MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型AI工具1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OmniThink – 浙大联合阿里通义实验室推出的深度思考机器写作框架AI小集2RelightVid – 上海 AI Lab联合复旦等高校推出的视频重照明模型AI小集2Strix – 开源AI安全测试工具，全面漏洞检测AI小集2dinnerfy – AI餐食规划应用，根据口味偏好制定餐单，自动生成购物清单AI小集2DeepAgent – Abacus.AI推出的通用AgentAI小集3Spinach AI – AI会议助手，自动记录会议内容提取关键决策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！44秒前Orbis – Visko推出的实时世界模型，让AI视频像直播一样6分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入21小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

Qwen3.8-Max-Preview – 阿里通义推出的最新一代基座模型AI工具3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Lingua – Meta推出的轻量级独立代码库AI小集2ACE-Step 1.5 – ACE Studio联合StepFun开源的音乐生成模型AI小集2AI解说大师 – AI影视剪辑工具，自动生成原创解说视频AI小集10SocialAI – AI社交网络应用，只有一个真人的虚拟AI社区AI小集4PartCrafter – AI 3D生成模型，支持多部件联合生成AI小集3fal – 面向开发者的生成音频、视频和图像AI平台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！32分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样38分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入22小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3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。

GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具2个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# 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Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章剪小映 – 抖音推出的AI视频剪辑应用AI小集4Talk to Ash – AI心理健康咨询师，全天候心理辅导和情感支持AI小集2Alpamayo-R1 – 英伟达推出的推理版视觉-语言-动作模型AI小集3Docling – IBM开源的文档解析工具AI小集3PersonaCraft – 首尔国立大学推出的单参考图像生成多身份全身图像技术AI小集2AI Anime Generator – 文本或照片自动生成动漫风格图像的AI在线工具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！55分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作19小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入22小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前

E-Commerce Bench – 千问联合淘天开源电商经营评测基准AI工具1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Flipbook – AI 原生无限视觉浏览器，所有页面实时按需生成AI小集3Vibecode – AI应用构建平台，零门槛构建移动应用AI小集3Unbounded – 谷歌推出的首款AI生成式无限人生模拟游戏AI小集4Mistral Large – Mistral AI发布的一款先进的大语言模型AI小集3PixelWave Flux – AI图像生成模型，基于FLUX.1-dev模型微调版本AI小集3AI速搭 – 百度智能云推出的低代码开发平台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！36秒前Orbis – Visko推出的实时世界模型，让AI视频像直播一样6分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入21小时前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

