Muse Spark 1.3 – Meta 推出的新一代大语言模型AI工具3天前更新AI小集02Muse Spark 1.3是什么Muse Spark 1.3 是 Meta 推出的新一代大语言模型，由扎克伯格亲自站台，定位为 Meta 在编程和智能体任务上的重大突破。模型在代码理解与长文本处理方面表现尤为出色，工具调用和 Token 消耗显著降低，同时用极具竞争力的价格向开发者开放 API。Muse Spark 1.3的主要功能长任务 Agent 工作流：支持长时间运行的开放式任务，能自主收集上下文、从杂乱信息中整理线索、发现计划缺口后主动调整，持续记录状态直至交付。编程能力增强：针对长时间编程任务优化，减少不必要的对话轮次，代码风格更干净，在代码库理解与终端编程上表现突出。复杂指令遵循：在多步骤、多限制条件的任务中能持续记住前文要求，减少后半段遗漏条件或偏离流程的问题。长上下文处理：支持 1M tokens 上下文窗口，长文本检索准确率极高。人机协作优化：面对模糊指令主动追问用户，任务受阻时主动求助，涉及不可逆操作前会确认执行。成本效率提升：完成相同任务时工具调用减少约 20%，Token 消耗减少约 25%。Muse Spark 1.3的技术原理后训练与测试时扩展：基于 Avocado 模型进行再次后训练，同时强化测试时扩展能力（test-time scaling），使模型在推理阶段能动态分配更多计算资源提升输出质量。多环境 Agent 训练：模型在多种不同的 Agent harness 中进行了训练，让它离开特定环境后依然能保持相近的工作能力。能力边界对齐：Meta 专门强化模型对自身能力边界的感知训练，使其能更准确地区分「知道什么、不知道什么、能做什么、做不了什么」，遇到障碍时明确表达而非虚构结果。长程编程任务数据：增加大量长时间编程任务的训练数据，针对日常工程场景中的可用性进行了优化，使模型在真实开发工作流中更高效、更克制。如何使用Muse Spark 1.3Muse Code终端编程：在终端执行curl -fsSL https://dev.meta.ai/install.sh | bash安装 Muse Code，可在编程工作流中直接调用 Muse Spark 1.3 作为底层模型。Meta Model API 接入：开发者通过官方 API 直接调用，标准定价为输入 $1.25/百万 tokens、输出 $4.25/百万 tokens。Contributor 折扣档：安装 Muse Code 后默认开启，以输入 $0.10、输出 $0.20 的低价使用，代价是提示词和代码输出会被 Meta 用于训练，可手动切换退出。第三方平台集成：Vercel AI Gateway 等合作伙伴平台已接入 Muse Spark 1.3，方便在现有工作流中快速集成调用。Muse Spark 1.3的核心优势编程能力领先：在 DeepSWE、SWEAtlas、Terminal-Bench 等编程基准中多项第一，超越 GPT-5.6 Sol 和 Claude Opus 5。长上下文极强：支持 1M tokens 上下文，长文本检索准确率高达 98% 以上，大幅领先竞品。成本效率双优：相同任务下工具调用减少约 20%、Token 消耗减少约 25%，API 定价远低于同级别模型。Agent 长任务自主化：能自主收集信息、发现计划缺口后主动调整，在复杂开放式任务中持续保持状态。人机协作更自然：面对模糊指令主动追问，任务受阻时主动求助，涉及不可逆操作前会确认执行。性价比极具竞争力：标准档定价仅为 Claude Opus 5 的约 1/5，Contributor 折扣档更是低至”几乎忽略不计”。Muse Spark 1.3的同类竞品对比对比维度Muse Spark 1.3Claude Opus 5发布方MetaAnthropic上下文窗口1M tokens200K tokens编程能力DeepSWE v1.1 得分 75.4%，领先DeepSWE v1.1 得分 74.0%，稍逊知识工作GDPVal-AA v2 得分 1754GDPVal-AA v2 得分 1824，更强计算机操控OSWorld 2.0 得分 66.9OSWorld 2.0 得分 68.3，略优标准输入定价$1.25 / 百万 tokens$5 / 百万 tokens标准输出定价$4.25 / 百万 tokens$25 / 百万 tokensMuse Spark 1.3的应用场景智能编程开发：通过 Muse Code 完成复杂代码编写、跨文件调试与大型代码库理解，工具调用和 Token 消耗显著降低。长文档深度分析：利用 1M tokens 上下文窗口处理百万字级长文本，进行跨章节信息提取、关联分析与精准检索。个人 Agent 长期任务管理：持续跟踪用户目标，自主收集信息、发现计划缺口后主动调整策略，直至交付最终成果。复杂工程报告生成：整合多源异构数据（如 CFD 仿真结果、CAD 模型），按指定格式自动生成结构化专业报告。# 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Easel - 浙大联合北大开源的 AI 社交媒体内容工作台下一篇Cheso - 腾讯推出的 AI PPT Agent 制作工具相关文章Tailor Brands – AI Logo设计平台，支持设计名片、信纸、社交媒体封面等服务AI小集2MUSICHERO – AI音乐生成工具，支持文本描述快速生成多样化风格音乐AI小集3Get笔记 – 得到推出的免费AI语音转文字小程序AI小集6AutoTrain – Hugging Face 开源的无代码模型训练平台AI小集3RSIDiff – 基于合成数据提升图像生成质量的递归自训练框架AI小集4Polymet – AI产品设计平台，根据需求描述和图片生成产品原型和代码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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill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！2分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景3分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取8分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前E-Commerce Bench – 千问联合淘天开源电商经营评测基准2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型2天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Gemini 3.8 – 谷歌推出的推理与编码模型3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型4天前

