最好用的AI工具

AI工具

1,760 個結果

分類排序

Hi3D 1.0 – Math Magic 開源的國產 AI 3D 生成模型

Hi3D 1.0是什麼 Hi3D 1.0 是 ...

Seedance 2.5 4K – 火山引擎推出的高端版視頻生成模型

Seedance 2.5 4K是什麼 Seeda...

Hy-Nomas – 騰訊混元團隊開源的交互式視頻世界生成模型

Hy-Nomas是什麼 Hy-Nomas 是...

WorkForge – 騰訊聯合復旦推出的智能體訓練環境構建框架

WorkForge是什麼 WorkForge是...

書生-A1.5 – 上海 AI Lab 開源的通專融合科學智能體

書生-A1.5是什麼書生-A1.5（...

Claude Duet – Anthropic 推出的個人 AI 智能體

Claude Duet是什麼 Claude Du...

Agensh – 微軟研究院推出的多智能體協作框架

Agensh是什麼 Agensh是微軟研...

Eleven Realtime – ElevenLabs 推出的語音Agent模型系列

Eleven Realtime是什麼 Eleve...

DeepInfer – DeepSeek 開源的生產級推理框架

DeepInfer是什麼 DeepInfer 是 DeepSeek 開源的生產級推理框架，源自 vLLM，支持 V4.1 Flash，可運行於英偉達 SM100 與華爲昇騰 950。DeepInfer 採用 PD 分離部署，靠 3FS 緩存集羣實現 96% 輸入命中、Prefill 提效 25 倍，SWA Bounded Replay 令 Prefill 計算量減半，DSpark 投機解碼再提吞吐 6%，線上單集羣日處理 155 萬億 Token。同步開源的 deepseek-recipe是生產級 Token 編解碼組件，負責統一 Chat Completions、Responses、Messages 三種 API 格式，處理注入防護、並行分詞與流式輸出，使自部署模型的接口表現與官方 API 完全一致。 DeepInfer的主要功能分佈式推理：支持注意力數據並行、上下文並行及 MoE 專家並行，支撐單集羣日處理 155 萬億 Token 的大規模生產服務。跨硬件平台兼容：同時支持英偉達 SM100 GPU 與華爲昇騰 950 NPU，覆蓋兩大算力生態。長上下文高效處理：通過 SWA Bounded Replay 將緩存未命中的重算成本壓縮到固定 128 個 Token，與上下文長度和層數解耦。推測解碼加速：集成自研 DSpark 與置信度驗證調度，讓模型一次推進多個 Token，顯著提升生成吞吐。負載均衡調度：動態均衡專家與請求的分佈，線上最繁忙的卡僅高出平均負載 9%。緩存複用：依託 3FS 存儲集羣實現 96% 的輸入緩存命中率，Prefill 吞吐提升約 25 倍。 