最好用的AI工具
首頁 / AI工具

AI工具

1,760 個結果

GPT-Live-1.1 – OpenAI 推出的 ChatGPT 新一代語音模型

GPT-Live-1.1是什麼 GPT-Live...

Muse Spark Open – Meta 開源的多模態大模型

Muse Spark Open是什麼 Muse ...

Doory – 開源的在線設計編輯器，Canva 開源平替

Doory是什麼 Doory 是開源的在線設計工具，開源的 Canva 替代品，運行在瀏覽器裏的全功能在線設計編輯器，可製作海報、社媒圖、簡歷、PPT、名片等。Doory支持導出 PNG/JPG/SVG/PDF/MP4/GIF，具備實時協同編輯、動畫特效、一鍵摳圖和私有化部署能力，完全免費無廣告，適合小團隊自建使用。 Doory的主要功能 模板設計：內置10個高頻率場景起步模板（海報、簡歷、邀請函等），也支持從空白畫布開始創作。 像素級畫布編輯：基於 Fabric.js 的畫板支持多頁面、多尺寸設計，配備對齊參考線、自動吸附和標尺。 圖層管理：每個元素都是圖層，可重命名、鎖定、隱藏、分組、拖拽排序，右鍵即可調整層級。 文字工具：支持標題、彎曲文字、文字效果、字體搭配，內置開放許可字體庫，也可上傳自有字體。 素材庫：自帶約25000個開放許可圖標、Emoji和插畫，支持上傳圖片、應用蒙版和濾鏡。 一鍵摳圖：背景移除模型直接在瀏覽器本地運行，無需上傳服務器。 動畫製作：提供27種入場/退場動畫、12種強調效果和16種頁面過渡，配時間軸編輯。 多格式導出：支持 PNG（透明）、JPG、SVG、PDF，動畫可導出 MP4/WebM/GIF。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用Doory 在線體驗： 打開官網：訪問 Doory 官網 https://doory.art/ 進入模板畫廊。 選擇模板：瀏覽或搜索模板，點擊”Use this template”進入編輯器；也可從空白頁開始。 編輯設計：點擊畫布上任意元素即可修改，左側欄可添加文字、形狀、貼紙、圖片、動畫、音頻等，上方工具欄調整字體、顏色、大小等屬性。 保存作品：遊客模式自動將設計保存在瀏覽器本地，點”Sign up”註冊後可將作品一鍵遷移到雲端。 分享協作：點擊右上角 Share 生成鏈接，可設密碼和”僅查看/可評論/可編輯”權限，多人實時協同編輯。 導出成品：點擊下載按鈕，選擇 PNG/JPG/SVG/PDF或 MP4/WebM/GIF導出。 Docker 私有化部署： 獲取代碼：git clone 倉庫到服務器，複製 .env.example 爲 .env。 配置環境變量：在 .env 中設置 DJANGO_SECRET_KEY（用 openssl rand -base64 48 生成）和 POSTGRES_PASSWORD。 啓動服務：運行 docker compose up -d --build，等待容器構建完成。 創建管理員：執行 docker compose exec api python manage.py createsuperuser 設置後台賬號。 填充內容：依次運行 seed_templates、seed_elements、sync_fonts、sync_element_packs、sync_audio 等命令導入模板、圖標、字體和音頻。 訪問使用：瀏覽器打開 http://localhost:8080可開始設計，管理員可登錄後台上傳自定義模板和素材。 Doory的核心優勢 數據自主可控：支持 Docker 一鍵私有化部署，所有設計文件和上傳素材都存儲在自己的服務器上，可對接 S3，徹底避免數據託管在第三方平台的風險。 功能完整度高：圖層、蒙版、濾鏡、彎曲文字、動畫時間軸、音頻、演示模式、版本歷史一應俱全。 實時協同編輯：基於 Yjs 的多人協作，實時光標、評論、權限分級，達到商業產品水準。 本地AI摳圖：背景移除模型直接在瀏覽器本地運行，圖片無需上傳服務器，速度快且保護隱私。 Doory的項目地址 項目官網：https://doory.art/ GitHub倉庫：https://github.com/shaongitbd/doory Doory的同類競品對比 對比維度 Doory Canva 開源 ✅ 開源（Attribution Assurance License） ❌ 閉源商業軟件 私有化部署 ✅ Docker 一鍵部署到自己的服務器 ❌ 僅限官方雲服務 數據控制 文件存儲在自己掌控的基礎設施上 數據託管在 Canva 服務器 免登錄使用 ✅ 遊客直接設計，作品存本地 ❌ 必須註冊賬號 實時協同編輯 ✅ 實時光標、評論、版本歷史 ✅ 支持團隊協作 動畫/視頻導出 ✅ MP4、WebM、GIF ✅ 支持 背景移除 ✅ 模型在瀏覽器本地運行 ✅ 雲端處理（免費版有限額） 模板庫 僅 10 個起步模板（可自行擴充） 百萬級模板庫，生態成熟 素材規模 約 25000 個圖標/Emoji 海量照片、視頻、字體

DMAD – 字節聯合德州農工開源的擴散模型少步蒸餾技術

DMAD是什麼 DMAD（Distribution Matching as Adversarial Distillation）是字節跳動與德州農工大學聯合開源的少步蒸餾框架，用於加速擴散模型生成。DMAD訓練二分類判別器直接學習目標分佈與學生分佈的差異，省去輔助擴散模型，將50步教師模型蒸餾爲4步學生模型。已支持ImageNet、SDXL、Wan2.1及MiniMax-H3-33B，8GB顯存可生成約5秒1344×768有聲視頻。 DMAD的主要功能 少步圖像生成：將 ImageNet-64 的 EDM 模型蒸餾至 1 步採樣，FID 低至 1.04，SDXL 僅需 4 步可文生圖。 少步文生視頻：把 Wan2.1-T2V-14B 蒸餾爲 4 步學生模型，VBench 達 85.15。 聯合音視頻生成：將 MiniMax-H3-33B 的 50 步教師模型蒸餾爲 4 步，輸出 1344×768 視頻與 32kHz 原生立體聲音頻。 消費級硬件支持：提供 8GB 顯存 ComfyUI 工作流與低顯存命令行推理，8GB 顯卡可生成約 5 秒、12GB 約 15 秒有聲視頻。 訓練與推理全開源：發佈蒸餾方法、訓練代碼、推理腳本及多模型 LoRA 權重，覆蓋命令行與 ComfyUI 兩種使用方式。 DMAD的技術原理 分佈匹配即對抗蒸餾：DMAD 爲訓練二分類判別器區分目標樣本與學生樣本，最優判別器的 logit 等於兩分佈的對數密度比，對其輸入求梯度即得 score 差，直接給出學生的修正方向，省掉輔助 score 擬合模型。 共享骨幹、雙頭判別器：判別器採用單一共享特徵骨幹、兩個判別頭，教師頭區分教師樣本與學生樣本，真實數據頭區分真實樣本與學生樣本，均用二元交叉熵訓練；學生用兩個 logit 的加權線性損失更新，更新時凍結判別器參數但保留梯度回傳。 噪聲區間動態加權：教師樣本與真實數據的分佈差異隨噪聲水平變化，DMAD 用真實數據頭在兩類樣本上的平均 logit 差作爲經驗信號，以 0.99 衰減的指數移動平均追蹤各噪聲區間，差距小的區間獲得更高教師權重，歸一化後參與學生損失。 離線教師樣本加速訓練：教師只提供預生成並緩存的樣本，訓練時無需在線調用教師。4 卡 H200、MiniMax-H3 rank-128 LoRA 配置下，每次學生更新及關聯判別器更新耗時從 818.1 秒降至 233.3 秒，實現約 3.51 倍訓練加速。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用DMAD 克隆倉庫：git clone https://github.com/Yzmblog/DMAD.git 並進入項目目錄。 創建環境：用 conda 創建 Python 3.12 環境並激活。 安裝依賴：按官方固定版本安裝 PyTorch 2.11.0（cu126）、torchvision、torchaudio，再執行 pip install -r requirements.txt 和 pip install -U modelscope-hub。 準備硬件：確保有支持 CUDA 的 NVIDIA 顯卡，並預留約 64GB 系統內存與 170GB 磁盤空間。 下載基礎模型：通過 modelscope download MiniMax/MiniMax-H3 下載 MiniMax-H3 基礎模型。 下載蒸餾權重：從魔搭下載 DMAD 的 4 步 LoRA。 命令行推理：運行 inference.py，指定模型路徑、LoRA、提示詞文件、--steps 4、--height 768 --width 1344，按顯存選擇 --low-vram 8或 --low-vram 12。 查看輸出：輸出目錄包含 0000.mp4、提示詞 txt 和 settings.json，跑通後可替換爲自己的提示詞文件。 DMAD的核心優勢 推理大幅提速：將 50 步教師模型蒸餾爲 4 步學生模型，去噪迭代減少 92% 以上，同時保持接近教師的生成質量。 訓練效率更高：判別器直接學習分佈差異，省去輔助擴散模型，4 卡 H200 上訓練更新加速約 3.51 倍。 生成質量領先：ImageNet-64 一步生成 FID 達 1.04，優於 DMD2、SiDA 等方法；人類評估中對 DMD2 總體偏好率 79.1%、對 rCM 達 84.6%。 覆蓋多模態全場景：同一框架統一支持圖像、文生視頻和聯合音視頻生成。 DMAD的項目地址 項目官網：https://yzmblog.github.io/projects/DMAD/ GitHub倉庫：https://github.com/Yzmblog/DMAD Huggin

