AI 工具集

Category: AI工具

AI工具集介绍和收录了当前最新的AI产品，紧跟最新AI领域的进展，介绍了AI产品的主要功能、如何使用和主要应用场景，快速了解最新AI产品发展趋势。

  • WebShaper – 阿里通义推出的AI训练数据合成系统

    WebShaper是什么

    WebShaper 是阿里巴巴通义实验室推出的创新的 AI 训练数据合成系统。通过形式化建模和智能体扩展机制，为 AI 智能体（Agent）的训练提供了高质量、可扩展的数据。WebShaper 首次引入了基于集合论的“知识投影”（Knowledge Projection, KP）概念，通过 KP 的交集、并集和递归操作，构造复杂的问题结构，精准控制推理路径和任务复杂度。WebShaper 的 Expander 智能体能从简单的“种子问题”出发，逐步扩展成复杂的推理任务，让 AI 自己“出题”。训练策略结合了监督微调（SFT）和 GRPO 强化学习，使模型在复杂信息检索任务中表现出色。

    WebShaper

    WebShaper的主要功能

    • 形式化建模：WebShaper 首次提出了基于集合论的 IS（信息搜寻）任务形式化建模方法。通过“知识投影”（Knowledge Projection, KP）将复杂的信息搜寻任务分解为多个集合操作（如交集、并集、递归操作）。每个 KP 是一个包含特定实体的集合，通过这些操作可以构造出复杂的问题结构，精准控制推理路径和任务复杂度。
    • 智能体扩展机制：WebShaper 的一大创新是让 AI 自己“出题”。通过 Expander 智能体，系统从一个简单的“种子问题”开始，逐步扩展成复杂的推理任务。Expander 智能体调用搜索、摘要、验证等工具，逐步构造出更复杂、逻辑清晰的问题，并验证答案的正确性。确保了推理链条清晰，任务结构可控。
    • 高质量数据生成：WebShaper 通过形式化建模和智能体扩展机制，生成的训练数据不再是“靠猜题”，而是可控、可解释、可扩展的高质量任务。突破了预检索数据的边界，实现了更广泛的任务类型、能力激发和知识覆盖，减少了数据合成中的错误和冗余信息。
    • Agent 训练策略：WebShaper 采用监督微调（SFT）和 GRPO 强化学习的组合策略，让 AI 智能体在模糊、多跳信息中逐步掌握推理与检索能力。训练从高质量的训练轨迹开始，通过奖励机制引导模型进行多步推理，避免“走捷径”或“猜答案”。

    WebShaper的技术原理

    • 形式化驱动框架：WebShaper 采用集合论对信息检索任务进行系统形式化，核心是“知识投影”（Knowledge Projections, KP）概念。KP 是基于特定关系的实体集合，
    • 知识投影操作
      • R-并集：用于处理不确定性条件，例如“2000-2010年参赛的球员”可以通过并集操作表示。
      • 交集：用于处理多条件约束，例如“2000年参赛且90年代出生的球员”。
    • 任务扩展机制：WebShaper 通过“种子任务”开始，利用扩展器（Expander）逐步扩展问题复杂度。扩展器基于形式化框架，结合检索和验证工具，将简单问题扩展为复杂问题，确保逻辑一致性和任务难度。
    • 数据合成与训练：生成的复杂问题被转换为训练数据，通过监督微调（SFT）和强化学习（如 GRPO 算法）进行模型训练，提升模型在复杂信息检索任务中的推理能力。

    WebShaper的项目地址

    • Github仓库：https://github.com/Alibaba-NLP/WebAgent
    • HuggingFace模型库：https://huggingface.co/datasets/Alibaba-NLP/WebShaper
    • arXiv技术论文：https://arxiv.org/pdf/2507.15061

    WebShaper的应用场景

    • 文献整理与分析：WebShaper 可以帮助研究人员快速收集和整理相关文献，进行跨学科的知识发现。
    • 市场调研：WebShaper 可以用于市场调研、竞争分析和投资决策支持。企业分析师可以让 AI 系统自动收集行业数据、分析市场趋势、评估竞争对手的策略。
    • 智能学习助手：WebShaper 可以成为智能学习助手，帮助学生进行深度学习和研究性学习。
    • 生活决策：WebShaper 可以在出行规划、健康查询、生活决策等场景下，即开即用，为用户提供个性化的信息支持。
    • 医疗信息查询：WebShaper 可以帮助用户查询医疗健康信息，提供专业的医疗建议和健康咨询。

  • MasterAgent – 全球首个L4级多智能体生成与协作平台

    MasterAgent是什么

    MasterAgent 是深圳深元人工智能科技有限公司推出的全球首个 L4 级多智能体生成与协作平台，定位为 AI 时代的“成果交付系统”。通过 Master Builder 引擎实现“一句话生成数字团队”，将复杂任务拆解并分配给多个专业智能体协同完成，复杂指令遵循率高达 99%。核心技术包括 100% 全国产化自研架构、领先的工程化能力以及强大的场景解决能力。MasterAgent 已在地产分析、旅行规划、多模态内容创作等多个领域得到应用验证，获得海尔、广汽、中银国际等上百家企业及政府机构的认可。