DeepInfer的技術原理 PD 分離部署：推理分爲 Prefill 與 Decode 兩個階段：Prefill 一次性處理數萬 Token 的輸入，是計算密集型；Decode 逐 Token 生成，受限於顯存帶寬讀取。DeepInfer 將兩者部署在不同硬件上，Prefill 用常規 8 卡服務器，Decode 用 64–128 卡超節點，兩類機器數量按約 1:1 配置，使各自按最優硬件特性運行。前綴緩存體系：Agent 場景下每次工具調用都會重發完整歷史，其中大部分內容已計算過。系統只緩存從首 Token 起完全一致的前綴，命中部分直接複用 KV Cache，僅計算新增部分。緩存存放於獨立的 3FS 分佈式存儲集羣，用 128 Token 爲塊寫入，Agent 流量保留 3 天、聊天流量保留 7 天。 SWA Bounded Replay：V4.1 Flash 的部分層採用滑動窗口注意力，每個 Token 只關注最近 128 個 Token，這部分 KV Cache 不寫入硬盤、僅駐留在計算機器的內存中。未命中時舊方案需按”層數 × 窗口長度”精確重算，V4.1 改爲只重算最後 128 個 Token、且注意力僅在這 128 個內計算，得到近似窗口緩存，重算成本固定。 DSpark 推測解碼與異步調度：由輕量草稿模塊先連續猜測 5 個 Token，再由目標模型批量驗證，猜對的直接採用、首個猜錯處由大模型糾正，一步計算即可推進多個 Token。置信度頭預估各猜測被接受的概率，低可能性的不再驗證、把算力讓給其他請求，相比固定驗證 5 個的方案線上吞吐提升 6%。同時 CPU 調度第 N+1 步與 GPU 計算第 N 步重疊執行，消除 GPU 在調度間隙的空轉。微信關注回覆“開源”，加入AI開源項目交流羣如何使用DeepInfer 確認環境前置條件：Linux 系統，GCC ≥ 13.0、Python 3.12，NVIDIA 平台需 CUDA 13，昇騰平台需 CANN 9.2。克隆倉庫：git clone https://github.com/deepseek-ai/DeepInfer 並進入目錄。創建乾淨環境：新建並激活一個空的 Python 3.12 虛擬環境，避免依賴衝突。選擇硬件平台並編譯：運行 export DEEPINFER_ACCELERATOR=nvidia（昇騰用 ascend）後執行 ./build.sh 從源碼構建，注意該環境變量需在後續運行環境中保持生效。準備模型權重：默認首次運行會自動從 Hugging Face 下載 deepseek-ai/DeepSeek-V4.1-Flash-1017，或用 export DEEPINFER_HF_MODEL_DIR=/path/to/DeepSeek-V4.1-Flash-1017 指向本地副本。運行離線推理示例：執行 python examples/offline_inference.py 啓動推理，更多用法參考倉庫 examples 目錄。