感谢IT之家网友乌蝇哥的左手、不一样的体验的线索投递！IT之家9 月 3 日消息，Meta Platforms 于 2026 年 9 月 2 日发布迄今最强大 AI 模型 Muse Spark 1.3，专为延长智能体工作流与增强编码能力设计。Meta 首席 AI 官 Alexandr Wang 表示，该模型在编码能力上超越 OpenAI 的 GPT-5.6 Sol，与 Anthropic 的 Claude Fable 5.1 表现持平。定价方面，Muse Spark 1.3 维持与前代 Muse Spark 1.2 相同的定价，通过 Meta Model API 向开发者提供付费访问：每 100 万词元输入费用为 1.25 美元（IT之家注：现汇率约合 8.4 元人民币）每 100 万词元缓存命中输入费用为 0.15 美元（现汇率约合 1 元人民币）每 100 万词元输出费用为 4.25 美元（现汇率约合 28.6 元人民币）Wang 透露，API 平台市场采用强劲，部分开发者周用量达万亿级 token，新模型将逐步整合至 Instagram、Facebook 及 Meta AI 助手。官方博文指出相比较 Muse Spark 1.2，最新 1.3 减少了不必要的代码迭代，代码更简洁，整体编码风格也更加清晰，工具调用次数减少了约 20%，完成相同任务所需 token 减少 25%。Muse Spark 1.3 针对长周期智能体任务优化。模型能在单一长线程中协作处理多工作流，主动修正计划缺口并跟踪学习成果。面对模糊指令时，它会提出澄清问题；遇到障碍时请求用户帮助；执行关键操作前会寻求确认。新模型遵循复杂长指令的可靠性提升，多步骤任务中更好地保留详细需求，不丢失约束条件。多任务处理能力增强，能更准确地将新指令映射到单一线程中的正确任务。模型对自身能力与局限性的认知更强，减少幻觉输出。

Gemini 3.8 – 谷歌推出的推理与编码模型AI工具3天前更新AI小集02Gemini 3.8是什么Gemini 3.8 是 Google 推出的推理与编码模型，包含 Flash 和 Flash Cyber 两个版本。Gemini 3.8 Flash 在保持与前代相同速度和低价的基础上，大幅提升软件工程、Agent 任务及多步推理能力，在代码、金融、法律等基准测试中接近甚至超越更大参数的前沿模型。Gemini 3.8 Flash Cyber 是专为网络安全打造的版本，具备顶尖漏洞发现与自动补丁修复能力，仅通过 Fairwind Program 向认证安全防御人员开放。Gemini 3.8的主要功能长周期软件工程：自主完成复杂工程问题的端到端解决，在 DeepSWE 等基准中表现接近甚至超越更大参数的前沿模型。自主 Agent 任务：支持复杂多步骤的 Agent 工作流，可执行迭代式工具调用与推理，适用于终端编码、计算机操作等场景。专业领域推理：在金融分析、法律工作流及跨学科专家推理中展现出企业级可靠性。网络安全攻防：Flash Cyber 版本专注于自主漏洞发现与自动化补丁修复，在 CyberGym 和 CWE-Bench 等行业基准中达到前沿水平。原生多模态：支持文本、代码、图像、视频等多种模态输入，可生成 3D 可视化、游戏、交互式应用等富媒体内容。Gemini 3.8的技术原理长期运行的 Agent 循环机制：Gemini 3.8 引入长期运行的 Agent 循环（long-running agentic loops），该机制使模型能在任务执行过程中递归地评估和精炼自身输出。与单次前向传播不同，模型会在复杂任务中持续迭代——执行额外的推理步骤、反复调用外部工具、根据中间结果动态调整策略，在多步骤推理和代码生成任务中实现更深度的执行和更高的准确率。动态计算投入与推理强度调节：模型采用”投入更多计算量”的设计哲学，在复杂任务上展现出更高的执行勤勉度（greater diligence）。模型会根据任务难度自动分配更多推理资源，在更高推理强度（higher effort levels）下可能消耗更多 Token 以最大化性能；同时，开发者可选择较低的推理强度级别来减少 Token 开销，在性能与成本之间灵活权衡。网络安全领域的深度专项训练：Gemini 3.8 Flash 和 Flash Cyber 共享同一套底层基础智能，显著的代码与推理能力提升部分源于在网络安全这一高要求领域进行的严格训练。通过在漏洞发现、补丁修复等任务上的深度优化，模型学会了识别和修复跨 20 种编程语言的复杂代码漏洞，内化防御者优先的安全思维。如何使用Gemini 3.8开发者：通过Google AI Studio、Gemini API 或 Android Studio 调用 3.8 Flash，也可在Google Antigravity中探索 Agent 优先的工作流，或在 Stitch 中生成 UI。企业用户：直接在 Gemini Enterprise 平台中接入 3.8 Flash，用于构建企业级智能应用。普通消费者：订阅 Google AI Pro 或 Ultra 后，可在 Gemini App、Google Search 的 AI Mode 以及 Google Sheets 中使用 3.8 Flash。安全防御人员：通过 Fairwind Program 提交申请，获得认证后可优先访问 3.8 Flash Cyber，用于漏洞发现与自动化补丁修复。Gemini 3.8的核心优势极致性价比：用 Flash 系列的低价提供接近甚至超越 Claude Opus 5、GPT-5.6 等更大参数前沿模型的推理与代码能力。长周期软件工程：在 DeepSWE v1.1 等长周期软件工程基准中，能够自主端到端解决复杂工程问题，性能位居行业前列。企业级专业推理：在金融分析、法律工作流及跨学科专家推理等关键领域展现出支撑自主任务的可靠性。动态计算调节：支持根据任务复杂度灵活调整推理强度，既能在高难度任务上投入更多计算资源以最大化性能，也能在效率优先场景下降低 Token 消耗。网络安全专精：Flash Cyber 版本在漏洞发现和自动化补丁修复上达到前沿水平，且成本远低于同类大参数模型。原生多模态与 Agent 能力：基于长期运行的 Agent 循环机制，支持文本、代码、图像、视频等多模态输入，可自主迭代完成复杂多步骤任务。Gemini 3.8的项目地址项目官网：https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/Gemini 3.8的同类竞品对比对比维度Gemini 3.8 FlashClaude Opus 5产品定位高智能”主力模型”，兼顾性能与成本旗舰级深度推理模型，追求极致智能输入价格$0.75 / 百万 Token$5.00 / 百万 Token输出价格$3.75 / 百万 Token$25.00 / 百万 TokenDeepSWE v1.1（长周期软件工程）73.7%74.0%HLE-Verified（跨学科专家推理）54.9%54.4%Harvey 法律 Agent（复杂法律工作流）10.0%6.7%Vals Finance Agent（金融分析）61.4%58.6%推理速度Flash 级别，高速响应相对较慢，侧重深度多模态能力原生支持文本、代码、图像、视频以文本推理为主核心优势极致性价比 + 自主 Agent 能力超长上下文 + 深度逻辑推理Gemini 3.8的应用场景自主软件开发：模型支持端到端完成复杂代码重构、Bug 修复与功能开发，支持长周期软件工程任务。