瓜5网百科 - 让权威随处可见！

Codex 是由 OpenAI 研发的系列 AI 辅助软件开发工具及智能体系统，核心聚焦软件工程领域，依托 OpenAI 迭代优化的大语言模型，为开发者提供全流程编码辅助服务，产品形态覆盖云端服务、本地客户端、IDE 插件等多场景，核心价值在于降低编码门槛、提升开发效率，替代开发者完成重复性、机械性编码任务，同时辅助处理复杂软件工程相关工作。 发展历程 2021 年 8 月，OpenAI 正式发布 Codex，该版本以 GPT-3 为基础模型进行专项优化，定位为代码自动补全工具，可无缝集成于 Visual Studio Code、Neovim 等主流 IDE，同时成为 GitHub Copilot 的核心驱动技术。其训练数据源自 5400 万个 GitHub 仓库中的 159GB Python 代码，具备将自然语言指令转化为多编程语言代码的核心能力，标志着 AI 辅助编码进入规模化应用阶段。 2025 年 4 月 16 日，OpenAI 在 GitHub 上以 Apache 2.0 许可证开源 Codex CLI，这是一款可本地运行的 AI 智能体工具，同时配套推出仅通过 API 提供的 Codex-mini-latest 模型 —— 该模型基于 o4-mini 优化，专门适配 Codex CLI 的本地运行场景，大幅降低了普通开发者的使用门槛，让本地场景的 AI 编码辅助成为可能。 2025 年 5 月 16 日，OpenAI 推出 Codex 研究预览版，这是一款基于云端的专业化软件工程智能体，由 OpenAI o3 版本 Codex-1 模型提供技术支持（该模型针对软件工程场景进行专项优化）。初期仅面向 ChatGPT Pro、Enterprise 及 Team 版用户开放，后续逐步拓展至 Plus 版和 Edu 版用户，此次升级标志着 Codex 从单纯的代码补全工具，正式升级为可自主处理复杂软件工程任务的智能体系统，实现了功能的跨越式提升。 2026 年 2 月，Codex 迎来密集升级：2 月 2 日推出 macOS 桌面应用，主要用于管理多个编码智能体及处理长期编码任务，进一步完善本地应用生态；2 月 5 日发布 GPT-5.3-Codex 模型，整合前沿编程性能与推理能力，运行速度较上一版本提升 25%；2 月 12 日推出 GPT-5.3-Codex-Spark，这是一款基于 Cerebras 芯片的低延迟版本，运行速度较早期版本提升 15 倍，也是 OpenAI 首个未使用 NVIDIA 芯片的生产级模型，初期作为研究预览版面向 ChatGPT Pro 用户开放。 2026 年 3 月，OpenAI 发布 GPT-5.4-Codex 模型，同时推出 Codex Security 专项功能，这是一款专注于识别并修复软件漏洞的应用安全智能体，填补了 Codex 在代码安全领域的空白。据 OpenAI 官方披露，截至 2026 年 3 月，Codex 每周活跃用户已超过 200 万，且计划将其与 ChatGPT、浏览器整合为单一桌面 “超级应用”，进一步拓展其应用边界，不再局限于软件开发领域。 核心技术与工作机制 技术核心 Codex 的核心技术依托 OpenAI 迭代升级的大语言模型，不同发展阶段采用不同基础模型：早期版本以 GPT-3 为基础，2025 年推出的云端智能体采用 o3 版本 Codex-1 模型，2026 年逐步迭代至 GPT-5.3 及 GPT-5.4 系列 Codex 专属模型。所有模型均针对软件工程场景进行专项训练，具备强大的代码理解、生成与优化能力，训练过程采用强化学习方法，在真实世界的各类编码环境中持续训练，确保生成的代码符合人类编码风格与项目规范，能够精准遵从用户指令，并通过反复运行测试直至获得符合要求的结果。 工作机制 Codex 的核心运作框架为 “智能体循环（agent loop）”，核心作用是协调用户、模型与工具之间的交互，实现 “用户需求→模型推理→工具调用→结果验证” 的闭环运作。具体流程为：用户输入自然语言指令后，Codex 会自动构建结构化提示词，包含模型行为边界、沙箱权限、工作目录、项目文档等关键信息，随后调用对应模型进行推理；模型根据指令判断是否需要调用终端命令、测试工具等，执行相关操作后将结果反馈至上下文，反复迭代直至完成任务并向用户输出最终结果。 所有 Codex 任务均在独立的云沙箱环境中运行，预装用户的代码仓库，支持读取、编辑文件，运行测试框架、代码检查工具及类型校验器等，任务完成时间根据复杂程度介于 1 至 30 分钟之间，用户可实时监控任务进度。任务完成后，Codex 会提交相关更改，并提供终端日志、测试输出等可验证证据，方便用户追踪每一步操作，所有更改需经用户手动审核后，方可进行集成与执行。此外，用户可通过在代码仓库中放置 AGENTS.md 文件，指导 Codex 浏览代码库、执行测试命令及遵循项目标准，进一步提升其任务执行的准确性。 值得注意的是，为实现请求无状态与零数据保留（Zero Data Retention），Codex 未使用 Responses API 的优化接口，而是通过 prompt 缓存、上下文压缩等技术，缓解请求大小随对话轮次增长的问题，优先保障用户隐私与数据安全。 核心功能与应用场景 核心功能 Codex 的功能围绕软件工程全流程展开，核心涵盖七大板块：一是代码生成，可根据自然语言指令生成完整功能代码、补全重复代码，适配多种编程语言；二是代码修复，精准识别代码中的漏洞、语法错误及优化空间，并提出可直接应用的修复方案；三是代码库咨询，实时解答关于代码库结构、功能实现、代码逻辑等相关问题；四是拉取请求建议，结合项目规范，提出合理的代码更改建议，供开发团队审核参考；五是多任务并行处理，可同时处理多个编码任务，且任务间相互隔离，避免干扰；六是终端操作，支持调用 shell 命令、读写文件、运行测试等，实现编码相关任务的自动化执行；七是安全防护，通过 Codex Security 专项功能，识别并修复软件漏洞，保障代码安全。 应用场景 Codex 的应用场景覆盖软件开发全流程及多行业场景，核心可分为三大类：一是个人开发者日常编码辅助，帮助个人开发者提升编码效率，减少重复劳动，快速解决编码过程中的各类问题，降低编码难度；二是企业级软件工程管理，辅助开发团队处理复杂代码、优化开发流程、开展代码安全检测，提升团队协作效率，降低研发成本；三是教育场景，为编程学习者提供实时编码指导，帮助学习者快速理解代码逻辑、掌握编程技巧，助力编程知识的高效传递。

可灵 AI（Kling AI）是快手科技（Kuaishou Technology） 自研、面向全球创作者的多模态视频生成大模型与创作平台，核心定位为「人人可用的 AI 视频创作引擎」，以文生视频、图生视频、视频续写、高清长时生成、影视级运镜为核心壁垒，覆盖短视频、广告、影视、电商、内容创作全场景，是全球首个面向公众开放的 DiT 架构真实影像级视频生成工具。 一、基础权威信息 官方全称：可灵 AI（Kling AI） 开发主体：快手科技 AI 大模型团队（快手社区科学线），独立事业部，直接向快手 CEO 程一笑汇报 上线时间：2024 年 6 月 6 日 官网（kelingcn.com）正式发布、开放邀测；2024 年 7 月 24 日全面公测可灵AI 核心定位：降低视频创作门槛，提供零门槛、高画质、长时长、可商用的 AI 视频生成能力，打通从创意到成片的全链路 官方入口：网页端 https://kelingcn.com/；iOS/Android「可灵 AI」App；快影 App 内置入口；企业 API 服务 核心 Slogan：让每个人都能用 AI 讲出好故事 权威认证：Artificial Analysis 全球视频生成榜单文生 / 图生视频双赛道榜首（2025）、两次入选中国互联网创新十大案例（2024-2025） 二、核心技术架构（官方技术口径） 可灵 AI 采用类 Sora 的 DiT（Diffusion Transformer）架构，以 Transformer 替代传统卷积网络，基于 Flow 扩散基座 + 自研优化，构建中文场景领先的视频生成技术体系： 底层基座：自研 DiT 视频大模型，融合 Flow 扩散模型，优化中文提示词理解、长时序一致性、物理运动合理性 3D 时空联合注意力机制（核心专利）：精准建模视频时空维度，模拟重力、光影、流体、碰撞等真实物理规律，解决 AI 视频常见的「扭曲、穿模、动作混乱」问题，支持复杂运镜与长镜头可灵AI 高分辨率长时生成引擎：原生支持1080P/30fps，3.0 版本升级至4K/60fps；单次最长生成 3 分钟，支持多段续写叠加至完整成片 多模态输入输出：文生视频、图生视频、视频续写、首尾帧控制、运动笔刷、主体参考、音画同步（含方言口型）、分镜序列生成 中文场景专项优化：针对中文语义、短视频节奏、国风 / 写实 / 影视风格、电商商品展示做专项微调，指令遵循度、画面贴合度优于国际竞品 算力与效率：依托快手分布式训练集群、算子优化，生成速度、成功率、稳定性处于行业第一梯队 三、核心功能模块（官方完整版） 1. AI 视频生成（核心引擎） 文生视频：中文自然语言直出，支持 16:9/9:16/1:1 等全比例；内置电影、写实、国风、二次元、3D、电商等 30 + 风格；支持运镜指令（推 / 拉 / 摇 / 移 / 环绕、特写 / 全景）、帧率 / 分辨率调节；单次最长 3 分钟、30fps、1080P（3.0 支持 4K/60fps）可灵AI 图生视频：上传单图 / 多图，保留主体构图，一键生成动态视频、运镜动画、角色动作；支持主体一致性锁定、风格迁移、局部动态控制；解决单图转视频的「画面割裂、主体变形」问题可灵AI 视频续写：上传已有视频片段，AI 基于前序内容、文本指令续写，单次续写 4.5 秒，可无限叠加至完整成片；保持角色、场景、光影一致性，适配剧情、Vlog、广告续剪可灵AI 高级控制工具：首尾帧控制（精准定义起止画面，实现一镜到底）、运动笔刷（局部指定动态区域）、主体参考（多镜头保持 IP / 人物一致）、智能分镜（多镜头序列生成）、方言级对口型、音画同步生成 2. 可图 AI（图像生成模块） 文生图、图生图、高清放大、局部重绘、风格迁移；支持 2K/4K 超高清，覆盖海报、封面、IP、电商商品图、概念设计；与视频生成模型同源，风格统一、无缝衔接 3. 