CleanYourTV – 開源的電視廣告去除工具，垃圾軟件全清空

CleanYourTV是什麼 CleanYourTV 是開源的電視優化工具，通過 Wi-Fi 用 ADB 連接安卓電視，藉助 Claude Code 等 AI Agent 自動識別並停用廣告、數據上報和預裝臃腫軟件，同時安裝仿 Apple TV 風格的簡潔桌面。全程無需 Root、不卸載應用，操作前自動備份，可一鍵恢復。CleanYourTV 支持 92 款型號、16 種語言，桌面僅 370 KB，無需 Root 和卸載應用，操作前會備份系統設置，可隨時一鍵恢復，目前已支持二十多個電視型號。 CleanYourTV的主要功能無線清理電視：通過 Wi-Fi + ADB 連接電視，無需 root 即可遠程操作。停用廣告與追蹤：用 pm disable-user 命令停用廠商預裝的廣告應用、遙測和內容推薦服務。更換極簡桌面：安裝約 300KB 的原生 Launcher，（風格類似 Apple TV），替換滿是贊助內容的原生桌面。。 AI 助手驅動：只需把 PROMPT.md 粘貼給 Claude Code、Codex 或 Gemini CLI，約 15 分鐘自動完成全流程。豐富預置清單：內置約 80 份分型號軟件包清單，覆蓋 TCL、小米、Sony、Hisense、Philips 等 28 個品牌。一鍵備份恢復：動手前自動備份軟件包狀態，恢復腳本可完整還原原廠界面和設置。微信關注回覆“開源”，加入AI開源項目交流羣如何使用CleanYourTV 克隆項目：從 GitHub 拉取 gathin/clean-your-tv 倉庫到本地電腦。連接同一 Wi-Fi：確保電腦和電視接入同一網絡，在電視的”設置→關於→版本號”連按 7 次開啓開發者模式。開啓 ADB 調試：在電視的”開發者選項”中打開”網絡 ADB 調試”，記下電視的 IP 地址。配置連接：編輯項目中的 config.yaml 或在 AI 助手指令中填入電視 IP、品牌型號等信息。啓動 AI 助手：把項目裏的 PROMPT.md 內容粘貼給 Claude Code、Codex 或 Gemini CLI 並讓它開始執行。自動備份：腳本會先創建軟件包狀態備份（存爲 JSON 文件），確保後續可完整還原。停用廣告組件：助手按清單用 adb shell pm disable-user 停用預裝廣告、遙測和推薦服務。安裝極簡桌面：按需安裝約 300KB 的 CleanYourTV Launcher，替換原生廣告桌面。驗證效果：重啓電視，確認廣告消失、新桌面正常、常用 App 不受影響。 CleanYourTV的核心優勢零硬件成本：只需電視和電腦連同一 Wi-Fi，通過 ADB 無線操作，無需 U 盤、刷機盒或外接設備。無需 root、風險可控：採用 pm disable-user 停用而非卸載系統應用，隨時可一鍵恢復，安全性遠高於刷機。 AI 零門檻操作：用戶無需懂命令行，把 PROMPT.md 粘貼給 Claude Code 等助手可自動完成。覆蓋品牌廣：內置約 80 份分型號清單，覆蓋 TCL、小米、Sony、Hisense 等 28 個 Android TV 品牌，開箱即用。極致輕量桌面：替換的原生 Launcher 僅約 300KB，無廣告、無預裝，低內存老電視也能流暢運行。 CleanYourTV的項目地址項目官網：https://cleanyour.tv/ GitHub倉庫：https://github.com/Gathin23/cleanyourtv CleanYourTV的應用場景給父母/長輩的電視”去廣告化”：電視開機先播贊助廣告才能進 Netflix，清理後老人操作更清爽。老電視/低配盒子煥新提速：1GB 內存的老設備停用後台遙測和預裝服務後運行明顯流暢。極簡主義客廳娛樂中心：用 Apple TV 風格的極簡桌面替換繁雜的推薦信息流， dock 只保留 Netflix、YouTube 等常用應用，迴歸”打開即看”的電視本質。隱私敏感用戶的家庭網絡淨化：停用廠商遙測和數據收集服務，配合 Private DNS 攔截追蹤域名，減少家庭觀看數據被上傳。修復電視越用越卡的問題：停用偷跑後台的系統組件，讓卡頓的電視恢復流暢。