GPT-6 Astra – OpenAI 推出的最新旗舰大模型AI工具1天前更新AI小集02GPT-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podlm-public – 开源的AI博客生成工具，支持网页URL、文本转换成博客AI小集2MindVideo AI – 免费AI视频生成工具，支持图、文生视频AI小集3AniTalker – 上海交大开源的对口型说话视频生成框架AI小集3GoCharlie – 营销全栈AI平台，支持多模态内容输入输出AI小集2Immersity AI – 支持2D图像和视频转换为3D视觉效果的AI平台AI小集3App Intents – 苹果推出的集成Siri和Apple Intelligence新框架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！44秒前Orbis – Visko推出的实时世界模型，让AI视频像直播一样6分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入21小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3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的工具腾讯混元大模型腾讯研发的大语言模型，具备强大的中文创作能力，复杂语境下的逻辑推理能力，以及可靠的任务执行能力Lobe简单免费的机器学习模型训练工具Lamini低门槛快速定制大语言模型的引擎MOSS复旦大学团队开发的对话式大型语言模型无阶未来AI应用与弹性算网平台Gradio开源的搭建机器学习模型UI界面的Python库暂无评论再想想发表评论暂无评论…

以近乎下饺子的速度，Gemini 又双叒更新了。今天凌晨，Gemini 3.8 Flash 正式上线。这已经是 Google 在六周之内发布的第三款 Flash 模型。看起来，Google 要把「小步快跑」的战略贯彻到底。但我比较担心的是，按这个速度，在 Gemini 4 出来之前 3.x 的版本号好像不太够用了……从版本号上看这只是一个常规更新，但 Google 给 Flash 系列模型安排的任务却越来越重。官方说法称，它的目标是编写和修改大型项目、反复调用工具、独立完成持续数小时的复杂工作。这些一般用来衡量顶级 Agentic 模型的活儿，如今都委派给了 3.8 Flash。Flash 系列原本的意义是跑得更快、花得更少，但现在，它不得不代替迟迟没有出现的 3.5 Pro，证明 Google 仍有能力留在牌桌上。看官方跑分，Google 似乎真的做到了；但社区反馈和我们的简单测试得出了一个相反的结论：六周连更三代，Gemini 3.8 Flash 依然「圣质如初」。三周一个新模型，跑分已逼近 Opus 5Google 将 Gemini 3.8 Flash 称为「迄今最聪明的 Flash 模型」，主要面向长程软件工程、自主 Agent 和复杂企业工作流。话都这样说了，那最显眼的提升自然是编程。在测试长程软件工程能力的 DeepSWE v1.1 中，Gemini 3.8 Flash 拿到 71.0% 的成绩，相比 3.7 Flash 的 65.3% 又提高了近 6 个百分点，距离 Claude Opus 5 的 74.0% 只剩一步之遥——要知道，一个半月以前的 3.6 Flash 只有 49%。而在跨越 STEM、人文和专业知识的 HLE-Verified 中，3.8 Flash 得分 54.9%，略高于 Opus 5 的 54.4%。在部分多模态测试中，优势甚至更为明显：复杂图表理解测试 CharXiv Reasoning 得分 86.2%，超过 Opus 5 的 83.7%；采用 Agent 模式处理长视频时，LVBench 得分达到 87.8%，更是碾压 GPT-5.6 Sol 和 Opus 5 在内的一众顶级模型。金融和法律也是 Google 重点宣传的方向。3.8 Flash 在 Vals Finance Agent V2 和 Harvey’s Legal Agent Benchmark 中均超过 3.7 Flash 及其他更昂贵的前沿模型。只看这些数字，一款价格远低于 Opus 5 的 Flash 模型，似乎已经在编程、图表、视频和部分专业任务中摸到了旗舰模型的门槛。好消息是，这些能力提升算是「免费升级」，因为 3.8 Flash 和不久前发布的 3.7 Flash 价格保持一致：每百万 Token 输入 0.75 美元，输出 3.75 美元。原则上这只是限时优惠价格，2027 年 1 月 1 日起，输入输出价格将分别恢复至 1.5 美元和 7.5 美元。