Hy4 preview – 腾讯混元开源的新一代旗舰大模型AI工具2周前发布AI小集04Hy4 preview是什么Hy4 preview 是腾讯混元推出的开源旗舰大模型，总参数 770B、激活参数 49B、上下文长度达 1M。模型通过与腾讯内部软工、游戏、金融、安全等领域专家深度共建，模型在代码开发、办公分析、游戏制作、科学研究等真实生产力任务上表现卓越，在多项权威基准测试和 203 个工程任务盲测中稳居开源模型第一梯队。科研领域更在分子动力学模拟、量子器件设计及百年几何难题上取得实质性突破。Hy4 preview的主要功能软件工程：增强长程开发任务的理解、规划、调试与验证能力，进一步提升前端开发的视觉审美和交互质量。办公分析：显著提升复杂办公环境理解和金融分析能力，完成从信息处理到文档、表格与演示文稿交付的完整流程。游戏开发：增强一句需求直接生成可玩原型能力，熟练使用游戏引擎，支持多轮交互持续完善复杂游戏项目。科学研究：显著提升复杂科研问题的理解、推理与求解能力，在AI研发、分子动力学模拟、凝聚态物理、基础数学等场景中均有长足进步。推理优化：自主分析推理系统瓶颈，围绕算子融合、通信优化等方向开展多轮优化，端到端吞吐相较基线提升31.8%。实验协调：像研究者一样管理多个Codex Session开展实验，在8项评测上均优于Codex独立探索，体现复杂研发任务中判断方向、组织实验与持续迭代的能力。Hy4 preview的技术原理软件工程：Hy4 preview 显著增强了长程开发任务的理解、规划、调试与验证能力，在大型项目的前端开发中，能主动提升视觉审美和交互质量，生成的代码在真实工程环境中可直接运行并持续迭代。办公分析：模型通过与金融领域专家的高质量数据共建，显著提升对复杂办公环境的理解能力，能处理跨文件协作、数据分析等任务，完成从原始信息处理到最终文档、表格与演示文稿交付的完整办公流程，如自动审核 24 张报销单并交叉比对制度文件。游戏开发：Hy4 preview 具备”一句话生成可玩原型”的能力，能熟练使用 Unreal 5、Unity 等主流游戏引擎，开发者可通过多轮自然语言交互持续完善复杂游戏项目，涵盖场景搭建、玩法逻辑、角色动画混合树及音效系统等完整开发链路。科学研究：在科研场景中，模型展现出复杂问题的深度理解、推理与求解能力，配合 Hyra 智能体在机器学习力场分子动力学模拟中提速 2.0 倍、在低温量子输运器件设计中将泄漏率从 48.2% 降至 4.8%，在百年经典几何难题 3D Blaschke-Lebesgue 问题上将体积下界推进至 0.41104。推理优化：Hy4 preview 能自主分析推理系统的性能瓶颈，围绕算子融合、通信优化等方向开展多轮迭代优化，端到端服务吞吐相较基线提升 31.8%，在不同上下文长度和并发度下均取得稳定收益，验证模型自主定位瓶颈并持续优化基础设施的能力。微信关注回复“开源”，加入AI开源项目交流群如何使用Hy4 preview开源下载：通过 HuggingFace、GitHub、ModelScope 或 GitCode 获取模型权重与代码，支持本地部署与二次开发。API 调用：接入腾讯云 TokenHub 或OpenRouter，按输入 6 元/百万 Tokens、输出 18 元/百万 Tokens 的定价直接调用模型接口。产品体验：在WorkBuddy、CodeBuddy、元宝、ima等腾讯系产品中直接体验 Hy4 preview 的办公与编程能力。在线试玩：访问模型在线体验网址 https://aistudio.tencent.com/，无需配置环境即可在线与模型交互。Hy4 preview的核心优势规模领先：总参数 770B、激活参数 49B、上下文长度 1M，在模型尺寸与长文本处理能力上稳居开源模型第一梯队。真实生产力导向：与腾讯内部软工、游戏、金融、安全等领域顶尖专家深度共建，聚焦代码、办公、游戏等真实场景而非单纯刷榜。科研突破能力：配合 Hyra 在分子动力学模拟提速 2.0 倍、量子器件泄漏率降至 4.8%，并将百年几何难题 3D Blaschke-Lebesgue 的体积下界推进至 0.41104。自我优化推理：能够自主分析系统瓶颈并围绕算子融合、通信优化持续迭代，端到端服务吞吐相较基线提升 31.8%。智能实验协调：像研究者一样管理多个 Codex Session 并行开展实验，在小模型后训练任务中 8 项评测均优于 Codex 独立探索。专家盲测领先：163 名内部专家在 203 个工程任务盲测中，Hy4 preview 均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3。