FLUX 3 Max – fal 與 Black Forest Labs 推出的視頻生成模型

FLUX 3 Max是什麼 FLUX 3 Max 是 fal Research 與 Black Forest Labs 聯合推出的後訓練視頻模型，支持文生視頻、圖生視頻與關鍵幀插值，可生成5–20秒、720p/1080p、帶原生音頻的視頻。FLUX 3 Max 主打極致速度，10秒成片約12秒生成，官方稱同畫質下比 Seedance 2.5 快22倍。 FLUX 3 Max的主要功能文生視頻：一句話提示詞可生成 5–20 秒的完整視頻片段。圖生視頻：輸入參考圖作爲起始幀，可選指定結束幀，實現首尾幀之間的受控生成。音畫同步：原生生成配套音頻與人物口型對話，無需後期配音合成。 Draft 草稿模式：極低成本快速出預覽稿，確認後同提示詞一鍵渲染爲全質量成片。極致速度：10 秒視頻約 12 秒生成，官方稱同畫質下比 Seedance 2.5 快 22 倍。靈活輸出：720p/1080p 兩檔分辨率，通過 fal 等平台統一 API 調用。 FLUX 3 Max的技術原理多模態統一底座：FLUX 3 Max 基於 Black Forest Labs 的 FLUX 3 基礎模型，後者將多模態生成與理解整合在同一底層架構中，圖像、視頻、音頻、文本共享一套表示空間，各模態能力互相增強。 Self-Flow 對齊方法：相比傳統 Flow Matching，Self-Flow 在各模態上的生成誤差更低，且經微調後在四組操控任務上的成功率更高，更易被精確控制。後訓練效率特化：”Max”版本是 fal Research 與 BFL 在 FLUX 3 底座上做的後訓練版本，目標是推理效率：通過蒸餾等手段大幅減少採樣步數與計算開銷，在畫質基本無損的前提下把延遲壓低。生態化推理部署：經 fal 統一 API 輸出，同時接入 Comfy、OpenRouter、Runware、HeyGen 等 17 家平台，配合 Draft 模式的先草稿後精修工作流，把創作端的試錯成本一併壓低。如何使用FLUX 3 Max 打開入口：訪問 fal 官網，註冊或登錄賬號，或 Black Forest Labs 官網 https://bfl.ai/。選擇模式：選文生視頻（純提示詞）、圖生視頻（上傳起始幀圖）或關鍵幀插值（首尾幀）。輸入素材：文生視頻填寫提示詞，圖生視頻上傳圖片，可選配結束幀控制鏡頭走向。設置參數：設定時長（5–20 秒）、分辨率（720p/1080p）及是否同步生成音頻。先試草稿：用 Draft 模式跑一版低成本預覽，確認構圖和動作滿意後再渲染全質量成片。 API 接入：生產環境通過 fal 統一 API 調用（文檔見 fal.ai/docs），可走 Comfy、OpenRouter、Runware 等第三方接入。 FLUX 3 Max的核心優勢質量第一梯隊：在獨立第三方 Artificial Analysis 圖生視頻榜單上並列第一（Elo 約 1138 分）。價格最低檔：號稱同質量級別最便宜的前沿視頻模型。音畫一體：原生同步生成音頻與口型對話，無需後期配音。 Draft 模式省成本：先低成本出預覽稿，確認後再渲染全質量，試錯費用大幅壓縮。輸入靈活：支持文生視頻、圖生視頻、首尾關鍵幀插值三種工作流。 FLUX 3 Max的項目官網項目地址：https://bfl.ai/models/flux-3-video#flux-3-max FLUX 3 Max的同類競品對比對比維度 FLUX 3 Max MiniMax H3 產品定位前沿模型的速度特化版，主打”最快” 通用音畫生成旗艦，主打”最全” 生成時長 5–20 秒 4–15 秒分辨率 720p / 1080p 直出 768p 直出，2K 需二次再生音頻能力原生音頻 + 人物對話原生 32kHz 立體聲 + 口型同步生成速度 10 秒視頻約 12 秒生成標準隊列速度（快版需選 H3 Max 變體）榜單表現圖生視頻並列第一（約 1138 Elo）圖生視頻約 1140 Elo，略壓一頭參考輸入圖片、首尾關鍵幀多模態參考：最多 9 圖 + 3 視頻 + 3 音頻開放權重否，僅 API 是，H3-Base 已上傳 Hugging Face FLUX 3 Max的應用場景電商與虛擬試穿：上傳商品圖或模特圖生成動態展示視頻，替代傳統拍攝做詳情頁和廣告素材。廣告與品牌營銷：Logo 動態演繹、產品質感鏡頭一鍵生成，品牌方無需傳統制作週期即可上新 campaign。影視分鏡與預演：劇本文字直接轉動態分鏡，導演