Matrix-Game 4.0 – 崑崙萬維開源顯卡運行的視頻大模型遊戲

Matrix-Game 4.0是什麼 Matrix-Game 4.0是崑崙萬維推出的全球首款運行在單張消費級顯卡上的視頻大模型遊戲，採用”Harness”新範式，遊戲引擎作爲裁判維護世界狀態與規則，Coding Agent 用自然語言改寫玩法，視頻模型作爲畫師實時渲染精細畫面。Matrix-Game 4.0單張 RTX 5090 可實現 480p、60 FPS、延遲低於150毫秒的遊戲體驗，讓小團隊能搭世界成爲現實。 Matrix-Game 4.0的主要功能 單卡實時運行：單張 RTX 5090 即可實現 480p、60 FPS、延遲低於 150 毫秒的可玩遊戲體驗。 自然語言改玩法：通過 Coding Agent 用一句指令調整地形、NPC 行爲或設計全新玩法規則。 世界狀態顯式管理：遊戲引擎以代碼維護血量、揹包、碰撞、勝負等狀態，物體離開視野仍持續演化。 低模轉精細畫面：視頻模型把引擎輸出的幾何結構畫面實時重渲染爲帶光影材質的 3A 級畫面。 長時間一致遊玩：支持 54-99 秒不間斷遊玩，場景、角色身份與交互結果保持穩定不漂移。 Matrix-Game 4.0的技術原理 Harness 架構：系統給視頻模型套上由 Coding Agent 和遊戲引擎組成的Harness，引擎負責規則之內的狀態演化並輸出結構畫面，Coding Agent 把用戶意圖轉成新規則與細化提示詞，視頻模型只專注渲染，三者分工解耦。 結構-精細畫面對齊數據：基於 UE5 構建跨域數據集，用輕量化幾何抽象採集管線將複雜場景抽象爲保留空間拓撲的低模結構表徵，與高模畫面逐幀像素級對齊，同步捕獲實例 ID 與因果事件元數據。 動態 Caption：系統將物體 ID 與語義描述關聯，運行時從引擎讀取當前可見對象及實時狀態填入提示詞模板，與結構畫面配合，共同提供畫什麼、畫在哪的條件約束。 可控 V2V 生成：基於 Wan2.2 5B 改造，結構畫面與待生成視頻以 148 通道拼接輸入 30 層因果 DiT，自注意力讀取空間記憶與歷史 KV 緩存，交叉注意力讀取文本條件，用自迴歸方式逐塊生成。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用Matrix-Game 4.0 消費級單卡實時：單張 RTX 5090 跑出 480p、60 FPS、112ms 延遲，首次讓視頻模型遊戲走出實驗室的多卡集羣。 世界狀態顯式可管：遊戲引擎以代碼維護世界規則，狀態可讀取、可修改、可驗證，根治了上一代世界只存在模型記憶裏的漂移問題。 一句話改玩法：Coding Agent 將自然語言指令直接轉爲遊戲規則與代碼，創意迭代不再受 3D 資產生產線拖累。 長時間穩定一致：空間記憶 + 參考幀 + 動態 Caption 機制，保障長時段遊玩中場景結構和物體身份不崩壞。 性能斷層領先：延遲約爲 Code World Model 的 1/90、StreamRender-H3 的 1/5，且對端是唯一消費級方案。 Matrix-Game 4.0的核心優勢 消費級單卡實時：單張 RTX 5090 跑出 480p、60 FPS、112ms 延遲，首次讓視頻模型遊戲走出實驗室的多卡集羣。 世界狀態顯式可管：遊戲引擎用代碼維護世界規則，狀態可讀取、可修改、可驗證。 一句話改玩法：Coding Agent 將自然語言指令直接轉爲遊戲規則與代碼，創意迭代不再受 3D 資產生產線拖累。 長時間穩定一致：空間記憶 + 參考幀 + 動態 Caption 機制，保障長時段遊玩中場景結構和物體身份不崩壞。 性能斷層領先：延遲約爲 Code World Model 的 1/90、StreamRender-H3 的 1/5，且對端是唯一消費級方案。 Matrix-Game 4.0的項目地址 項目官網：https://matrix-game-v4-0.github.io/page/ GitHub倉庫：https://github.com/SkyworkAI/Matrix-Game.git HuggingFace模型庫：https://huggingface.co/Skywork/Matrix-Game-4.0 Matrix-Game 4.0的同類競品對比 對比維度 Matrix-Game 4.0 StreamRender-H3 端到端延遲 112ms（實時可玩） 約 545ms 硬件要求 單張 RTX 5090（消費級，32GB） 8× GB200（數據中心級） 分辨率/幀率 480p @ 60 FPS 未達消費級實時標準 世界狀態管理 引擎顯式維護，可讀取/修改/驗證 主要依賴模型內部表示 玩法定製

Grok Voice 3.0 – SpaceXSI 推出的端到端語音轉語音模型

Grok Voice 3.0是什麼 Grok Voice 3.0 是 SpaceXSI 推出的端到端語音轉語音模型，在獨立測試機構 Artificial Analysis 的語音綜合榜單以 86.9 分居首，響應延遲低於 1 秒，單次任務運行成本約 0.025 美元，低於同級別競品。目前每天支撐特斯拉車內數百萬次對話，星鏈客服中心依託模型日處理 2 萬通多語言來電，約七成無需人工介入可解決。 Grok Voice 3.0的主要功能 端到端語音對話：支持語音輸入直接生成語音輸出，無需文字中轉，實現自然流暢的實時人機對話。 全雙工交互：可智能處理停頓、對話輪替和插話，用戶隨時打斷，模型響應自然不僵硬。 複雜任務執行：依託 Connectors 和 Grok Bot，可完成查日程、回郵件、下單咖啡、預訂晚餐等免動手操作。 企業客服能力：單個智能體即可完成客戶身份覈驗、硬件故障排查、發放退款和補發設備全流程服務。 多語言支持：星鏈客服中心每天以多種語言承接約 2 萬通客戶來電。 Grok Voice 3.0的技術原理 端到端語音轉語音架構：傳統語音助手採用”語音識別→文本理解→文本生成→語音合成”的多模塊級聯方案，信息逐級損耗且延遲疊加。Grok Voice 3.0 採用語音到語音的直接建模，音頻信號進入模型後不經文本中間表示，直接輸出語音回覆，減少級聯誤差，是其首響延遲壓至 1 秒以內的結構基礎。 全雙工對話建模：模型能同時處理收聽與生成：通過流式編碼器持續捕捉用戶音頻流，結合對停頓、語氣詞和插話行爲的判別，動態決定何時續說、何時讓步，在 Full Duplex Bench 上取得 97% 的成績，是其車載免喚醒、可打斷交互體驗的核心支撐。 語音推理與智能體能力融合：模型將聽覺理解與大語言模型的推理規劃能力耦合，用戶語音被解析爲任務意圖後，由內置的智能體框架調用日程、郵件、下單等外部工具 Connectors 或 Grok Bot 完成任務，把執行結果用自然語音回饋用戶，形成”聽懂—規劃—執行—回覆”的閉環，是其客服場景能獨立完成退款、補發等操作的原因。 如何使用Grok Voice 3.0 普通用戶：在 Grok 應用、Grok Bot 或特斯拉車內直接開啓語音模式可對話，grok-voice-latest 用戶已自動升級無需操作。 開發者：註冊 API Console 獲取密鑰後，按官方文檔調用 Voice Agent API 接入應用。 Grok Voice 3.0的核心優勢 綜合智能第一：以 86.9 分登頂 Artificial Analysis 語音轉語音綜合榜，在語音推理、任務完成率和人類偏好上全面領先競品。 延遲行業領先：響應延遲低於 1 秒，比同級別 GPT-Live-1 低 40%，實現智能與速度的最優平衡。 運行成本更低：單次任務成本約 0.025 美元，低於 GPT-Live-1 和 GPT-Realtime-2.1，且 API 定價與上代持平不漲。 全雙工交互自然：Full Duplex Bench 拿下 97%，對停頓、輪替和插話的處理接近真人對話體驗。 企業場景驗證充分：EVA-Bench 以 74% 精度居首，星鏈實測日接 2 萬通電話、70% 無需人工、四分之一銷售通話直接成交。 Grok Voice 3.0的項目地址 項目官網：https://x.ai/news/grok-voice-3 Grok Voice 3.0的同類競品對比 對比維度 Grok Voice 3.0 Gemini 3.8 Live AA 語音綜合指數 86.9（第 1 名） 82.6 語音推理（Big Bench Audio） 98.5% 97.7% 人類偏好（Arena Elo） 1070 990 任務完成率 94.8% 89.1% 全雙工（Full Duplex Bench） 97.0% 91.9% τ-Voice 客服場景 71.6% 68.6% 單次任務成本 $0.025 更高（未列具體值） EVA-Bench 企業客服精度 74%（最高） 未領先 Grok Voice 3.0的應用場景 智能車載語音助手（特斯拉）：駕駛員全程免動手，通過 Connectors 查詢日程、回覆郵件，或用 Grok Bot 完成下單咖啡、預訂晚餐等複雜任務，目前每天處理數百萬次車內對話。 企業客服中心（星鏈）：星鏈客服依託 Grok Voice 每天多語言接聽約 2 萬通來電，約 70% 無需人工介入即可解決，單個智能體可獨立完成身份覈驗、故障排查、退款和設備補發。 電話銷售轉化：約四分之一的銷售通話在客戶掛斷前即促成下