    MasterAgent

    MasterAgent的主要功能

    • 复杂任务分解与智能体集群生成：MasterAgent 能将复杂任务自动拆解为多个子任务，生成由不同专业智能体组成的集群。例如，用户输入“分析近期港股TOP5并出具投资策略报告”，系统会迅速生成“数据收集专家”“财务分析专家”“策略报告专家”等智能体，协同完成任务。
    • 高效协同与动态调度：通过 Agent Group 引擎，MasterAgent 支持智能体集群的去中心化自治协作，能根据任务需求动态优化任务分配策略。复杂指令遵循率高达 99%，采用改进的 PBFT 协议实现快速共识，避免多智能体系统中的“内耗”。
    • 自主学习与进化：MasterAgent 具备自我进化能力，知识库和技能模型每周自动更新，通过强化学习和增量训练不断提升性能。支持领域微调技术（如 LoRA/Adapter），快速适应不同行业的专业需求。
    • 一键生成专业工作团队：用户只需通过自然语言输入需求，MasterAgent 能在分钟级生成专业的智能体集群。例如，在地产分析场景中，用户输入购房需求后，系统会生成筛选房源、评估价格、分析通勤等智能体，协同提供解决方案。
    • AI 驱动的全流程自动化：MasterAgent 的工作流程本身由 AI 驱动，能生成执行型智能体操作图形用户界面（GUI），实现从软件到网页的端到端自动化，彻底打通数字世界的壁垒。
    • 高兼容性与定制化：MasterAgent 支持企业接入自己的知识库或智能体，快速适配并扩展成更强大的 Agent 团队。生成的智能体具备可复用、可进化、可学习的特点，满足个性化需求。

    MasterAgent的官网地址

    MasterAgent的核心优势

    • 自主学习与泛化能力：MasterAgent 达到 L4 级别，拥有自主学习和泛化能力，能更广泛地应用学到的知识，在不同情境下进行泛化，接近人类的认知能力。
    • 多智能体自治协作：其 Agent Group 引擎打破了传统 AI 的“中心化控制”模式，数百个智能体可通过“去中心化自治”模式协同工作。
    • Master Builder 架构：支持用户通过自然语言指令在数分钟内定制化部署“智能体助手集群”，开发效率提升数十倍。
    • 动态进化能力：系统每周自动更新知识库和技能模型，通过强化学习优化任务分配，能将一个领域的经验迁移到新场景。
    • 全自主化技术基因：从底层架构到训练数据实现 100% 自主研发，彻底摆脱了对海外大模型与算力的依赖。
    • 高效协作与开发：支持数百个智能体并行协作，开发效率较传统模式提升数十倍。
    • 深度适配国内需求：能深度适配国内数据安全与合规要求，为数据敏感性极高的领域提供可靠的智能体解决方案。

    MasterAgent的应用场景

    • 智能投顾：多智能体可同步完成数据挖掘、风险评估与投资建议，预判股价波动区间。
    • 智能问诊：系统可根据患者症状自动匹配诊疗方案，预判重症患者病情发展趋势。
    • 定制行程：根据出发地、目的地、预算、兴趣点等条件，生成详细的旅行行程方案。
    • 工业流程优化：协同多个子智能体（如规划、调度、感知等角色），提升系统整体的智能化执行能力。

  • 阶跃深研 – 阶跃星辰推出的AI深度研究工具

    阶跃深研是什么

    阶跃深研是阶跃星辰推出的AI深度研究工具，能在大约十分钟内自主完成复杂问题的研究任务，生成深度、专业的研究报告。专为金融、咨询、医疗、法律、政策及学术研究等领域设计，凭借强大的深度搜索与信息整合能力，在红杉中国发布的xbench-DeepSearch评测中以70%的通过率位列第一，在OpenAI的BrowseComp基准测试中通过率达23%，达到行业领先水平。阶跃深研基于端到端自主强化学习和多智能体架构研发，能理解用户需求、澄清研究目标、规划研究计划，自主调用搜索、知识库、代码执行及可视化输出等工具完成研究任务。具备聚焦搜索、自选信源及专属知识库等高级功能，支持多种格式导出研究报告。