Hy4 preview的项目地址项目官网：https://hy.tencent.com/research/hy4-previewGitHub仓库：https://github.com/Tencent-Hunyuan/Hy4-previewHuggingFace模型库：https://huggingface.co/tencent/Hy4-previewHy4 preview的同类竞品对比对比维度Hy4 previewDeepSeek-V4 Pro总参数 / 激活参数770B / 49B约 671B / 37B上下文长度1M128K模型架构MoE（混合专家）MoE（混合专家）开源状态全面开源（权重+代码）开源权重，推理代码开源核心定位真实生产力（代码、办公、游戏、科研）通用推理与代码科研能力配合 Hyra 在分子动力学、量子器件、数学证明取得突破强通用推理，科研工具链需自行搭建产品协同深度集成 WorkBuddy、CodeBuddy、元宝、ima主要依赖第三方集成与自部署API 定价（输入/输出）6元 / 18元（每百万 Tokens）约 2元 / 8元（每百万 Tokens）内部盲测表现均分 2.99/4.00，略优于 GLM-5.3 和 Kimi K3基准测试表现优异，但无公开同类工程盲测Hy4 preview的应用场景智能代码开发：支持长程项目理解、前端视觉审美优化、调试验证，可配合 CodeBuddy 完成从需求到可运行代码的全流程开发。复杂办公自动化：处理跨文件数据分析、金融稽核、制度比对，自动生成文档、表格与演示文稿，已在 WorkBuddy 等办公产品中落地。游戏原型快速构建：一句自然语言需求即可生成可玩原型，熟练使用 Unity / Unreal 5 引擎，支持多轮交互持续完善关卡、角色与玩法。科学研究加速：配合 Hyra 智能体开展分子动力学模拟、量子器件设计、数学定理证明，自主管理实验流程并持续迭代优化方向。3D 数字内容生成：基于精确参数生成交互式 Three.js 网站、数字孪生场景，支持 GLB 模型加载、程序化建模与多语言响应式部署。# 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Gemini Omni 1.1 Flash - 谷歌推出的 AI 视频生成模型下一篇2026 年 AI 生成图文店门头效果图 - 7 款工具深度横评相关文章13个免费AI小红书文案生成工具，种草文案创作好帮手AI小集9Filmfotos – 模拟和还原胶片质感效果的LoRA模型AI小集2GetResponse – AI邮件营销平台，创建自动化电子营销流程AI小集2Visla – AI视频创作和编辑平台，覆盖故事板到视频全流程创作过程AI小集2VITRON – Skywork AI 联合新加坡国立、南洋理工推出的像素级视觉大型语言模型AI小集2HunyuanCustom – 腾讯混元开源的多模态定制视频生成框架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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！27分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）27分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型28分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型23小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前

MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型AI工具18小时前发布AI小集02MiniCPM5-2B是什么MiniCPM5-2B 是面壁智能、OpenBMB 社区与清华大学联合开源的端侧语言基座模型。模型约25亿参数，支持128K上下文，在34项基准均分53.9，超越一众4B级模型，达2B级开源SOTA。模型将工具调用、深度搜索、代码生成等Agent能力压入端侧，可运行于6GB内存设备；同时开源训练数据、RL框架Meshy与JustRL II算法，堪称端侧”小钢炮”。MiniCPM5-2B的主要功能端侧对话问答：在本地设备上直接运行语言模型，完成日常问答、写作、总结等任务，数据无需上传云端。长文本理解：支持 128K 上下文，可本地处理会议纪要、合同、长文档并精准提取关键信息。代码生成与修复：从代码补全到真实仓库级修复（SWE-bench Verified 46.4），可作为本地编码助手。工具调用：原生支持函数调用，能按需调用外部工具完成查询、计算、数据库交互等操作。深度搜索：具备搜索 Agent 能力，可自主规划多步检索并整合答案。混合推理：通过enable_thinking开关在快速应答与深度思考模式间切换，兼顾效率与难题求解。