HelixWorld – Noiz AI 聯合港科大開源的實時交互世界模型

HelixWorld是什麼 HelixWorld 是 Noiz AI 與港科大聯合開源的實時交互式音視頻世界模型。給模型一張起始圖片和文字描述，可通過 WASD 和方向鍵在 AI 生成的世界中行走、轉頭，畫面與立體空間音效同步實時生成，且聲像隨視角自然變化。HelixWorld 基於 LTX-2.3 構建，採用”雙向教師 + 因果蒸餾”訓練，單張 H800 顯卡可實現 768×512 分辨率、24 FPS 的實時生成。配套發佈 HelixBench 基準，專門評估空間聲學一致性。 HelixWorld的主要功能 實時可交互世界生成：輸入起始圖片和文字描述，可在 AI 生成的世界中自由探索。 鍵盤/動作操控：WASD 控制移動、方向鍵調整視角，畫面隨操作即時響應。 原生音視頻聯合生成：視頻與立體聲音頻同步生成，非後期配音。 空間聲學一致性：聲像隨鏡頭轉動自然變化，如左側聲源轉身後面向時聲音方向隨之改變。 三軌解耦提示詞：分別用視頻、音頻、音視頻聯合描述控制生成內容。 實時流暢體驗：單張 H800 顯卡上達到 768×512 分辨率、24 FPS 實時生成。 HelixWorld的技術原理 雙向教師模型預訓練：先訓練一個雙向音視頻擴散模型作爲教師：連續 6-DoF 相機軌跡通過 PRoPE 注入視覺注意力，81 類離散動作經 AdaLN-Zero 調製擴散時間步，跨模態注意力把相機運動傳遞到音頻分支，使聲音自然產生立體聲像變化。 因果蒸餾實現實時化：將教師模型蒸餾爲少步因果學生模型：視頻潛變量與音頻 token 分塊處理，塊內雙向注意力、塊間通過 KV cache 因果連接，配合 ODE 初始化使學生能以 4 步完成去噪，滿足實時推理需求。 在線軌跡蒸餾抑制漂移：針對自迴歸長程生成的誤差累積問題，訓練時用教師 Probability Flow ODE 的終點爲目標監督學生速度場，與分佈匹配損失（DMD）隨機交替使用，兼顧生成多樣性與長程穩定性。 長程流式微調：通過滑窗 KV cache 逐段展開長序列訓練，保留 sink 幀錨點、歷史梯度截斷，配合約一分鐘的長序列微調，進一步減少長時間生成中的畫面漂移與聲音退化。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用HelixWorld 方式一：在線體驗 打開官網 https://helixworld.org，選擇示例圖片或上傳自己的圖片。 填寫場景的文字描述。 進入世界後用 WASD 移動、方向鍵轉動視角，實時探索生成內容。 運行過程中還可隨時修改提示詞，調整後續生成的場景。 方式二：本地部署 環境準備：Linux 系統、Python 3.11、CUDA 12.x、NVIDIA 顯卡（建議 80GB 顯存）、ffmpeg 和 ffprobe。 下載項目並安裝依賴：git clone https://github.com/NoizAI/HelixWorld.git，創建 conda 環境後 pip install -r requirements.txt。 運行 python download_models.py 下載模型權重。 準備一張起始圖片，通過 ./run.sh 指定圖片、畫面/聲音/聯合提示詞、動作序列等參數，生成 MP4 輸出到 outputs 目錄。 HelixWorld的核心優勢 首個開源實時交互式音視頻世界模型：畫面與空間立體聲在用戶操控下聯合實時生成，代碼和權重完全開放。 真正的”轉頭即變聲”：聲像嚴格跟隨視角轉動，空間一致性得分數倍於同類。 單卡即可實時：單張 H800 實現 24 FPS、RTF 0.77 實時生成，速度是同類的 2.5 倍以上。 長程生成不漂移：在線軌跡蒸餾 + 長程微調，30 秒以上連續生成畫面聲音依然穩定，且多樣性不降反升。 音頻質量全面領先：HelixBench 核心指標全面最優，用戶盲測帶音頻場景下以 67.9% 偏好率碾壓對手。 HelixWorld的項目地址 項目官網：https://helixworld.org/ GitHub倉庫：https://github.com/NoizAI/HelixWorld arXiv技術論文：https://arxiv.org/pdf/2609.38123 HelixWorld的應用場景 沉浸式遊戲原型：無需建模和引擎，輸入圖片即可生成可行走探索的開放世界，大幅縮短遊戲 Demo 開發週期。 VR/AR 虛擬空間：第一人稱視角 + 空間音頻的組合天然適配頭顯設備，可快速生成虛擬展廳、數字孿生環境。 影視與廣告預演：導演上傳概念圖即可”走進”場景試聽音畫效果，在實拍前低成本驗證鏡頭語言和氛圍設計。 AI 視頻通話/虛擬主播背景：根據語音

Scion – Anthropic 推出的源代碼版本控制系統，替代 Git

Scion是什麼 Scion是Anthropic自研的版本控制系統，用於替代Git管理其巨型單體倉庫。原因是Claude生成代碼量4個月暴漲12倍，日均合併從2500次到3萬次，Git基礎設施基本無法應對。Scion針對智能體永遠在線重新設計，客戶端按需向服務器取數，提交、合併全在服務端完成，支持全水平擴展與稀疏檢出。遷移後資源佔用降爲Git方案的1/200，檢出提速兩個數量級。 Scion的主要功能 變更集（changeset）替代 commit：用預寫式日誌條目記錄相對父級的文件變更列表，服務器端創建、即時全局可用，無需打包、加鎖或移動引用。 派生數據機制：基於變更集遞歸構建 blame、路徑歷史、提交圖跳錶等索引，可熱插拔新數據類型，支持即時或延遲計算，客戶端無感知。 全 API 化的源碼控制服務：diff、merge base、blame 等查詢全部通過 RPC 暴露，CI 和工具無需維護本地倉庫副本。 分層緩存檢出架構：scion-daemon（節點級）→ scion-cache（區域級）→ scion-server（權威層）逐級緩存，各層命中率超 99%，檢出從幾分鐘縮到幾秒。 稀疏/虛擬化檢出：客戶端只拉取請求目錄的文件，按需實例化，文件內容只在實際讀取時付費。 細粒度權限控制：支持倉庫級和目錄級訪問控制，配合 Antique 評審工具實現語義化的審批約束。 提交低成本、增量、無鎖：創建提交的成本與變更大小而非倉庫大小成正比，引用更新僅爲單條 Spanner 記錄的原子操作。 如何使用Scion Scion 是 Anthropic 內部系統，未公開發布，外部用戶無法下載或部署。 Scion的核心優勢 資源佔用極低：CPU 和內存佔用僅爲原 Git 鏡像基礎設施的 1/200。 檢出速度提升兩個數量級：CI 和研究任務檢出代碼從幾分鐘縮短到幾秒。 顯著節省算力：僅 CI 一項就釋放出 25% 的 CPU 容量。 緩存效率極高：每層緩存命中率超 99%，且無需長期狀態，擴容簡單。 提交吞吐極高：無 packfile、無鎖、無跨服務協同，可高吞吐接收變更集，支撐日均 3 萬次合併。 免本地倉庫：所有源碼控制查詢通過 API 提供，CI 和工具不再需要維護本地副本。 全水平擴展：無倉庫完整實例、無全局狀態瓶頸，每個組件可獨立擴容。 維護成本近零：無 packfile 概念，客戶端和緩存都不需要做倉庫維護。 細粒度安全：支持目錄級權限控制和語義化審批約束，敏感代碼可在大倉庫內得到保護。 Scion的項目地址 項目官網：https://www.anthropic.com/engineering/redesigning-source-control Scion的同類競品對比 對比維度 Scion（Anthropic） Git 設計前提 客戶端永遠在線，幾乎全是 AI 智能體和自動化任務 客戶端面向人類開發者，可離線工作 倉庫副本 客戶端無完整副本，本地僅有界緩存，按需取數 每個克隆都是完整的自包含倉庫 提交方式 服務端創建提交、合併、變基，無需 push，無鎖 本地提交後推送，推送涉及加鎖與協商 工作單元 變更集（changeset），存相對父級的文件變更列表 commit，存指向完整代碼樹的指針 查詢能力 blame、diff、祖先關係等全部經 API 暴露，免本地倉庫 查詢依賴本地倉庫計算或廠商專有 API 擴展方式 全水平擴展，無完整倉庫實例，組件獨立擴容 垂直擴展爲主，巨型倉庫需數百鏡像橫向硬扛 稀疏檢出 協議核心能力：稀疏 + 虛擬化檢出，按實際讀取付費 支持稀疏檢出，但需與淺克隆等能力複雜組合 緩存架構 三層分層緩存（daemon→cache→server），命中率超 99% 無服務端緩存概念，客戶端自行持有對象 倉庫維護 無 packfile 概念，客戶端與緩存均無需維護倉庫 需定期 gc、打包等倉庫維護操作 權限模型 倉庫級 + 目錄級訪問控制，語義化審批約束 無內置目錄級權限，依賴託管平台實現 離線能力 不支持，客戶端必須在線 完整支持，離線可提交、查歷史、切分支 Scion的應用場景 AI 智能體高頻提交代碼：智能體完成編碼任務後直接通過 API 在服務端創建變更集，無需維護本地倉庫，支撐日均數萬次合併。 CI 大規模免檢出運行：CI 作業直接調用 RPC 獲取 diff、blame、merge base，甚至免檢出執行寫入，每天數千萬次檢出不再成爲瓶頸。 大型單體倉庫的多團隊協作：數萬工程師共享同一倉庫時，稀疏檢出讓每個人只拉取自己負責的目錄，目錄級權限保護