懂了鴨 – 騰訊推出的 AI 趣味學習社區

懂了鴨是什麼懂了鴨是騰訊推出的AI趣味學習社區，面向親子用戶和一線教師開放。懂了鴨以奇妙卡爲核心載體，把繪本、動畫、動態課件、輕量遊戲等知識內容做成可拖拽、可模擬、可操作的交互形式，覆蓋親子互動、K12課堂和課外探索三大場景。內置AI Agent，輸入一句話或語音即可生成繪本、遊戲、3D內容，支持改編社區作品二次創作。懂了鴨的主要功能 AI 生成內容：輸入一句話或語音，可生成繪本、動畫、動態課件、3D 模型和記憶卡等互動內容。奇妙卡交互：以奇妙卡爲核心載體，提供可拖拽、可模擬、可操作的交互形式，如槓桿模型、電場模擬、火箭發射流程等。遊戲化學習：內置單詞消消樂、情境闖關、五子棋等輕量遊戲，降低知識記憶門檻，邊玩邊學。 AI 伴學互動：支持語音對話和上傳錄音素材，可與 AI 進行探討式、啓發式學習。靈感牆與改編：預置選題靈感牆，也支持對社區已有作品一鍵改編，進行個性化二次創作。社區分享：作品可發佈到社區、下載，或分享給微信/QQ 好友，實現內容共創與傳播。如何使用懂了鴨進入產品：微信搜索並打開懂了鴨AhaDuck小程序，或訪問官網 https://dongleya.qq.com 掃碼登錄。逛社區：在首頁瀏覽精選的”奇妙卡”互動內容（如火箭發射模擬、蘇州博物館光影庭院等），點開即玩。 AI 創作：在聊天輸入框用一句話描述想法，或直接語音對話、上傳錄音和素材，讓 AI 生成繪本、動畫、課件或小遊戲。編輯改編：對 AI 生成的作品進行調整優化，可改編社區裏別人的作品做二次創作。發佈分享：滿意後將作品下載、發佈到社區，或分享給微信/QQ 好友一起體驗。懂了鴨的核心優勢交互形態獨特：以奇妙卡爲載體，把知識做成可拖拽、可模擬、可操作的內容，讓抽象概念變得可觀、可觸、可探，貼合少兒具象化學習特點。 AI 創作門檻低：內置 AI Agent，一句話或一段語音可生成繪本、動畫、課件、3D 內容，大幅降低互動內容的製作門檻。場景覆蓋全面：同時面向親子互動、K12 課堂教學和課外探索三大場景，家長、教師、知識創作者都能使用。社區共創機制：靈感牆提供預置選題，作品可發佈、分享和改編，形成”AI 降門檻 + 社區做分發”的 UGC 內容生態閉環。懂了鴨的同類競品對比對比維度懂了鴨（騰訊）豆包愛學（字節跳動）產品定位 AI 互動內容社區：把知識變成”可觀、可觸、可探”的互動作品 AI 學伴工具：聚焦”解題—批改—答疑”的學習閉環核心載體奇妙卡：可拖拽、可模擬、可操作的交互式內容單元 AI 老師：動態板書演示 + 語音互動 + 分步講解內容方向親子互動繪本、課堂實驗模擬（槓桿、電場）、課外探索（博物館、陶藝）、小遊戲拍照答疑、作業批改、錯題分析、作文輔導、口算練習 AI 模型底座騰訊自研大模型（未公開細節）豆包大模型 + 火山引擎 OCR，公式識別準確率 98.7% 目標用戶側重親子共學 + 教師製作課件 + 少兒內容創作者中小學生自主學習（課內提分導向），含家長監控模式一句話總結造內容：AI 幫你做出能玩的知識解題目：AI 幫你弄懂不會的題懂了鴨的應用場景親子睡前互動：家長一鍵選用互動繪本，或帶孩子體驗火箭發射、琴絃振動等模擬實驗。 K12 課堂教學：物理課拖動槓桿模型觀察受力變化，英語課用”單詞消消樂”闖關記單詞，教師可快速自制動態課件輔助教學。課外知識探索：逛社區裏的蘇州博物館光影庭院、山谷水文觀測站、陶藝工坊等內容，點開即玩，滿足孩子好奇心。教師/創作者備課：輸入一句話或上傳語音、文檔素材，AI 快速生成課件、3D 模型或小遊戲，從靈感牆獲取選題、改編他人作品。孩子自主創作與分享：孩子自己動手生成繪本、動畫或小遊戲，發佈到社區或分享給微信/QQ 好友，在創作和分享中加深理解。