本地批量任务：简历筛选、试卷批改、合同分析等隐私敏感任务可在设备侧低成本并行处理。MiniCPM5-2B的技术原理标准 Dense Transformer 架构：模型采用标准的 LlamaForCausalLM 结构，共 42 层，使用 GQA降低 KV Cache 开销，原生支持 131,072 token 上下文，因架构完全标准，vLLM、llama.cpp、Ollama 等主流框架无需自定义 kernel 即可原生加载。全链路 Agent 能力培养：Agent 从预训练阶段就针对性铺路，先进行 200B 规模的 Agent Midtraining 注入任务拆解与工具使用先验，再用 50 万条覆盖工具调用、网页搜索、代码 Agent 等场景的 SFT 轨迹教会模型规范执行，最后通过 Agent RL 对齐保证多轮交互中策略稳定，形成”能跑且好用”的完整能力链。Meshy 强化学习框架：Meshy 去掉了传统 RL 训练的中央控制器与 Ray 依赖，将训练、推理、奖励计算全部建模为对等节点服务，利用 TransferQueue 中的数据就绪状态驱动实际控制流，可在同步、异步、全异步三种模式间灵活切换，使大规模 RL 训练更易扩展、部署更轻量。JustRL II 奖励学习算法：针对端侧模型长思维链 RL 中”奖励信号带偏模型”和”GRPO 信用分配粗糙”两大痛点，JustRL II 在数据侧采用三阶段流水线校准训练样本，在算法侧为 GRPO 引入 Critic 实现词元级信用分配，精确区分长推理链中每步的贡献。UltraX 函数调用式数据精炼：UltraX 摒弃大模型端到端重写网页文本的传统做法，改为训练一个 0.6B 轻量模型预测结构化的编辑操作，再由确定性执行器逐行落地——既避免重写带来的语义漂移与结构破坏，又因编辑操作可保存、可审计而实现全程可追溯，实测 16B tokens 精炼语料的训练效果即超过原始语料 20B tokens 满训表现。UltraData 分级数据治理体系：代码数据采用 L0–L3 递进治理，RL 数据经三阶段流水线剔除不可验证、奖励不可信、难度不匹配的样本，以高质量数据信号弥补小模型容量劣势，这是小参数量下能力反超 4B 模型的关键工程基础。微信关注回复“开源”，加入AI开源项目交流群如何使用MiniCPM5-2B确认硬件条件：BF16 原版权重约 4.7GiB，或使用约 1.2GB 的 GGUF 量化版在 6GB 内存的手机、普通笔记本上运行。获取模型权重：从 HuggingFace或魔搭社区下载所需版本，按需选择 BF16 / GGUF / MLX / GPTQ / SFT 等格式。安装推理框架：云端或高并发场景用 vLLM（≥0.21.0 原生支持，单卡 TP=1 即可），本地轻量部署用 llama.cpp、Ollama 或 SGLang，CPU 环境可用面壁自研的 Arclight 框架。加载并运行模型：以标准 Llama 架构直接加载，无需任何自定义 kernel。切换思考模式：通过聊天模板中的enable_thinking开关控制快速应答或深度推理，按任务难度选择模式。接入工具调用/Agent：利用模型原生的函数调用与深度搜索能力，结合配套部署 Cookbook 和 Agent Skills 搭建本地 Agent 工作流。MiniCPM5-2B的核心优势2B 级开源 SOTA：34 项基准均分 53.9，反超所有参测 4B 级模型，以小博大。端侧通用 Agent 雏形：原生集成工具调用、深度搜索、代码生成等智能体核心能力，Agent 榜单 20 分居首，领先 Granite 4.2 8B、Qwen3.5 9B 等更大模型。极致部署友好：标准 Llama 架构 + 全格式发布，vLLM、Ollama、llama.cpp 免改造直接加载，INT4 版仅 1.2GB、6GB 内存设备即可运行。原生 128K 长上下文：13 万 token 上下文为端侧本地处理会议纪要、合同等长文档提供能力基础。全链路开源：不止权重，连训练数据（UltraData 系列）、RL 框架（Meshy）、RL 算法（JustRL II）与训练 Recipe 一并开放，可完整复现与二次创新。高效推理：单任务平均约 21K output tokens，token 消耗低于同级模型，端侧运行更快更省电。芯片生态广：覆盖 AMD、英特尔、联发科、高通及昇腾、海光、昆仑芯、摩尔线程等 9 款国产芯片 Day0 适配。