金融量化分析：自动化解析财报与市场数据，生成投资研究报告、风险评估及合规建议。法律文档审查：快速分析合同条款、判例与法规，辅助律师完成尽职调查与合规审查。网络安全防御：自动扫描跨语言代码库漏洞并生成修复补丁，帮助安全团队快速响应威胁。多模态智能应用：基于自然语言生成 3D 交互游戏、数据可视化应用或富媒体内容。# 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Fusion Model - FUMO Lab 推出的智能分配模型下一篇Easel - 浙大联合北大开源的 AI 社交媒体内容工作台相关文章乐享AI助手 – 腾讯推出的AI知识社区助手AI小集3Nimo – AI工作平台，无限画布整合所有AI应用和工具AI小集3scenario – 游戏开发者的AI设计平台，创建高质量的游戏资产AI小集2Pangea – 卡内基梅隆大学开源的多语言多模态大语言模型AI小集2FrontierScience – OpenAI推出的科学AI能力评估基准AI小集2Spotter Studio – 专为YouTube创作者设计的AI视频创意工具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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill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！53分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景53分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取58分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前E-Commerce Bench – 千问联合淘天开源电商经营评测基准2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型2天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Muse Spark 1.3 – Meta 推出的新一代大语言模型3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型4天前

MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型AI工具2天前发布AI小集02MAI-Transcribe-2是什么MAI-Transcribe-2 是微软推出的最强AI语音转文字模型，在准确率、速度和成本上全面领先。模型支持60种语言，FLEURS测试集平均词错误率仅5.2%。模型新增说话人分离、逐词时间戳功能，提供verbatim（保留口误）和clean（删除填充词）两种转写风格，支持自动语言识别与语言切换。MAI-Transcribe-2的主要功能多语言语音转写：支持60种语言，可自动检测录音语言，无需预先指定语种。说话人分离：在一段录音内区分不同发言者，并将转写文字归属到对应说话人。逐词时间戳：为每个词标注精确的时间位置，便于字幕对齐、音频检索与编辑。可配置转写风格：verbatim模式保留语气词与口误，clean模式删除填充词以生成易读文本。自动语言识别与切换：支持自然混用语言的对话，自动检测并适应语言切换。关键词偏置：可预设领域术语列表，提升特定词汇的识别准确率。噪声环境转写：具备在背景噪声环境下保持高准确率的转写能力。MAI-Transcribe-2的技术原理端到端统一架构：采用单一神经网络直接完成声学特征到文本序列的映射，将语音识别、说话人分离、语言检测等任务整合在一个模型内，避免传统级联系统的误差累积，在速度与准确率上同时达到最优。多语言联合训练：基于60种语言的海量语音-文本数据进行联合训练，模型学习到跨语言共享的声学表示与语言规律，使其不仅能覆盖主流语种，能对低资源语种保持较高准确率，具备自然语言切换的实时检测能力。上下文感知解码：在解码过程中，模型不仅依据当前声学帧进行预测，结合全局上下文语义与外部关键词偏置进行联合推理，动态调整输出词的概率分布，提升专业术语识别精度，并支持verbatim与clean两种风格的可控生成。如何使用MAI-Transcribe-2创建 Azure 资源：在 Azure 门户创建 AI Speech 服务资源，获取 API 密钥与区域终结点地址。接入 Foundry 预览：通过 Microsoft Foundry 公共预览版入口 https://ai.azure.com/catalog/models/MAI-Transcribe-2进入模型调用界面。配置模型参数：在 API 请求中指定model: “MAI-Transcribe-2”，按需开启说话人分离与逐词时间戳功能。上传音频转写：提交 WAV/MP3/MP4 等格式音频文件，模型自动检测语言并执行转写。获取结构化结果：接收返回的 JSON，包含完整文本、逐词时间戳、说话人标签及自动检测的语言代码。MAI-Transcribe-2的核心优势准确率全球领先：FLEURS 60 语种平均词错误率仅 5.2%，中文低至 4.5%，全面优于 Gemini 3.1 Pro 与 Whisper v3-Large。速度行业最快：处理速度达 403.6 倍实时，1 小时音频约 9 秒完成，比 GPT-Transcribe 快 10 倍。成本业界最低：限时定价 0.10 美元/小时，较上一代降价约 72%。功能原生集成：内置说话人分离、逐词时间戳、自动语言识别与切换、verbatim/clean 双风格转写，无需额外后处理。多语言无缝覆盖：支持 60 种语言，可自动检测并适应自然混用语言对话，无需预先指定语种。MAI-Transcribe-2的同类竞品对比对比维度MAI-Transcribe-2Gemini 3.1 Flash TTS功能方向语音 → 文字（STT/ASR）文字 → 语音（TTS）输入类型音频文件（WAV/MP3/MP4）文本字符串输出类型结构化文本 + 时间戳 + 说话人标签合成语音音频核心任务识别语音内容并转写为文字将文字合成为自然语音典型应用会议记录、字幕生成、呼叫中心质检有声书、语音助手回复、导航播报定价模式按音频时长计费（$0.10/小时）按生成字符数或 token 计费技术原理声学模型 + 语言模型联合解码文本编码器 + 声码器合成MAI-Transcribe-2的应用场景呼叫中心质检与分析：用说话人分离区分客服与客户，结合逐词时间戳实现话术比例测量与关键 moment 精准定位。会议与访谈智能记录：将多人录音转为带说话人标签的结构化文本，自动归属行动项与决策来源。语音智能体实时听写：作为低延迟听觉输入层，与 MAI-Voice-2 Flash 搭配实现语音到语音的实时对话闭环。媒体字幕与本地化：逐词时间戳大幅降低字幕对齐成本，60 种语言覆盖支持全球化内容生产。合规、法律与监管存证：生成带说话人归属与时间戳的精确记录，满足金融、医疗等行业的审计与取证要求。