    阶跃深研

    阶跃深研的主要功能

    • 需求澄清与目标厘清：阶跃深研能理解用户提出的研究问题，主动反问以帮助用户厘清研究的范围、重点和目标。会根据用户的输入，进一步明确研究方向，确保研究任务的准确性和针对性。
    • 研究计划规划：根据用户的需求，阶跃深研会制定详细的研究计划。用户可以通过自然语言对计划进行修改或补充，更符合实际需求。研究计划包括搜索策略、信息来源选择以及研究步骤的安排。
    • 自主完成研究任务：阶跃深研能自主调用多种工具来完成研究任务，在研究过程中，它会动态调整计划，确保研究的高效性和准确性。
      • 搜索：从互联网和专业信源获取信息。
      • 知识库查询：从用户上传的本地文档或专业文献中提取数据。
      • 代码撰写与执行：自动执行代码以获取或处理数据。
      • 可视化输出：将数据和结果以图表形式呈现，便于理解和分析。
    • 输出高质量研究报告：完成研究后，阶跃深研会生成一份内容详实、结构清晰的研究报告。报告特点包括：
      • 内容全面且专业：涵盖研究背景、分析结果、数据支持等。
      • 图表可视化：支持交互式图表，用户可以导出图表或查看源数据。
      • 数据可溯源：所有数据和信息均有明确来源，确保报告的可信性。
      • 多种格式导出：支持PDF、Word、HTML等多种格式，便于分享和协作。
    • 高级搜索功能：阶跃深研提供了多种高级搜索功能，满足个性化研究需求：
      • 聚焦搜索：提高特定专业内容的搜索偏好，确保获取更精准的信息。
      • 自选信源：用户可以指定信任的网站，仅从这些网站中获取信息。
      • 知识库：用户可以上传本地文档，构建专属知识库，结合互联网搜索完成研究任务。
    • 信息可靠性保障：在遇到不可靠信息源时，阶跃深研会主动制定搜索策略，交叉验证信息，确保研究结果的可靠性。
    • 个性化研究支持：产品积累了超过2000个专业信源和1000万篇专业文献，支持聚焦搜索、自选信源及专属知识库等高级功能，满足个性化研究需求。

    如何使用阶跃深研

    • 访问平台：访问阶跃AI的官网：https://www.stepfun.com/，申请体验阶跃深研，或访问阶跃AI APP体验。
    • 提供研究需求
      • 输入主题：用户可以通过输入文本、提供链接或上传表格和文档等方式，向阶跃深研提供研究主题和背景信息。
      • 澄清需求：阶跃深研会主动询问一些问题，以澄清研究目标和范围。提供更准确的需求信息，可以显著提高报告的质量。
    • 制定研究计划：阶跃深研会根据用户的需求，制定详细的研究计划。如果用户对计划不满意，可以通过对话进行修改。
    • 自主完成研究
      • 搜索与分析：确认计划后，阶跃深研会搜索超过130个网页，浏览关键网站，必要时执行代码进行计算和分析。
      • 可视化输出：它会利用可视化工具创建简洁明了的图表，将复杂数据以直观的方式呈现。
    • 生成报告：阶跃深研会在短时间内生成高质量、最新的研究报告。
    • 多格式导出：用户可以将报告导出为PDF、Word等格式，便于分享和使用。
    • 持续优化：通过与用户的互动，阶跃深研会不断学习，优化研究方法，逐渐适应用户的专业知识和认知模式。

    阶跃深研的应用场景

    • 市场分析：快速生成特定金融市场的研究报告，分析市场趋势、竞争对手和投资机会。
    • 行业调研：帮助投资者或金融机构深入了解特定行业的现状、市场规模、增长趋势和主要参与者。
    • 疾病研究：帮助研究人员快速获取特定疾病的最新研究成果、治疗方法和临床试验信息。
    • 药物研发：支持药物研发团队快速了解相关领域的研究进展，加速研发进程。
    • 法规解读：帮助法律从业者快速了解和解读新法规，评估其对业务的影响。
    • 合同分析：通过智能搜索和分析工具，快速提取合同中的关键条款和风险点。

  • Runway Aleph – Runway推出的AI视频编辑模型

    Runway Aleph是什么

    Runway Aleph 是 Runway 推出的强大的 AI 视频编辑模型。能通过简单的文字指令，快速实现视频内容的增删、风格转换、环境变换和镜头运动调整等功能。用户可以轻松移除视频中的多余元素，或者将白天场景变为夜晚，将视频风格从现实变为卡通。Aleph 的核心优势在于其基于上下文的编辑能力，能理解视频的叙事逻辑和时空关系，避免常见的编辑错误。

    Runway Aleph

    Runway Aleph的主要功能

    • 内容增删：能精准识别视频中的对象，支持添加新元素或移除不需要的内容。比如可以轻松去除玻璃反光或背景中的杂物，也可以在街头采访视频中加入飘落的樱花。
    • 环境与氛围变换：用户可通过文本指令更改视频中的环境、天气或季节，像把晴天场景变为雨天，或将白天画面调整为夜景，赋予视频全新的叙事氛围。
    • 风格迁移：支持将视频风格转换为卡通、油画或其他艺术风格，保持画面内容的一致性，为艺术创作和品牌宣传提供多样化选择。
    • 镜头运动迁移：用户可保留原始视频的镜头运动方式，生成新的内容或视角，特别适合需要动态镜头效果的场景，比如模仿原视频的推拉摇移节奏生成新画面。
    • 绿幕抠像与灯光优化：内置绿幕抠像功能，无需专业绿幕设备，AI 自动识别主体并抠图。支持重新打光，可根据场景需求自动调整光线效果。

