规对话编辑，无手绘入口API 档位Flare（快）/ Sunburst（精）双档分层minimal / high（Thinking）两档ChatGPT Images 2.5的应用场景电商与营销设计：对商品图做局部替换（背景、文案、配色）而不重拍，一人即可完成上新素材的快速迭代。社交媒体内容创作：用模板批量产出海报、封面图，配合提示词分享机制低成本复制爆款视觉风格。个人影像与纪念创作：把老照片重置为高清电子版，或将家人照片转为复古写真、艺术肖像且保持人物特征不变。影视与广告预视觉化：基于参考照片合成”幕后自拍”、角色海报等概念图，人物姿态与构图稳定，适合前期提案。UI/演示与信息图：生成带准确文字排版的演示页、信息图、透明背景素材，通过 API（Flare/Sunburst）嵌入设计协作流程。# 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H3-World - 腾讯联合高校等开源的动作可控世界模型下一篇用 DeepSkill 搞定文献综述和数据分析（84个技能实测）相关文章GLM-5.1 – 智谱推出的最强开源模型，8小时长程任务执行AI小集4Amazon Q – 亚马逊推出的专为IT专业人士和开发人员设计的AI助手AI小集3Emu3.5 – 智源研究院推出的多模态世界大模型AI小集3MiMo-VL – 小米开源的多模态大模型AI小集3Horizon – 开源 AI 信息聚合系统，构建专属新闻雷达AI小集4Unique3D – 清华大学团队开源的图像到3D生成模型AI小集12暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！3小时前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务5小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成5小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型5小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent10小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）14小时前H3-World – 腾讯联合高校等开源的动作可控世界模型14小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型1天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型1天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型1天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前问卷派 – AI 调研智能体，AI 对话生成定制化报告2天前WikiSkill – 谷歌推出的 Agent 技能进化框架2天前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型2天前Claude Commerce Agents – Anthropic 开源的电商 Agent2天前

vivago R1- 智象未来推出的无限时长多模态创作智能体AI工具1天前更新AI小集02vivago R1是什么vivago R1 是智象未来（HiDream.ai）推出的全球首个无限时长内容创作智能体，国内版名为「够搭」。平台采用 Chat-First 对话式创作，用户用自然语言可一站式完成从创意、脚本、分镜到成片的全流程，首个实现一次性稳定输出 5 分钟高质量视频并支持无限延长。依托原生全模态模型与 HD-AgentOS 调度，内容可用率达 85%，并首创 CHATS™ 视频 Agent 交付标准，让普通人能产出专业级作品。vivago R1的主要功能5分钟长视频生成：一次性稳定输出5分钟高质量视频，支持无限次延长。Chat-First对话创作：用自然语言描述创意即可成片，多轮对话中持续调整，无需搭建复杂工作流。