创作生态与协作 创意圈：百万级用户作品库，一键复用提示词、参数、风格、模板 会员体系：免费版（每日基础灵感值）、黄金会员（66 元 / 月，660 灵感值、高清去水印、优先生成）、黑金会员（3.0 专属，4K/60fps、全功能、API 权限）可灵AI 企业服务：私有化部署、API 接口、定制模型、商用授权、专属技术支持；服务超 3 万家企业，覆盖广告、影视、电商、游戏、教育等行业 快手生态联动：一键发布至快手主站、快影，享流量扶持、创作者激励、共创计划 四、核心权威优势 全球首个公众可用 DiT 真实影像模型：区别于实验室 Demo，可灵是首个面向 C 端 / 小 B 开放、可落地的 DiT 视频生成工具，生成质量、稳定性、可用性领先行业 中文场景绝对领先：中文提示词理解、短视频适配、国风 / 本土风格、电商 / 广告模板、方言口型等本土化能力，国际竞品无法替代 长时高清 + 物理真实：3 分钟 / 1080P/30fps（3.0 达 4K/60fps）+3D 时空注意力，解决行业「短时长、低清、动作混乱」痛点，接近影视级标准可灵AI 全链路创作闭环：从文本 / 图片→视频生成→剪辑 / 配音→发布 / 商用，一站式完成，无需跨平台 商用合规保障：个人 / 企业商用授权清晰，生成内容无版权纠纷，支持广告、影视、电商等商业场景 五、核心应用场景 短视频创作：快手 / 抖音 / 视频号爆款短视频、剧情、Vlog、特效、IP 短剧、口播视频 电商营销：商品展示视频、主图视频、直播切片、广告素材、AI 模特换装、产品动态演示 影视与内容：电影分镜、概念短片、预告片、动画、纪录片素材、导演共创（可灵导演计划）可灵AI 企业与品牌：品牌宣传片、活动视频、教育课件、游戏 CG、虚拟人视频、数字内容生产 个人与学生：生活记录、作品集、作业、创意短片、自媒体内容 六、权威发展历程（关键节点） 2024.06.06：可灵 AI 正式上线，官网开放邀测，支持 2 分钟 1080P/30fps 文生视频，全球首个公众 DiT 视频工具可灵AI 2024.06.21：推出图生视频功能，5 秒动态生成，平面转动态可灵AI 2024.07.24：全面公测，上线会员体系，视频续写开放，最长支持 3 分钟可灵AI 2024.09：1.5 版本，新增运动笔刷、对口型、AI 模特、创意圈；启动「可灵 AI 导演共创计划」（李少红、贾樟柯等 9 位导演），产出 9 部 AI 电影短片可灵AI 2024.12：1.6 版本，图生视频质量提升 195%，复杂运镜 / 动作优化；全球用户破 2200 万 2025.04：可灵 2.0 / 可图 2.0 发布，动态、语义、美学全面升级，登顶全球视频生成榜单双第一 2025.12：全球创作者超 6000 万，累计生成视频 6 亿 +，企业用户 3 万 +，年化 ARR 达 2.4 亿美元 2026.02.05：可灵 AI 3.0 全球上线，支持 4K/60fps、原生音画同步、方言口型、多镜头分镜、Omni 全模态架构，进入影视级创作时代 七、权威边界与合规说明 可灵 AI 为快手科技 100% 自研，独立技术团队、独立事业部，非第三方合作 / 开源二次开发产品 平台生成内容、素材均提供商用授权（个人 / 企业付费会员可商用，免费版仅限非商用），遵循中国及全球版权合规标准 核心能力聚焦视频 / 图像生成，不涉及代码、文本大模型、音视频全品类编辑 数据安全：遵循快手隐私合规，用户创作内容仅本人可见，平台不擅自使用、传播

      QClaw（昵称 “龙虾”）是腾讯电脑管家团队基于开源 AI 智能体框架OpenClaw深度封装、面向普通用户推出的本地部署 AI 智能体（AI Agent）助手，主打微信直连、零门槛一键部署、数据本地留存，支持通过微信发送自然语言指令远程操控本地电脑执行自动化任务qclaw.qq.com。 一、基本信息 官方全称：腾讯 QClaw 开发主体：腾讯科技（深圳）有限公司・腾讯电脑管家团队 技术基底：基于开源项目 OpenClaw（AI 智能体执行框架）二次封装，非独立从零开发 2026 年 3 月 10 日：开启邀请制内测 2026 年 3 月 20 日：全量公测，无需邀请码、零门槛开放，Windows/macOS 双平台同步上线发布历程： 官方渠道：官网 https://qclaw.qq.com/ 核心定位：个人级本地 AI 执行助手，实现 “微信发指令、电脑自动干活”，区别于纯对话 AI 与传统远程桌面 二、核心特性（权威官方确认） 1. 部署与运行 平台支持：Windows 10/11、macOS（Apple Silicon/Intel 双架构），暂不支持 Linux 部署方式：一键安装包，自动配置环境，无需 Node.js/Python、Docker、命令行操作，小白开箱即用 数据安全：全程本地运行、数据不出设备，AI 推理、文件操作、任务执行均在用户本机完成，不经过腾讯云端，隐私可控 兼容 OpenClaw：已安装 OpenClaw 的设备，可一键关联 QClaw，复用原有配置与技能 2. 交互入口（核心差异化） 微信直连（主入口）：扫码绑定微信后，通过微信聊天窗口（文字 / 语音 / 图片）发送指令，手机端即可远程触发电脑端执行；支持微信小程序入口，无需额外安装 App QQ 接入：同步支持 QQ 绑定，双社交入口覆盖国内主流 IM 场景 本地客户端：电脑端独立界面，可直接下达指令、查看任务日志、管理模型与技能 3. AI 能力与模型 内置模型：预置 Kimi-2.5、Minimax、GLM、DeepSeek 等国产大模型，支持一键切换；支持自定义接入第三方模型（需配置） 智能体能力：具备任务拆解、工具调用、本地执行、上下文记忆、持续学习能力，非纯文本对话，可直接操控电脑硬件 / 软件 技能生态：内置 5000 + 开箱即用 Skills（ClawHub、GitHub 开源生态），覆盖办公、开发、文件、浏览器、日程、邮件、社媒等场景；支持自定义创建 / 导入技能 4. 核心功能（官方明确） 文件自动化：打开 / 编辑 / 整理 / 计算本地文档（Excel、Word、PDF）、批量重命名、文件夹分类、数据提取 系统与浏览器操控：执行 Shell 命令、打开程序、浏览器自动化（搜索、填表、截图、下载）、定时任务 办公协同：腾讯文档 / 邮件 / 日历操作、会议提醒、报表生成、内容总结 开发辅助：代码生成、项目创建、Git 提交、接口调试、文档生成 远程调度：手机微信发指令，电脑端后台执行，跨空间完成任务（如外出时处理本地文件） 三、与 OpenClaw 的关系（权威界定） QClaw 是OpenClaw 的官方产品化封装版、国内定制发行版，类比 Linux 内核与 Ubuntu 发行版的关系 OpenClaw：开源、极客向、需手动部署、支持多平台（含 Linux）、入口以 Telegram/Slack 为主 QClaw：闭源商用、面向大众、一键部署、仅 Windows/macOS、深度绑定微信 / QQ、本土化优化、安全加固（腾讯电脑管家安全底座） 四、使用门槛与限制（官方） 硬件要求：最低 2 核 CPU、4GB 内存、500MB 可用存储，主流办公本 / 老旧笔记本均可流畅运行 网络要求：电脑端需联网（用于模型请求、微信指令传输），手机端联网即可远程控制 使用限制：免费公测阶段提供基础模型额度与技能；高级模型 / 自定义模型可能涉及额度或付费（以官方后续公告为准）；不支持无网络本地离线运行（模型推理依赖联网）

        王小亿（本名王亿），中国内地短剧女演员，1997 年 12 月 6 日出生于湖北省武汉市，毕业于武汉设计工程学院成龙影视传媒学院表演系，身高 168cm，射手座。她是红果短剧平台首位获赞破亿女演员，以清冷仙气、爆发力强的演技著称，代表作《云渺》系列、《死后才知，我竟是京圈太子白月光》等，被称为 “短剧清冷女神”“云渺神女”。 一、基本信息 本名：王亿 艺名：王小亿 出生日期：1997 年 12 月 6 日 出生地：湖北省武汉市 毕业院校：武汉设计工程学院成龙影视传媒学院 表演系 身高：168cm 星座：射手座 经纪公司：百川中文（2025 年 12 月 31 日正式签约，此前为独立艺人、个人工作室） 行业标签：短剧顶流、清冷仙子、女频短剧扛剧女主 二、演艺经历 （1）前期积累（2022-2023） 2022 年 6 月 9 日，王小亿以创作者身份入驻抖音，发布生活日常、颜值随拍类短视频，积累初始粉丝与镜头经验。   2023 年，偶然接触短剧剧组试镜，开启短剧演艺之路；初期多饰演恶毒女配、配角，打磨演技，积累剧组经验。 （2）崭露头角（2024 年） 2024 年 6 月，主演首部男主短剧《封神榜之天帝娶妻》（饰女主白灵），首次担纲女主。 8 月 20 日，主演《傅总的女王甜妻飒爆了》，正式进入大众视野。 9 月 6 日，主演《镇天神君》，人气进一步提升。 9 月，搭档陈云廷主演《死后才知，我竟是京圈太子白月光》（饰沈熹微），该剧登顶 DataEye 短剧热力榜 TOP1，成为其成名作，奠定女频短剧地位。 11 月，搭档赵振栋主演《薄爷，夫人把您卖了换钱花》，热度持续走高。 同年，参演《不就是上司吗》《幸得相遇离婚时》（播放量破 20 亿）等多部短剧。 （3）顶流爆发（2025 年） 2 月，主演春节档《春日攀京枝》《凤君》；推出爆款修仙短剧《云渺 1：我修仙多年强亿点怎么了》，饰演清冷强大的女主云渺，开启系列爆款之路。 3 月，获爱奇艺荧光之夜・年度微剧号召力女演员奖。 4-8 月，接连主演《云渺 2》《云渺 3：镇魔世家》《云渺 4：绝嗣佛子》，系列累计播放量超 100 亿、收藏 1200 万，“云渺神女” 形象深入人心，成为短剧圈现象级 IP。 6 月，搭档李子杰主演《公主绝色，影卫日日以下犯上》（饰楚青凰），古偶甜虐题材再获成功。 9 月，成为红果短剧平台首位获赞破亿女演员，创下平台纪录。 11 月，获横店微短剧之夜・年度号召力星耀女演员奖；主演《暗潮涌动》，尝试悬疑题材，拓宽戏路。 12 月 31 日，官宣签约头部短剧公司百川中文，结束独立艺人阶段，开启资源升级新阶段。 三、代表作品（按时间排序） 短剧代表作 《死后才知，我竟是京圈太子白月光》（2024，饰沈熹微，DataEye 热力榜 TOP1） 《云渺 1-4》系列（2025，饰云渺，修仙爆款，累计播放超 100 亿） 《幸得相遇离婚时》（2024，播放量破 20 亿） 《公主绝色，影卫日日以下犯上》（2025，饰楚青凰） 《薄爷，夫人把您卖了换钱花》（2024） 《镇天神君》（2024） 《傅总的女王甜妻飒爆了》（2024） 《暗潮涌动》（2025，悬疑题材） 《春日攀京枝》（2025） 四、荣誉与行业地位 2025 年 3 月：爱奇艺荧光之夜「年度微剧号召力女演员」 2025 年 9 月：红果短剧平台首位获赞破亿女演员（平台纪录） 2025 年 11 月：横店微短剧之夜「年度号召力星耀女演员」 行业地位：短剧圈顶流女主，女频短剧核心扛剧艺人，擅长清冷神女、复仇女主、甜宠女主等多种人设，爆款率高、选本眼光精准，被业内称为 “剧本过滤器”。 五、人物评价         王小亿科班出身，演技细腻有爆发力，擅长在短剧情境中快速塑造人物、传递情绪，尤其适合清冷强大、外冷内热的女主形象。从短视频素人到短剧顶流，她以独立艺人身份打拼，靠作品与口碑出圈，是短剧行业从草根到顶流的典型代表；签约百川中文后，进一步打通 IP 与艺人资源，未来发展备受行业期待。

