阿里云Token Plan个人版升级：加量不加价，新增12类Agent Harness工具
阿里云 Token Plan 个人版升级，Standard 与 Pro 套餐价格和 Credit 额度保持不变，新增覆盖搜索、网页解析、图像生成、语音处理、代码执行等 12 项 Agent 开发能力，工具均通过 MCP 标准协议开放，可直接接入自有 Agent 应用。
推荐理由：原文列出了各套餐新增的 MCP 工具与具体调用额度，读者可据此估算自己搭建 Agent 的月度成本。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 41–60 条 · 共 93 条阿里云开发者精选AI 评分7272
DeepSeek 更新日志精选AI 评分8383 DeepSeek-V4.1-Flash 发布
DeepSeek 正式发布 DeepSeek-V4.1-Flash，这是其全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，GPQA Diamond 得分 90.9，HLE 得分 36.8。
推荐理由：原文列出了新模型在推理、编码与多模态等基准上的成绩，并说明 API 调用方式与旧模型路由安排，读者可据此评估能力定位与迁移成本。
傅盛精选AI 评分7272 GPT-6 把 3D 建模玩明白了，9 个字复刻游戏场景
网友把游戏构想丢给 GPT-6 Astra，用 Codex 接 Blender MCP，45 分钟跑出一个可玩的 3D 游戏 Demo；作者照此方法只说九个字，30 分钟就在 Blender 里把照片场景复刻了七七八八。
推荐理由：文章汇总 GPT-6 在 3D 建模与游戏原型上的案例，并给出可复现的 Codex 加 Blender MCP 思路，便于读者判断这种能力对自己工作的冲击。
傅盛精选AI 评分8181 GPT-6 终于发布，聊聊宣传背后的三个猫腻
OpenAI 发布 GPT-6 Astra，电脑操作、3D 建模与视觉表现明显进步，但第三方评测显示其编程与综合智能均未超过 Fable 5.1。
推荐理由：文章用第三方评测数据拆解 GPT-6 的实际能力边界，读者可以跳出发布会叙事，对照编程、成本与可用性自行判断。
Google DeepMind精选AI 评分8080 Gemini 推出智能体视频理解能力，token 消耗最高降低 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体视频理解能力，token 消耗最高降低 88%、成本最高降低 66%、准确度最高提升 7%。
推荐理由：原文给出最高 88% 的 token 降幅与 66% 的成本降幅，并说明按标准 API 计费、无额外功能费的开启方式，便于开发者评估接入成本。
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
阿里云开发者精选AI 评分7979 Qwen3.8-Flash 上线千问 AI 平台，每百万 Tokens 输入 0.8 元
千问 AI 平台上线 Qwen3.8-Flash，API 每百万 Tokens 输入 0.8 元、输出 2.7 元、缓存命中 0.1 元。该模型为多模态 MoE 架构，千亿总参数仅激活 60 亿，引入 QSA 机制与 Gated Residual，在高缓存命中的 1M Tokens 长上下文场景中提速 8 倍以上。模型权重已在 Hugging Face 与魔搭社区开源，千问办公标准模式也已内置。
推荐理由：原文列出了 Qwen3.8-Flash 的架构创新与分层价格，读者可据此评估长上下文 Agent 任务的调用成本。
智谱 · 官方公众号精选AI 评分8383 智谱上线并开源 GLM-5.3-Flash，前沿智能进入普惠时代
智谱上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列首个原生多模态模型，AA 综合智能指数取得 57 分，与 Claude Opus 4.8 持平，定价为 GLM-5.3 的 1/10、限时折扣内 1/20、Opus 4.8 的 1/40。
推荐理由：原文给出与 Claude Opus 4.8 的能力与价格对照，以及混合注意力架构的降本路径，可据此评估前沿模型的成本走向。
阿里云开发者精选AI 评分7474 Wan3.0 正式上线千问AI平台
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
DeepSeek 更新日志精选AI 评分7575 DeepSeek-V4-Flash-Vision-Exp 发布
DeepSeek API 平台上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，用户可通过 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由：原文列出了新模型与 DeepSeek-V4-Flash 及 Opus-4.8 的对比基准，读者可据此判断其在多模态 Agent 任务上的水平。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 SL2T 手语转文本模型，登陆 Pixel 11 的 Gboard 与 Live Transcribe