其实早在 3.6 Flash 发布时，Google 就说过这优惠价只会持续到年底；但现在看来，他们更新模型的速度已经明显快过更新价格。说不定这个优惠政策，能熬走四五代模型。Google 解释称，3.8 Flash 之所以能完成更困难的任务，主要是因为它「更加努力」。也就是说，面对复杂问题时，它会执行更多推理步骤、反复调用工具，并在过程中检查自己的工作。代价是，它可能比 3.7 Flash 消耗更多的 Token。Google 甚至建议，如果任务更重视计算效率，可以选择降低推理档位，或者继续使用 3.7 Flash。从这个角度来看，3.8 Flash 所谓的更强，似乎有相当一部分来自这种推理上的「强制超频」。与 3.8 Flash 一起发布的还有 3.8 Flash Cyber。在顶尖大模型越狱发动攻击已经变成一种新的 benchmark 的当下，Cyber 可以说是专门给网络安全机构和网络基础设施维护者用来发现、修复漏洞的专用「补锅匠」。Google 表示，在一项覆盖 20 种编程语言的内部漏洞发现测试中，其成功率超过 70%。不过，这款模型只通过 Fairwind Program 提供给可信的网络安全机构，普通用户还是接触不到。速度很 Flash，结果也还是 Flash为了彰显对 3.8 Flash 的宣传所言非虚，Google 在官方博客中准备了几段炫技演示。其中一个是完整的 3D 魔法城堡。玩家扮演巫师在城堡中探索，场景里包含谜题、环境叙事、可交互物品和完整关卡，纹理由 Nano Banana 负责生成。另一个案例则把 Google Maps 塞进了 DOS 界面。它复刻了早年的计算机视觉风格，功能相当完善，可以搜索地点、规划路线，甚至进入街景界面。至少从官方视频来看，这些已经是具备交互功能和基本产品逻辑的完整 Demo 了。但 Google 说的话吧，我们也就姑且听听，毕竟前天他们还向《华尔街日报》爆料称内部工程师编程时更喜欢用 3.8 Flash 而不是 Opus 5……结果怎样，还是要实测了才知道。所以，我们也拿了两个类似的任务，简单测试了下 3.8 Flash 的成色。第一项测试是利用 Three.js 搭建一个空客 H145 直升机的 3D 模型。3.8 Flash 没让我等太久，仅用不到一分钟就拆解完了需求，然后以恐怖的速度倾泻出代码；又过了 109 秒，场景和模型就都做好了。提示词：Create a realistic 3D model of an Airbus H145 helicopter in Three.js. Use the standard factory demonstrator color scheme, emphasizing the compact fuselage, Fenestron enclosed tail rotor, and detailed rotor assembly. Use clean geometry, realistic PBR materials, soft studio lighting, and a neutral background in Three.js。单从生成速度来看，它的确对得起 Flash 的名头。但打开看结果，有点不对劲了。功能倒是齐全的，基本光照也有，但机身细节、部件关系和运动方式都相当粗糙。跑是能跑，但和 H145 直升机的关系约等于鸡仔饼与鸡仔的关系。一直有看爱范儿的读者应该熟悉，这正是昨天我们报道 Fable 5.1 时援引过的测试案例。怎么说呢？由奢入俭难啊……图｜X@@HarshithLucky3第二项测试是 3D 水流模拟，要求设置可替换的地形，来模拟降雨和地表径流在地形上的移动。同样是两分钟做出来，但这个火山口好像有点漏水……提示词：Build an interactive 3D water simulation in this empty repository.Generate a procedural mountain landscape from a deterministic seed. Water must flow downhill according to the local terrain gradient, collect in depressions, and form visible streams and lakes.Use TypeScript, Vite, and Three.js. Do not use a prebuilt physics engine or external 3D assets.这类结果的微妙之处在于，它在工程上确实不是完全失败。任务能结项，代码通常能运行，要求的功能也齐全，但显然离官方案例有着肉眼可见的距离。X 上的首批用户反馈也出现了类似分裂。一方面，3.8 Flash 的响应速度普遍得到认可；但与此同时，它在真实编程和生成任务中依然容易草率理解需求，迅速交出一个形式完整、但细节一塌糊涂的结果。图｜X@aipulseda1ly这未必就代表着 Google 伪造了跑分。更有可能，官方和用户测试已经是完全不同的使用方式。