Codex 是由 OpenAI 研发的系列 AI 辅助软件开发工具及智能体系统，核心聚焦软件工程领域，依托 OpenAI 迭代优化的大语言模型，为开发者提供全流程编码辅助服务，产品形态覆盖云端服务、本地客户端、IDE 插件等多场景，核心价值在于降低编码门槛、提升开发效率，替代开发者完成重复性、机械性编码任务，同时辅助处理复杂软件工程相关工作。 发展历程 2021 年 8 月，OpenAI 正式发布 Codex，该版本以 GPT-3 为基础模型进行专项优化，定位为代码自动补全工具，可无缝集成于 Visual Studio Code、Neovim 等主流 IDE，同时成为 GitHub Copilot 的核心驱动技术。其训练数据源自 5400 万个 GitHub 仓库中的 159GB Python 代码，具备将自然语言指令转化为多编程语言代码的核心能力，标志着 AI 辅助编码进入规模化应用阶段。 2025 年 4 月 16 日，OpenAI 在 GitHub 上以 Apache 2.0 许可证开源 Codex CLI，这是一款可本地运行的 AI 智能体工具，同时配套推出仅通过 API 提供的 Codex-mini-latest 模型 —— 该模型基于 o4-mini 优化，专门适配 Codex CLI 的本地运行场景，大幅降低了普通开发者的使用门槛，让本地场景的 AI 编码辅助成为可能。 2025 年 5 月 16 日，OpenAI 推出 Codex 研究预览版，这是一款基于云端的专业化软件工程智能体，由 OpenAI o3 版本 Codex-1 模型提供技术支持（该模型针对软件工程场景进行专项优化）。初期仅面向 ChatGPT Pro、Enterprise 及 Team 版用户开放，后续逐步拓展至 Plus 版和 Edu 版用户，此次升级标志着 Codex 从单纯的代码补全工具，正式升级为可自主处理复杂软件工程任务的智能体系统，实现了功能的跨越式提升。 2026 年 2 月，Codex 迎来密集升级：2 月 2 日推出 macOS 桌面应用，主要用于管理多个编码智能体及处理长期编码任务，进一步完善本地应用生态；2 月 5 日发布 GPT-5.3-Codex 模型，整合前沿编程性能与推理能力，运行速度较上一版本提升 25%；2 月 12 日推出 GPT-5.3-Codex-Spark，这是一款基于 Cerebras 芯片的低延迟版本，运行速度较早期版本提升 15 倍，也是 OpenAI 首个未使用 NVIDIA 芯片的生产级模型，初期作为研究预览版面向 ChatGPT Pro 用户开放。 2026 年 3 月，OpenAI 发布 GPT-5.4-Codex 模型，同时推出 Codex Security 专项功能，这是一款专注于识别并修复软件漏洞的应用安全智能体，填补了 Codex 在代码安全领域的空白。据 OpenAI 官方披露，截至 2026 年 3 月，Codex 每周活跃用户已超过 200 万，且计划将其与 ChatGPT、浏览器整合为单一桌面 “超级应用”，进一步拓展其应用边界，不再局限于软件开发领域。 核心技术与工作机制 技术核心 Codex 的核心技术依托 OpenAI 迭代升级的大语言模型，不同发展阶段采用不同基础模型：早期版本以 GPT-3 为基础，2025 年推出的云端智能体采用 o3 版本 Codex-1 模型，2026 年逐步迭代至 GPT-5.3 及 GPT-5.4 系列 Codex 专属模型。所有模型均针对软件工程场景进行专项训练，具备强大的代码理解、生成与优化能力，训练过程采用强化学习方法，在真实世界的各类编码环境中持续训练，确保生成的代码符合人类编码风格与项目规范，能够精准遵从用户指令，并通过反复运行测试直至获得符合要求的结果。 工作机制 Codex 的核心运作框架为 “智能体循环（agent loop）”，核心作用是协调用户、模型与工具之间的交互，实现 “用户需求→模型推理→工具调用→结果验证” 的闭环运作。具体流程为：用户输入自然语言指令后，Codex 会自动构建结构化提示词，包含模型行为边界、沙箱权限、工作目录、项目文档等关键信息，随后调用对应模型进行推理；模型根据指令判断是否需要调用终端命令、测试工具等，执行相关操作后将结果反馈至上下文，反复迭代直至完成任务并向用户输出最终结果。 所有 Codex 任务均在独立的云沙箱环境中运行，预装用户的代码仓库，支持读取、编辑文件，运行测试框架、代码检查工具及类型校验器等，任务完成时间根据复杂程度介于 1 至 30 分钟之间，用户可实时监控任务进度。任务完成后，Codex 会提交相关更改，并提供终端日志、测试输出等可验证证据，方便用户追踪每一步操作，所有更改需经用户手动审核后，方可进行集成与执行。此外，用户可通过在代码仓库中放置 AGENTS.md 文件，指导 Codex 浏览代码库、执行测试命令及遵循项目标准，进一步提升其任务执行的准确性。 值得注意的是，为实现请求无状态与零数据保留（Zero Data Retention），Codex 未使用 Responses API 的优化接口，而是通过 prompt 缓存、上下文压缩等技术，缓解请求大小随对话轮次增长的问题，优先保障用户隐私与数据安全。 核心功能与应用场景 核心功能 Codex 的功能围绕软件工程全流程展开，核心涵盖七大板块：一是代码生成，可根据自然语言指令生成完整功能代码、补全重复代码，适配多种编程语言；二是代码修复，精准识别代码中的漏洞、语法错误及优化空间，并提出可直接应用的修复方案；三是代码库咨询，实时解答关于代码库结构、功能实现、代码逻辑等相关问题；四是拉取请求建议，结合项目规范，提出合理的代码更改建议，供开发团队审核参考；五是多任务并行处理，可同时处理多个编码任务，且任务间相互隔离，避免干扰；六是终端操作，支持调用 shell 命令、读写文件、运行测试等，实现编码相关任务的自动化执行；七是安全防护，通过 Codex Security 专项功能，识别并修复软件漏洞，保障代码安全。 应用场景 Codex 的应用场景覆盖软件开发全流程及多行业场景，核心可分为三大类：一是个人开发者日常编码辅助，帮助个人开发者提升编码效率，减少重复劳动，快速解决编码过程中的各类问题，降低编码难度；二是企业级软件工程管理，辅助开发团队处理复杂代码、优化开发流程、开展代码安全检测，提升团队协作效率，降低研发成本；三是教育场景，为编程学习者提供实时编码指导，帮助学习者快速理解代码逻辑、掌握编程技巧，助力编程知识的高效传递。

可灵 AI（Kling AI）是快手科技（Kuaishou Technology） 自研、面向全球创作者的多模态视频生成大模型与创作平台，核心定位为「人人可用的 AI 视频创作引擎」，以文生视频、图生视频、视频续写、高清长时生成、影视级运镜为核心壁垒，覆盖短视频、广告、影视、电商、内容创作全场景，是全球首个面向公众开放的 DiT 架构真实影像级视频生成工具。 一、基础权威信息 官方全称：可灵 AI（Kling AI） 开发主体：快手科技 AI 大模型团队（快手社区科学线），独立事业部，直接向快手 CEO 程一笑汇报 上线时间：2024 年 6 月 6 日 官网（kelingcn.com）正式发布、开放邀测；2024 年 7 月 24 日全面公测可灵AI 核心定位：降低视频创作门槛，提供零门槛、高画质、长时长、可商用的 AI 视频生成能力，打通从创意到成片的全链路 官方入口：网页端 https://kelingcn.com/；iOS/Android「可灵 AI」App；快影 App 内置入口；企业 API 服务 核心 Slogan：让每个人都能用 AI 讲出好故事 权威认证：Artificial Analysis 全球视频生成榜单文生 / 图生视频双赛道榜首（2025）、两次入选中国互联网创新十大案例（2024-2025） 二、核心技术架构（官方技术口径） 可灵 AI 采用类 Sora 的 DiT（Diffusion Transformer）架构，以 Transformer 替代传统卷积网络，基于 Flow 扩散基座 + 自研优化，构建中文场景领先的视频生成技术体系： 底层基座：自研 DiT 视频大模型，融合 Flow 扩散模型，优化中文提示词理解、长时序一致性、物理运动合理性 3D 时空联合注意力机制（核心专利）：精准建模视频时空维度，模拟重力、光影、流体、碰撞等真实物理规律，解决 AI 视频常见的「扭曲、穿模、动作混乱」问题，支持复杂运镜与长镜头可灵AI 高分辨率长时生成引擎：原生支持1080P/30fps，3.0 版本升级至4K/60fps；单次最长生成 3 分钟，支持多段续写叠加至完整成片 多模态输入输出：文生视频、图生视频、视频续写、首尾帧控制、运动笔刷、主体参考、音画同步（含方言口型）、分镜序列生成 中文场景专项优化：针对中文语义、短视频节奏、国风 / 写实 / 影视风格、电商商品展示做专项微调，指令遵循度、画面贴合度优于国际竞品 算力与效率：依托快手分布式训练集群、算子优化，生成速度、成功率、稳定性处于行业第一梯队 三、核心功能模块（官方完整版） 1. AI 视频生成（核心引擎） 文生视频：中文自然语言直出，支持 16:9/9:16/1:1 等全比例；内置电影、写实、国风、二次元、3D、电商等 30 + 风格；支持运镜指令（推 / 拉 / 摇 / 移 / 环绕、特写 / 全景）、帧率 / 分辨率调节；单次最长 3 分钟、30fps、1080P（3.0 支持 4K/60fps）可灵AI 图生视频：上传单图 / 多图，保留主体构图，一键生成动态视频、运镜动画、角色动作；支持主体一致性锁定、风格迁移、局部动态控制；解决单图转视频的「画面割裂、主体变形」问题可灵AI 视频续写：上传已有视频片段，AI 基于前序内容、文本指令续写，单次续写 4.5 秒，可无限叠加至完整成片；保持角色、场景、光影一致性，适配剧情、Vlog、广告续剪可灵AI 高级控制工具：首尾帧控制（精准定义起止画面，实现一镜到底）、运动笔刷（局部指定动态区域）、主体参考（多镜头保持 IP / 人物一致）、智能分镜（多镜头序列生成）、方言级对口型、音画同步生成 2. 可图 AI（图像生成模块） 文生图、图生图、高清放大、局部重绘、风格迁移；支持 2K/4K 超高清，覆盖海报、封面、IP、电商商品图、概念设计；与视频生成模型同源，风格统一、无缝衔接 3. 