联网搜索理解：自动搜索网络热梗和素材来源，理解”人类暗号”后再进行创作。SkillHub技能库：预置Story Ad Director、OOTD Advisor等场景化技能，把AI能力翻译成真实创作任务。资产库沉淀：保存生成并认可的内容，命名后跨项目复用，一次创作成为下次创作的素材。全模态项目制：文本、图片、视频、文档纳入同一语境，围绕同一项目持续推进而非孤立生成。HD-AgentOS调度：主Agent拆解创意、子Agent分工执行，内容可用率达85%，降低”抽卡”概率。如何使用vivago R1打开官网：访问 vivago R1（国内版「够搭」）官网 https://goudaai.com/ 或vivago.ai（海外版），进入对话式创作界面。输入创意：用自然语言描述想法，支持上传图片、文档等素材，输入/可调用 SkillHub 技能。Agent匹配技能：系统自动理解意图并匹配对应 Skill。确认分镜方案：Agent 先生成脚本、分镜和关键画面，你确认创作方向后再继续生成视频。生成与查看：视频在画布区结构化呈现，可随时查看每个镜头的生成进度和结果。对话迭代调整：对不满意的镜头直接用对话提出修改意见，如”换成冷蓝色调”，Agent 会持续优化。存入资产库：将满意的角色、场景、穿搭等内容命名保存，供后续创作直接调用。导出成片：完成所有镜头后下载最终视频，即完成从一句话到成品的全流程。vivago R1的核心优势长视频确定性交付：全球首个可一次性稳定输出5分钟、支持无限延长视频的Agent，从”生成片段”跃迁到”交付完整作品”。85%高可用率：自研HD-AgentOS调度系统将内容有效可用成功率提至85%，大幅降低”抽卡”和返工成本。Chat-First零门槛：对话式交互替代节点/画布工作流，用户一句话即可启动从创意到成片的全流程。跨镜头强一致性：角色形象、声音特征、场景风格在数十个镜头间保持稳定，弱化”塑料感”和”瞬移感”。原生全模态架构：文本、图片、视频、文档、历史创作纳入同一任务语境，Agent理解”任务全貌”而非单点指令。SkillHub场景化翻译：预置广告、短片、穿搭等真实场景技能，让用户秒懂”AI能帮我做什么”。资产库复用沉淀：生成内容可命名入库、跨项目调用，越用越贴合个人风格，形成专属数字资产。首创CHATS™标准：以一致性、意图理解、视听完整度、叙事、稳定性五维度定义视频Agent交付标准，引领行业。vivago R1的同类竞品对比维度vivago R1Mootion所属公司智象未来（HiDream.ai）Mootion核心定位无限时长多模态创作智能体无时长限制 AI 视频制作工具时长支持任意时长，全品类无限制适配10 分钟以上，无硬性时长上限系统架构HD-AgentOS 多智能体协同调度脚本驱动三步生成流程创作链路任务理解→故事构思→分镜脚本→素材生成→成片，全链路原子化封装脚本→分镜→成片，线性三步流程长任务能力具备长任务思考能力，自主完成逻辑构思、镜头排布与风格校准侧重叙事连贯性，但未强调复杂长任务自主规划可用率/成功率内容可用成功率 85%未公开具体可用率数据生成速度—比竞品快 65%核心优势多智能体协同、全链路可控、风格与人设统一、可直接商业交付操作简单、生成速度快、叙事连贯性好vivago R1的应用场景短剧创作：自主完成从剧本解析到成片的全链路生成，保障任意时长内叙事连贯与角色一致。品牌宣传片：精准控制画面风格与品牌调性，实现高稳定、可直接交付的商业级视频产出。专题纪录片：依托长任务思考能力维持复杂叙事逻辑，避免长周期制作中的断层与人设崩塌。社媒内容矩阵：持续批量产出风格统一的系列短视频与长视频，适配不同平台体裁的分镜要求。影视预演与成片：多智能体协同模拟专业团队分工，降低长周期影视制作的人力与时间成本。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇LoHoSearch - 美团推出的下一代搜索智能体评测基准下一篇Matrix -Game3.5 - 昆仑万维开源的实时流式交互世界模型相关文章CCI 3.0 – 智源研究院发布的大规模的中文互联网语料库AI小集2SuperDesign – 开源AI设计Agent，并行生成多个设计选项AI小集3potpie.ai – AI代码库Agent构建平台，自动化代码分析、测试和开发任务AI小集4Plantin – AI植物识别应用，能检测植物病虫害提供治疗建议AI小集2AlphaGenome – 谷歌推出的AI基因变异预测模型AI小集2NextChat – 一键搭建私人ChatGPT网页应用的开源项目AI小集4暂无评论再想想发表评论暂无评论…