在魔法城堡的案例里，官方明确提到，它是由 3.8 Flash 在 Antigravity 中通过循环指令持续工作，并调用 Nano Banana 生成了场景纹理。换句话说，官方样例里模型通常有专门设计的 Agent 框架、工具环境和明确的多轮测试标准，而我们用的时候，通常只是给它一段一次性的自然语言指令。Google 展示的是 3.8 Flash 被整套技术栈托举之后的上限；我们接触到的，是模型单独工作时的下限。因此，3.8 Flash 有可能是个不错的 Agent 零件，但离单独撑起一套可靠的自主工作流还有距离。图｜X@adxtyahq | 看见球丝滑入墙的一瞬间谁绷得住呢？更值得注意的是，Google 声称 3.8 Flash 会更认真地推理、调用工具和检查结果，但实际体验很难感受到这种「勤奋」。哪怕将推理等级调到最高，它给人的感觉也不是深思熟虑规划后作答，而是快速堆出一个能交差的结果。Google 原本想证明，Flash 模型也能在部分场景干旗舰模型的重活，但至少现阶段，它的判断力、稳定性和完成度和旗舰模型相比还是有很明显的差距。模型之间，等级森严。Google 不争第一，反而可能赢得更多就在 3.8 Flash 发布前一天，Google AI Studio 负责人 Logan Kilpatrick 放出了一段与 Google DeepMind 新掌门人 Koray Kavukcuoglu 的访谈。Koray 在采访中承认，Google 当前的模型「略低于前沿」，但也相当直接地回应了外界关于 Google 已经放弃最强模型竞争的说法：除了站在前沿，没有别的事情对我们更重要。我百分之百确定，我们会回到前沿。但表态和现实是两回事。爱范儿此前获悉，Gemini 3.5 Pro 交付失败之后，Google 短期内不再押注 Fable、Opus 级别的超大规模模型，而是将更多资源转向成本更低、迭代更快的 Flash。当然，这不代表 Koray 说的是空话。Gemini 4 仍然承担着带领 Google 重返第一梯队的长期目标，但不在第一梯队，人也是要吃饭的——在那之前，Flash 要负责守住用户、产品、开发者和收入。不过，「前沿」有时是一种诅咒。OpenAI 即将推出的 Astra 已经达到了所谓「关键级」网络安全能力，可以在较少人工介入的情况下发现未知漏洞；研究者也担心，下一代模型可能逐渐采用越来越难观察内部推理过程的架构，让依靠思维链监控危险行为变得更困难。Anthropic 的 Fable 5.1 则展示了另一种代价——它的能力大幅领先，但社区反馈表示，长任务、子 Agent 和复杂工作流甚至会在两个简单问题后就吞噬掉 Max 订阅计划的五小时额度。当前沿模型继续前进，它们带来的还有更难控制的能力、更昂贵的推理过程，以及监管机构的巨大压力。从这个角度来看，3.5 Pro 的失败未必完全是坏事。转向 Flash 以后，Google 可以将数月一次的前沿模型豪赌，变成像普通软件一样持续更新。新的 Flash 模型可以迅速进入 Gemini App、AI Studio、Antigravity 乃至 Google 搜索，在真实使用中暴露问题，再以「周更」的节奏修修补补。图｜Android Police如果 3.5 Pro 没有失败，Google 未必会这么决绝地走上这条路。Gemini App 的月活跃用户已经超过 10 亿，成为 Google 历史上增长最快的产品；从去年五月至今，它增加了约 6 亿用户。可见，增长不需要最强的模型。大多数人不会让 AI 独自连续工作九个小时，也不会要求它发现零日漏洞。他们只是想搜索资料、修改照片、总结邮件、做心理咨询或者写一篇小说给自己看。这种时候

🎬小米发布会定档 9 月 7 日，与华为、苹果「撞档」⚡Google 发布 Gemini 3.8 Flash、推出网络安全专用模型💳微信灰度测试未读聊天汇总，聊天页增加红包与转账提醒✨李飞飞发布世界模型 Atlas，用统一模型生成、重建与模拟三维世界😯尊界 V800 挥手关门未触发，官方称当时车辆处于 D 档💻豆包工作支持多 Agents 并行，Mac 版新增操作电脑🍎Mac App Store 应用现可移除 Intel Mac 支持🏛️加州通过律师使用生成式 AI 法案，禁止将法律执业委托给 AI🖥️普华永道：全球数据中心到 2050 年或投入 31.6 万亿美元🧠网信办整治 AI 应用乱象，已清理 561 万余条信息💔星宇股份董事长再次致歉，大众已就批量解约应届生启动调查💡马斯克：AI 明年底可胜任所有数字工作🪄50.98 万元，新一代理想 MEGA 上市🎬ColorOS 17 定档 9 月 17 日，Find X10 系列首发📱vivo 创作者盛典定档 9 月 7 日，X500 系列将亮相🚗比亚迪海狮 08 上市，插混、纯电版售价 22.99 万～27.99 万元🔧Meta 发布 Muse Spark 1.3，工具调用与 Token 使用量双降✨马斯克称 Grok 4.7 将在 10 天后发布💾高通推出「高通版 DLSS」，下代骁龙加入 GPU AI 核心🪄华为海外发布 Watch 6 系列，Pro 版配备 3500 尼特屏幕🧰首款纯电揽胜发布，英国起售价约 15.41 万英镑小米发布会定档 9 月 7 日，与华为、苹果「撞档」小米官宣，将于 9 月 7 日 19:00 举行秋季旗舰新品发布会，澎程 N70 Pro、N70 Max 和 N90 Max 三款汽车将在当晚正式上市。