LFM2.5-24B-A2B – Liquid AI 開源的端側推理模型

LFM2.5-24B-A2B是什麼 LFM2.5-24B-A2B 是 Liquid AI 推出的開源權重推理模型，屬 LFM2.5 系列旗艦。總參數 24B、每 token 僅激活 2.45B，40 層 MoE 架構，支持 131K 上下文與 16 種語言。LFM2.5-24B-A2B回答前必先生成思維鏈，專爲端側 Agent 優化，LiveClaw 得分 48.09 反超參數量大 50% 的 Qwen3.6-35B-A3B，在 M5 Max 上解碼達 184 tok/s，比同類 MoE 最快 1.7 倍。適合本地私有化部署的推理與工具調用場景，知識密集任務建議搭配檢索使用。 LFM2.5-24B-A2B的主要功能 端側 Agent 推理：專爲在個人設備上本地運行的快速、私密智能體而設計。 純推理模式：回答前自動生成顯式思維鏈，用低激活成本換取答案質量。 函數調用：原生支持四步工具調用流程，可直接接入 OpenClaw、Hermes Agent、Pi、OpenCode 等框架。 多格式部署：提供原生、FP8、GGUF、ONNX、MLX-4bit 等版本，覆蓋 GPU、CPU、Apple Silicon 及邊緣設備。 長上下文處理：支持 131,072 tokens 上下文，可處理長文檔與多輪智能體軌跡。 多語言能力：覆蓋英、中、日、韓、阿拉伯等 16 種語言，128K 詞表優化非拉丁語系分詞。 快速推理：Apple M5 Max 上 184 tok/s，比同類 MoE 最高快 1.7 倍，單卡 B300 超 21K tok/s。 LFM2.5-24B-A2B的技術原理 MoE 稀疏激活架構：模型共 24B 參數，但每個 MoE 塊包含 64 個專家，推理時僅通過 top-4 路由激活其中 4 個，使每 token 實際計算量僅 2.45B 參數。這是”大容量、低算耗”的核心，模型存儲全部知識，但每次前向只動用一小部分，從而實現遠小於同總參數量模型的推理成本。 混合層設計：卷積 + GQA 40 層網絡由 30 個”雙門控短卷積塊”與 10 層 GQA混合構成。短卷積負責高效提取局部序列特徵，注意力層負責長程依賴建模，兩者交替使模型在保持線性層高效計算的同時仍具備長上下文能力，這也是 LFM 架構在邊緣設備上速度快、內存省的結構基礎。 詞表原地擴展與長上下文訓練：在保留上一代 LFM2-24B-A2B 主體架構的前提下，通過原地 tokenizer 擴展將詞表從 65K 翻倍至 128K，顯著改善中文、日文等非拉丁語言的 token 效率；上下文窗口從 32K 擴展至 131K，配合 300B tokens 的長上下文專項中期訓練，使模型獲得穩定的長序列處理能力。 三階段訓練流程：預訓練消耗約 33T tokens；中期訓練先在 32K 上下文用 2T tokens 高質量數據強化推理、數學、代碼與指令遵循能力，在 131K 上下文用 300B tokens 專攻長文本，且兩個階段均注入工具調用與多輪交互數據；後訓練採用 SFT→教師專業化→非 Agent 與 Agent 兩輪多域同策略蒸餾→在 OpenClaw、Hermes 等真實智能體框架內做強化學習的五階段流水線，使模型真正學會在真實工具環境中”思考-調用-驗證”。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用LFM2.5-24B-A2B 獲取模型：從 Hugging Face 下載 LiquidAI/LFM2.5-24B-A2B，按硬件選擇原生 BF16、FP8、GGUF、ONNX 或 MLX-4bit 版本。 安裝環境：確保 Python 環境裝有 transformers>=5.0.0，或部署 vLLM、SGLang、llama.cpp、LM Studio 等推理框架。 加載模型：用 AutoModelForCausalLM.from_pretrained() 以 bfloat16 精度加載模型。 構造提示：用 tokenizer.apply_chat_template() 自動套用 ChatML 格式模板格式化對話。 參數設置：生成時採用官方推薦參數 temperature=0.1、top_k=50、repetition_penalty=1.05，思維鏈任務可將 max_new_tokens 設爲 4096 以上。 配置工具調用：將工具列表以 JSON 形式寫入 system prompt，模型會用 <|tool_call_start|> 標記輸出函數調用，執行後以 tool 角色返回結果。 接入 Agent 框架：通過 OpenAI 兼容接口在本地啓動服務，再接入 OpenClaw、H

ip-as-logo-skill – 開源的 Agent Skill，能生成 IP 吉祥物頭像

ip-as-logo-skill是什麼 ip-as-logo-skill 是開源的 Agent Skill，用於生成極簡可愛的 IP 吉祥物頭像。ip-as-logo-skill 用 4–7 個圓潤幾何形狀構成清晰輪廓，配合”兩主色+一背景”的三色約束，讓角色縮小到 32×32 仍能辨認。流程是先出 3 個設計方向，確認後生成 6 張候選圖。ip-as-logo-skill 需搭配 Codex、豆包等兼容 Agent 及 GPT Image 2 等頂級圖像模型使用，MIT 協議可商用。 ip-as-logo-skill的主要功能 極簡輪廓生成：用 4–7 個大幾何形狀構建圓潤角色輪廓，確保縮小到 32×32 像素仍可辨認。 三色約束：默認用兩個角色主色加一個純色背景，減少視覺干擾。 方向提案：給出 3 個設計方向，未定角色時優先推薦常見動物並關聯產品屬性。 批量出圖：確認方向後生成 6 張獨立方圖，左右下角構圖各佔一半。 原樣交付：所有結果一次性返回，不篩選、不自動重試，由用戶挑選後再修改。 構圖控制：角色從左下或右下角探出，佔據畫面 85–95%，保持視覺主導。 模型適配：自動檢查是否接入 GPT Image 2 等頂級圖像模型，不足時提示用戶開啓或提供 API Key。 提示詞淨化：生成提示中刻意隱藏 logo、icon 等用途詞彙，避免模型輸出僵硬圖標風。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用ip-as-logo-skill 安裝 Skill：運行 npx skills@latest add s1dashu/ip-as-logo-skill。 選擇智能體：按安裝提示選擇 Codex、豆包、Coze、Manus 等兼容的 Agent。 確認圖像模型：確保 Agent 已接入 GPT Image 2、Nano Banana Pro 等頂級圖像模型，按提示開啓或填寫 API Key。 描述需求：告知角色用途、受衆、性格和最關鍵的辨識特徵。 挑選方向：查看 AI 給出的 3 個設計方向，確認全部保留或只選其一。 審閱修改：從結果中挑選滿意的圖，或明確提出修改要求讓 AI 再出一批。 裁切測試：用於頭像場景時，把成品放進圓形裁切框檢查耳朵、表情等關鍵特徵是否被遮擋。 ip-as-logo-skill的核心優勢 小尺寸高辨識：用 4–7 個圓潤大形狀構建輪廓，角色縮小到 32×32 頭像場景依然清晰可認。 設計約束明確：嚴格的”三色+單特徵”規則，避免 AI 越畫越花，方案之間更容易比較。 流程先方向後出圖：給 3 個設計方向再批量生成，減少盲目抽卡式試錯。 結果零損耗交付：所有候選圖原樣保留、不自動篩選或重試，用戶掌握完全選擇權。 提示詞工程成熟：隱藏 logo/icon 等用途詞彙、直接命名背景色，引導模型輸出更自然的角色圖。 生態兼容廣泛：支持 Codex、豆包、Coze、Manus、Gemini 等多種 Agent，不綁定單一產品。 ip-as-logo-skill的項目地址 GitHub倉庫：https://github.com/s1dashu/ip-as-logo-skill ip-as-logo-skill的同類競品對比 對比維度 ip-as-logo-skill SanbaoAI/logo-generator-skill 產品定位 極簡、可愛、小尺寸可辨識的 IP 角色頭像 完整品牌視覺識別系統（VI），含 Logo、品牌規範板 技能結構 單一 Skill（一份 SKILL.md） 三個模塊化 Skill：base-logo、mascot-logo、colorway 輸出形態 6 張獨立方圖，角色從角落探出 品牌系統規範板（含主 Logo、favicon、印章、黑白應用等編號模塊） 設計目標 32×32 像素下仍可辨認，優先”像角色” 可註冊、可縮放的扁平商標剪影，優先”像商標” 複雜度策略 4–7 個大形狀 + 嚴格三色約束，偏圓潤可愛 從動物/角色中提取單一識別特徵（爪子、鹿角等）做扁平化 色彩規則 默認固定三語義色，壓低背景飽和度 支持多色系，另有專門的 colorway 配色 Skill 做場景化換色 圖像模型要求 強制頂級圖像模型（GPT Image 2 等），絕不回退 SVG 無圖像工具時直接輸出提示詞，可粘貼到 Midjourney、Flux、Ideogram 使用 使用場景 頭像、吉祥物快速探索，輕量需求 創業公司/品牌的完整視覺體系，重度需求 成熟度 5.9k stars，社區熱度高 相對小衆，但流程更完整 ip-as-logo