    如何使用Runway Aleph

    • 访问官网：打开 Runway Aleph 的官方网站：https://runwayml.com/research/introducing-runway-aleph。
    • 上传视频：将需要编辑的视频上传到平台，目前支持 360p 分辨率、时长 5-30 秒的视频。
    • 输入指令：在文本框中输入简单的文字指令，描述你想要的编辑效果，比如“移除视频中的路人”“将视频风格改为赛博朋克风”等。
    • 调整参数：根据需要调整一些参数，以优化生成的视频效果。
    • 生成视频：点击生成按钮，等待 Aleph 处理，通常 30-60 秒内即可完成。
    • 下载使用：生成的视频可直接下载，且无版权限制，可用于商业用途。

    Runway Aleph的应用场景

    • 短视频制作：创作者可以轻松移除视频中的路人、杂物等干扰元素，让画面更干净。比如旅行视频中碍眼的电线杆，用 Aleph 一键即可移除。
    • 影视后期制作：能生成新机位与视角，如输入一段视频后，通过指令生成中景镜头或低角度拍摄的画面。可无缝续写故事，理解视频最后一帧内容，生成逻辑连贯的下一段镜头。
    • 风格迁移：将任意图像或视频的艺术风格应用到目标视频上，实现整体美学转换。比如将写实视频变为动漫风格，满足不同创意需求。
    • 影视特效：修改视频中的环境元素，如改变天气、时间或地点，同时保持主体对象动态和结构基本不变。
    • 个人视频美化：用户可以对个人视频进行美化，如调整光线、添加特效等，提升视频质量

  • HuHu.ai – AI模特图生成平台，支持自定义模特

    HuHu.ai是什么

    HuHu.ai 是专为时尚电商设计的 AI 平台，通过智能技术帮助品牌快速生成高质量的模特试穿图，优化内容创作流程，提升电商转化率。能将平铺图、衣架图或幽灵模特图转化为逼真的模特试穿图，仅需几秒即可完成，支持用户自定义模特的身材、肤色、发型和姿势，匹配品牌形象和目标受众。HuHu.ai 提供多种解决方案，包括自助应用、工作室模式、企业定制服务以及技术赋能，满足不同规模品牌的需求。

    HuHu.ai

    HuHu.ai的主要功能

    • 虚拟试穿：将平铺图、衣架图或幽灵模特图转化为逼真的模特试穿图，支持多种服装类型，如 T 恤、连衣裙、西装、泳装等。
    • 自定义模特：用户可以调整模特的身材、肤色、发型、姿势等，匹配品牌形象和目标受众。
    • 多视角支持：生成服装的前视、侧视和后视效果，满足电商平台的多样化展示需求。
    • 批量处理：一次性上传多件服装图片，快速生成大量模特展示图，适合大规模电商需求。
    • API 集成：企业可以通过 API 将虚拟试穿功能嵌入现有工作流程，实现自动化处理。
    • 模型上传：支持用户上传自己的模特照片，用于个性化展示。
    • AI 视频生成：将静态模特照片转化为动态视频，展示服装的动态效果，适合社交媒体和产品详情页。

    HuHu.ai的官网地址

    • 官网地址：https://huhu.ai/

    HuHu.ai的应用场景

    • 本地化营销：品牌可以定制模特的外貌，匹配不同市场的消费者特征，提升广告的针对性和转化率。
    • 社交媒体广告：HuHu.ai 可以快速生成多样化的模特图片，用于社交媒体广告测试，优化广告效果，吸引更多点击。
    • 动态内容创建：HuHu.ai 能将产品和模特照片转换成动态视频，自动设置样式以匹配品牌形象，优化以吸引注意力和互动。
    • 产品页面优化：HuHu.ai 的电商代理功能可以自动生成逼真的试穿图像，优化产品页面的文字和视觉效果，实时更新网站，提升转化率。

  • 通义万相Wan2.2 – 阿里开源的AI视频生成模型

    通义万相Wan2.2是什么

    通义万相2.2（Wan2.2）是阿里巴巴开源的先进AI视频生成模型。共开源文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-IT2V-5B）三款模型，总参数量达270亿。模型首次引入混合专家（MoE）架构，有效提升生成质量和计算效率，同时首创电影级美学控制系统，能精准控制光影、色彩、构图等美学效果。此次开源的5B参数紧凑视频生成模型，支持文本和图像生成视频，能在消费级显卡上运行，基于高效的3D VAE架构，实现高压缩率和快速生成高清视频的能力。目前，开发者可通过GitHub、HuggingFace等平台获取模型和代码，企业可通过阿里云百炼调用API进行应用开发，用户能在通义万相官网和通义APP直接体验。