# 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-6 Astra - OpenAI 推出的最新旗舰大模型下一篇zg - Zvec AI 开源的本地优先统一检索基础工具相关文章Gemini Embedding 2 – 谷歌推出的首个原生多模态嵌入模型AI小集3LingBot-VA 2.0 – 蚂蚁灵波推出的具身原生世界动作模型AI小集2huashu-excel – 花叔开源的 AI 数据分析 SkillAI小集3JanusFlow – DeepSeek开源多模态理解与生成任务统一的框架AI小集2DrivingDojo – 中科院联合美团推出的交互式驾驶世界模型数据集AI小集3Prezi – AI演示文稿工具，无边界画布、自由组织和连接演示内容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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill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！2分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景3分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取8分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前E-Commerce Bench – 千问联合淘天开源电商经营评测基准2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Muse Spark 1.3 – Meta 推出的新一代大语言模型3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Gemini 3.8 – 谷歌推出的推理与编码模型3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型4天前

IT之家9 月 4 日消息，微软昨日（9 月 3 日）发布博文，宣布推出 MAI-Transcribe-2，宣称是其最快、最准确、最便宜的 AI 语音转文字模型。在定价方面，MAI-Transcribe-2 上市时限时收费 0.10 美元（IT之家注：现汇率约合 0.67 元人民币）/ 小时，优惠持续至 2026 年年底。性能方面，MAI-Transcribe-2 是微软最强的转录模型，相比较市场上其它主流模型，在准确率、速度和价格方面存在优势。在 FLEURS 测试集中，MAI-Transcribe-2 支持强制指定语言和自动推断语言两种模式，平均词错误率均为 5.2%。同一测试中，Gemini 3.1 Pro 的两项结果分别为 5.3% 和 5.8%；GPT-Transcribe 为 10.4% 和 10.6%；Whisper v3-Large 为 22.8% 和 23.5%。速度方面，微软援引 Artificial Analysis 评测称，MAI-Transcribe-2 比 GPT-Transcribe 快 10 倍，比 Scribe v2 快 7 倍，比 Gemini 3.5 Transcribe 快 5 倍。功能方面，MAI-Transcribe-2 新增说话人分离功能，可在一段录音内区分不同发言者，并将文字归属到对应说话人。逐词时间戳可为每个词标注精确位置，便于音频检索、导航、编辑和字幕对齐。风格方面，模型提供可配置转写风格。verbatim 模式保留语气词和口误，面向合规与分析工作；clean 模式删除语气词，以生成更易读的字幕、笔记和发布文本。模型还支持关键词偏置、自动语言识别、语言切换和噪声环境转写。模型支持 60 种语言，并支持自然混用语言的对话，用户无需预先指定语言，模型可自动检测录音语言。目前，开发者可在 Microsoft Foundry、MAI Playground 和 OpenRouter 调用或试用该模型。

Qwen3.8-Max-Preview – 阿里通义推出的最新一代基座模型AI工具4天前更新AI小集02Qwen3.8-Max-Preview是什么Qwen3.8-Max-Preview 是阿里通义千问推出的最新一代基座大模型的预览版，参数量达 2.4T，已上线Qoder、Token Plan 及QoderWork平台。模型在全栈开发、数据分析、Office 办公工作流等复杂多 Agent 长程任务中展现出匹敌世界前沿模型的实力。Qwen3.8-Max-Preview的主要功能超长上下文处理：支持 200K / 400K / 1M 三种上下文窗口配置，满足长文档理解与长程对话需求。深度思考模式：内置思考模式开关，可根据任务复杂度自主切换深度推理与快速响应。多 Agent 协作：支持复杂任务拆解与多智能体协同，覆盖全栈开发、数据分析、办公自动化等场景。全模态能力：统一订阅体系下可调用文本、语音、图像等全模态 AI 能力。兼容主流工具：支持 OpenAI / Anthropic 协议，可无缝接入Cursor、Windsurf等主流 Coding/Agent 工具。Qwen3.8-Max-Preview的技术原理超大规模 MoE 架构：采用 2.4T 参数总量的混合专家架构，通过稀疏激活机制在保持推理效率的同时释放强大性能。持续进化训练：模型以天为单位持续迭代优化，在内部真实任务测评中较 Qwen3.7-Max 实现显著提升。长程依赖建模：通过扩展上下文窗口至百万级别，增强对超长文本的语义理解与跨段落信息关联能力。如何使用Qwen3.8-Max-PreviewQwen3.8-Max预览版模型已首发上线阿里Token Plan、Qoder及QoderWork。Qwen3.8-Max-Preview的核心优势顶尖性能：官方宣称模型可能是除 Fable 5 外最强大的模型，在复杂真实任务中匹敌世界前沿水平。开源承诺：预览版抢先体验后，正式版将发布并开源，兼顾商业应用与社区生态。灵活订阅：Token Plan 提供个人版与团队版多档套餐，支持 1～8 个 Agent 并发运行。Qwen3.8-Max-Preview的同类竞品对比对比维度Qwen3.8-Max-PreviewKimi K3参数量2.4T（MoE）2.8T（MoE）上下文窗口最高 1M最高 1M思考模式支持开关切换支持深度思考定价策略限时 1 折，夜间 0.2 折标准 Credits 计费开源计划正式版即将开源未开源多 Agent 并发支持（Token Plan 最高 8 个）支持接入方式Qoder / Token Plan / APIKimi 客户端 / APIQwen3.8-Max-Preview的应用场景复杂软件开发：用多 Agent 协作完成全栈项目规划、代码编写、调试与文档生成。海量数据分析：借助 1M 上下文窗口处理超长报表、日志文件，提取关键洞察并生成可视化结论。智能办公自动化：串联 Office 工作流，自动完成邮件撰写、PPT 制作、会议纪要整理等任务。长文档深度研读：对学术论文、法律合同、技术手册等超长文本进行摘要、问答与跨章节关联分析。AI 辅助创作：在 Coding/Agent 工具中作为底层模型，为开发者提供实时代码补全与架构建议。