MiniCPM-V 4.7 – 面壁智能等開源的端側多模態大模型

MiniCPM-V 4.7是什麼 MiniCPM-V 4.7 是面壁智能聯合 OpenBMB 開源的端側多模態大模型，含 35B-A3B（MoE）與 1B 兩個版本。旗艦版爲全球首個可在手機端無損流暢運行的開源 MoE 多模態模型，藉助前瞻專家調度技術，約 3GB 內存可在 iPhone 上達 13+ tokens/s，34 項基準全面領先同檔模型；1B 版面向入門級設備。 MiniCPM-V 4.7的主要功能 通用視覺理解：看圖識物、多圖對比、視覺問答，MMBench 91.72 分領先同檔模型。 文檔與 OCR 解析：識別圖片/PDF 中的文字、表格與圖表，OCRBench 91.2 分。 數學與 STEM 推理：解答數學題、科學問題，MMMU 80.22、MathVista 88 分。 長視頻理解：理解長時序視頻內容並回答相關問題，LongVideoBench 68.9 分。 端側流暢運行：35B 模型在 iPhone 上僅佔約 3GB 內存、13+ tokens/s 實時生成。 低成本定製微調：開源自回放微調，學新任務不忘舊能力。 MiniCPM-V 4.7的技術原理 前瞻專家調度（LES）：MoE 模型 65.6 GiB 的權重無法全量入內存，大部分專家存於 SSD、用時讀取，但逐層路由依賴上一層結果，導致每層都要停等讀盤。LES 用相鄰層輸入高度相似的特點，用當前層路由特徵提前預測下一層所需專家並後台預取，同時讓已加載且被真實路由選中的專家優先計算，實現邊算邊讀，實測提速 5 倍且輸出零損失。 權重存取優化：通過逐層混合精度量化減少權重的存儲體積與傳輸量；同時重組專家權重在文件中的佈局，將原本分散三處的參數改爲按編號連續存放，使 SSD 一次順序讀取即可取出完整專家，大幅降低加載開銷。 視覺 token 壓縮：基於 LLaVA-UHD v4 在視覺編碼器內部提前壓縮 token，從源頭減少後續計算；支持 4 倍/16 倍兩檔壓縮率切換，16 倍模式下關鍵指標幾乎無損，兼顧畫質細節與實時交互。 DSpark 投機解碼：由輕量草稿模塊一次生成多個候選 token，主模型並行驗證後批量產出，多個 token 分攤 MoE 的專家讀取與調度等固定成本，實測生成速度平均提升 1.17 倍且質量不受影響。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用MiniCPM-V 4.7 獲取模型：從 GitHub、Hugging Face下載模型權重與代碼。 本地快速體驗：訪問 Hugging Face Spaces 上的官方 Web Demo（MiniCPM-V-4.7-Demo）可免安裝在線試玩。 安裝 App：前往 GitHub 的 MiniCPM-V-Apps 倉庫下載 iOS/Android 客戶端，在手機或平板上直接安裝使用。 選擇推理框架部署：根據硬件平台選用 llama.cpp、Ollama、MLX 或 vLLM/SGLang 之一加載模型，完成本地推理服務部署。 啓用 LES 加速（可選）：端側運行 35B-A3B 時，按開源文檔開啓前瞻專家調度，實現 3GB 內存流暢運行。 選擇視覺壓縮模式：根據需求切換 4 倍壓縮或 16 倍壓縮模式。 MiniCPM-V 4.7的項目地址 GitHub倉庫：https://github.com/OpenBMB/MiniCPM-V HuggingFace模型庫：https://huggingface.co/collections/openbmb/minicpm-v-47 MiniCPM-V 4.7的核心優勢 端側 MoE 全球首創：全球首個可在端側無損、流暢運行的開源 MoE 多模態大模型。 極致內存效率：65.6 GiB 權重的 35B 模型僅需約 3GB 內存即可運行，爲 16GB 設備內存的 1/4。 推理速度領先：iPhone 17 Pro Max 實測 13+ tokens/s，iPad Pro M4 達 17+ tokens/s，LES 技術提速 5 倍。 性能全面碾壓同檔：34 項權威基準全面領先 Qwen3.6-35B-A3B，甚至超越體量更大的 Qwen 27B、Gemma-4 31B。 性能與效率帕累托最優：更短推理時間取得更高綜合得分，刷新端側多模態”性能—效率”前沿。 雙版本普惠覆蓋：35B 旗艦拉能力上限，1B 小鋼炮讓入門級設備也能跑高質量多模態。 MiniCPM-V 4.7的同類競品對比 對比維度 MiniCPM-V 4.7 35B-A3B Qwen3.6-35B-A3B 推理速度 iPhone 17 Pro Max 13+ tokens/s，LES 提速 5 倍 較慢（同檔中處於

OpenDots – CopilotKit 推出的 AI 同事，OpenAI Dots 開源版

OpenDots是什麼 OpenDots 是 CopilotKit 推出的開源 AI 同事工作區模板，支持自行託管。支持用戶創建具有獨立角色、工具權限和專屬電腦的 AI 員工，通過 AG-UI 接入各類模型與 MCP 服務。OpenDots支持文檔沉澱、實時操作監控、人工審批、語音通話和 Slack 協作，可用於構建長期在線、能執行任務的個人 Agent 工作環境。 OpenDots的主要功能 Spaces 工作區：提供可搜索、支持嵌套和版本檢查的文檔頁面，用於沉澱 AI 與用戶的協作成果。 專職 Dots：每個 AI 員工可配置獨立姓名、角色、指令、工具權限和記憶權限。 Dot 專屬電腦：基於 OpenBot 容器提供獨立瀏覽器、文件系統和終端，支持實時查看及人工接管。 保存前人工審批：重要內容的創建、修改及非只讀工具執行，都可通過 Approve & Save 卡片由用戶確認。 MCP 工具連接：可接入郵件、日曆、GitHub 或自建服務，按 Dot 控制每個工具的啓用狀態。 多入口協作：支持文字聊天、WebRTC 語音通話和 Slack 線程，並能在通話期間委派後台任務。 持久對話線程：通過 CopilotKit Intelligence 保存對話、工具調用和頁面上下文，支持跨會話繼續協作。 定時後台任務：可讓 Dot 按計劃在原對話中執行重複工作，提供暫停、中斷和重試機制。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用OpenDots 準備環境：安裝 Node.js 24 和 npm，並確保本機可訪問 GitHub 與 CopilotKit 服務。 克隆項目：執行 git clone https://github.com/CopilotKit/OpenDots.git 下載模板。 進入目錄：執行 cd OpenDots 切換到項目文件夾。 安裝依賴：執行 npm ci 按鎖文件安裝全部依賴。 創建配置：執行 cp .env.example .env 生成本地環境變量文件。 啓動應用：執行 npm run dev 啓動 OpenDots 開發服務。 打開界面：訪問 http://127.0.0.1:5173，即可創建 Spaces、編輯頁面和配置 Dots。 登錄 Intelligence：執行 npx copilotkit@latest login 登錄 CopilotKit 賬戶。 選擇項目：執行 npx copilotkit@latest project select 選擇或創建 Intelligence 項目，將密鑰寫入 .env。 配置模型：在 .env 中設置 OPENAI_API_KEY 和 OPENAI_MODEL 等模型參數。 重啓服務：保存配置後重新運行 npm run dev，使模型與 Intelligence 設置生效。 創建 AI 員工：在界面中爲 Dot 設置名稱、角色、指令及瀏覽器、文件、終端等權限。 連接外部工具：按需配置 MCP 服務、瀏覽器電腦、語音通話或 Slack，爲敏感操作開啓人工審批。 OpenDots的核心優勢 真正的 AI 同事形態：每個 Dot 擁有獨立角色、工具權限、記憶和專屬電腦。 具備真實執行環境：通過 OpenBot 容器提供獨立瀏覽器、文件系統和終端，讓 Agent 能完成瀏覽、寫文件和運行命令等任務。 權限控制精細：瀏覽器、文件、終端、研究和記憶等能力可按 Dot 單獨授權，降低 AI 越權操作風險。 人工審批機制完善：關鍵保存和非只讀工具執行都可暫停等待用戶確認，兼顧自動化與可控性。 操作過程透明可見：Agent 的瀏覽器畫面、文件變化和終端輸出能實時呈現在對話中，並支持隨時人工接管。 OpenDots的項目地址 項目官網：https://www.copilotkit.ai/opendots GitHub倉庫：https://github.com/CopilotKit/OpenDots OpenDots的同類競品對比 對比項 OpenDots OpenAI Dots 產品定位 面向開發者和團隊的開源 AI 同事工作區模板，可自行部署與深度改造。 ChatGPT 內置的常駐 AI 代理，由 OpenAI 提供託管服務。 開放程度 MIT 協議開源，可查看和修改完整代碼。 閉源商業產品，主要開放使用規則和接口。 部署方式 可運行在本機、Docker 或自有服務器，但對話依賴 CopilotKit Intelligence。 直接運行在 OpenAI 雲端，用戶無需管理基礎設施。 模型選擇 可接入任意 Op