    通义万相2.2

    通义万相Wan2.2的主要功能

    • 文生视频（Text-to-Video）：根据输入的文本描述生成相应的视频内容。例如，输入“一只猫在草地上奔跑”，模型能生成一段符合描述的视频。
    • 图生视频（Image-to-Video）：根据输入的图片生成视频，模型根据图片内容生成动态场景，让图片“活”起来。
    • 统一视频生成（Text-Image-to-Video）：结合文本和图片生成视频，同时用文本描述和图片信息，生成更精准的视频内容。
    • 电影级美学控制：通过光影、色彩、构图、微表情等控制，生成具有专业电影质感的视频。用户通过输入相关关键词（如“暖色调”“中心构图”）定制视频的美学风格。
    • 复杂运动生成：能生成复杂的运动场景和人物交互，提升视频的动态表现力和真实感。

    通义万相Wan2.2的技术原理

    • 混合专家（MoE）架构：引入MoE架构，将模型分为高噪声专家和低噪声专家。高噪声专家负责视频的整体布局，低噪声专家负责细节完善。在保持计算成本不变的情况下，大幅提升模型的参数量和生成质量。
    • 扩散模型（Diffusion Model）：基于扩散模型作为基础架构，通过逐步去除噪声来生成高质量的视频内容。MoE架构与扩散模型结合，能进一步优化生成效果。
    • 高压缩率3D VAE：为提高模型的效率，通义万相2.2基于高压缩率的3D变分自编码器（VAE）。架构实现了时间、空间的高压缩比，让模型能在消费级显卡上快速生成高清视频。
    • 大规模数据训练：模型在大规模数据集上进行训练，包括更多的图像和视频数据，提升模型在多种场景下的泛化能力和生成质量。
    • 美学数据标注：基于精心标注的美学数据（如光影、色彩、构图等），模型能生成具有专业电影质感的视频内容，满足用户对视频美学的定制需求。

    通义万相Wan2.2的项目地址

    • GitHub仓库：https://github.com/Wan-Video/Wan2.2
    • HuggingFace模型库：https://huggingface.co/Wan-AI/models

    如何使用通义万相Wan2.2

    • 访问官网： 访问通义万相的官方网站或下载通义APP进行体验。
    • 选择模型：在模型选择下拉框中选择通义万相2.2。
    • 选择体验模式：
      • 文生视频（Text-to-Video）：输入文本描述，例如“一只猫在草地上奔跑”，点击生成按钮，能看到生成的视频。
      • 图生视频（Image-to-Video）：上传一张图片，模型根据图片内容生成动态视频。
      • 统一视频生成（Text-Image-to-Video）：结合文本描述和上传的图片，生成更精准的视频内容。
    • 调整参数（可选）：用户根据需要调整视频的分辨率、帧率等参数。用电影级美学控制系统，通过输入关键词（如“暖色调”“中心构图”）定制视频的美学风格。
    • 查看生成结果：生成的视频直接在网页上显示，用户能下载或分享生成的视频。

    通义万相Wan2.2的应用场景

    • 短视频创作：创作者快速生成吸引人的短视频内容，用于社交媒体平台，节省创作时间和成本。
    • 广告与营销：广告公司和品牌生成高质量的广告视频，提升广告效果和品牌影响力。
    • 教育与培训：教育机构和企业生成生动的教育视频和培训材料，提升学习效果和培训质量。
    • 影视制作：影视制作团队快速生成场景设计和动画片段，提升创作效率，降低制作成本。
    • 新闻与媒体：新闻机构和媒体生成动画和视觉效果，增强新闻报道的视觉效果和观众参与度。

  • GLM-4.5 – 智谱推出的面向推理、代码与智能体的开源 SOTA 模型

    GLM-4.5是什么

    GLM-4.5 是智谱推出的新一代旗舰模型，专为智能体应用打造，是首款原生融合推理、代码和智能体能力的开源 SOTA 模型。采用混合专家（MoE）架构，有两个版本：GLM-4.5（3550 亿参数，320 亿激活）和 GLM-4.5-Air（1060 亿参数，120 亿激活）。模型在多个评测基准中表现卓越，综合性能达到开源模型的顶尖水平，尤其在代码智能体场景中表现优异。支持混合推理模式，提供思考模式和非思考模式，兼顾复杂任务和即时响应需求。

    参数效率翻倍，API价格仅为Claude的1/10，速度最快可达100tokens/秒。率先在一个模型中实现多能力原生融合并取得重要技术突破——单个模型同时具备强大的推理、代码、智能体等能力，已上线智谱清言和Z.ai开放免费体验。

    GLM-4.5

    GLM-4.5的主要特点

    • 多能力融合：首次在单个模型中实现了推理、代码生成和智能体能力的原生融合，能满足复杂智能体应用的需求。
    • 推理能力：在多个推理评测基准中表现优异，支持复杂推理任务，推理性能达到开源模型的顶尖水平。
    • 代码生成：在代码生成和编程任务中表现出色，支持多种编程语言，能生成高质量的代码片段，胜任全栈开发任务。
    • 智能体应用：支持工具调用、网页浏览等功能，能接入代码智能体框架，如 Claude Code 和 Roo Code，适用于智能体任务。
    • 混合推理模式：提供“思考模式”用于复杂推理和工具使用，以及“非思考模式”用于即时响应，兼顾效率和性能。