创作生态与协作 创意圈：百万级用户作品库，一键复用提示词、参数、风格、模板 会员体系：免费版（每日基础灵感值）、黄金会员（66 元 / 月，660 灵感值、高清去水印、优先生成）、黑金会员（3.0 专属，4K/60fps、全功能、API 权限）可灵AI 企业服务：私有化部署、API 接口、定制模型、商用授权、专属技术支持；服务超 3 万家企业，覆盖广告、影视、电商、游戏、教育等行业 快手生态联动：一键发布至快手主站、快影，享流量扶持、创作者激励、共创计划 四、核心权威优势 全球首个公众可用 DiT 真实影像模型：区别于实验室 Demo，可灵是首个面向 C 端 / 小 B 开放、可落地的 DiT 视频生成工具，生成质量、稳定性、可用性领先行业 中文场景绝对领先：中文提示词理解、短视频适配、国风 / 本土风格、电商 / 广告模板、方言口型等本土化能力，国际竞品无法替代 长时高清 + 物理真实：3 分钟 / 1080P/30fps（3.0 达 4K/60fps）+3D 时空注意力，解决行业「短时长、低清、动作混乱」痛点，接近影视级标准可灵AI 全链路创作闭环：从文本 / 图片→视频生成→剪辑 / 配音→发布 / 商用，一站式完成，无需跨平台 商用合规保障：个人 / 企业商用授权清晰，生成内容无版权纠纷，支持广告、影视、电商等商业场景 五、核心应用场景 短视频创作：快手 / 抖音 / 视频号爆款短视频、剧情、Vlog、特效、IP 短剧、口播视频 电商营销：商品展示视频、主图视频、直播切片、广告素材、AI 模特换装、产品动态演示 影视与内容：电影分镜、概念短片、预告片、动画、纪录片素材、导演共创（可灵导演计划）可灵AI 企业与品牌：品牌宣传片、活动视频、教育课件、游戏 CG、虚拟人视频、数字内容生产 个人与学生：生活记录、作品集、作业、创意短片、自媒体内容 六、权威发展历程（关键节点） 2024.06.06：可灵 AI 正式上线，官网开放邀测，支持 2 分钟 1080P/30fps 文生视频，全球首个公众 DiT 视频工具可灵AI 2024.06.21：推出图生视频功能，5 秒动态生成，平面转动态可灵AI 2024.07.24：全面公测，上线会员体系，视频续写开放，最长支持 3 分钟可灵AI 2024.09：1.5 版本，新增运动笔刷、对口型、AI 模特、创意圈；启动「可灵 AI 导演共创计划」（李少红、贾樟柯等 9 位导演），产出 9 部 AI 电影短片可灵AI 2024.12：1.6 版本，图生视频质量提升 195%，复杂运镜 / 动作优化；全球用户破 2200 万 2025.04：可灵 2.0 / 可图 2.0 发布，动态、语义、美学全面升级，登顶全球视频生成榜单双第一 2025.12：全球创作者超 6000 万，累计生成视频 6 亿 +，企业用户 3 万 +，年化 ARR 达 2.4 亿美元 2026.02.05：可灵 AI 3.0 全球上线，支持 4K/60fps、原生音画同步、方言口型、多镜头分镜、Omni 全模态架构，进入影视级创作时代 七、权威边界与合规说明 可灵 AI 为快手科技 100% 自研，独立技术团队、独立事业部，非第三方合作 / 开源二次开发产品 平台生成内容、素材均提供商用授权（个人 / 企业付费会员可商用，免费版仅限非商用），遵循中国及全球版权合规标准 核心能力聚焦视频 / 图像生成，不涉及代码、文本大模型、音视频全品类编辑 数据安全：遵循快手隐私合规，用户创作内容仅本人可见，平台不擅自使用、传播

      QClaw（昵称 “龙虾”）是腾讯电脑管家团队基于开源 AI 智能体框架OpenClaw深度封装、面向普通用户推出的本地部署 AI 智能体（AI Agent）助手，主打微信直连、零门槛一键部署、数据本地留存，支持通过微信发送自然语言指令远程操控本地电脑执行自动化任务qclaw.qq.com。 一、基本信息 官方全称：腾讯 QClaw 开发主体：腾讯科技（深圳）有限公司・腾讯电脑管家团队 技术基底：基于开源项目 OpenClaw（AI 智能体执行框架）二次封装，非独立从零开发 2026 年 3 月 10 日：开启邀请制内测 2026 年 3 月 20 日：全量公测，无需邀请码、零门槛开放，Windows/macOS 双平台同步上线发布历程： 官方渠道：官网 https://qclaw.qq.com/ 核心定位：个人级本地 AI 执行助手，实现 “微信发指令、电脑自动干活”，区别于纯对话 AI 与传统远程桌面 二、核心特性（权威官方确认） 1. 部署与运行 平台支持：Windows 10/11、macOS（Apple Silicon/Intel 双架构），暂不支持 Linux 部署方式：一键安装包，自动配置环境，无需 Node.js/Python、Docker、命令行操作，小白开箱即用 数据安全：全程本地运行、数据不出设备，AI 推理、文件操作、任务执行均在用户本机完成，不经过腾讯云端，隐私可控 兼容 OpenClaw：已安装 OpenClaw 的设备，可一键关联 QClaw，复用原有配置与技能 2. 交互入口（核心差异化） 微信直连（主入口）：扫码绑定微信后，通过微信聊天窗口（文字 / 语音 / 图片）发送指令，手机端即可远程触发电脑端执行；支持微信小程序入口，无需额外安装 App QQ 接入：同步支持 QQ 绑定，双社交入口覆盖国内主流 IM 场景 本地客户端：电脑端独立界面，可直接下达指令、查看任务日志、管理模型与技能 3. AI 能力与模型 内置模型：预置 Kimi-2.5、Minimax、GLM、DeepSeek 等国产大模型，支持一键切换；支持自定义接入第三方模型（需配置） 智能体能力：具备任务拆解、工具调用、本地执行、上下文记忆、持续学习能力，非纯文本对话，可直接操控电脑硬件 / 软件 技能生态：内置 5000 + 开箱即用 Skills（ClawHub、GitHub 开源生态），覆盖办公、开发、文件、浏览器、日程、邮件、社媒等场景；支持自定义创建 / 导入技能 4. 核心功能（官方明确） 文件自动化：打开 / 编辑 / 整理 / 计算本地文档（Excel、Word、PDF）、批量重命名、文件夹分类、数据提取 系统与浏览器操控：执行 Shell 命令、打开程序、浏览器自动化（搜索、填表、截图、下载）、定时任务 办公协同：腾讯文档 / 邮件 / 日历操作、会议提醒、报表生成、内容总结 开发辅助：代码生成、项目创建、Git 提交、接口调试、文档生成 远程调度：手机微信发指令，电脑端后台执行，跨空间完成任务（如外出时处理本地文件） 三、与 OpenClaw 的关系（权威界定） QClaw 是OpenClaw 的官方产品化封装版、国内定制发行版，类比 Linux 内核与 Ubuntu 发行版的关系 OpenClaw：开源、极客向、需手动部署、支持多平台（含 Linux）、入口以 Telegram/Slack 为主 QClaw：闭源商用、面向大众、一键部署、仅 Windows/macOS、深度绑定微信 / QQ、本土化优化、安全加固（腾讯电脑管家安全底座） 四、使用门槛与限制（官方） 硬件要求：最低 2 核 CPU、4GB 内存、500MB 可用存储，主流办公本 / 老旧笔记本均可流畅运行 网络要求：电脑端需联网（用于模型请求、微信指令传输），手机端联网即可远程控制 使用限制：免费公测阶段提供基础模型额度与技能；高级模型 / 自定义模型可能涉及额度或付费（以官方后续公告为准）；不支持无网络本地离线运行（模型推理依赖联网）

        王小亿（本名王亿），中国内地短剧女演员，1997 年 12 月 6 日出生于湖北省武汉市，毕业于武汉设计工程学院成龙影视传媒学院表演系，身高 168cm，射手座。她是红果短剧平台首位获赞破亿女演员，以清冷仙气、爆发力强的演技著称，代表作《云渺》系列、《死后才知，我竟是京圈太子白月光》等，被称为 “短剧清冷女神”“云渺神女”。 一、基本信息 本名：王亿 艺名：王小亿 出生日期：1997 年 12 月 6 日 出生地：湖北省武汉市 毕业院校：武汉设计工程学院成龙影视传媒学院 表演系 身高：168cm 星座：射手座 经纪公司：百川中文（2025 年 12 月 31 日正式签约，此前为独立艺人、个人工作室） 行业标签：短剧顶流、清冷仙子、女频短剧扛剧女主 二、演艺经历 （1）前期积累（2022-2023） 2022 年 6 月 9 日，王小亿以创作者身份入驻抖音，发布生活日常、颜值随拍类短视频，积累初始粉丝与镜头经验。   2023 年，偶然接触短剧剧组试镜，开启短剧演艺之路；初期多饰演恶毒女配、配角，打磨演技，积累剧组经验。 （2）崭露头角（2024 年） 2024 年 6 月，主演首部男主短剧《封神榜之天帝娶妻》（饰女主白灵），首次担纲女主。 8 月 20 日，主演《傅总的女王甜妻飒爆了》，正式进入大众视野。 9 月 6 日，主演《镇天神君》，人气进一步提升。 9 月，搭档陈云廷主演《死后才知，我竟是京圈太子白月光》（饰沈熹微），该剧登顶 DataEye 短剧热力榜 TOP1，成为其成名作，奠定女频短剧地位。 11 月，搭档赵振栋主演《薄爷，夫人把您卖了换钱花》，热度持续走高。 同年，参演《不就是上司吗》《幸得相遇离婚时》（播放量破 20 亿）等多部短剧。 （3）顶流爆发（2025 年） 2 月，主演春节档《春日攀京枝》《凤君》；推出爆款修仙短剧《云渺 1：我修仙多年强亿点怎么了》，饰演清冷强大的女主云渺，开启系列爆款之路。 3 月，获爱奇艺荧光之夜・年度微剧号召力女演员奖。 4-8 月，接连主演《云渺 2》《云渺 3：镇魔世家》《云渺 4：绝嗣佛子》，系列累计播放量超 100 亿、收藏 1200 万，“云渺神女” 形象深入人心，成为短剧圈现象级 IP。 6 月，搭档李子杰主演《公主绝色，影卫日日以下犯上》（饰楚青凰），古偶甜虐题材再获成功。 9 月，成为红果短剧平台首位获赞破亿女演员，创下平台纪录。 11 月，获横店微短剧之夜・年度号召力星耀女演员奖；主演《暗潮涌动》，尝试悬疑题材，拓宽戏路。 12 月 31 日，官宣签约头部短剧公司百川中文，结束独立艺人阶段，开启资源升级新阶段。 三、代表作品（按时间排序） 短剧代表作 《死后才知，我竟是京圈太子白月光》（2024，饰沈熹微，DataEye 热力榜 TOP1） 《云渺 1-4》系列（2025，饰云渺，修仙爆款，累计播放超 100 亿） 《幸得相遇离婚时》（2024，播放量破 20 亿） 《公主绝色，影卫日日以下犯上》（2025，饰楚青凰） 《薄爷，夫人把您卖了换钱花》（2024） 《镇天神君》（2024） 《傅总的女王甜妻飒爆了》（2024） 《暗潮涌动》（2025，悬疑题材） 《春日攀京枝》（2025） 四、荣誉与行业地位 2025 年 3 月：爱奇艺荧光之夜「年度微剧号召力女演员」 2025 年 9 月：红果短剧平台首位获赞破亿女演员（平台纪录） 2025 年 11 月：横店微短剧之夜「年度号召力星耀女演员」 行业地位：短剧圈顶流女主，女频短剧核心扛剧艺人，擅长清冷神女、复仇女主、甜宠女主等多种人设，爆款率高、选本眼光精准，被业内称为 “剧本过滤器”。 五、人物评价         王小亿科班出身，演技细腻有爆发力，擅长在短剧情境中快速塑造人物、传递情绪，尤其适合清冷强大、外冷内热的女主形象。从短视频素人到短剧顶流，她以独立艺人身份打拼，靠作品与口碑出圈，是短剧行业从草根到顶流的典型代表；签约百川中文后，进一步打通 IP 与艺人资源，未来发展备受行业期待。