# 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Tempolor v4.7 - 趣丸科技推出的旗舰级AI音乐生成大模型下一篇CloudBase - 腾讯云推出的全栈应用云开发平台相关文章ACI.dev – 为AI智能体设计的开源MCP基础设施平台AI小集3Olovka AI – AI学术写作辅助平台，提供针对性的写作建议AI小集2Wan2.5 – 阿里通义推出的多模态生成模型系列AI小集3SenseAudio – 商汤科技推出的 AI 语音开放平台AI小集3T2I-R1 – 港中文联合上海AI Lab推出文生图模型AI小集2Getfloorplan – 2D和3D平面图AI生成工具，提供360°虚拟体验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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！13分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景14分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取19分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前E-Commerce Bench – 千问联合淘天开源电商经营评测基准2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型2天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Muse Spark 1.3 – Meta 推出的新一代大语言模型3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Gemini 3.8 – 谷歌推出的推理与编码模型3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前

E-Commerce Bench – 千问联合淘天开源电商经营评测基准AI工具2天前发布AI小集02E-Commerce Bench是什么E-Commerce Bench 是阿里通义千问联合淘天集团开源的长程电商经营评测基准。E-Commerce Bench让 LLM Agent 以 10 万元本金在模拟真实市场中经营网店 365 天，涵盖选品、供应商谈判、定价、库存与现金流管理。环境基于真实平台数据，含 576 家供应商（含欺诈方）、8 场促销及 10 个市场事件，通过确定性内核保证可复现性，从盈利、谈判、反欺诈、长程学习等七维度评估模型的商业经营能力。E-Commerce Bench的主要功能长程经营模拟：让 LLM Agent 以 10 万元本金在动态市场中持续经营网店 365 天，最大化年末总资产。多店铺运营：支持同时开设最多 4 家、12 种不同类型的店铺，进行差异化品类布局。供应商谈判：与 576 家供应商开展多轮价格谈判，争取更低采购成本。反欺诈识别：识别并规避 152 家欺诈供应商的 5 种典型骗局（VIP 费、缺货、降质、假紧迫、折扣陷阱）。动态市场应对：在 8 场促销和 10 个突发事件（灾害、供应链冲击）下调整经营策略。库存与仓储管理：管理 6,886 个 SKU 的进销存，承担按件按天计算的仓储费用。现金流管控：处理三账户结算体系与 9 天延迟回款，避免 profitable-but-bankrupt（盈利却破产）。七维综合评估：从盈利、谈判、反欺诈、清偿力、效率、执行、长程学习七个独立维度打分。E-Commerce Bench的技术原理四层架构：系统由 Agent 循环层、工具层、环境层、数据层自上而下构建，实现决策、执行、环境反馈的闭环。确定性谈判内核：供应商的所有报价、让步与接受/拒绝决策由固定算法内核计算，LLM 仅负责将数字决策渲染成自然语言对话。这样既保留了多轮砍价的真实体感，又彻底消除了采样随机性，防止模型通过越狱或欺骗拿到成本线以下的价格，确保不同 Agent 在相同策略下获得可复现的结果。动态经济引擎：用户需求不做随机采样，通过品类基础需求、价格弹性、市场事件和店铺信誉等因子计算得出，仅由 episode 种子控制可复现的随机性。三账户结算与现金流压力：成本发生当天即从银行账户扣除，但销售收入需经过”发货 → 9 天平台担保期 → 平台钱包 → 手动提现”才能回流银行，刻意制造营运资金缺口，迫使 Agent 主动管理流动性，避免只看利润不看现金的短视行为。长程学习评估（AnchorRatio）：衡量 Agent 在重复采购同一商品时是否越买越便宜。以该 Agent 自身历史报价的随机重排作为零假设，若显著低于 1.0 则说明模型能从过往谈判经验中持续优化采购策略。微信关注回复“开源”，加入AI开源项目交流群如何使用E-Commerce Bench获取代码：从 GitHub 克隆 E-Commerce Bench 开源仓库到本地。环境配置：安装项目依赖并准备好 Python 运行环境。接入模型：在配置文件中填入待评测 LLM 的 API Key 与模型名称。启动模拟：运行主程序，Agent 将自动开始 365 天的电商经营回合。查看结果：模拟结束后，系统自动输出七维评估报告与全年资产变化曲线。E-Commerce Bench的核心优势首创长程经营评测：首次将 LLM Agent 评测从短程任务扩展到 365 天持续经营的动态商业场景。真实市场数据驱动：6,886 个商品、60 个品类、576 家供应商均基于真实电商平台脱敏数据构建。确定性内核保障可复现：谈判报价与市场需求由固定算法内核计算，LLM 仅负责对话渲染，彻底消除随机采样噪声。七维立体评估体系：不只看年末资产，同时独立考核谈判、反欺诈、现金流、效率、执行与长程学习能力。真实商业压力模拟：三账户延迟结算与按天仓储费机制，迫使 Agent 必须管理营运资金而非仅追求账面利润。反欺诈能力量化：内置 152 家欺诈供应商与 5 种典型骗局，精准测量模型的风险识别与资金保护能力。E-Commerce Bench的项目地址项目官网：https://ecbench.github.io/GitHub仓库：https://github.com/QwenLM/E-CommerceBencharXiv技术论文：https://arxiv.org/pdf/2608.30730E-Commerce Bench的同类竞品对比对比维度E-Commerce BenchTERMS-Bench核心定位长程自主电商经营全链路评测多轮对话谈判策略专项评测任务时长365天持续经营，单轮最高4,000回合单会话有限轮次谈判市场环境动态经济引擎（促销、灾害、季节性需求波动）静态或简化谈判场景经营复杂度涵盖开店、选品、库存、现金流、退货、履约仅聚焦买卖双方价格博弈反欺诈评估内置152家欺诈供应商与5种典型骗局不涉及欺诈识别维度长程学习度量AnchorRatio 量化跨时间重复采购的学习效果不评估跨会话经验积累可复现机制确定性谈判内核 + LLM 仅渲染对话依赖 LLM 同时扮演谈判双方数据来源真实电商平台脱敏商品与品类数据合成或人工构造场景E-Commerce Bench的应用场景大模型商业能力评测：为 GPT、Claude、Qwen 等前沿模型提供标准化的长程经营能力横向对比。