    GLM-4.5的技术亮点

    • 混合专家（MoE）架构：GLM-4.5 采用了混合专家（Mixture of Experts, MoE）架构，是一种高效的模型扩展方法。MoE 架构通过将模型参数划分为多个专家模块（Experts），在每个前向传播过程中动态选择部分专家进行激活，实现参数的稀疏激活。在保持模型强大表达能力的同时，显著降低了计算成本和内存占用。
      • GLM-4.5：总参数量为 3550 亿，激活参数为 320 亿。
      • GLM-4.5-Air：总参数量为 1060 亿，激活参数为 120 亿。
    • 多模态能力：GLM-4.5 支持多模态输入和输出，能处理文本、图像等多种数据类型。使模型能更好地理解和生成复杂的智能体应用内容，例如在智能体任务中处理网页浏览、工具调用等多模态交互场景。
    • 混合推理模式：GLM-4.5 提供两种推理模式：
      • 思考模式（Thinking Mode）：适用于复杂推理和工具使用场景，模型会进行更深入的思考和推理，以生成更准确的结果。
      • 非思考模式（Non-Thinking Mode）：适用于即时响应场景，模型会快速生成结果，满足低延迟的需求。
    • 高效的训练流程：GLM-4.5 的训练流程包括三个阶段：
      • 通用数据预训练：在 15 万亿 token 的通用数据上进行预训练，以学习语言和知识的基础表示。
      • 针对性训练：在代码、推理、智能体等领域的 8 万亿 token 数据上进行针对性训练，以增强模型在特定任务上的表现。
      • 强化学习优化：通过强化学习进一步优化模型的推理、代码生成和智能体能力，以提升模型在实际应用中的表现。
    • 参数效率优化：GLM-4.5 在参数效率上实现了显著提升。尽管参数量仅为 DeepSeek-R1 的 1/2 和 Kimi-K2 的 1/3，但在多项标准基准测试中表现更为出色。例如，在 100B 总参数 – 10B 激活参数规模的模型系列中，GLM-4.5 在 Artificial Analysis 基准测试中的推理性能媲美甚至超越了其他国际顶级模型。

    GLM-4.5的项目地址

    • GitHub仓库：https://github.com/zai-org/GLM-4.5
    • HuggingFace仓库： https://huggingface.co/collections/zai-org/glm-45-687c621d34bda8c9e4bf503b
    • ModelScope仓库：https://modelscope.cn/collections/GLM-45-b8693e2a08984f
    • 体验地址：
      • HuggingFace： https://huggingface.co/spaces/zai-org/GLM-4.5-Space
      • ModelScope：https://modelscope.cn/studios/ZhipuAI/GLM-4.5-Demo

    GLM-4.5的技术指标

    • 综合性能SOTA：最具有代表性的12个评测基准，包括 MMLU Pro、AIME 24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench Verified、Terminal-Bench、TAU-Bench、BFCL v3 和BrowseComp。综合平均分，GLM-4.5 取得了全球模型第三、国产模型第一，开源模型第一。

    GLM-4.5

    • 更高的参数效率：GLM-4.5 参数量为 DeepSeek-R1 的 1/2、Kimi-K2 的 1/3，但在多项标准基准测试中表现得更为出色，这得益于GLM模型的更高参数效率。在衡量模型代码能力的 SWE-bench Verified 榜单上，GLM-4.5 系列位于性能/参数比帕累托前沿，这表明在相同规模下，GLM-4.5 系列实现了最佳性能。

    GLM-4.5

    • 低成本、高速度：在性能优化之外，GLM-4.5 系列也在成本和效率上实现突破，由此带来远低于主流模型定价：API 调用价格低至输入 0.8 元/百万 tokens，输出 2 元/百万 tokens。同时，高速版本实测生成速度最高可至 100 tokens/秒，支持低延迟、高并发的实际部署需求，兼顾成本效益与交互体验。

    GLM-4.5

    GLM-4.5

    如何使用GLM-4.5

    • 体验平台
      • 智谱清言 (chatglm.cn)：可以直接访问智谱清言平台，免费体验 GLM-4.5 的满血版功能。用户可以进行对话生成、代码生成、推理任务等多种操作，感受模型的强大能力。
      • Z.ai：用户也可以通过 Z.ai 平台体验 GLM-4.5 的功能。
    • API 调用
      • BigModel.cn：智谱 AI 提供了 API 接口，用户可以通过 BigModel平台进行 API 调用。API 接口支持多种功能，包括文本生成、代码生成、推理任务等。

    GLM-4.5的模型定价

    API 调用价格低至：输入 0.8 元/百万 tokens、输出 2 元/百万 tokens，生成速度最高可达 100 tokens/秒，支持低延迟和高并发部署。