Super fast, Super intelligent这是今天下午华为秋季发布会上，余承东在介绍麒麟 9050 Pro 时脱口而出的一句英文。六年前 Mate 40 系列发布会上，余承东也是操着一口不算太流利但底气十足的英文在讲芯片。时隔六年，华为再次把一颗全新的高性能麒麟芯片端上了旗舰发布会的舞台。同场发布会上，华为还端出了两台形态走向完全相反的手机：一台是换了全新结构的折叠旗舰 Mate XT 2，另一台则是索性不做折叠、把屏幕直接拉宽的 Pura X View，两台机器都在尝试打破主流手机细长带鱼屏形态的审美疲劳。8500 万台之后，HarmonyOS 7 开始把「智能」放进系统各处按照惯例，发布会由生态大盘数据开场。余承东公布的最新数据是：HarmonyOS 6 和 7 的终端设备总数跨过了 8500 万台。8500 万的数据融合了 HarmonyOS 6 和 7 的在网设备。官方的推送节奏也跟得很快：发布会刚一结束，超过 50 款机型就已经同步开启公测，从 Mate 80、Mate 70 到 Mate XTs 和 Pura 90，老用户在系统设置里就能直接申请升级尝鲜。向左滑动查看更多内容新系统在锁屏和时钟上加入了 3D 空间光效，方舟存储引擎重新优化了系统底层，256GB 设备能释放出约 22GB，1TB 版本甚至能省出 109GB 的可用空间。AI 方面，小艺在 HarmonyOS 7 中能力再次升级。不需要特意唤醒语音助手对话，它开始直接介入通知聚合、录音纪要整理和短信分类。用户只要说清自己的意图，系统会自动联动日历、地图或表格，减少了在多个 App 间反复切屏的繁琐。从简单的找应用走向跨应用的意图调度，也是大屏交互从视觉放大走向实用工作流的关键一步。星河互联这次也展现出了更开放的姿态。除了自家的平板和 PC，鸿蒙这次支持把来电与通知直接推送到 Apple Watch，负一屏也能查看 AirPods 的电量。手头的苹果配件，鸿蒙设备也能比较自然地兼容接纳。Mate XT 2：从「做出三折叠」走到「把三折叠做完整」19999 元起，Mate XT 2 非凡大师：换上对称展翼与独立外屏Mate XT 2 与上代最直观的变化在折叠结构上。新机采用了中轴对称的「展翼」架构，左右双翼向内收拢，并且加入了一块 6.5 英寸的独立外屏。🔗 相关阅读：华为Mate XT2 首发上手：三折叠展开翅膀，从奇观走进日常合上，它就是一部握感正常的常规直板旗舰；展开，它依然是一块 10.2 英寸的 3K 大屏，极限单薄处做到了 3.5 毫米——大概等同于两枚一元硬币叠在一起的感觉；整机重量来到了 290 克左右。向左滑动查看更多内容在机身防护上，外屏换上了玄武昆仑玻璃，内屏抗冲击提升了 200%，整机还拿到了 IP58 和 IP59 的防尘抗水认证，日常随身使用少了很多顾虑。防窥功能则精准戳中了商务用户的痛点。Mate XT 2 搭载的灵盾防窥屏，让视线在偏离 30 度外直接呈现一片死黑。余承东在现场还展示了把左右两翼立起来当物理隔板，瞬间化身私密小屏风。向左滑动查看更多内容芯片上的麒麟 9050 Pro，最硬核的技术在于逻辑折叠（LogicFolding）——通过 40 纳米级的立体堆叠，把原本平铺的计算单元做成了立体复式楼，信号走垂直互联通道，直接把连线缩短了。配合灵犀 CPU、马良光追 GPU 和达芬奇 NPU，Mate XT 2 的整机性能比 Mate XTs 提升了 42%，甚至能在端侧跑 30B 参数的 MoE 模型。向左滑动查看更多内容影像方面，主摄用上了 1/1.28 英寸传感器和可变光圈，长焦升级到 5000 万像素潜望镜，并配有第三代红枫原色镜头校准色彩。向左滑动查看更多内容软件上，HarmonyOS 7 针对这块 10.2 英寸大屏做了深度优化：不仅支持一屏三应用和 PC 级多窗口，手写笔还能在分屏之间自由圈选拖拽文字。