      Stable Diffusion（简称 SD）是由Stability AI主导开发、基于潜扩散模型（Latent Diffusion Model）的开源多模态 AI 图像生成工具，核心定位为「人人可用的普惠型 AI 创作引擎」，以文生图、图生图为核心，支持本地部署、参数定制与生态扩展，覆盖艺术创作、商业设计、科研教育等全场景，是全球最具影响力、应用最广泛的开源 AI 绘画模型之一，彻底降低了 AI 图像生成的技术门槛与使用成本。 一、基础权威信息 官方全称：Stable Diffusion 开发主体：Stability AI（英国人工智能公司），联合慕尼黑路德维希・马克西米利安大学 CompVis 小组、Runway ML 共同研发，核心技术团队由 AI 领域顶尖研究者组成 上线时间：2022 年 8 月 22 日正式发布首个版本；2023 年 6 月推出 SDXL 0.9 版本，2024 年 2 月发布 Stable Diffusion 3 早期预览版，2024 年 10 月推出 Stable Diffusion 3.5 系列及 Medium 版本 核心定位：开源免费、可本地运行、高度可定制，让普通用户与专业创作者都能快速生成高质量图像，推动 AI 创作平民化 官方入口：开源仓库（GitHub）、Stability AI 官网（stability.ai）；第三方衍生工具（WebUI、ComfyUI、Fooocus 等）；支持本地部署（Windows/macOS/Linux）、云服务调用 核心特性：开源免费（非商用 / 商用均可，遵循 Stability AI 社区许可证）、本地运行、参数可控、生态完善、轻量高效（支持消费级显卡运行） 权威认证：多次入选全球 AI 创新技术榜单，被苹果官方支持（优化 Apple Silicon 芯片运行性能），成为 AI 绘画领域开源标杆工具 二、核心技术架构（开源官方口径）       Stable Diffusion 的核心优势在于创新的潜扩散架构，将图像生成过程压缩到潜在空间完成，大幅降低计算复杂度，实现消费级硬件可运行，其技术架构主要包括 4 大核心模块： 底层基座：基于扩散模型（Diffusion Model），融合 Transformer 架构，通过 “反向去噪” 过程从纯噪声中逐步生成清晰图像，核心是潜空间映射技术，平衡生成质量与计算效率。 核心组件：由文本编码器（CLIP Text Encoder，负责解析提示词）、扩散模型（UNet，核心去噪模块）、图像解码器（VAE，将潜空间特征还原为可视图像）三部分组成，三者协同实现 “文本→潜空间特征→图像” 的完整生成链路。 关键优化技术：支持对抗性扩散蒸馏（如 SDXL Turbo 版本，将生成迭代步骤从 50 步缩减至 1 步）、深度引导（Depth 模型）、文本引导修复等，同时优化多语言提示词理解，适配中文等多语种场景。 扩展性架构：采用模块化设计，支持 LoRA、ControlNet 等插件扩展，允许用户微调模型、定制风格，同时兼容不同前端工具（WebUI、ComfyUI 等），形成灵活的创作工作流。 三、核心功能模块（开源完整版） 1. 核心生成功能（基础能力） 文生图（Text-to-Image）：通过正向提示词（描述想要的内容）和反向提示词（排除不想要的内容）生成图像，支持 20 + 主流风格（写实、二次元、国风、赛博朋克、油画等），可调节采样方法、采样步数、图像尺寸、CFG Scale 等参数，生成分辨率最高支持 4K，单次生成时间根据硬件配置可控制在几秒到几十秒不等，提示词可通过权重调节（括号语法）精准控制元素呈现效果。 图生图（Image-to-Image）：上传参考图，通过调整去噪强度实现风格迁移、画面重构、瑕疵修复、画面拓展等功能；去噪强度 0.1-0.3 可轻微优化图像，0.4-0.6 可实现风格迁移，0.7-1.0 可彻底重构画面（仅保留原图轮廓或色彩），适配草图转稿、照片优化等场景。 高清修复（Upscale）：内置多种放大算法（Latent、ESRGAN 等），可将低分辨率图像放大 4 倍以上，同时补充细节，解决生成图像模糊、细节不足的问题，部分衍生工具支持批量高清修复。 局部重绘（Inpaint）：精准选中图像局部区域，通过提示词修改该区域内容，实现局部优化、杂物去除、元素替换等，适配图像精细化调整场景，是商业设计中常用的核心功能之一。 2. 进阶控制功能（扩展能力） LoRA 微调（Low-Rank Adaptation）：轻量级模型微调技术，文件体积小（50-300MB），可快速定制特定风格、角色或元素（如宫崎骏风格、特定 IP 形象），无需复杂训练，通过触发词即可激活对应风格，可与主模型叠加使用，兼容性极强。 ControlNet 插件：核心用于精准控制图像构图、姿态、边缘、深度等，解决 AI 生成图像 “构图混乱、姿态畸形” 的痛点，支持骨骼姿态控制、线稿控制、深度控制等，适配专业设计、角色创作等场景，大幅提升生成可控性。 其他扩展功能：支持图生视频（结合 AnimateDiff 插件）、文本嵌入（Embedding）、IPAdapter（参考图风格 / 身份迁移）、批量生成、种子控制（固定种子可复现相同结果）等，满足不同用户的进阶创作需求。 3. 生态与工具支持 开源社区：拥有全球庞大的开源社区，用户可自由分享模型、LoRA、提示词、工作流，核心模型与插件均开源可下载，社区持续迭代优化功能，解决使用中的常见问题（如人物畸形、画面模糊等）。 前端工具：主流衍生工具包括 WebUI（新手友好，操作直观）、ComfyUI（专业级，支持复杂工作流定制）、Fooocus（极简操作，一键出图），适配不同用户群体（新手、专业创作者），无需复杂代码基础即可使用。 模型资源：官方及社区推出大量细分模型（Checkpoint），如 SD 1.5（轻量兼容）、SDXL（高清写实）、Anything V5（二次元）、DreamShaper（通用写实）等，用户可根据创作需求选择对应模型，模型可从 Civitai、HuggingFace、ModelScope 等平台下载。 四、核心权威优势 开源普惠：完全开源免费，非商用、商用均可使用（遵循社区许可证），无使用门槛与版权限制，区别于 Midjourney 等付费工具，让普通用户也能接触 AI 创作，推动 AI 绘画普及化。 本地运行：支持消费级显卡（NVIDIA、AMD）本地部署，无需依赖网络，既保护用户创作隐私，又不受平台服务器限制，可根据自身硬件配置优化生成速度与质量，适配隐私性要求高的场景（如商业设计、科研创作）。 高度可定制：从参数调节、模型微调（LoRA）、插件扩展到工作流定制，全方位支持用户个性化创作，可适配不同风格、不同场景的创作需求，既能满足新手一键出图，也能满足专业创作者的精细化设计需求，灵活性远超同类工具。 生态完善：全球庞大的开源社区与丰富的模型、插件资源，持续迭代优化，用户可快速获取教程、素材与解决方案，同时第三方工具适配完善，形成 “模型 - 工具 - 社区” 的完整生态，降低学习与使用成本，推动功能持续升级。 轻量高效：得益于潜扩散架构，计算复杂度低，可在普通消费级显卡上流畅运行，生成速度快，同时支持批量生成、高清修复等高效功能，大幅提升创作效率，适配商业设计、批量素材生产等场景。 五、核心应用场景 艺术创作：数字绘画、插画创作、概念艺术设计、风格化作品生成、艺术风格迁移，帮助艺术家拓展创意思路，快速生成草图与成品，提升创作效率，适配插画师、设计师、艺术爱好者等群体。 商业设计：电商商品图、海报、宣传册、LOGO 辅助设计、UI 界面草图、广告素材生成，无需专业设计基础，即可快速产出商用级素材，降低中小企业与个人创作者的设计成本，适配电商运营、中小企业、广告从业者等。 科研与教育：AI 图像生成技术研究、计算机视觉相关教学演示、学生作业（数字绘画、设计类）、创意教学辅助，帮助科研人员开展技术研究，助力学生快速掌握 AI 创作技巧。 个人与自媒体：自媒体配图、短视频封面、头像生成、生活照片优化、创意恶搞图像，适配自媒体博主、普通用户的日常创作需求，零门槛即可产出个性化内容。 影视与游戏：影视分镜草图、游戏角色 / 场景概念设计、游戏贴图生成，辅助影视、游戏创作团队快速产出创意方案，缩短创作周期，适配影视从业者、游戏设计师等。 六、权威发展历程（关键节点） 2022.08.22：Stable Diffusion 1.0 正式发布，基于潜扩散架构，支持消费级显卡本地部署，开源免费，迅速引爆 AI 绘画领域，成为开源 AI 绘画标杆。 2022.11：Stable Diffusion 1.5 版本发布，优化图像生成质量、人物细节与提示词遵循度，修复常见 bug，成为最经典、最常用的基础版本，至今仍被广泛使用。 2023.06：Stable Diffusion XL（SDXL）0.9 版本发布，原生支持 1024×1024 高清分辨率，优化写实风格生成，新增文本理解能力，大幅提升生成图像的细节与质感。 2023.11：SDXL 1.0 正式发布，完善高清生成能力，支持 2K + 分辨率，优化多风格适配，成为商业设计、高清创作的首选版本，同时推出 SDXL Turbo（1 步生成，极速出图）。 2024.02：Stable Diffusion 3 早期预览版发布，采用全新架构，优化多模态输入（文本、图像），提升提示词理解精度与生成可控性，支持更复杂的场景与细节生成。 2024.10：Stable Diffusion 3.5 系列及 Medium 版本发布，进一步优化生成速度与质量，完善中文提示词理解，新增更多细分风格模型，适配更多创作场景，同时拓展模型轻量化部署能力。 2025 至今：持续迭代模型轻量化、多模态融合（图生视频、文生 3D）能力，优化开源生态，推出更多行业定制化模型（如医疗、建筑设计专用模型），扩大应用场景。 七、开源许可与合规说明 开源许可：Stable Diffusion 核心模型遵循 Stability AI 社区许可证（OpenRAIL-M），非商用、商用均可免费使用，但禁止用于违法违规、侵权、低俗色情、危害国家安全等场景；衍生模型、插件需遵循对应开源许可，部分社区模型可能有商用限制，使用前需确认许可条款。 版权边界：用户使用 Stable Diffusion 生成的内容，版权归用户所有（前提是不侵犯他人知识产权）；禁止使用模型生成侵犯他人肖像权、著作权、商标权的内容（如生成名人肖像、抄袭他人作品）。 数据安全：本地部署版本不涉及数据上传，可保护用户创作隐私；使用第三方 Web 端衍生工具时，需注意平台的数据收集政策，避免敏感内容泄露。 技术边界：模型生成内容可能存在一定瑕疵（如人物畸形、细节错乱），需用户进行后期优化；不支持生成违法违规、血腥恐怖、低俗色情等内容，开源社区与官方均有相关过滤机制。