电商 Agent 策略迭代：作为强化学习与 Agent 架构的训练沙盒，快速验证定价、采购与库存策略。供应链风控算法研究：在含欺诈供应商的模拟环境中测试和优化供应商筛选与风险识别模型。动态定价算法验证：利用真实价格弹性数据，检验不同定价策略在促销与季节性波动中的收益表现。商业决策模拟培训：作为商学院或企业内部的经营模拟器，训练管理者在现金流压力与市场不确定性下的决策能力。# 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zg - Zvec AI 开源的本地优先统一检索基础工具下一篇Pi - 开源的终端编程 Agent，支持自定义工具与模型接入相关文章智谱CoCo – 智谱推出的首个企业级超级助手AgentAI小集7PromptPort – AI提示词管理平台，专注于创作、优化、运用prompt技术AI小集2Imagen 3 – Google推出的AI图像生成模型AI小集4Ling-2.6-flash – 蚂蚁百灵团队推出的高效Instruct模型AI小集3AutoBE – AI驱动的后端服务器代码生成工具AI小集2TRELLIS.2 – 微软开源的40亿参数3D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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill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！2分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景2分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取7分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型2天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Muse Spark 1.3 – Meta 推出的新一代大语言模型3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Gemini 3.8 – 谷歌推出的推理与编码模型3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型4天前

GPT-6 Astra – OpenAI 推出的最新旗舰大模型AI工具2天前更新AI小集03GPT-6 Astra是什么GPT-6 Astra 是 OpenAI 推出的旗舰大模型，官方称其为「全球最智能、最符合人类意图的模型」。模型突破传统聊天边界，进化为能独立操作软件、浏览网页、完成复杂任务的 AI Agent。在 ARC-AGI-3的得分达到 99.9%、ExploitBench获得 100% 成绩等测试中创下纪录，可胜任编程、科研、网安等专业工作。GPT-6 Astra的主要功能Computer Use：独立操作计算机软件、浏览网页、填写表单、更新 CRM 与整理日程。软件工程：完成复杂编程与代码库理解，Terminal-Bench 与 DeepSWE 测试均达 SOTA。科学研究：直接分析实验数据、生成图表，FrontierMath Tier 4 得分 97.6%。网络安全：发现并利用 zero-day 漏洞，ExploitBench 测试达 100%。3D 与硬件设计：操作 Blender、Unity、KiCad 完成 3D 建模、游戏场景与 PCB 电路板设计。专业文档：生成排版精美的海报、演示文稿及可直接使用的商务文档。GPT-6 Astra的技术原理超大规模预训练：首次在美国 Stargate 德州基地使用超 10 万张 GPU 完成预训练，是 OpenAI 迄今规模最大的训练项目之一。模型对齐与安全：集合多年强化学习和对齐研究成果，采用此前模型参与监督；在突破任务边界测试中，越权比例从 48% 降至 0%。长程上下文管理：Codex 跨上下文窗口保存笔记并支持搜索过往消息与工具输出，使长时任务不丢失关键信息。分级安全策略：普通版本拒绝高级网络安全请求，经审核的安全团队可通过 Daybreak 项目获得更开放的能力访问，平衡性能与风险。如何使用GPT-6 Astra获取权限：订阅 ChatGPT Plus/Pro/Business/Enterprise 或申请 API 访问，获得 GPT-6 Astra 使用权限。切换模型：在ChatGPT客户端或 API 端点中选择 GPT-6 Astra 作为当前模型。输入指令：用自然语言输入复杂任务指令，支持编程、设计、科研、办公自动化等多场景。开启 Computer Use：开启 Computer Use 功能，授权 Astra 自主操作软件、浏览网页及调用外部工具。交互确认：根据执行进度实时反馈，确认关键节点或调整需求，直至任务完成并导出成果。GPT-6 Astra的核心优势Agent 能力质变：从聊天问答进化为能独立完成复杂任务的 AI Agent，可直接操作软件、浏览网页、处理专业工作流。顶尖基准成绩：ARC-AGI-3 达 99.9%，ExploitBench 达 100%，FrontierMath Tier 4 达 97.6%，多项测试刷新纪录。软件工程领先：Terminal-Bench 与 DeepSWE 均达 SOTA，代码生成迭代更少，长程任务上下文不丢失。科学研究能力：可直接进入专业软件分析实验数据，参与数学研究并推进素数间隔问题。创意与硬件设计：支持 Blender、Unity、KiCad 完成 3D 建模、游戏场景搭建与 PCB 电路板设计。网络安全双刃剑：具备发现 zero-day 漏洞的能力，但通过 Daybreak 分级策略严格管控开放范围。GPT-6 Astra的项目地址项目官网：https://openai.com/index/gpt-6-astra/GPT-6 Astra的同类竞品对比对比维度GPT-6 Astra (OpenAI)Claude Fable 5.1(Anthropic)产品定位全球最强 AI Agent，AGI 时代起点Anthropic 旗舰模型，侧重安全与推理Computer UseOSWorld 2.0:72.6%Agents’ Last Exam:59.3%ScreenSpot-Pro:92.7%Agents’ Last Exam: 48.7%ScreenSpot-Pro: 87.3%软件工程Terminal-Bench 4.0:57.7%DeepSWE v1.1:74.1%FrontierCode Ext: 64.5%Terminal-Bench 4.0: 55.8%DeepSWE v1.1: 67.4%FrontierCode Ext: 63.6%科学研究FrontierMath Tier 4:97.6%GPQA Diamond:96.0%Terminal-Bench Science:64.6%FrontierMath Tier 4: 87.8%GPQA Diamond: 93.7%Terminal-Bench Science: 52.6%网络安全ExploitBench:100%ExploitGym:42.4%ExploitGym: 30.4%安全对齐越权比例0%CU 安全:2.4%CU 安全: 9.5%定价输入 $10/M tokens输出 $50/M tokens输入 $10/M tokens输出 $50/M tokens开放策略分级开放，普通用户受限，安全团队 via Daybreak通过 Claude 平台及 API 标准开放GPT-6 Astra的应用场景软件工程：自主完成复杂代码编写、调试与数据库迁移，Terminal-Bench 与 DeepSWE 测试均达行业顶尖水平。