价格方面，Mate XT 2 16GB+256GB 售价 19999 元，512GB 为 21999 元，1TB 为 23999 元；灵盾防窥版 1TB 为 24999 元；配齐手写笔的 16GB+2TB 锦紫顶配版则要 29999 元。9 月 12 日正式开售。Pura X View 与全场景生态：非常规形态不止一台5999 元起，Pura X View：16:9.5 阔直板向带鱼屏发起反叛首次亮相的 Pura X View 依然采用常规直板设计，核心变化在于对屏幕比例的重构。不同于目前主流手机常见的 20:9 比例，Pura X View 配备了一块 16:9.5 的阔型直屏，四边微边框为 1.05 毫米，整机屏占比达到 96.1%。更宽的比例带来了更充裕的横向显示面积，在图文信息流与文本阅读时能容纳更多内容。机身规格方面，整机厚度为 6.68 毫米，重量 201 克，内置 7000 mAh 电池，配备麒麟 9030S 芯片与 2 亿像素主摄。售价方面，12GB+256GB 为 5999 元，512GB 为 6999 元，1TB 为 8499 元。图｜HUAWEI Pura X View11999 元起，Pura X Max：上市四个月卖出 120 万台的阔折叠此前上市的折叠版 Pura X Max 也顺带更新了战况：四个月发货突破 120 万台，并且新增了尼斯蓝和波尔多红两款配色。向左滑动查看更多内容左右滑动图片2799 元起，HUAWEI WATCH 6 系列：腕上小艺与高血压风险评估手表和耳机也迎来了更新。新一代 WATCH 6 系列首发了 HarmonyOS 7，腕上小艺能自动挑出重要短信，X-TAP 智感窗支持 60 秒微体检，还加入了 24 小时高血压风险评估。WATCH 6 售价 2799 元起，Pro 版 3499 元起，9 月 23 日发售。向左滑动查看更多内容6999 元，HUAWEI WATCH Ultimate 2 非凡探索：雪域白与迪桑特联名走高端专业户外路线的 WATCH Ultimate 2 这次推出了雪域白与迪桑特联名款，表圈换成纳米微晶陶瓷，配了防冻编织表带，专为高山滑雪和极寒探险准备，依旧支持 150 米潜水和北斗卫星消息，售价 6999 元。图｜HUAWEI WATCH Ultimate 2 雪域白999 元，HUAWEI FreeBuds 7 悦彰：把降噪做到半入耳的极限音频线上，华为依然坚持做半入耳的 FreeBuds 7 悦彰。耳机单耳只有 4.3 克，戴上去几乎没有异物感，不仅支持星闪 E2.0 无损音质，还把降噪做到了半入耳的极限。但物理定律摆在那里：在安静的办公室或书房，它能给你极其舒适的背景降噪，可要是走进了早晚高峰轰鸣的地铁车厢，半入耳的隔音就不能强求太多了。售价 999 元，今天开售。图｜HUAWEI FreeBuds 7 悦彰耳机特性4499 元起，全新 HUAWEI MatePad Air：2000 尼特柔光 OLED 上屏最后登场的全新 MatePad Air，最大卖点是那块 12 英寸的 2.8K OLED 云晰柔光屏。峰值亮度拉到了 2000 尼特，在靠窗强光或者户外使用时完全不反光。整机厚度仅 5.3 毫米，塞入了 10100 mAh 电池，标准版 5299 元起，柔光版 5899 元起，另有 4499 元起的悦享款。向左滑动查看更多内容整场发布会很长，信息密度很大。从展翼折叠到阔屏直板，再到手腕和耳边，华为这批新品都在尝试打破传统智能设备的物理惯性。随着独立外屏与机身防护的补齐，Mate XT 2 让三折叠真正具备了主力机级别的日常可用性。不过两万元起步的售价，依然把它圈定在极少数高频移动办公的商务人群手中；而 5999 元起的 Pura X View 则走了一条反向路线，用 16:9.5 的阔型直屏给看腻了带鱼屏的重度阅读者带来更舒展的排版视野，前提是你愿意适应更具挑战的单手握持宽度。在常规直板机越来越难做出差异化的今天，华为选择在物理形态上另辟蹊径。但屏幕做大做宽只是第一步，系统交互能否顺手、端侧 AI 能否融入日常，才决定了这些探索到底是一次昂贵的小众尝鲜，还是下一代主流设备的工作流起点。