MiniMax M3.1 Flash – MiniMax 推出的新一代 Flash 模型

MiniMax M3.1 Flash是什麼 MiniMax M3.1 Flash 是 MiniMax 推出的新一代 Flash 模型，是匿名”Space Bunny“模型，處理超200T Token。MiniMax M3.1 Flash在 Agentic 任務、編程、Computer Use 及網絡安全方面達頂尖水平，DeepSWE 73.7%、OSWorld V2 61.7、CyberGym 82%。MiniMax M3.1 Flash已上線 MiniMax API、MPlan 和 MiniMax Code，權重稍後開源。 MiniMax M3.1 Flash的主要功能複雜任務與自動化：在 AutomationBench-AA 位居最前列，可跨 SaaS 系統完成銷售、營銷、運營、客服、財務、HR 等企業真實業務流；BankerToolBench 得 76.2 分，擅長多步驟規劃與工具鏈式調用。編程與軟件工程：DeepSWE v1.1 達 73.7%，能獨立完成代碼理解、功能開發、問題修復與測試驗證的長鏈路開發任務。 Computer Use：OSWorld V2 得 61.7 分、ALE 得 29.6 分，均列國產第一，可從理解任務走向真實電腦操作與交付。網絡安全：CyberGym 達 82%，覆蓋代碼審計、漏洞修補、滲透測試、惡意代碼分析與逆向工程。高速推理：日常使用輸出速度達 200+ TPS（P50 穩定 170+ TPS），較前代提升近 3 倍。 MiniMax M3.1 Flash的技術原理稀疏注意力架構：M3.1 Flash 採用更激進的稀疏注意力設計，通過減少注意力計算中的冗餘交互，在保證模型對長上下文理解能力的同時顯著降低計算開銷，這是其實現 200+ TPS 高速輸出和推理速度近 3 倍提升的核心機制，也使單位 Token 的推理成本大幅下降。 Agentic 長鏈路任務執行：模型針對多步驟規劃與工具調用進行了強化訓練，使其在跨 SaaS 工作流、金融合規、軟件開發等場景中，能夠把複雜任務拆解爲連續可執行的步驟，並在執行過程中保持跨文檔、跨文件的信息一致性，在 AutomationBench、DeepSWE 等考驗真實任務閉環能力的基準上達到頂尖水平。真實環境交互能力（Computer Use）：模型通過與真實操作系統、跨應用環境的交互訓練，獲得感知屏幕、操作軟件、調用工具並驗證結果的閉環能力，使其在 OSWorld V2 和 ALE 這類衡量”實際操作與交付。微信關注回覆“開源”，加入AI開源項目交流羣如何使用MiniMax M3.1 Flash API 調用：訪問 MiniMax 開放平台（https://www.minimax.cn/）註冊登錄，獲取 API Key 後按文檔將模型指向 M3.1 Flash 可調用。訂閱 MPlan：前往 https://www.minimax.cn/m-plan 選擇套餐訂閱，適合以固定預算大量使用模型的用戶。安裝 MiniMax Code：訪問 MiniMax Code 下載桌面端，安裝後可在編程場景中直接使用 M3.1 Flash。 MiniMax M3.1 Flash的核心優勢 Agentic 能力頂尖：在 AutomationBench-AA、BankerToolBench（76.2 分）等複雜 Agent 任務評測中位居最前列，能獨立完成跨 SaaS 的真實企業業務流。編程能力對標旗艦：DeepSWE v1.1 達 73.7%，具備長鏈路代碼理解、開發、修復與測試驗證能力，成本遠低於同級模型。 Computer Use 國產第一：OSWorld V2（61.7）與 ALE（29.6）雙榜國產第一。網絡安全領先：CyberGym 達 82%，低成本覆蓋代碼審計、滲透測試、逆向工程等專業安全場景。速度快 3 倍：激進稀疏注意力架構帶來 200+ TPS 輸出速度，P50 穩定 170+ TPS，交互體驗大幅升級。 MiniMax M3.1 Flash的項目地址項目官網：https://www.minimax.cn/blog/minimax-m31f MiniMax M3.1 Flash的同類競品對比維度 MiniMax M3.1 Flash DeepSeek V4.1 Flash 架構稀疏注意力（參數未公佈） 552B MoE，輸入激活 8B / 輸出 16B，Encoder-Decoder 輸入價格 1 元/百萬（固定）閒時 1 元 / 高峯 2 元輸出價格 4 元/百萬（固定）閒時 4 元 / 高峯 8 元緩存命中 0.1 元/百萬 0.02