科学研究：直接进入专业软件分析基因测序数据、生成实验图表，并参与推进数学前沿难题研究。办公自动化：独立操作 Excel、Power BI 等工具，完成填表、CRM 更新、日程整理及复杂数据分析。3D 与硬件设计：在 Blender、Unity 中完成 3D 建模与游戏场景搭建，或使用 KiCad 完成 PCB 电路板布局设计。网络安全：主动扫描并发现 zero-day 漏洞，帮助企业修复系统缺陷，同时通过分级策略防止滥用。# 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Cheso - 腾讯推出的 AI PPT Agent 制作工具下一篇MAI-Transcribe-2 - 微软推出的最强 AI 语音转文字模型相关文章Perplexity macOS客户端 – AI搜索工具，实时联网整合多源内容AI小集3BiliNote – 开源 AI 视频笔记工具，自动提取视频内容生成Markdown格式AI小集4FLUX.1 – Stable Diffusion创始团队推出的开源AI图像生成模型AI小集16Microsoft Dragon Copilot – 微软推出的医疗 AI 语音助手AI小集2StyleArt相机 – AI艺术风格应用，一键生成个性化艺术风格的二次元形象AI小集2Code Researcher – 微软研究院推出的深度研究Agent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Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill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！2分钟前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景3分钟前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取8分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1天前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作2天前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入2天前E-Commerce Bench – 千问联合淘天开源电商经营评测基准2天前zg – Zvec AI 开源的本地优先统一检索基础工具2天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型2天前Cheso – 腾讯推出的 AI PPT Agent 制作工具3天前Muse Spark 1.3 – Meta 推出的新一代大语言模型3天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台3天前Gemini 3.8 – 谷歌推出的推理与编码模型3天前Fusion Model – FUMO Lab 推出的智能分配模型4天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型4天前

感谢IT之家网友万行、南琴梨、简纸Paper、苹果笔会梦到乔布斯吗、未央、AlanMac、愚公骑马、汪汪的主人是喵喵、软媒新友1970583、软媒新友2203184、华南吴彦祖、凉、软媒用户1053564、勇者阿帽、不甜的砂糖、Stephen_233、火瓶座、乌蝇哥的左手、棒槌的线索投递！IT之家9 月 4 日消息，当地时间 9 月 3 日，OpenAI 宣布推出新一代 GPT-6 Astra 模型，这是该公司迄今为止最强大、部署最广泛的大语言模型。据介绍，Astra 是 OpenAI 旗下首个达到其“准备框架”（Preparedness Framework）中“关键”（Critical）网络安全能力门槛的模型。格雷格 · 布罗克曼（Greg Brockman）声称，随着 Astra 的发布，世界已经进入了通用人工智能的新时代。据 OpenAI 介绍，Astra 在网络安全能力上实现了显著跃升。在提供适当工具和访问权限的情况下，该模型能够在无人指导的条件下，发现许多防护严密的系统中此前未知的安全漏洞，并开发新的利用方式。针对网络安全能力提升，OpenAI 进一步加强了 GPT-6 Astra 的安全防护，包括强化内部开发和部署环境隔离、加密模型检查点，以及对完整运行轨迹进行统一监控。OpenAI 还引入了在内部使用前必须通过的阻断式对齐评估流程，并针对模型可能因滥用或自身偏差采取有害网络操作的风险增加防护措施。与 GPT-5.6 Sol 相比，GPT-6 Astra 的抗越狱能力也有所提升。OpenAI 称，该模型通过新的鲁棒性（指模型在面对被破坏的、异常的、有恶意的输入时，能否做到“临危不乱”）安全训练技术，在较长运行轨迹中的表现同样更加稳定。在具体应用场景中，Astra 在面对提示词注入攻击的鲁棒性显著优于 GPT-5.6 Sol，在真实浏览和专业计算机环境中的不对齐及潜在破坏性行为（如未经授权的交易、数据丢失、过度访问或规避控制）也大幅减少。此外，Astra 在高风险场景中的响应更为安全，且在 18 岁以下用户的年龄适配安全边界应用上更为一致。IT之家注：提示词注入攻击（Prompt Injection）是指通过特定输入诱导 AI 系统偏离原有指令或安全约束的攻击方式。OpenAI 表示，公司通过离线测试，以及内部和外部越狱测试与修复计划，对 GPT-6 Astra 进行了验证。针对被标记为潜在高风险的用户，模型还接受了更保守拒答边界方面的训练。此外，OpenAI 采用回归测试确保 GPT-6 Astra 能够抵御此前测试阶段发现的越狱方式，并使用最新的内部自动化红队攻击模型进行了新一轮测试。在模型对齐方面，OpenAI 称 GPT-6 Astra 相较 GPT-5.6 Sol 也有所改进，涉及预训练数据构成以及强化学习阶段的评估机制。根据 OpenAI 公布的一组对齐评估结果，GPT-6 Astra 在遵守安全与安全边界、以及保持在获授权范围内执行任务方面表现更好。OpenAI 还利用超过 5.4 万项内部 Codex 任务开展部署模拟。在这项测试中，GPT-6 Astra 被标记为高严重程度失配行为的次数约为 GPT-5.6 Sol 的一半。OpenAI 同时扩大了失配监控系统的部署范围，将其加入 GPT-6 Astra 对外部署过程中涉及工具调用的推理流程。