MiniCPM5-2B的项目地址GitHub仓库：https://github.com/OpenBMB/MiniCPMHuggingFace模型库：https://huggingface.co/collections/openbmb/minicpm5MiniCPM5-2B的同类竞品对比维度MiniCPM5-2BQwen3.5-2B出品方面壁智能 × OpenBMB × 清华阿里巴巴通义参数规模2.52B（非嵌入约1.98B）约2B架构Dense，42层，GQA 16Q/2KVDense，GQA原生上下文128K128K*开源协议Apache 2.0Apache 2.0发布格式BF16/GGUF/MLX/GPTQ/SFT/BaseGGUF/BF16等MiniCPM5-2B的应用场景隐私敏感文档处理：会议纪要、合同、内部邮件在本地完成问答与摘要，数据全程不出设备。招聘与人力资源：本地批量筛选简历、提取候选人信息并结构化比对，避免简历上传云端。端侧编码助手：离线完成代码补全、调试建议乃至仓库级缺陷修复，保障代码资产安全。本地深度搜索：自动规划多步网页检索并整合答案，适用于调研、比价、信息收集。教育与批改：试卷批改、作业讲评、错题分析在本地批量并行，降低学校与教培成本。# 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LLaDA-Image - 蚂蚁集团开源的统一图像生成与编辑模型下一篇DeepSeek V4.1 Flash - DeepSeek推出的中间内测版本模型相关文章GOT-OCR2.0 – 开源的端到端OCR模型，多语言多模态识别，多样化输入输出AI小集2豆包·语音播客模型 – 火山引擎推出的语音播客模型AI小集3倍客AI – AI内容创作平台，生成多样化的产品图、模特图、创意文案和视频AI小集4Umax – AI 面部分析应用，获得面部特征分析和个性化改进建议AI小集2Translate Image – 免费 AI 图片翻译工具，支持上下文感知翻译AI小集3Gambo – AI游戏开发Agent，一句话生成完整游戏AI小集4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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space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！26分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）26分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型27分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型22小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2天前

IT之家9 月 8 日消息，法国人工智能初创企业 Mistral AI 当地时间今日宣布完成 D 轮融资，以超 210 亿欧元（IT之家注：现汇率约合 1,640.75 亿元人民币）的投后估值筹集了 30 亿欧元（现汇率约合 234.39 亿元人民币）。Mistral AI 本次融资的领投方包括三星电子、Scaleup Europe Fund、 PSG Equity。此次融资规模创欧洲科技公司历史记录。这部分资金将用于该企业的前沿研究。Mistral AI 表示，这波 GenAI 浪潮的核心问题已悄然转变，从模型性能转向客户可信赖的人工智能服务。而该企业凭借开放权重模型、算力基础设施、人工智能产品提供了全栈解决方案，同时保障客户无需依赖被单一供应商。

DeepSeek-V4 – DeepSeek推出的新一代大语言模型系列AI工具5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Replymer – AI产品营销工具，用自然真实的方式推广产品AI小集3qbiq – 专注于空间规划和3D虚拟生成服务AI平台AI小集2Claude Opus 4.1 – Anthropic推出的最新编程模型AI小集5Voxiyo – AI语音笔记管理应用，支持与笔记交互式对话AI小集2GeminiGen AI – AI多模态内容生成平台，支持多种创意风格AI小集2AI Meeting Notes – Notion推出的AI会议笔记工具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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space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！39分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）40分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型41分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型23小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前

DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型AI工具16小时前发布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Asteroid AI – 专注企业自动化的AI浏览器Agent平台AI小集2Qwen2-Audio – 阿里通义千问团队推出的开源AI语音模型AI小集5NextGenAI – OpenAI 推出的教育联盟，联合15家顶尖大学和机构AI小集3HuggingChat Omni – Hugging Face推出的AI模型聚合平台AI小集3Codestral – Mistral AI推出的代码生成模型，支持80+编程语言AI小集2Mistral OCR 4 – Mistral AI 推出的最新一代文档理解模型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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space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！26分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）26分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型27分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型23小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2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Mistral OCR – Mistral AI 推出的先进光学字符识别工具AI小集3Motia – AI Agent 开发框架，支持多种编程语言、一键部署智能体AI小集3HTML Anything – nexu-io 团队开源的 HTML 编辑器AI小集2cc:Monet – AI财务助手，快速识别处理发票、员工费用申报和审批流程AI小集3Solid – AI全栈Web应用开发工具，构建真正生产级应用AI小集2SpeechGPT 2.0-preview – 复旦大学推出的端到端实时语音交互模型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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space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！29分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）30分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型30分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型23小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测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23小时前发布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DeskClaw – AI桌面全能助手，具备持久记忆能力AI小集42Krut AI – AI图像生成平台，为电商企业提供多样化图像生成服务AI小集2AvatarFX – Character.AI 推出的 AI 视频生成模型AI小集3Loki.Build – AI网站构建工具，快速创建着陆页AI小集2TestSprite – AI软件测试平台，自动理解测试对象生成测试计划和代码AI小集3Mureka V9.5 – 昆仑万维推出的新一代 AI 音乐生成模型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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space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！26分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）26分钟前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型27分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2天前

ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型AI工具28分钟前发布AI小集02ChatGPT 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SpinBot – AI内容改写工具，通过上下文智能分析重构句子结构AI小集2话袋AI笔记 – AI笔记应用，支持文字、图片、视频等多形式记录AI小集3OpenLens AI – 清华推出的医学研究AI助手AI小集3Insert Anything – 浙大联合哈佛大学和南洋理工推出的图像插入框架AI小集2GLM-5-Turbo – 智谱推出面向OpenClaw深度优化的基座模型AI小集3RecGPT – 淘天集团推出的百亿参数推荐大模型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TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！27分钟前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）27分钟前H3-World – 腾讯联合高校等开源的动作可控世界模型1小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型16小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型18小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型23小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台1天前问卷派 – AI 调研智能体，AI 对话生成定制化报告1天前WikiSkill – 谷歌推出的 Agent 技能进化框架1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天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台2天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列2天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2天前

📱Vodafone Egypt 否认泄露 iPhone 18 系列价格💬苹果新薪酬方案曝光：库克转任执行董事长获 4500 万美元股票奖励🏢54 个品牌账号为小米澎程上市送祝福，雷军回应致谢✨华为 Pura X Max 两款新配色曝光，9 月 7 日亮相💵曝 Anthropic 接近确定 IPO 核心承销商🧠AI 空间站上架 Kimi、MiniMax 等模型订阅产品💼康宁 CCO：AI 让玻璃基封装与光互连走到台前⚖️《西雅图时报》和《新闻日报》起诉 OpenAI 与微软🚗理想汽车拟以 26.5 亿元增资欣旺达动力🔬OpenAI 达成「自动研究实习生」目标💡Jakub Pachocki：AI 实验室应为安全主动减速💻macOS 26.7 代码出现两款苹果游戏手柄配置🎵Google Lyria 3.5 上线 Gemini，可生成更长的完整歌曲✨传音推出首款 360° 翻转屏笔记本 MEGABOOK T15 360 系列🧠「国家反诈 AI」App 上线，支持风险判断与案例匹配🔓小米开源表格基础模型 Xiaomi-TabLDM，无需按任务重新训练🪄GitHub Copilot 预览多模型编排系统 HydraFusion⚡微软推出 MAI-Image-2.6 与 Flash 版，进入 Foundry 公测♾️Meta 开放 Muse Spark 1.3 Max 推理档🔧Roland 发布 AI 旋律创作工具 Melody Flip💳支付宝与麦当劳推出「麦麦周末」语音活动☕哥伦比亚 8 月咖啡产量下降 12%，连续第二个月下滑🧠B 站首届 AI 创造公开赛公布结果，《猫娘计划》夺冠👀《暗影蜘蛛侠》播出一季后被 Prime Video 取消🎬《哈利·波特》剧集第二季公布多比、金妮与汤姆·里德尔选角Vodafone Egypt 否认泄露 iPhone 18 系列价格近日，网上流传的一组截图显示，Vodafone Egypt 疑似提前出现了新款 iPhone 的价格：iPhone 18 Pro：98,000 埃及镑，约合人民币 1.29 万元iPhone 18 Pro Max：105,000 埃及镑，约合人民币 1.38 万元折叠屏 iPhone Ultra：155,750 埃及镑，约合人民币 2.05 万元按照当地上一代机型售价对比，iPhone 18 Pro 和 Pro Max 涨幅大约分别为 10% 和 11%。