    GLM-4.5的应用场景

    • 全栈开发任务：GLM-4.5 能胜任复杂的全栈开发任务，支持编写较为复杂的应用、游戏、交互网页等。
    • 代码生成：GLM-4.5 在代码生成方面表现出色，能生成高质量的代码片段，支持多种编程语言。可以帮助开发者快速生成代码框架、修复代码错误、优化代码结构等。
    • 编程辅助：模型可以作为编程辅助工具，提供代码补全、代码生成建议、代码注释等功能，提高开发效率。
    • 内容生成：模型可以生成各种类型的内容，如文章、新闻报道、创意文案等，适用于内容创作、文案撰写等场景。
    • 学术研究：GLM-4.5 可以用于学术研究，帮助研究人员探索自然语言处理、人工智能等领域的前沿问题。

  • SkyRouter – AI模型聚合平台，提供低延迟用户体验

    SkyRouter是什么

    SkyRouter 是面向 AI 模型的高性能平台，为用户提供快速、高效且易于部署的 AI 解决方案。通过硬件和软件的端到端优化，实现了更快的生成速度和更高的吞吐量，显著提升了 AI 应用的性能表现。借助全球分布式网络，SkyRouter 能提供低延迟的用户体验，在高并发请求下能保持快速响应。平台采用简单易用的 API 设计，用户无需管理复杂的基础设施或硬件，可轻松运行领先的 AI 模型实现大规模部署。SkyRouter 提供透明的定价模式，无需前期投资，适合从个人开发者到大型企业的各类用户。

    SkyRouter

    SkyRouter的主要功能

    • 高性能优化：SkyRouter 通过硬件和软件的端到端优化，实现了更快的每秒生成令牌数（tokens per second）、更高的吞吐量以及更短的首次令牌生成时间。使 AI 模型能更高效地处理请求，提升整体性能。
    • 全球分布式网络：利用全球分布式网络，SkyRouter 提供低延迟的用户体验和快速响应。通过多节点冗余和故障转移机制，确保系统的高可用性和稳定性，在部分节点出现问题时能无缝切换，保障服务的连续性。
    • 简单易用的 API：SkyRouter 提供简单易用的 API，用户可以轻松运行领先的 AI 模型并实现大规模部署。用户无需管理复杂的基础设施或硬件，大大降低了使用门槛和运维成本。
    • 透明定价：SkyRouter 采用简单透明的定价模式，无需前期投资，用户可以根据实际使用情况准确预算，适合从个人开发者到大型企业的各类用户。
    • 快速扩展：SkyRouter 的基础设施能快速扩展，根据需求动态调整资源，保持低延迟。支持大规模并发请求，能满足高流量场景下的使用需求。
    • 高稳定性：SkyRouter 提供 99.9% 的系统正常运行时间，具备全面的健康监控和自动修复功能。用户可以放心使用，无需担心系统故障或停机问题。
    • SkyRouter Playground：SkyRouter 提供了一个 Playground 环境，供用户测试和探索不同的 AI 模型。需要注意，Playground 的使用需遵守相关条款，生成的输出内容未经过验证，不代表 SkyRouter 的观点。

    SkyRouter的官网地址

    • 官网地址：https://www.skyrouter.ai/

    SkyRouter的应用场景

    • AI Agent 协作平台：为 AI Agent 提供更智能、更快速的搜索能力，解决传统搜索结果碎片化、搜索入口不一致、服务器延迟等问题。
    • 垂直 AI Agents：作为上下文丰富的决策引擎，提供完整的检索结果、实时网络适应能力以及快速稳定的用户体验。
    • 物联网智能中心：通过自然语言命令实现设备间的语义协调，支持多模态搜索，确保低延迟和高可用性。

  • 灵动画布 – 可灵AI推出的AI创意工作台

    灵动画布是什么

    灵动画布是快手可灵AI在世界人工智能大会（WAIC）期间发布的全新创意工作台功能。为创作者提供了一个多人协同创作的平台，支持最多5人同时在一个画布内进行创作，实现素材共享、实时联动和一键导出，打造更流畅的创作闭环。特别适合团队协作项目，能有效激发创意，提升创作效率。通过“灵动画布”，创作者可以将零散的创意想法转化为文本、图像或视频节点，高效串联成完整的视觉作品。

    灵动画布的主要功能

    • 多人协同创作：支持最多5人协作，创作者可以在同一画布内进行实时创作，适合团队合作。团队成员可以共享素材，实时看到彼此的操作和修改。
    • 一站式创作流程：从创意构思到最终成品，创作者可以在一个平台上完成。
    • 一键导出功能：创作完成后，可以快速将作品导出为最终的视频或图像。
    • 无限可视化空间：创作者可以在画布上自由布局创意节点，包括文本、图像和视频。
    • 灵活的创意组织：通过节点连接，创作者可以将创意元素高效串联，形成完整的创作思路。
    • 智能创作辅助：借助AI技术，自动识别和理解创意元素，提供智能建议和优化。
    • 提升创作效率：AI可以帮助创作者快速生成初步内容，减少重复性工作。
    • 局部参考功能：精准素材引用，创作者可以指定参考图中的特定部分（如人物、场景、道具等），避免不必要的元素干扰。
    • 生成结果更可控：确保生成的内容更符合创作者的预期，提升创作的精准度。
    • 操作记录与回溯：记录创作过程中的每一步操作，方便创作者随时回溯和修改。
    • 版本管理：支持不同版本的保存和比较，确保创作的灵活性和可追溯性。