同场发布的还有小米 18 Fold 折叠屏手机和小米平板 9 Pro Max。两款新品都将首发搭载小米自研的玄戒 O3 AI 旗舰处理器。值得注意的是，小米发布会与华为、Apple 的秋季活动排期高度集中。华为将在 9 月 7 日 14:30 举行 HarmonyOS 7、HUAWEI Mate XT 2 及全场景新品发布会，小米在当天 19:00 接档；Apple 特别活动则定于北京时间 9 月 10 日凌晨 1:00。三场活动从华为开场到 Apple 开场相隔约 58.5 小时。Google 发布 Gemini 3.8 Flash、推出网络安全专用模型Google 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。通用版面向软件工程、Agent 任务和多步推理，速度与价格保持在 Gemini 3.7 Flash 水平：每百万输入 Token 0.75 美元，每百万输出 Token 3.75 美元。Google 称，Gemini 3.8 Flash 在 HLE-Verified 测试中得分 54.9%，处理复杂任务时会主动增加推理步骤并反复调用工具；开发者也可降低推理强度，控制 Token 消耗。模型已接入 Gemini API、Google AI Studio、Android Studio 和 Gemini Enterprise，消费者可在 Gemini 应用、Google 搜索 AI Mode 与 Google Sheets 中使用。Gemini 3.8 Flash Cyber 面向漏洞发现和自动修复。Google 表示，该模型在覆盖 20 种编程语言的内部漏洞测试中成功率超过 70%，目前仅通过 Fairwind Program 向可信政府机构、关键基础设施运营者和软件维护者开放。🔗 相关阅读：刚刚，Gemini 3.8 Flash 来了，结果惨遭对手嘲讽微信灰度测试未读聊天汇总，聊天页增加红包与转账提醒微信官方介绍了两项消息查找功能。其中，用户在微信主界面长按左下角的「微信」标签，可以汇总查看当前所有存在未读消息的聊天，无需在会话列表中逐个寻找。该功能目前正在灰度测试。另一项功能会在聊天界面右上角显示「红包」或「转账」入口，用于快速找出会话中尚未领取的红包，以及未收款的转账。李飞飞发布世界模型 Atlas，用统一模型生成、重建与模拟三维世界李飞飞联合创办的 World Labs 发布世界模型 Atlas。该模型从头训练，在统一空间上下文中处理文本、图像、视频、相机位姿和三维深度图，架构上结合自回归、扩散和 Transformer。Atlas 能根据 1 至 6 张参考图像与手工设定的相机路径，生成最长 1 分钟、1440p 的视频。在三维重建中，它可从数张图像生成新视角，输出点云或 3D Gaussian Splat；对于机器人任务，则可把真实场景转为导航和操作训练所需的模拟环境。Atlas 目前仅向少数合作伙伴开放早期访问，未来还将用于 World Labs 的 Marble 后续版本及其他产品。🔗 相关阅读：李飞飞的 World Labs，把赛博朋克的「超梦」做出来了尊界 V800 挥手关门未触发，官方称当时车辆处于 D 档近日，尊界 S800 Grand Design 典藏大观与 V800 举行全国首批车主交付仪式。演员袁弘、张歆艺夫妇在体验尊界 V800 挥手关门功能时，连续几次做出关门手势，车门均未响应。尊界后续说明，手势关门需要车辆处于 P 档，且手势位于车内摄像头识别范围内。当时司机踩下刹车且车辆处于 D 档，因此功能没有启用。豆包工作支持多 Agents 并行，Mac 版新增操作电脑豆包工作于 9 月 2 日上线两项新能力。多 Agents 并行会由主 Agent 先拆解任务，再把垂直、专业的子任务分发给不同子 Agent 同时处理，最后由主 Agent 汇总结果。不同子 Agent 也可分别交付 Word、PPT 和 HTML 等不同形式的产物。Mac 版「操作电脑」功能可让豆包通过视觉理解执行本地 GUI 操作，在没有 MCP、API、插件或 CLI 的情况下识别界面并点击、输入。用户授权后，被操作应用会以小窗显示，人工接管时豆包会暂停操作。Mac App Store 应用现可移除 Intel Mac 支持Apple 向开发者确认，要求 macOS 13 或更高版本的通用 Mac App Store 应用，现在可以移除对 Intel Mac 的支持。此前，已经同时支持 Apple 芯片和 Intel 架构的应用，不能在 Mac App Store 中单独放弃 Intel 版本。应用移除 Intel 支持后，旧 Mac 将不再收到后续更新，但仍可使用最后一个兼容版本。Apple 表示，这可以简化开发，并缩小应用的下载和本机占用空间。Apple 正在结束 Mac 的 Intel 过渡期。