GLM-Legal – 智譜推出的法律專用大模型

GLM-Legal是什麼 GLM-Legal是智譜推出的法律專用大模型，基於輕量級基座GLM-5.3-Flash，經法律領域中間訓練與強化學習後訓練打造。GLM-Legal覆蓋閱讀材料—提取事實—分析法律關係—制定建議—生成專業文件的完整工作流，支持合同審查、證據分析、法律研究、合規規劃等任務。官方評測中，Harvey LAB全項通過率達19.2%，LegalBench、PLawBench持平前沿閉源模型。 GLM-Legal的主要功能 合同審查：分析合同條款風險，站在客戶立場提出具體可執行的修改建議。 證據分析：批量閱讀案件材料，找出證據間的矛盾與關鍵事實，引用來源編號並區分事實與推論。 法律研究：結合案件事實與法律規則形成有依據的分析結論，輸出可供律師審查的專業意見。 合規工作：針對跨境業務梳理各法域合規義務，輸出分優先級的落地清單並附具體法條引用。 專業文件生成：按法律工作規範組織分析、意見或修改方案，交付可直接使用的工作成果。 AutoClaw 集成：接入桌面 Agent 平台後，可在 Word 中修訂模式和批註直接呈現合同修改內容。 GLM-Legal的技術原理 輕量基座 + 領域縮放：模型構建於 GLM-5.3-Flash 之上，通過擴展高質量法律語料的中間訓練建立法律概念、法規規則和解釋框架的系統性知識底座，用小參數規模換取接近前沿模型的領域能力。 模型與 Harness 協同進化：後訓練階段在數萬個真實法律任務環境中做強化學習；Harness 作爲運行時編排框架管理任務上下文、工具調用與執行反饋，模型訓練暴露的邊界問題反哺 Harness 架構改進，架構改進又使模型適應真實執行約束，二者雙向迭代。 生產反饋閉環：由執業律師按”問題覆蓋、論證有據、格式合規、零返工”等標準評審實際輸出，將主觀質量轉化爲具體工程損失信號，回灌到任務環境、評測標準與 Harness 設計中，形成”實踐需求—訓練—驗證”的持續優化循環。 如何使用GLM-Legal 申請訪問：前往 https://z.ai/consultation/legal 提交 Beta 申請。 等待審覈：等待智譜審覈通過並獲得 API 訪問權限。 選擇使用方式：開發者調用 API 集成到自己的法律工作流，普通用戶可下載 AutoClaw 桌面端。 佈置任務：向模型提供任務簡報和相關源文件，明確交付格式要求。 獲取成果：模型自動完成閱讀、分析、推理並輸出專業文件（。 人工複覈：由執業律師審查輸出質量，確認無誤後交付客戶或用於談判。 GLM-Legal的核心優勢 端到端任務執行：覆蓋閱讀材料→提取事實→分析法律關係→制定建議→生成文件的完整工作流。 評測成績過硬：Harvey LAB 全項通過率達 19.2%（較基座提升 12.5 個百分點），LegalBench、PLawBench 持平前沿閉源模型，且由 Vals 獨立評估。 參數小、成本低：用輕量級 GLM-5.3-Flash 爲基座達到前沿水平，推理效率高，部署和使用成本更低。 交付即用的成果：輸出嚴格遵循任務簡報的專業文件，下游團隊無需返工即可直接使用。 證據級嚴謹性：分析中引用來源文件編號，區分事實與推論，論證和引用均可追溯覈驗。 GLM-Legal的項目地址 項目官網：https://z.ai/blog/glm-legal GLM-Legal的同類競品對比 對比維度 GLM-Legal Harvey 模型路線 自研輕量基座 GLM-5.3-Flash + 法律領域訓練，主打推理成本 基於 GPT 等第三方前沿大模型構建法律 Agent 套件 評測表現 Harvey LAB 全項通過率 19.2%（較基座 +12.5pp），LegalBench/PLawBench 持平前沿閉源模型 Harvey LAB 的出題方，自家產品在該基準的具體分數未公開 核心能力 合同審查、證據分析、法律研究、合規規劃、專業文件生成 端到端法律工作流（研究、起草、審查），覆蓋大型律所場景 交付形態 API + AutoClaw 桌面 Agent，可在 Word 中輸出修訂模式 獨立 SaaS 平台，深度集成 Microsoft Word / 律所繫統 語言與市場 中英雙語均衡，PLawBench 驗證中國法律實務能力 以英美法系英語市場爲主 GLM-Legal的應用場景 合同審查與談判支持：審查軟件服務等各類合同，站在客戶立場識別風險條款，輸出具體修改建議並直接在 Word 中以修訂模式呈現，供談判使用。 訴訟證據分析與案件準備：批量閱讀數十份案件文檔，構建證據矛盾地圖（如外部進度報告 vs 內部真實記錄的矛盾），引用來源

REA – 開源的逆向分析工具，無需源碼、對話式分析軟件

REA是什麼 REA（Reverse Engineer Anything）是開源的逆向分析工具，通過 MCP 協議把 Claude Code、Codex、Cursor 等 AI 編程 Agent 與 Ghidra、Hopper、IDA 等逆向工具連接起來。REA讓 Agent 無需源碼可分析軟件，從原生二進制、Electron/JS 應用、APK、.NET 程序集到網站，追蹤功能實現邏輯並生成帶證據鏈的分析結果，重建相似功能。 REA的主要功能 原生二進制分析：解析 Mach-O、ELF、PE 等可執行文件，返回僞代碼、彙編、字符串、符號和調用關係。 JavaScript/Electron 應用分析：靜態梳理模塊、入口、IPC 通道和 source map，無需運行應用。 網站觀察：通過本地 Chrome DevTools 端點被動觀察瀏覽器行爲、頁面腳本和網絡請求。 .NET 程序集檢查：無需執行程序即可查看元數據、CIL 指令和原生代碼邊界。 Android 應用逆向：藉助 JADX 反編譯 APK，查看清單聲明、類和方法。 固件與包文件分析：用 Binwalk 提取固件區域，或直接生成 ZIP/APK/ASAR 等歸檔的文件清單。 版本差異對比：比較應用兩個版本的二進制差異，生成變更報告。 網絡抓包分析：解析 HAR 文件或 mitmproxy 捕獲，關聯請求與源碼位置。 代碼重建輔助：Agent 基於分析結果追蹤功能實現線索，爲項目編寫相似功能並驗證。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用REA 環境準備：安裝 Node.js（≥22.19 版本）和 npm，確保已安裝 Claude Code、Codex、Cursor 等任一支持的 AI 編程 Agent。 一鍵安裝：在終端運行 npx rea-agents@latest setup，選擇要接入的 Agent 並審覈配置變更。 審批配置：確認 setup 提出的 MCP server 註冊和 workflow 指令修改（會自動備份原配置），然後重啓你的 Agent。 準備逆向引擎（可選）：深度分析原生二進制需已有 Hopper、Ghidra 或 IDA 安裝，純 JS/Electron 分析不需要。 用自然語言提問：向 Agent 描述目標，例如”分析 Notes 應用的搜索功能如何工作，展示證據，併爲我的項目實現類似功能”。 Agent 自動調查：Agent 通過 MCP 調用 REA 在本地分析目標，獲取帶證據鏈的僞代碼、調用鏈等結果。 REA的核心優勢 零逆向經驗門檻：無需學習反彙編和逆向技術，用自然語言向 AI Agent 提問可分析軟件。 打通主流 Agent 生態：同時支持 Claude Code、Codex、Cursor、Gemini CLI、Windsurf 等幾乎所有主流 AI 編程助手。 複用成熟逆向工具：底層調度 Ghidra、Hopper、IDA 等專業工具，站在幾十年逆向工程積累之上。 覆蓋目標極廣：從原生二進制、Electron/JS 應用、APK、.NET 到網站、固件、WASM，幾乎無死角。 證據鏈驅動：每個結論附帶僞代碼、彙編、調用關係等證據，結果可驗證。 本地分析保障隱私：全部分析在本地運行，目標軟件不會被上傳到雲端。 端到端自動化：從分析、追蹤調用鏈到生成可運行的相似實現，一條 Agent 工作流串到底。 REA的項目地址 項目官網：https://rea.tools/ GitHub倉庫：https://github.com/morluto/rea REA可以分析什麼 目標類型 REA 返回內容 要求和指南 原生二進制 僞代碼、彙編、字符串、符號、調用和引用 Hopper、Ghidra 或 IDA；原生分析指南 離線 ELF 佈局 節區、段、原始符號/重定位和靜態緩解候選 Linux x64 上自備 pwntools；二進制診斷指南 Go 二進制 內嵌編譯器版本、模塊、替換和構建設置 內置靜態 ELF/PE/thin Mach-O 檢查；無需安裝 Go WASM 文件 校驗、節區、精確的導入/導出 WAT 形式和解碼後的 WAT 自備 WABT 1.0.42；`inspect_wasm_artifact` EVM 字節碼 調度選擇器、字節偏移、推斷的參數和可變性 Linux x64 本地原始/十六進制載體；離線 EVM 指南 Linux 崩潰記錄 原始備註、每個記錄線程的寄存器/信號和可選映射候選 Linux x64 自備 pwntools；可選 GDB/pwndbg；崩潰記錄指南 JavaScript / Electr