    如何使用灵动画布

    • 使用平台
      • 网页端：访问可灵AI的官网，注册登录后即可在线使用。
      • 手机端：下载可灵AI APP的Android或iOS版进行使用。
    • 使用步骤
      • 创建画布：登录后，进入“灵动画布”功能界面，创建一个新的画布。
      • 添加元素：在画布上添加创意节点，包括文本、图像或视频等元素。
      • 多人协作：邀请最多4名其他用户加入画布，共同创作。团队成员可以在同一画布内实时操作，共享素材、实时联动。
      • 智能辅助：利用AI的智能辅助功能，系统会根据添加的元素和描述，自动提供创作建议和优化方案。
      • 编辑与调整：根据需要对画布上的元素进行编辑和调整，如修改文本内容、调整图像位置等。
      • 生成作品：完成创作后，点击“一键导出”功能，将画布上的内容导出为最终的视频或图像作品。
    • 注意事项
      • 灵感值：首次注册用户会获赠一定数量的灵感值，可用于生成图片及视频，每日登录也会获赠灵感值，但获赠灵感值会在24小时内过期。
      • 素材管理：合理利用画布内的素材共享功能，确保团队成员都能高效获取所需素材。

    灵动画布的应用场景

    • 图像与视频生成：创作者可以在“灵动画布”上将零散的创意想法转化为文本、图像或视频节点，高效串联成完整的视觉作品。
    • 教学演示动画：教师可以用“灵动画布”快速制作教学演示动画，将复杂的知识点以更直观的方式呈现给学生。
    • 学生创意项目：学生可以用工具进行创意项目的协作创作，提升团队合作能力和创造力。
    • 产品展示视频：企业可以快速生成产品展示视频，用于广告、营销等场景，提升产品宣传效果。
    • 个人创意表达：个人创作者可以用“灵动画布”实现自己的创意想法，快速生成个性化的图像和视频。

  • Seko – 商汤科技推出的AI视频创作Agent，首个创编一体

    Seko是什么

    Seko是商汤科技推出的全球首个创编一体的AI短视频创作Agent。可以根据用户输入的创意灵感，通过大模型智能代理，完成从剧本创作、美术风格定位、配音配乐到分镜图绘制的成片全流程。用户只需用自然语言描述需求，无需复杂操作技巧，即可实现角色一致性控制和高质量视频生成。Seko适用于短视频创作、短剧制作、产品宣传和角色二创等多种场景，大幅降低创作门槛，让零基础用户也能轻松产出专业级短片。

    Seko

    Seko的主要功能

    • 视频策划与剧本创作：根据用户输入的创意灵感，自动生成完整的视频剧本。用户无需具备编剧知识，只需简单描述想法，Seko能构思出结构完整、逻辑清晰的剧本。
    • 自然语言编辑：支持用户用自然语言与Seko进行交互，轻松进行各种编辑操作。
    • 角色一致性控制：用户轻松导入或创建角色，Seko能确保角色在所有分镜和场景中的形象始终保持一致。
    • 多模态内容生成：Seko整合多种AI模型，根据用户的需求和视频风格，智能选择最适合的模型生成高质量的视频内容，包括画面、配音和配乐等。
    • 全流程智能Agent：从剧本创作到最终成片，Seko能实现全流程的智能代理，用户只需输入创意灵感，能一键生成结构完整、风格统一的短片，无需用户进行复杂的后期剪辑和拼接。
    •  推荐主体与灵感广场：Seko提供推荐主体和灵感广场的内容，帮助用户获取更多创意灵感。

    如何使用Seko

    • 访问平台：访问Seko官网 https://seko.sensetime.com ，注册和登录。
    • 输入创意：用自然语言描述视频创意，比如“一个科幻短片，主角是机器人，场景在太空”。
    • 生成内容：点击生成按钮，Seko自动创作剧本、分镜图，并生成视频。
    • 编辑调整：如果需要修改，直接用自然语言指令，如“把背景音乐换成轻快的”。
    • 导出成片：生成满意的内容后，导出视频并分享。

    Seko的应用场景

    • 短视频创作：通过自然语言输入创意，快速生成个性化短视频，适合零基础用户和自媒体创作者。
    • 短剧制作：AI自动生成剧本和分镜图，快速修改角色和场景，降低短剧制作门槛，适合独立创作者和影视团队。
    • 产品宣传：上传商品图，生成多版本产品介绍视频，提升产品吸引力，助力电商营销。
    • 角色二创：保持IP角色形象一致性，通过简单对话创作二创内容，激发粉丝创意，扩大IP影响力。
    • 知识科普：生成结构清晰、逻辑严谨的知识科普视频，快速制作高质量内容，提升知识传播效率。