      豆包是字节跳动公司自主研发的综合性人工智能产品矩阵，核心包含豆包大模型（原名 “云雀”）与豆包 AI 智能助手两大核心板块，依托字节跳动自研技术基座，覆盖个人消费级与企业级全场景，是国内首批通过算法备案的 AI 产品之一，也是国内使用量最大、应用场景最丰富的 AI 产品矩阵之一。 一、基本信息 官方名称：豆包（Doubao） 开发主体：字节跳动科技（北京）有限公司 核心定位：多模态 AI 基础设施（豆包大模型）+ 全场景 AI 智能助手（豆包 AI 助手），兼顾个人用户与企业客户需求 技术基底：基于 Transformer 架构的混合专家（MoE）大语言模型，核心为字节跳动自研的 “云雀”（Skylark）大模型，无外部开源模型或第三方技术依赖 官方渠道：官网（www.doubao.com）、全平台客户端（iOS/Android/Windows/macOS）、网页版及浏览器插件 核心特性：中文优化能力突出、多模态融合、低时延响应、高性价比，支持跨平台同步使用 二、核心构成与技术体系 （一）豆包大模型       豆包大模型是字节跳动自研的多模态大模型家族，原名 “云雀”，定位为 AI 基础设施，支撑全场景 AI 能力落地，于 2024 年 5 月 15 日在 “2024 春季火山引擎 Force 原动力大会” 上正式发布，后续持续迭代升级，形成了覆盖通用与细分领域的完整模型矩阵。 模型家族构成：包含 2 个通用模型（豆包通用模型 Pro、豆包通用模型 Lite）与 7 个细分领域模型（角色扮演模型、语音识别模型、语音合成模型、声音复刻模型、文生图模型、Function Call 模型、向量化模型），共计 9 个核心模型，可满足不同场景的差异化需求。 技术特点：采用大规模稀疏 MoE 架构，等效 7 倍激活参数的 Dense 模型性能，训练成本降低 90%；具备动态注意力机制，支持 32K 上下文窗口（可扩展至百万级 token），长文本处理能力突出；实现端到端语音处理，支持低时延对话、情绪承接与方言理解；集成多模态融合技术，可高效处理文本、图像、音频、视频等多类型输入输出。 核心能力：覆盖自然语言理解与生成、代码创作（支持 30 + 编程语言，准确率达 95%）、数学推理（可解决 AIME 级别证明，GSM8K 测试表现超越 GPT-4）、语音处理、图像生成与分析、复杂任务自动化等，适用于企业级服务、科研、教育及工业等多领域。 商业化定价：主力模型在企业市场定价为 0.0008 元 / 千 Tokens，处理 1500 多个汉字仅需 0.8 厘，比行业低 99%，TPM 限额为同规格模型的 2.7 倍到 8 倍，大幅降低企业接入门槛。 （二）豆包 AI 智能助手       豆包 AI 智能助手是基于豆包大模型开发的全场景应用载体，采用 “智能助手 + 场景化工具” 模式，覆盖日常生活、学习、办公等个人场景，同时通过火山引擎向企业客户开放 API 接口，实现商业化落地。 多端覆盖：支持网页版、iOS 版、安卓版、Windows 桌面版、macOS 桌面版及浏览器插件，可通过手机号码、抖音账号、苹果账号登录，实现跨设备同步使用。 核心功能矩阵： 对话问答：支持复杂问题解答、多轮对话及专业领域咨询（法律、医疗、技术等），中文理解准确率达 96%； 内容创作：涵盖文本生成（文章、报告、邮件等）、图像生成与编辑（基于 SeedEdit 模型）、音乐生成（11 种风格可选）、视频生成（基于 PixelDance、Seaweed 模型）； 学习辅导：覆盖 K12 至高等教育，提供解题答疑、语言学习（中英日韩等 119 种语言）、考试策略指导； 办公辅助：支持 AI 划词、网页总结、脑图生成、会议纪要快速整理（2 小时会议纪要 5 分钟搞定）、PPT 生成等功能； 开发辅助：代码补全、调试建议、算法解释及技术文档生成，集成 MarsCode 编程助手能力； 交互升级：支持语音输入、语音通话、实时视频通话，基于端到端语音大模型，交互流畅度接近真人，平均响应延迟控制在 800 毫秒以内。   三、发展历程（官方公开） 2016 年：字节跳动成立人工智能实验室（AI Lab），聚焦自然语言处理、机器学习、数据挖掘等领域研究，为豆包的研发奠定技术基础； 2023 年 6 月：字节跳动内部测试 AI 对话类产品 “Grace”，处于完善优化阶段； 2023 年 8 月：“Grace” 新版本更名为 “豆包”，启动小范围邀请测试，支持多账号登录，具备基础文本生成与语音播报功能； 2024 年 5 月 15 日：在火山引擎 Force 原动力大会上，豆包大模型正式发布，豆包 APP 总下载量突破 1 亿次，大模型开启商业化进程； 2024 年 6 月 3 日：豆包推出 Windows/macOS 桌面客户端，新增快捷启动、AI 划词、AI 搜索功能； 2024 年 8 月 - 11 月：陆续上线音乐生成、脑图生成、语音输入、图片上传、视频生成内测等功能，10 月推出首款 AI 智能体耳机 Ola Friend，11 月底豆包 APP 累计用户规模超 1.6 亿； 2025 年 1 月 - 3 月：发布端到端语音大模型，升级实时语音通话功能；开源 SuperGPQA 知识推理基准测试；抖音 APP 测试接入豆包 AI 能力，开放两大超级入口；测试新版 “深度思考” 功能； 2025 年 4 月 - 12 月：深度思考和文生图 3.0 模型通过火山引擎开放 API；上线实时视频通话功能；发布豆包大模型 1.8，在视觉推理等任务中表现突出；12 月豆包日均活跃用户（DAU）突破 1 亿大关，月活跃用户达 1.5742 亿，居中国 AI 应用产品首位； 2026 年 2 月 14 日：豆包大模型 2.0 正式发布，围绕大规模生产环境使用需求做系统性优化；同期上线视频生成模型 Seedance 2.0。 四、应用场景与市场表现 （一）应用场景 个人场景：日常对话、内容创作（文案、小说、歌词等）、学习辅导（解题、语言学习）、办公效率提升（会议纪要、文档处理）、娱乐生成（音乐、视频、图像）等； 企业场景：通过火山引擎向企业客户开放服务，应用于智能客服、自动化文档处理、风险预测、医疗影像分析、司法文书生成、制造业流程优化等领域，已在字节跳动内部 50 多个业务场景应用验证； 特色场景：与故宫博物院合作开发 “文物解说官”；为比亚迪等企业提供车辆故障诊断等智能服务；在全国 15 个法院部署，辅助法官处理案例检索等工作。 （二）市场表现 用户规模：截至 2024 年 11 月底，豆包 APP 累计用户超 1.6 亿；2025 年 3 月底，豆包大模型日均调用量达 12.7 万亿次；2025 年 8 月，月活跃用户达 1.5742 亿，居中国 AI 应用产品首位；2025 年 12 月，豆包日均活跃用户（DAU）突破 1 亿大关，成为国内首个 DAU 破亿的 AI 原生应用，累计服务用户超 3 亿，覆盖全球 100 多个国家和地区。 商业成果：截至 2025 年底，豆包大模型已服务超 10 万家企业客户，覆盖互联网、金融、医疗、教育、制造等 20 多个行业，企业客户复购率达 85% 以上；2026 年第一季度，豆包相关业务营收同比增长 300%，成为字节跳动新兴业务增长核心引擎之一。 行业认可：多次通过国内权威 AI 评测，在中文理解、数学推理、代码生成等维度稳居行业前列；先后获得 “2024 年度最佳 AI 产品”“中国人工智能创新应用标杆” 等多项行业奖项；豆包大模型通过国家网络安全等级保护三级认证，算法及数据安全符合《生成式人工智能服务管理暂行办法》要求，相关技术专利累计申请超 2000 项。

OpenClaw（社区昵称「龙虾」），是 2026 年全球现象级本地优先、自托管、开源 AI 智能体执行框架，核心定位「让 AI 真正拥有双手、自主完成任务」，区别于传统仅对话的 AI 助手，主打私有化部署、多渠道接入、模型无关、持久记忆与系统级执行能力。截至 2026 年 4 月 5 日，GitHub 星标28.2 万、Fork 3.4 万、贡献者 920+、全球独立部署实例超 110 万、技能市场 5200 + 技能包，是当前最主流的开源 Agent 平台之一。 一、基础信息 全称：OpenClaw 曾用名：ClawdBot → Moltbot（2026 年 1 月因 Anthropic 商标异议更名，1 月 30 日最终定名 OpenClaw） 开发者：Peter Steinberger（奥地利连续创业者，PSPDFKit 创始人，2025 年 6 月创立 Amantus Machina 公司主导研发） 开源协议：MIT License（完全开源、可商用、可二次分发） 核心语言：TypeScript，基于 Node.js 构建，跨平台兼容 官方站点：getopenclaw.ai（英文）、openclaaw.cn（中文社区） 核心定位：本地优先的 AI 执行中枢，连接大模型与本地系统 / 工具 / 平台，实现「自然语言指令→任务拆解→自主执行→结果反馈」闭环 二、发展历程（2025.11—2026.4，权威时间线） 2025.11 项目启动：Peter Steinberger 以个人实验启动，核心脚本打通 WhatsApp 与 CloudCode CLI，实现 AI 本地执行雏形 2025.12.28：首次公开 Clawd 项目代码，发布基础配置与演示 2026.1.5：GitHub 上线，定名ClawdBot，快速引发极客圈关注 2026.1.20：因 Anthropic 商标争议，更名Moltbot；「自主买车、代码迁移、深度调研」等演示视频病毒传播，星标破 10 万 2026.1.30：正式定名OpenClaw，发布 v1.0 稳定版，确立开源 + 本地优先路线 2026.2：v2026.2.6 发布，新增 Unbrowse 浏览器自动化、技能市场、Workflow 录制回放；支持 Ollama 本地模型、Home Assistant 