Muse Wonder – Meta 超級智能實驗室推出的前沿模型系列

Muse Wonder是什麼 Muse Wonder 是 Meta 超級智能實驗室推出的前沿模型，建立在 Muse Spark 基礎上，具備跨對話長期記憶和自主堅持長任務的能力，遇阻會主動換方案、重要操作前先與用戶確認，覆蓋保險理賠、法律金融等專家場景及編程任務。模型分兩個版本，標準版通過 Meta API 和 Muse Code 開放，完整版僅面向 Muse Code 訂閱用戶。官方評測顯示其長期記憶和長週期編程表現已超過 Claude Opus 5.5。 Muse Wonder的主要功能 Active Memory 長期記憶：跨對話記住用戶重要信息，做事時主動調用相關部分。 Active Focus 長任務堅持：盯住目標持續執行，路不通就換辦法，重要操作前先與用戶確認。 生活代理任務：訂餐廳、查空位、排婚禮座位表、覈對保險理賠等真實場景執行。 編程能力：長週期編程任務表現領先，可構建應用和遊戲。 多模態輸入：處理圖片、文檔等素材，如拍賬單加保險卡覈對理賠。 Muse Wonder的技術原理 更大基座模型：在吉瓦級數據中心訓練的更大基座，讓後訓練收益更易遷移到陌生任務。 後訓練對準真實任務：針對訂餐廳等真實任務中的卡殼專門訓練，鼓勵試錯而非停滯。 分思考檔位推理：提供多檔思考程度，隨思考時間加長持續提升表現。 安全對齊框架：按 Meta Superintelligence Scaling Framework 訓練，拒絕泄露隱私和有害請求。 如何使用Muse Wonder 訪問開發者平台：打開 https://dev.meta.ai/  註冊 Meta 開發者賬號。 獲取 API Key：在控制檯創建密鑰，用於調用 Meta Model API。 選擇模型：API 中選 muse-wonder-1.0 模型（muse-wonder-full-1.0 僅 Muse Code 訂閱可用）。 調用 API：將 base URL 指向 https://api.meta.ai/v1，兼容 OpenAI/Anthropic SDK 直接接入現有項目。 按量計費：按每百萬 token 輸入 $4、輸出 $20 計費，緩存讀取僅 $0.2。 使用 Muse Code：安裝 Muse Code 編程 Agent，登錄後可直接調用 Wonder 模型輔助開發。 Muse Wonder的核心優勢 長期記憶領先：MemoryBench 得分 85.6，超越 Claude Opus 5.5 的 81.5。 長任務堅持力強：Active Focus 使其在 DeepSWE、SWE-Marathon 等長週期編程任務上排名第一。 泛化能力出色：更大基座讓後訓練收益遷移到未見過的陌生任務，避免刷榜式優化。 真實場景導向：針對訂餐廳、理賠覈對等生活任務訓練，而非只做基準測試。 速度快：主打快速響應，兼顧效率與智能深度。 價格有競爭力：API 定價與 Claude Opus 5.5 持平，遠低於更高端模型。 生態整合：深度綁定 Meta 全家桶，代理體驗閉環。 Muse Wonder的項目地址 項目地址：https://about.fb.com/news/2026/10/introducing-muse-wonder-models/ Muse Wonder的同類競品對比 對比維度 Muse Wonder Claude Opus 5.5 定位 生活+編程雙場景的 Agent 模型 通用旗艦大模型 長期記憶 MemoryBench 85.6（領先） MemoryBench 81.5 長週期編程 DeepSWE、SWE-Marathon 第一 表現優秀但被 Muse 超越 核心特色 Active Memory + Active Focus 雙機制 均衡全面，Agent 能力成熟 生態 Meta 全家桶（Instagram、Muse App） 獨立中立，第三方集成更廣 智能指數 52（Full 版 56，第2） 58（第1，仍領先） Muse Wonder的應用場景 編程開發：開發者通過 Muse Code 調用模型完成從代碼編寫到調試部署的長週期開發任務，遇錯時自主換方案持續推進。 生活服務：用戶以自然語言下達訂餐廳、查空位、排婚禮座位表等多步驟指令，模型跨對話記住偏好並執行到底。 保險理賠：用戶拍攝急診賬單並上傳保險卡正反面，模型自動覈對理賠金額與保險條款，發現異常前與用戶確認。 電商購物：模型從用戶 Instagram 相冊提取照片，按需求設計

QwenGyre – 阿里千問推出的在線強化學習框架

QwenGyre是什麼 QwenGyre 是阿里千問推出的超長程智能體在線強化學習框架，面向單次約 70 萬 token、持續數小時的任務。QwenGyre用彈性調度在任務不中斷時把空閒 GPU 在採樣與訓練間切換，用軌跡處理保留真實上下文、評估部分成果、去重共享前綴以控制成本。在 Qwen3.8-2.4T 上 48 步把 NL2RepoBench 通過率從 52.48% 提至 58.54%，較 Async 端到端加速 1.78×。 QwenGyre的主要功能 超長程智能體在線強化學習：在單次執行長達數小時、累計約百萬 token 的任務上直接做 RL 訓練。 彈性 GPU 調度：任務不中斷的情況下，動態把空閒 GPU 在採樣與訓練間切換。 請求重路由與 KV cache 遷移：切換 GPU 角色時智能體繼續運行，工作區和工具狀態保留，通過 RDMA 遷移 KV cache 減少重複計算。 流式訓練與新節點中途加入：核心 cell 保存權威參數，衛星 cell 可隨時拉取快照加入正在進行的批次，按進度領取微批次。 軌跡樹與真實上下文保留：用 Token-in Token-out 記錄每次調用的精確輸入輸出，按共享前綴組織成軌跡樹，輸出始終對應生成時的上下文。 部分評分（Partial Scoring）：超時未完成的任務若產出可檢驗成果，仍按任務規則評分並用於訓練。 軌跡預算與損失均衡：每個執行最多保留 Jmax 條軌跡，共享前綴只計一次損失，避免分支多的任務權重過大。 QwenGyre的技術原理 彈性調度（Elastic Scheduler）：將 GPU 劃分爲若干同構計算單元，每個 cell 能用 SGLang 提供採樣服務，也能用 Megatron 承載完整訓練副本。調度器跟蹤”水位”，未完成任務量，只要剩餘採樣容量足以支撐在跑任務且訓練數據供應充足，就按序把 cell 逐個切入訓練；切換時由代理把模型請求重定向到新推理引擎並重試未完成請求，後端進程和通信組無需重建。核心 cell 持有權威權重與優化器狀態，衛星 cell 通過 RDMA 拉取參數快照後加入當前批次的梯度累計，最後由核心統一彙總更新，實現訓練隨數據就緒逐步擴容、採樣與訓練高度重疊。 軌跡處理（Trajectory Processor）：QwenGyre 通過代理記錄每次模型調用的精確輸入/輸出 token ID 和行爲策略對數概率，把共享前綴複用、分叉處建分支，組織成軌跡樹，保證每條輸出始終對應其生成時的原始上下文。訓練准入階段按角色優先級爲每個執行選取不超過 Jmax 條軌跡，僅策略模型生成的 token 參與損失、共享目標只計一次；損失先在執行內對選中 token 取平均、再對執行取平均，使執行權重與其分支數量解耦。配合 Partial Scoring 對超時任務的已完成部分評估打分，最大化利用超長程執行中稀疏而昂貴的有效信號。 如何使用QwenGyre 目前 QwenGyre 用論文形式發佈，阿里尚未公開代碼與安裝包。 QwenGyre的核心優勢 首次實現旗艦模型超長程在線 RL：在 Qwen3.8-2.4T 上完成單次約 70 萬 token 任務的在線強化學習，48 步將 NL2RepoBench 通過率從 52.48% 提升至 58.54%。 訓練效率大幅提升：相同 GPU 預算下端到端加速最高達 1.78×（對 Async）、1.85×（對 Colocate），48 步訓練耗時從 134.55 小時縮短至 75.42 小時。 任務零中斷的彈性調度：GPU 在採樣與訓練間動態切換時，智能體執行、工作區和工具狀態完全保留，切換耗時僅數秒，相對數小時的執行可忽略。 GPU 利用率最大化：細粒度 cell 級資源分配消除了 Colocate 模式的長尾等待空轉和 Async 模式的固定分區僵化，訓練可被採樣完全隱藏。 真實上下文保真訓練：TITO 機制保證每條輸出都對應其生成時的原始上下文，避免歷史壓縮、子智能體上下文拼接導致的”虛假上下文”訓練信號。 QwenGyre的項目地址 arXiv技術論文：https://arxiv.org/pdf/2609.33848 QwenGyre的應用場景 自然語言生成完整代碼倉庫：根據自然語言規格從零構建多包軟件倉庫，單次執行約 70 萬 token、長達數小時。 已有倉庫的長程軟件工程：在現有代碼庫中完成功能開發、缺陷修復與跨文件改造等複雜任務。 多輪終端自動化操作：智能體在命令行環境中連續執行數百輪工具調用，完成系統配置與運維任務。 大規模代碼庫重構遷移：跨倉庫技術棧升級、整體重構等需要數小時連續規劃執行的工程任務。 多智能體協作任務：主智能體委派子智能體的層級執行場景，