该监控系统需要消耗大量计算资源，其架构与 OpenAI 内部使用的监控方案相似。不过，OpenAI 也指出，GPT-6 Astra 的可监控性较 GPT-5.6 Sol 有所下降。相关研究显示，Astra 更有能力控制自身思维链（CoT），并且更不容易在其中留下可能暴露问题的信息。在对抗性测试中，OpenAI 要求模型主动规避监控，发现 GPT-6 Astra 在评估中故意降低表现时可以保持不被发现；在执行部分破坏性任务时，它有时也能够规避内部监控。OpenAI 称，目前尚未发现 GPT-6 Astra 存在思维链隐写推理的证据，即通过普通且看似无关的文本隐藏推理信息。因此，现阶段观察到的规避风险可能主要局限于较低难度的推理任务。OpenAI 强调，这些结果主要来自要求模型主动规避监控的对抗性评估，而整体对齐测试仍显示，GPT-6 Astra 违反安全限制的可能性低于 GPT-5.6 Sol。OpenAI 表示，公司将继续研究上述趋势及其对模型可监控性的影响，并把保持和利用思维链监控能力作为相关研究计划的核心目标。同时，公司认为，仅依靠检查模型思维链并不足以完成对齐审计，还需要发展其他审计技术。在浏览和办公环境中，GPT-6 Astra 同样针对提示注入进行了强化。OpenAI 在真实浏览及专业计算机环境中测试发现，该模型执行未授权交易、造成数据丢失、过度访问权限或绕过控制措施等潜在破坏性行为的可能性低于 GPT-5.6 Sol。在智能体场景中，GPT-6 Astra 处理高风险请求时也更加谨慎。例如，对于涉及暴力攻击策划或实施欺诈的请求，其行为安全性均有所提升。OpenAI 最后表示，GPT-6 Astra 在来自实际生产环境及人工红队测试的高风险请求中，相较 GPT-5.6 Sol 能够更安全地完成允许处理的任务，同时减少对无害请求的不必要拒答。OpenAI 首席科学家 Jakub Pachocki 在 9 月 3 日上午的简报会上表示：“随着模型能力增强，准确理解它们能做什么变得更困难了。这并不保证随着智能持续提升，我们的方法仍然足够有效，因为智能的进步并不能保证对齐的进步。”

HuggingFace是什么Hugging Face 是机器学习社区协作平台，专注于模型、数据集和应用程序的共享与开发。平台提供超过 200 万个预训练模型，涵盖自然语言处理、计算机视觉、语音识别等多种任务，支持一键下载和使用。同时，Hugging Face 拥有海量开源数据集，方便开发者快速加载和处理数据。通过 Spaces 平台，用户能快速部署 AI 应用，实现从想法到产品的快速迭代。Hugging Face 的开源工具库（如 Transformers 和 Datasets）为开发者提供了强大的技术支持，简化开发流程。Hugging Face服务于开发者，推动了 AI 教育和社区建设，成为全球 AI 开发的重要基础设施。HuggingFace的主要功能模型共享与探索：提供超过 200 万个预训练模型，涵盖文本、图像、音频等多种任务，支持一键下载和使用。数据集管理：拥有海量开源数据集，支持一键加载、处理和流式读取，方便开发者快速获取和使用数据。AI 应用托管：通过 Spaces 平台支持创建、分享和运行 AI 应用，支持 GPU/TPU 加速，适合快速原型开发和模型展示。开源工具库：提供 Transformers、Datasets、Tokenizers 等开源工具，支持快速开发和部署 AI 模型。模型部署服务：通过 Inference API 提供一键部署功能，支持云端推理，简化模型上线流程。社区协作：拥有活跃的开发者社区，支持团队协作、代码共享和知识交流，促进 AI 技术的共享与创新。企业级支持：提供付费服务，包括高性能计算资源、私有仓库和企业级安全支持，满足企业级需求。多模态支持：支持文本、图像、音频、视频等多种模态的模型和应用开发，推动多模态 AI 的发展。教育与学习：提供丰富的文档、教程和在线演示，帮助开发者快速上手，推动 AI 教育普及。如何使用HuggingFace注册账号：访问 Hugging Face 官网 https://huggingface.co/，完成账号注册和登录，以便访问平台资源和服务。浏览资源：在 Model Hub 中查找和选择预训练模型，或在 Datasets Hub 中搜索适合的数据集，也可在 Spaces 中探索已部署的 AI 应用。使用开源工具：安装 Hugging Face 提供的开源工具库（如 Transformers 和 Datasets），能快速加载和使用模型与数据集。创建和部署应用：在 Spaces 中创建自己的 AI 应用，选择合适的框架（如 Gradio 或 Streamlit），用平台提供的托管服务快速部署。利用 Inference API：选择一个模型并用 Inference API 提供在线推理服务，通过简单的 HTTP 请求实现模型的快速调用。参与社区互动：在 Hugging Face 论坛、Discord 或 GitHub 上提问、分享经验和参与讨论，获取社区支持和最新动态。使用付费服务（可选）：根据需求订阅 Hugging Face 的付费服务，获取更强大的计算资源、企业级支持或私有仓库等功能。HuggingFace的产品定价专业账户 PRO Account：每月9美元，提供个人Hugging Face体验增强，包括10倍私人存储容量、20倍推理积分、8倍ZeroGPU配额和最高队列优先级、Spaces开发模式和ZeroGPU Spaces托管、在个人Hugging Face资料上发布博客文章、私有数据集的Dataset Viewer以及显示专业徽章。团队Team：每位用户每月20美元，为成长中的团队提供即时设置，包括SSO和SAML支持、选择数据位置与存储区域、详细的操作日志、通过资源组进行细粒度访问控制、存储库使用分析、设置身份验证策略和默认存储库可见性、集中式令牌控制和批准、私有数据集的Dataset Viewer以及Spaces的高级计算选项。企业 Enterprise：每位用户每月50美元起，提供定制的入职和企业功能，包括团队计划的所有好处、最高的存储、带宽和API速率限制、年度承诺的托管计费、法律和合规流程以及个性化支持。HuggingFace的应用场景自然语言处理（NLP）：用于文本分类、情感分析、机器翻译、问答系统、文本生成等任务，支持多种语言和领域。计算机视觉（CV）：实现图像分类、目标检测、图像分割、图像生成等功能，支持多种视觉模型和数据集。语音处理：应用于语音识别（ASR）、语音合成（TTS）等任务，支持语音数据的处理和模型部署。多模态应用：结合文本、图像、音频等多种模态，开发图文生成、视频理解、语音问答等复杂应用。模型部署与服务：通过 Spaces 和 Inference API 快速部署模型，提供在线推理服务，支持企业级应用。©️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HuggingFace的工具MOSS复旦大学团队开发的对话式大型语言模型GPT-4OpenAI旗下最新的GPT-4模型文心大模型百度推出的产业级知识增强大模型Segment Anything（SAM）Meta最新推出的AI图像分割模型Gradio开源的搭建机器学习模型UI界面的Python库Scale AIAI机器学习标注训练平台暂无评论再想想发表评论暂无评论…