集成；GitHub 星标破 20 万getopenclaw.ai 2026.3.24：v2026.3.24（里程碑版），重构网关认证、OpenAI 兼容接口、可视化技能管理、企业级协作能力；支持飞书、钉钉、QQ 原生接入；星标破 25 万 2026.4.2：v2026.4.2（最新稳定版），安全加固、统一网关认证、多端语音唤醒、Slack/Teams 交互优化、群聊回声抑制；全球部署实例破百万 三、核心技术架构（权威分层设计） OpenClaw 采用Gateway 中心化星形架构，解耦接入、控制、推理、执行、存储五层，默认本地闭环、不主动暴露公网，保障隐私安全： 接入层（Channel Adapters）：统一适配 20 + 主流 IM / 协作平台，无需专属客户端，直接在常用 App 交互： 海外：WhatsApp、Telegram、Discord、Slack、Signal、Microsoft Teams、iMessage 国内：微信、QQ、钉钉、飞书、企业微信（2026.3 原生支持）   控制层（Gateway，核心中枢）：常驻守护进程（默认 ws://127.0.0.1:18789），负责会话管理、权限控制、多智能体调度、状态持久化、请求路由，所有指令 / 结果必经网关，保证一致性 推理层（Agent Runtime）：模型无关的执行大脑，不内置 LLM，支持云端 / 本地双模式： 云端：OpenAI GPT-4o/5、Anthropic Claude 3.5/4、Google Gemini、Kimi、通义千问、MiniMax 等 本地：Ollama、LM Studio、LocalAI（Llama 3、Qwen、Mistral 等） 范式：Observe-Plan-Act（观察 - 规划 - 行动）循环，支持子智能体协同、工具链编排、长上下文记忆   执行层（Tools/Skills）：沙箱化执行引擎，内置 500 + 原生技能，支持自定义开发 / 技能市场安装： 系统操作：文件读写、终端命令、代码执行、截图 OCR、屏幕控制 自动化：浏览器（Unbrowse）、邮件、日历、CRM、Home Assistant、API 调用 工作流：定时任务、条件触发、录制回放、批量处理   存储层（Local Persistence）：本地 SQLite/PostgreSQL，持久化记忆、任务状态、配置、技能数据，用户完全掌控数据，无云端上传默认行为 四、核心功能（2026.4 最新版） 1. 本地优先与私有化部署 支持 Windows、macOS、Linux、Docker、云服务器（阿里云 / 腾讯云 / DO 一键部署）、小主机（J1900 等） 数据全本地存储、流量闭环、可断网运行；支持端到端加密、访问令牌、IP 白名单、操作审计 2. 多渠道原生接入 单 Gateway 统一管理所有 IM 账号，一次配置、全平台同步；支持群聊 / 私聊、@提及、命令触发、按钮交互 2026.4 新增：语音唤醒（macOS VoiceWake）、Google Assistant/App Actions（Android）、LINE 富媒体发送、QQ 群聊优化36氪 3. 模型无关与灵活切换 支持多模型同时配置、按任务自动 / 手动切换；兼容 OpenAI API 标准，可对接 OpenRouter 等聚合平台 本地模型低延迟、无 API 成本、隐私更强，适合敏感任务 4. 持久记忆与上下文感知 跨会话、跨重启保留用户偏好、任务进度、历史交互；支持长上下文压缩、记忆检索、知识库 RAG 集成 主动通知：定时简报、日历提醒、任务状态推送、自定义告警（Cron 式心跳） 5. 自主执行与技能生态 无需代码，自然语言驱动复杂任务（如「整理本周邮件、生成周报、发送到钉钉」） 技能市场（Claw Hub）：5200 + 社区 / 官方技能，一键安装、可视化配置、依赖自动检测 2026.3 新增：子智能体协同、OpenAI 兼容接口（/v1/chat/completions、/v1/embeddings）、RAG 原生支持 6. 安全与企业级能力 网关认证统一：Trusted-Proxy、令牌强制、同主机访问显式授权，杜绝隐式信任 操作审批、权限分级、日志审计、数据导出 / 擦除；支持企业 LDAP、SSO、私有部署集群（2026.4 企业版预览）36氪 五、生态与社区现状（2026.4 权威数据） GitHub：Star 282,000+、Fork 34,000+、Issues 2,100+、Pull Requests 1,800+、贡献者 920+ 部署规模：全球独立实例 110 万 +，国内占比 38%（微信 / 钉钉 / 飞书驱动） 技能生态：Claw Hub 5,200 + 技能，覆盖开发、办公、自动化、智能家居、数据分析、跨境运营 社区：Discord 8 万 + 成员、中文社区（微信 / QQ）5 万 +、官方文档多语言（含简体中文）、第三方教程 / 部署工具 / 镜像丰富 商业支持：Amantus Machina 提供企业版（集群、SLA、定制开发）；国内云厂商（阿里云、腾讯云、火山引擎）提供一键部署与托管服务 六、典型应用场景 个人生产力：邮件 / 日历管理、文件整理、代码编写 / 调试、周报自动生成、浏览器自动化、信息检索汇总 开发者工具：API 调试、GitHub Issues 管理、CI/CD 触发、服务器监控、日志分析、代码迁移 中小企业 / 团队：飞书 / 钉钉群助手、客户消息自动回复、报表生成、流程自动化、内部知识库问答 私有化 / 合规场景：政务、金融、医疗等敏感数据处理，本地部署、数据不出域（如深圳福田「政务龙虾」落地） 极客 / 硬件玩家：小主机 / NAS 部署、智能家居控制、本地模型集成、自定义技能开发 七、优势与局限 核心优势 开源免费：MIT 协议，无订阅、无 API 锁、可商用二次开发 本地可控：数据隐私、断网可用、低延迟、无云端成本 接入无感：直接用现有 IM，无需新 App，学习成本极低 生态繁荣：技能丰富、社区活跃、更新迭代快（周更） 模型自由：不绑定单一 LLM，云端 / 本地灵活组合 主要局限 技术门槛：部署 / 配置需基础命令行 / 网络知识，普通用户有学习成本 执行边界：复杂系统操作、跨设备协同、图形化界面交互仍有局限 模型依赖：核心推理能力取决于接入的 LLM 质量，本地模型效果弱于云端旗舰 安全风险：本地执行权限过高，需严格配置权限与沙箱，避免误操作 / 恶意指令 八、未来规划（官方 Roadmap 2026） 2026 Q2：v2026.5 稳定版，强化多智能体编排、可视化 Workflow 编辑器、移动端原生 App、企业级集群部署 2026 H2：开放 Agent Marketplace 付费分成、硬件适配（边缘设备、嵌入式）、多模态（视频 / 语音深度集成）、行业垂直模板（跨境、电商、教育） 长期：构建开源 Agent 标准、跨平台统一执行层、去中心化技能分发网络

      Stable Diffusion（简称 SD）是由Stability AI主导开发、基于潜扩散模型（Latent Diffusion Model）的开源多模态 AI 图像生成工具，核心定位为「人人可用的普惠型 AI 创作引擎」，以文生图、图生图为核心，支持本地部署、参数定制与生态扩展，覆盖艺术创作、商业设计、科研教育等全场景，是全球最具影响力、应用最广泛的开源 AI 绘画模型之一，彻底降低了 AI 图像生成的技术门槛与使用成本。 一、基础权威信息 官方全称：Stable Diffusion 开发主体：Stability AI（英国人工智能公司），联合慕尼黑路德维希・马克西米利安大学 CompVis 小组、Runway ML 共同研发，核心技术团队由 AI 领域顶尖研究者组成 上线时间：2022 年 8 月 22 日正式发布首个版本；2023 年 6 月推出 SDXL 0.9 版本，2024 年 2 月发布 Stable Diffusion 3 早期预览版，2024 年 10 月推出 Stable Diffusion 3.5 系列及 Medium 版本 核心定位：开源免费、可本地运行、高度可定制，让普通用户与专业创作者都能快速生成高质量图像，推动 AI 创作平民化 官方入口：开源仓库（GitHub）、Stability AI 官网（stability.ai）；第三方衍生工具（WebUI、ComfyUI、Fooocus 等）；支持本地部署（Windows/macOS/Linux）、云服务调用 核心特性：开源免费（非商用 / 商用均可，遵循 Stability AI 社区许可证）、本地运行、参数可控、生态完善、轻量高效（支持消费级显卡运行） 权威认证：多次入选全球 AI 创新技术榜单，被苹果官方支持（优化 Apple Silicon 芯片运行性能），成为 AI 绘画领域开源标杆工具 二、核心技术架构（开源官方口径）       Stable Diffusion 的核心优势在于创新的潜扩散架构，将图像生成过程压缩到潜在空间完成，大幅降低计算复杂度，实现消费级硬件可运行，其技术架构主要包括 4 大核心模块： 底层基座：基于扩散模型（Diffusion Model），融合 Transformer 架构，通过 “反向去噪” 过程从纯噪声中逐步生成清晰图像，核心是潜空间映射技术，平衡生成质量与计算效率。 核心组件：由文本编码器（CLIP Text Encoder，负责解析提示词）、扩散模型（UNet，核心去噪模块）、图像解码器（VAE，将潜空间特征还原为可视图像）三部分组成，三者协同实现 “文本→潜空间特征→图像” 的完整生成链路。 关键优化技术：支持对抗性扩散蒸馏（如 SDXL Turbo 版本，将生成迭代步骤从 50 步缩减至 1 步）、深度引导（Depth 模型）、文本引导修复等，同时优化多语言提示词理解，适配中文等多语种场景。 扩展性架构：采用模块化设计，支持 LoRA、ControlNet 等插件扩展，允许用户微调模型、定制风格，同时兼容不同前端工具（WebUI、ComfyUI 等），形成灵活的创作工作流。 三、核心功能模块（开源完整版） 1. 核心生成功能（基础能力） 文生图（Text-to-Image）：通过正向提示词（描述想要的内容）和反向提示词（排除不想要的内容）生成图像，支持 20 + 主流风格（写实、二次元、国风、赛博朋克、油画等），可调节采样方法、采样步数、图像尺寸、CFG Scale 等参数，生成分辨率最高支持 4K，单次生成时间根据硬件配置可控制在几秒到几十秒不等，提示词可通过权重调节（括号语法）精准控制元素呈现效果。 