UPUP – 零一綠洲推出的專屬 AI 遊戲搭子

UPUP是什麼 UPUP是零一萬物關聯公司零一綠洲推出的AI遊戲搭子。用戶可定製專屬AI夥伴的形象、聲音和性格，享受情緒陪伴與遊戲問答。產品提供實時遊戲輔助，經授權理解遊戲畫面，智能提醒技能冷卻、資源刷新，賽後覆盤出裝與打法。UPUP提供遊戲達人智能匹配、動態社區和私聊功能，將AI陪伴與玩家社交結合。 UPUP的主要功能 AI夥伴定製：可自由選擇形象風格、性格特點、聲音和名字，打造專屬遊戲搭子。 情緒陪伴聊天：基於興趣偏好記憶，能記住用戶聊過的遊戲和話題，提供個性化回應。 遊戲知識問答：隨時詢問角色技能、裝備搭配、任務攻略等問題。 實時遊戲輔助：授權後理解遊戲畫面，對局中提醒資源刷新、技能冷卻和戰術時機。 賽後覆盤分析：解析對局關鍵點，給出出裝攻略、對線打法、剋制技巧等改進建議。 遊戲達人匹配：通過大數據和AI算法推薦契合的遊戲搭子，告別單排。 動態社區社交：可發佈動態、瀏覽分享、私聊交流，圍繞共同遊戲興趣互動。 如何使用UPUP 下載安裝：訪問官網 https://www.upupagent.com/ 掃碼下載，或在應用商店搜索”UPUP”下載 App。 定製AI夥伴：選擇形象風格，輸入期望的性格特點，挑選聲音和名字，創建專屬遊戲搭子。 日常聊天陪伴：與AI夥伴閒聊，它會記住你的遊戲興趣和偏好，越聊越懂你。 遊戲問答：遇到不懂的玩法，直接向AI詢問技能、出裝、任務攻略等。 開啓實時輔助：在遊戲中授予屏幕識別權限，AI將實時理解畫面，提醒資源刷新和戰術時機。 賽後覆盤：對局結束後讓AI分析戰局，獲取出裝、對線等改進建議。 匹配遊戲達人：通過智能推薦找到契合的遊戲搭子，組隊開黑。 社區互動：在動態社區發佈近況、瀏覽他人分享，或通過私聊結交同好。 UPUP的核心優勢 大模型技術背書：由李開復創立的零一萬物研發，依託大模型能力，AI理解和交互水平有技術保障。 實時畫面理解：能授權後實時看懂遊戲畫面，提供技能冷卻、資源刷新等時機提醒，比查固定攻略更貼合當下戰局。 一站式體驗：集AI陪伴、遊戲問答、實時輔助、賽後覆盤、達人匹配於一體，覆蓋遊戲前後全流程。 個性化AI夥伴：支持定製形象、聲音、性格，並具備興趣記憶能力，陪伴感隨使用時間不斷增強。 社交+AI雙引擎：既提供AI搭子，又有人類遊戲達人匹配和動態社區，兼顧”人機”兩種陪伴需求。 場景貼合玩家痛點：專注解決玩家對局中無暇查攻略、賽後難覆盤的真實困擾，省時且提升遊戲水平。 UPUP的同類競品對比 對比維度 UPUP（零一綠洲） 逗逗遊戲夥伴 產品定位 AI遊戲搭子：陪伴+輔助+社交三合一 AI遊戲夥伴：主打陪伴互動 實時遊戲輔助 核心賣點：實時理解畫面，提醒技能冷卻、資源刷新、戰術時機 支持遊戲畫面理解，偏輕量提示 AI角色定製 支持形象、聲音、性格、命名全定製 二次元虛擬角色爲主，人設豐富 玩家社交 有達人匹配、動態社區、私聊功能 較弱，以人機互動爲主 賽後覆盤 深度覆盤：出裝攻略、對線打法、剋制技巧 有一定對局分析能力 技術背景 零一萬物大模型背書 自研+第三方模型結合 主要優勢 大廠資源+真人社交入口 先發優勢+陪伴體驗打磨更深 主要短板 產品較新，實時輔助能力仍在內測探索 缺真人社交，輔助功能相對輕量 UPUP的應用場景 日常閒聊陪伴：玩家在非遊戲時間可與AI夥伴聊天，獲得情緒價值。 遊戲知識答疑：遇到新角色、新裝備、新任務時，隨時詢問攻略，省去搜索時間。 對局實時提醒：在打《王者榮耀》等競技遊戲時，AI提醒關鍵資源刷新、敵方技能冷卻，幫助搶佔先機。 賽後覆盤提升：對局結束後分析關鍵失誤，學習出裝、對線、剋制技巧，提升段位。 組隊找人開黑：通過智能匹配找到契合的遊戲達人，解決單排孤獨、配合不默契的問題。

Beam – Reflection AI 開源的首款大語言模型

Beam是什麼 Beam 是 Reflection AI 推出的首款開源大語言模型，採用 501B 參數的稀疏 MoE 架構，每 token 僅激活 23B，支持 100 萬 token 上下文，預訓練消耗 23.8T token。Beam 的訓練過程堪稱重工業級別的算力展示，預訓練用 6,144 張 GB300 不到四周跑完，用 10,500 張 GB300 進行爲期四周、超 1 億次 rollout 的大規模強化學習。 Beam的主要功能 編程開發：在軟件工程任務上達到 GLM-5.2 同級水平，是面向企業編碼負載的主力模型。 Agent 執行：具備工具調用、終端操作、網頁搜索等能力，可自主完成多步任務，甚至學會調用其他大模型和 OCR API。 長文本處理：支持 100 萬 token 上下文，能從超長代碼庫和文檔中定位並關聯關鍵信息。 可調推理強度：用戶通過 reasoning effort 參數在短回覆與長推理之間靈活切換，匹配不同任務和算力預算。 Beam的技術原理 稀疏 MoE 架構：模型總參數 501B，但每次只激活 23B，通過細粒度路由專家配合輔助損失無關的負載均衡實現近均勻的專家利用率，最忙專家負載僅 1.04×，是 Beam 推理高效的硬件級基礎。 兩階段大規模訓練：預訓練在 6,144 張 GB300 上用不到四周消化 23.8T token，配合拓撲感知調度器和靜默數據損壞檢測，goodput 達 92.3%；之後用 10.5K 張 GB300 做四周強化學習，產生超 1 億次 rollout，期間平均維持 11 萬併發 rollout 和 17 萬併發沙盒。 全異步 RL 系統：採用異步 policy gradients，支持 rollout 與訓練並行，通過給每個 token 標記生成它的模型版本處理策略陳舊問題，即使樣本落後當前策略一天（107 個版本）數值依然穩定；新權重經 RoCE 分層分發到推理集羣僅需中位數 12 秒。 長度可控的推理學習：在 RL 中加入長度懲罰項，讓模型先學會用更少 token 解題、再在 agentic 能力增強後自然擴展推理長度，形成能力-token 消耗的最優權衡，由用戶按需調節。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用Beam 當前階段權重未放出，僅向部分用戶提供預覽版，訪問 https://platform.reflection.ai/ 可申請早期體驗。 Beam的核心優勢 推理效率極高：用 3–4 倍低於 GLM-5.2 的推理算力達到同級推理水平，比 Qwen 3.8-Max 等 2T+ 模型節省更多，智能密度突出。 激活參數極小：501B 總參中每 token 僅激活 23B，稀疏 MoE 設計大幅壓低部署和推理成本。 RL 規模業界罕見：10.5K 張 GB300 連續四周、超 1 億次 rollout，是開放實驗室中迄今最大規模的 RL 訓練之一。 訓練穩定性強：預訓練全程僅 9 次半自動回滾、goodput 達 92.3%，訓練曲線無失穩，工程成熟度極高。 推理長度可控：用戶可通過 reasoning effort 參數自由調節推理深度，在性能與成本間按需權衡。 Beam的項目地址 項目官網：https://reflection.ai/blog/introducing-beam Beam的同類競品對比 維度 Beam（Reflection AI） GLM-5.2（Z.ai / 智譜） 總參數 / 激活參數 501B / 23B 744B / 40B 激活佔比 約 4.6%（更稀疏） 約 5.4% 上下文窗口 1M tokens 1M tokens 預訓練數據量 23.8T tokens 28.5T tokens 架構特點 細粒度 MoE + 輔助損失無關負載均衡，52 層殘差流全程穩定 MoE + MLA + 稀疏注意力（DSA/IndexShare），78 層（前 3 層稠密） 後訓練 10.5K 張 GB300 跑 4 周 RL，超 1 億次 rollout，異步 policy gradients slime 異步 RL 基礎設施，長程 agentic 訓練 能力定位 對標 GLM-5.2，官方承認落後 Kimi K3，優勢在推理效率 開源模型推理/編程最強檔，GPQA Diamond 89%，SWE-bench Pro 62.1% 推理效率 達到同級推理水平僅用 GLM-5.2 約 1/3–1/4 算力 基準參照物，40B 激活已屬高效 許可協議 Apache 2.0 MIT 開源權重（已可下載） 當前可用性 wait

VeriLoop E2 – 清華大學開源的 27B 後訓練模型

VeriLoop E2是什麼 VeriLoop ...

HeyGen Voice – HeyGen 推出的自研語音模型

HeyGen Voice是什麼 HeyGen V...