macOS 27 将是最后一个支持 Rosetta 的版本；后续系统中，纯 Intel 应用将无法在 Apple 芯片 Mac 上运行，只有部分依赖 Intel 框架的旧游戏会获得例外支持。加州通过律师使用生成式 AI 法案，禁止将法律执业委托给 AI路透社报道，美国加利福尼亚州议会两院已通过 SB 574 法案，首次在州级层面为律师使用生成式 AI 设定专门规则。法案已送交州长 Gavin Newsom，等待签署或否决。法案规定，律师不得将法律执业「委托」给生成式 AI，仍需对工具的使用方式和输出内容承担专业责任。在向法院、客户或其他当事人引用法律依据时，律师必须核验引用是否真实、准确且未被断章取义。加州律师协会此前已起草相关执业规则修订，覆盖胜任能力、客户沟通、保密义务、对法庭的诚信义务，以及对非律师助手使用 AI 的监督。普华永道：全球数据中心到 2050 年或投入 31.6 万亿美元普华永道发布《2026—2050 全球数据中心展望》，基准情景预计，2026 年至 2050 年全球数据中心累计资本支出将达 31.6 万亿美元；如果 AI 普及快于预期，该数字可能接近 50 万亿美元。该模型由牛津经济研究院为普华永道构建，覆盖 46 个国家和地区。报告认为，需要每 4 至 6 年更换的服务器、GPU、存储和网络设备是这轮投资的主体。到 2050 年，ICT 设备预计将占数据中心总投资的 93%。电力供应是报告列出的首要约束。此外，芯片贸易、数据主权、连接能力和社区接受度也会决定投资最终落在哪些地区。网信办整治 AI 应用乱象，已清理 561 万余条信息中央网信办通报「清朗·整治 AI 应用乱象」专项行动第二阶段进展。截至目前，各平台累计清理违法违规信息 561 万余条，查处账号 4.9 万余个，处置违规网站和应用程序等 2400 余个。本轮整治重点包括：用 AI 制作虚假灾害与救援画面、「魔改」经典作品、生成暴力低俗内容，以及使用 AI 「托管」账号从事网络水军活动。通报列出的相关账号和应用已被处理。网信办表示，豆包、元宝、千问、文心一言等平台正加强原始语料审核、限制违规内容输出，并推动 AI 生成合成内容标识落地。多家手机应用商店也开始加强开发者准入和在架 App 抽检。星宇股份董事长再次致歉，大众已就批量解约应届生启动调查星宇股份董事长兼总经理周晓萍在 9 月 2 日的业绩说明会上，就公司与 107 名应届毕业生解除劳动合同再次致歉。她表示，公司已重新审视用工制度和流程，并正在政府部门指导下落实后续措施。另据第一财经，常州星宇车灯股份有限公司外包劳务时薪上调 1 元。多位招工中介介绍，此前星宇股份小时工的薪资是 22 元/时，现在上涨为 23 元/时，具体构成是 20 元/时加上 3 元留任奖。常州市人社局此前通报，星宇股份共招录 440 名 2026 届毕业生，后与其中 107 人解除合同，协商过程「方法简单生硬，缺乏充分有效沟通」。公司已对人力资源总监作出停职处理，并宣布向 107 人发放 3 个月求职生活补贴、组织专场招聘会。大众中国已就供应商相关投诉启动专项调查，并表示尊重劳动者权益是其供应链管理要求。截至 8 月 25 日，107 人中已有 22 人实现就业，14 人参加其他企业面试。Meta 将内部沟通从 Google Chat 转向 Slack，称后者更适合 AI AgentBusiness Insider 获得的一份内部备忘录显示，Meta 将把员工内部沟通工具从 Google Chat 迁移至 Slack。Meta 首席 AI 官 Alexandr Wang 在备忘录中表示，Slack 是目前最适合承载 AI Agents 的平台。Meta 看中的能力包括：面向 Agents 的对话界面、成熟的开发工具，以及丰富的第三方集成。Wang 称，即使并非所有员工都在开发 Agents，公司内部也能从更完整的 Agent 生态中受益。这笔迁移为 Slack 母公司 Salesforce 带来一名大型企业客户。Meta、Salesforce 均拒绝置评，Google 未回应置评请求。Oura 新增 4 名独立董事，为赴美 IPO 做准备据彭博社报道，智能戒指厂商 Oura 任命 4 名具上市公司经验的独立董事，成员曾在 Netflix、Robinhood 和 Deliveroo 等公司担任管理职务。Oura CEO Tom Hale 表示，新董事熟悉全球业务的建立与规模化过程。Oura 已于 5 月向美国证券交易委员会秘密提交 IPO 注册声明草案。彭博社称，公司计划最快在本月启动美国 IPO，募资额最高可能达到 30 亿美元。公司今年还发布了 Oura Ring 5，并预计付费会员数量在第二季度超过 500 万。新增董事进一步补齐了公开上市前的治理结构。Dell 上调全年业绩指引，AI 服务器订单积压继续扩大Dell 发布 2027 财年第二财季业绩：截至 7 月 31 日的三个月内，营收为 470 亿美元，同比增长 58%。AI 服务器是主要增量。该业务当季确认营收 164 亿美元，期末在手订单达 950 亿美元，公司称销售线索规模仍是在手订单的数倍。Dell