不过需要注意，直接按汇率换算出来的人民币价格并不等于未来国行售价，各地区税费和苹果定价策略都有差异。不过，Vodafone Egypt 已经向 PhoneArena 表示，自家并没有发生过此次泄露；PhoneArena 随后也更新了报道，称无法验证网上流传截图的真实性。苹果新薪酬方案曝光：库克转任执行董事长获 4500 万美元股票奖励据彭博社报道，在将苹果 CEO 职位移交给 John Ternus 后，转任执行董事长的 Tim Cook 获得了规模罕见的高额薪酬方案。报道指出，这一举措显示 Cook 在卸任 CEO 后仍将在苹果内部拥有极强的话语权与参与度。根据披露的薪酬方案细节，Cook 明年的基本年薪为 200 万美元，虽低于其担任 CEO 时的 300 万美元（该水平现由 Ternus 享有），但仍是高级副总裁等高管通常基本薪酬的两倍。在限制性股票单元方面，Cook 2027 年的目标额度为 4500 万美元，Ternus 则为 5500 万美元。此外，两人的股票激励结构也有所不同：Ternus 的股票奖励中有 75% 与业绩挂钩，而 Cook 仅有 50% 属于业绩导向。此前担任非执行董事长的 Art Levinson 去年薪酬总额不足 56 万美元。分析认为，Cook 目前的薪酬结构在董事长群体中极为少见，其水平不仅大幅高于行业普遍水准，也与当年离开迪士尼 CEO 岗位转任执行董事长时的 Bob Iger 类似。报道提到，Cook 已经腾出苹果园区第 7 区的 CEO 办公室，交由 Ternus 入驻，自己则将搬入园区内的新办公室。虽然 Cook 强调苹果在同一时间「只能有一位 CEO」，但其未来仍将在关键领域发挥核心作用，包括应对与白宫及北京的关系处理、存储芯片短缺等议题，苹果管理层全面过渡至新阶段预计仍需时日。54 个品牌账号为小米澎程上市送祝福，雷军回应致谢小米澎程系列上市前夕，比亚迪、理想汽车、长安汽车、凯迪拉克、北汽集团等车企，以及电池、激光雷达、机器人和互联网领域的合作伙伴集中发文送上祝福。雷军随后发布截图并回应「感谢所有的朋友们，谢谢大家」，截图中共出现 54 个品牌账号。小米秋季旗舰新品发布会将于今天 19:00 举行，澎程 N70 Pro、N70 Max 与 N90 Max 三款增程 SUV 将正式上市；同场还将发布小米 18 Fold 折叠屏手机和小米平板 9 Pro Max。此前技术发布会已经公布昆仑增程平台、可变座舱空间与多项安全配置，今晚将揭晓最终售价和交付安排。华为 Pura X Max 两款新配色曝光，9 月 7 日亮相据数码博主曝光，华为 Pura X Max 将新增波尔多红和尼斯蓝两款配色，相关图片显示，两款机型均采用纯色无纹路背板。爆料者最初只确认红色版本名为波尔多红，随后多名数码博主将蓝色版本称为尼斯蓝。华为现有产品页列出的配色为星际蓝、活力橙、零度白、橄榄金和幻夜黑。对比之下，新曝光的两款颜色延续了橄榄金、幻夜黑所用的纯色背板设计，没有其他版本上的分割线和细条纹。华为官方确认，HarmonyOS 7｜HUAWEI Mate XT 2 及全场景新品发布会将于今天 14:30 举行；爆料称两款新配色会在发布会上亮相。曝 Anthropic 接近确定 IPO 核心承销商据《金融时报》报道，Anthropic 正准备任命摩根士丹利与高盛担任 IPO 的主要承销商，两家银行已处于争取核心角色的最后阶段。最终分工尚未正式公布，其他银行仍可能加入承销团队。Anthropic 此前已向美国证券交易委员会秘密递交 S-1 上市申请。路透社 8 月底报道称，公司计划在美国劳动节假期后公开招股文件；承销团队逐渐成形后，上市准备开始从保密申报转向公开推进。AI 空间站上架 Kimi、MiniMax 等模型订阅产品天猫 9 月 3 日上线 AI 空间站（Token 充值中心），用户可以购买 Token Plan、Coding Plan 和按量充值产品，交付方式包括卡密与直充。《每日经济新闻》记者在页面看到，Kimi、DeepSeek、智谱等模型的相关订阅产品已经上架，套餐覆盖日包、月包和季包。智谱旗舰店目前标注为官方入驻。Kimi 与 MiniMax 官网均有独立的会员或 Token Plan，但天猫渠道的额度、计费方式可能与厂商官网不同。财联社援引《上海证券报》称，Kimi、MiniMax 与阶跃星辰也在同天猫接洽开设官方旗舰店，相关官方身份仍应以平台后续标注为准。