Google DeepMind 发布大规模多语言手语转文本模型 SL2T，让手语 AI 首次走出实验室进入消费级产品：SL2T 驱动 Pixel 11 上 Gboard 与 Live Transcribe 的手语转文字功能，首发支持美国手语（ASL）转英语，更多设备与语言将陆续跟进。
推荐理由：SL2T 以姿态关键点而非原始视频做端到端翻译，并进入 Gboard 与 Live Transcribe，可看作无障碍交互从实验室走向消费级产品的样本。
翔宇工作流精选AI 评分7171 LibTV＋Seedance 2.5 实测：30 秒一镜到底，Vlog 真假难辨
Seedance 2.5 发布，单段视频直出时长从 15 秒翻倍至 30 秒，支持两次视频延长、最长 90 秒，参考素材上限从 12 个提升到 50 个（30 张图片＋10 段视频＋10 段音频）。
推荐理由：文章对比 Seedance 2.0 时代的长镜头拼接痛点，拆解 30 秒直出、片段重拍与智能引用如何改变 AI 视频制作流程。
Google DeepMind精选AI 评分6161 Google DeepMind 在 Google Flow Music 发布 Lyria 3.5，改进音乐性、歌词、人声与创作控制
Google DeepMind 发布最新音乐生成模型 Lyria 3.5，今日起在 Google Flow Music 中推出。模型在音乐性、歌词与人声三方面均有改进，歌词的提示词遵循度和结构感知提升，人声更真实且发音改善。用户可更方便地控制输出节奏与时长。
推荐理由：官方列出了 Lyria 3.5 在音乐性、歌词与人声上的改进及节奏、时长控制，可据此对照 Google 音乐生成能力的当前水位。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics 2：为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，通过三个模型为机器人带来全身智能、灵巧操作和多机协同能力。该系统可控制完整人形机器人执行耗时数分钟的多步任务，ER 2 推理模型已在 Google AI Studio 上线，On-Device 2 端侧模型仅需几小时即可适配新本体。
推荐理由：官方公布了全身控制、灵巧操作与多机协同能力，并给出端侧几小时适配新本体的指标，适合评估具身智能进展。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款可在笔记本本地运行的多模态模型。该模型采用无编码器统一架构，视觉与音频输入直接进入 LLM backbone，仅需 16GB VRAM 或统一内存即可运行，性能接近 26B MoE 模型。它是该系列首款支持原生音频输入的中型模型，已采用 Apache 2.0 许可证开源。
推荐理由：官方给出了 16GB 内存即可本地运行的规格，以及与 26B MoE 模型的性能对比，便于开发者评估端侧部署方案。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
Google DeepMind精选AI 评分7171 Google 扩展内容透明度与验证工具，SynthID 验证进入 Search 与 Chrome
Google 宣布扩展内容透明度与验证工具：SynthID 验证今天进入 Search，并将在未来几周扩展到 Chrome，C2PA Content Credentials 验证则从今天起在 Gemini app 推出。
推荐理由：原文梳理了 SynthID 与 C2PA Content Credentials 在 Google 各产品线的落地进展，并说明 OpenAI 等厂商接入后如何扩大水印覆盖范围。
OpenAI News精选AI 评分8080 OpenAI Codex 桌面应用更新，新增 computer use、图像生成与插件能力
OpenAI 更新 macOS 与 Windows 版 Codex 应用，新增 computer use、应用内浏览、图像生成、记忆和插件功能，以加速开发者工作流。
推荐理由：官方列出了本次更新的具体能力范围，开发者可据此判断 Codex 能否并入现有工作流。
Google DeepMind精选AI 评分6969 Gemini Robotics-ER 1.6 发布：增强具身推理，驱动真实世界机器人任务
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先具身推理模型的重大升级，即日起通过 Gemini API 与 Google AI Studio 向开发者开放，并提供配置与提示示例的开发者 Colab。
推荐理由：原文给出相对上一代与 Gemini 3.0 Flash 的逐项基准对比，读者可据此判断具身推理在工业巡检场景的可用边界。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型
Google DeepMind 发布 Gemma 4 系列开源模型，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格。该系列与 Gemini 3 同源，采用 Apache 2.0 许可证，31B 模型在 Arena AI 排行榜位列开源模型第三。模型支持多模态、长上下文及智能体工作流，E2B 和 E4B 专为移动和 IoT 设备设计。
推荐理由：Google DeepMind 发布与 Gemini 3 同源的 Gemma 4 开源模型，读者可据此对比开源与闭源模型在端侧与智能体场景的能力边界。