康宁 CCO：AI 让玻璃基封装与光互连走到台前在爱范儿专访中，康宁显示科技中国区 CCO 李汉超表示，AI 改变了内容生产和使用方式，但屏幕作为信息入口的作用仍在增强。屏幕将继续从电视、电脑和手机扩展到汽车与可穿戴设备，并加入语音、眼球追踪、手势等交互能力，这会提高对材料光学性能、制造精度和集成能力的要求。李汉超认为，AI 热潮把康宁长期投入的半导体材料和光通信技术推到了台前。以玻璃基封装为例，玻璃基板能支持更大尺寸的芯片封装和更高的互连密度，同时具备较高的热机械稳定性；他强调，新技术通常会创造增量市场，而非直接替换所有旧方案。他还以康宁与京东方合作的 DQHD 曲面屏为例：两片玻璃基板厚度均为 0.38mm，超薄设计有助于提高曲面面板良率并稳定生产。李汉超称，国内终端厂商提出的新需求正在反向推动材料和设备厂商创新，相关产品落地后也会带动其他行业玩家跟进。康宁今年 5 月与京东方签署战略合作备忘录，合作方向包括玻璃基封装、可弯折玻璃、钙钛矿玻璃和光互连材料。李汉超称，双方会继续进行技术论证和生态合作，推动这些材料走向规模化与场景化应用。🔗 相关阅读：专访康宁 CCO 李汉超：175 年以来，康宁始终是一家创新材料公司《西雅图时报》和《新闻日报》起诉 OpenAI 与微软据路透社报道，《西雅图时报》和《新闻日报》起诉 OpenAI 与微软，指控两家公司在训练和运行 ChatGPT、Copilot 等生成式 AI 产品时，未经许可复制并使用了两家报纸的新闻作品，构成版权侵权。两家报纸请求法院下令销毁其作品副本，以及包含这些作品的训练数据或 AI 模型。2024 年，两家报纸曾入选 OpenAI、微软与 Lenfest Institute 发起的本地新闻 AI 合作项目，获得资金和企业软件额度，用于在编辑与商业环节试验生成式 AI 工具；该项目没有包含内容授权或实时数据交换条款。理想汽车拟以 26.5 亿元增资欣旺达动力欣旺达与理想汽车 9 月 4 日披露，理想汽车拟出资 26.5 亿元增资欣旺达动力，认购增资完成后 8.79% 的股份。计入此前通过关联主体持有的股份后，理想汽车将间接合计持有欣旺达动力 11.17% 股份，成为其第二大股东。双方计划在动力电池研发、制造和质量管理上加强长期协同。理想汽车表示，今后仍将主导产品定义、性能目标、质量标准和关键技术开发，欣旺达动力负责工程化、制造与供应链能力。两家公司从 2017 年开始合作，2025 年还共同成立了各持股 50% 的山东理想汽车动力电池有限公司。OpenAI 达成「自动研究实习生」目标OpenAI 9 月 6 日宣布，内部系统已经达到去年提出的「自动研究实习生」目标：在研究人员指导下，能够完成边界明确、原本需要熟练研究员数天处理的任务。公司下一阶段计划在 2028 年 3 月前构建「自动 AI 研究员」，继续用于深度学习与对齐研究。OpenAI 公布的内部数据称，今年 6 月前，研究部门的 Agent 总运行时间仍低于人类工时；到 8 月中旬，按每天 8 小时折算，每个研究人员工作日对应 3.1 个 Agent 工作日。研究人员提交代码和运行实验的速度也在提高，8 月的人均实验次数创下 2025 年开始记录以来的新高。公司同时强调，这些指标不能直接等同于整体研究速度，算力与难以自动化的环节仍可能形成瓶颈。研究方向、结果判断以及是否扩大训练、暂停或部署，继续由人类研究人员决定。💡 Jakub Pachocki：AI 实验室应为安全主动减速OpenAI 首席科学家 Jakub Pachocki 在 9 月 6 日发表的公开长文中表示，当前没有任何一家实验室已经把对齐与监控问题解决到足以长期、负责任地按最高速度扩展模型的程度。他希望，在行业建立共同安全门槛前，实验室主动减速会成为常态，各国政府也应把未来 AI 开发的国际协调列为优先事项。Pachocki 的判断来自推理模型近三年的变化。2023 年，OpenAI 的 RLSlow 项目让团队相信推理模型训练可以持续扩展；如今，模型已经能操作计算机界面、与人和其他模型协作，并承担研究项目。他预计，AI 参与自身研发的程度还会提高，但这条路径是否继续加速，应由安全能力和社会选择共同决定。Pachocki 将对齐分成目标对齐与价值对齐：前者要求模型执行人类交付的目标，后者要求模型在模糊、冲突或陌生环境中仍能遵循高层原则。他认为，现有强化学习可以改善平均表现，但会受到训练监督覆盖范围与泛化能力限制。他还指出，OpenAI 依赖的思维链监控正面临三个问题：模型在更复杂环境中频繁与人类、其他 AI 和工具交互；模型更擅长处理乃至操纵自己的推理过程；预训练能力增强后，模型即使不使用显式语言推理也能完成更多任务。Pachocki 主张用第三方审计、政府机构或国际组织共同执行安全门槛，并让系统扩展速度受安全信心约束。在他看来，继续训练更强模型的主要理由之一，是用它们防御网络攻击、失控 Agent 与生物安全风险；但防御需求不能成为无条件竞