图生图（Image-to-Image）：上传参考图，通过调整去噪强度实现风格迁移、画面重构、瑕疵修复、画面拓展等功能；去噪强度 0.1-0.3 可轻微优化图像，0.4-0.6 可实现风格迁移，0.7-1.0 可彻底重构画面（仅保留原图轮廓或色彩），适配草图转稿、照片优化等场景。 高清修复（Upscale）：内置多种放大算法（Latent、ESRGAN 等），可将低分辨率图像放大 4 倍以上，同时补充细节，解决生成图像模糊、细节不足的问题，部分衍生工具支持批量高清修复。 局部重绘（Inpaint）：精准选中图像局部区域，通过提示词修改该区域内容，实现局部优化、杂物去除、元素替换等，适配图像精细化调整场景，是商业设计中常用的核心功能之一。 2. 进阶控制功能（扩展能力） LoRA 微调（Low-Rank Adaptation）：轻量级模型微调技术，文件体积小（50-300MB），可快速定制特定风格、角色或元素（如宫崎骏风格、特定 IP 形象），无需复杂训练，通过触发词即可激活对应风格，可与主模型叠加使用，兼容性极强。 ControlNet 插件：核心用于精准控制图像构图、姿态、边缘、深度等，解决 AI 生成图像 “构图混乱、姿态畸形” 的痛点，支持骨骼姿态控制、线稿控制、深度控制等，适配专业设计、角色创作等场景，大幅提升生成可控性。 其他扩展功能：支持图生视频（结合 AnimateDiff 插件）、文本嵌入（Embedding）、IPAdapter（参考图风格 / 身份迁移）、批量生成、种子控制（固定种子可复现相同结果）等，满足不同用户的进阶创作需求。 3. 生态与工具支持 开源社区：拥有全球庞大的开源社区，用户可自由分享模型、LoRA、提示词、工作流，核心模型与插件均开源可下载，社区持续迭代优化功能，解决使用中的常见问题（如人物畸形、画面模糊等）。 前端工具：主流衍生工具包括 WebUI（新手友好，操作直观）、ComfyUI（专业级，支持复杂工作流定制）、Fooocus（极简操作，一键出图），适配不同用户群体（新手、专业创作者），无需复杂代码基础即可使用。 模型资源：官方及社区推出大量细分模型（Checkpoint），如 SD 1.5（轻量兼容）、SDXL（高清写实）、Anything V5（二次元）、DreamShaper（通用写实）等，用户可根据创作需求选择对应模型，模型可从 Civitai、HuggingFace、ModelScope 等平台下载。 四、核心权威优势 开源普惠：完全开源免费，非商用、商用均可使用（遵循社区许可证），无使用门槛与版权限制，区别于 Midjourney 等付费工具，让普通用户也能接触 AI 创作，推动 AI 绘画普及化。 本地运行：支持消费级显卡（NVIDIA、AMD）本地部署，无需依赖网络，既保护用户创作隐私，又不受平台服务器限制，可根据自身硬件配置优化生成速度与质量，适配隐私性要求高的场景（如商业设计、科研创作）。 高度可定制：从参数调节、模型微调（LoRA）、插件扩展到工作流定制，全方位支持用户个性化创作，可适配不同风格、不同场景的创作需求，既能满足新手一键出图，也能满足专业创作者的精细化设计需求，灵活性远超同类工具。 生态完善：全球庞大的开源社区与丰富的模型、插件资源，持续迭代优化，用户可快速获取教程、素材与解决方案，同时第三方工具适配完善，形成 “模型 - 工具 - 社区” 的完整生态，降低学习与使用成本，推动功能持续升级。 轻量高效：得益于潜扩散架构，计算复杂度低，可在普通消费级显卡上流畅运行，生成速度快，同时支持批量生成、高清修复等高效功能，大幅提升创作效率，适配商业设计、批量素材生产等场景。 五、核心应用场景 艺术创作：数字绘画、插画创作、概念艺术设计、风格化作品生成、艺术风格迁移，帮助艺术家拓展创意思路，快速生成草图与成品，提升创作效率，适配插画师、设计师、艺术爱好者等群体。 商业设计：电商商品图、海报、宣传册、LOGO 辅助设计、UI 界面草图、广告素材生成，无需专业设计基础，即可快速产出商用级素材，降低中小企业与个人创作者的设计成本，适配电商运营、中小企业、广告从业者等。 科研与教育：AI 图像生成技术研究、计算机视觉相关教学演示、学生作业（数字绘画、设计类）、创意教学辅助，帮助科研人员开展技术研究，助力学生快速掌握 AI 创作技巧。 个人与自媒体：自媒体配图、短视频封面、头像生成、生活照片优化、创意恶搞图像，适配自媒体博主、普通用户的日常创作需求，零门槛即可产出个性化内容。 影视与游戏：影视分镜草图、游戏角色 / 场景概念设计、游戏贴图生成，辅助影视、游戏创作团队快速产出创意方案，缩短创作周期，适配影视从业者、游戏设计师等。 六、权威发展历程（关键节点） 2022.08.22：Stable Diffusion 1.0 正式发布，基于潜扩散架构，支持消费级显卡本地部署，开源免费，迅速引爆 AI 绘画领域，成为开源 AI 绘画标杆。 2022.11：Stable Diffusion 1.5 版本发布，优化图像生成质量、人物细节与提示词遵循度，修复常见 bug，成为最经典、最常用的基础版本，至今仍被广泛使用。 2023.06：Stable Diffusion XL（SDXL）0.9 版本发布，原生支持 1024×1024 高清分辨率，优化写实风格生成，新增文本理解能力，大幅提升生成图像的细节与质感。 2023.11：SDXL 1.0 正式发布，完善高清生成能力，支持 2K + 分辨率，优化多风格适配，成为商业设计、高清创作的首选版本，同时推出 SDXL Turbo（1 步生成，极速出图）。 2024.02：Stable Diffusion 3 早期预览版发布，采用全新架构，优化多模态输入（文本、图像），提升提示词理解精度与生成可控性，支持更复杂的场景与细节生成。 2024.10：Stable Diffusion 3.5 系列及 Medium 版本发布，进一步优化生成速度与质量，完善中文提示词理解，新增更多细分风格模型，适配更多创作场景，同时拓展模型轻量化部署能力。 2025 至今：持续迭代模型轻量化、多模态融合（图生视频、文生 3D）能力，优化开源生态，推出更多行业定制化模型（如医疗、建筑设计专用模型），扩大应用场景。 七、开源许可与合规说明 开源许可：Stable Diffusion 核心模型遵循 Stability AI 社区许可证（OpenRAIL-M），非商用、商用均可免费使用，但禁止用于违法违规、侵权、低俗色情、危害国家安全等场景；衍生模型、插件需遵循对应开源许可，部分社区模型可能有商用限制，使用前需确认许可条款。 版权边界：用户使用 Stable Diffusion 生成的内容，版权归用户所有（前提是不侵犯他人知识产权）；禁止使用模型生成侵犯他人肖像权、著作权、商标权的内容（如生成名人肖像、抄袭他人作品）。 数据安全：本地部署版本不涉及数据上传，可保护用户创作隐私；使用第三方 Web 端衍生工具时，需注意平台的数据收集政策，避免敏感内容泄露。 技术边界：模型生成内容可能存在一定瑕疵（如人物畸形、细节错乱），需用户进行后期优化；不支持生成违法违规、血腥恐怖、低俗色情等内容，开源社区与官方均有相关过滤机制。

      豆包是字节跳动公司自主研发的综合性人工智能产品矩阵，核心包含豆包大模型（原名 “云雀”）与豆包 AI 智能助手两大核心板块，依托字节跳动自研技术基座，覆盖个人消费级与企业级全场景，是国内首批通过算法备案的 AI 产品之一，也是国内使用量最大、应用场景最丰富的 AI 产品矩阵之一。 一、基本信息 官方名称：豆包（Doubao） 开发主体：字节跳动科技（北京）有限公司 核心定位：多模态 AI 基础设施（豆包大模型）+ 全场景 AI 智能助手（豆包 AI 助手），兼顾个人用户与企业客户需求 技术基底：基于 Transformer 架构的混合专家（MoE）大语言模型，核心为字节跳动自研的 “云雀”（Skylark）大模型，无外部开源模型或第三方技术依赖 官方渠道：官网（www.doubao.com）、全平台客户端（iOS/Android/Windows/macOS）、网页版及浏览器插件 核心特性：中文优化能力突出、多模态融合、低时延响应、高性价比，支持跨平台同步使用 二、核心构成与技术体系 （一）豆包大模型       豆包大模型是字节跳动自研的多模态大模型家族，原名 “云雀”，定位为 AI 基础设施，支撑全场景 AI 能力落地，于 2024 年 5 月 15 日在 “2024 春季火山引擎 Force 原动力大会” 上正式发布，后续持续迭代升级，形成了覆盖通用与细分领域的完整模型矩阵。 模型家族构成：包含 2 个通用模型（豆包通用模型 Pro、豆包通用模型 Lite）与 7 个细分领域模型（角色扮演模型、语音识别模型、语音合成模型、声音复刻模型、文生图模型、Function Call 模型、向量化模型），共计 9 个核心模型，可满足不同场景的差异化需求。 技术特点：采用大规模稀疏 MoE 架构，等效 7 倍激活参数的 Dense 模型性能，训练成本降低 90%；具备动态注意力机制，支持 32K 上下文窗口（可扩展至百万级 token），长文本处理能力突出；实现端到端语音处理，支持低时延对话、情绪承接与方言理解；集成多模态融合技术，可高效处理文本、图像、音频、视频等多类型输入输出。 核心能力：覆盖自然语言理解与生成、代码创作（支持 30 + 编程语言，准确率达 95%）、数学推理（可解决 AIME 级别证明，GSM8K 测试表现超越 GPT-4）、语音处理、图像生成与分析、复杂任务自动化等，适用于企业级服务、科研、教育及工业等多领域。 商业化定价：主力模型在企业市场定价为 0.0008 元 / 千 Tokens，处理 1500 多个汉字仅需 0.8 厘，比行业低 99%，TPM 限额为同规格模型的 2.7 倍到 8 倍，大幅降低企业接入门槛。 （二）豆包 AI 智能助手       豆包 AI 智能助手是基于豆包大模型开发的全场景应用载体，采用 “智能助手 + 场景化工具” 模式，覆盖日常生活、学习、办公等个人场景，同时通过火山引擎向企业客户开放 API 接口，实现商业化落地。 多端覆盖：支持网页版、iOS 版、安卓版、Windows 桌面版、macOS 桌面版及浏览器插件，可通过手机号码、抖音账号、苹果账号登录，实现跨设备同步使用。 核心功能矩阵： 对话问答：支持复杂问题解答、多轮对话及专业领域咨询（法律、医疗、技术等），中文理解准确率达 96%； 内容创作：涵盖文本生成（文章、报告、邮件等）、图像生成与编辑（基于 SeedEdit 模型）、音乐生成（11 种风格可选）、视频生成（基于 PixelDance、Seaweed 模型）； 学习辅导：覆盖 K12 至高等教育，提供解题答疑、语言学习（中英日韩等 119 种语言）、考试策略指导； 办公辅助：支持 AI 划词、网页总结、脑图生成、会议纪要快速整理（2 小时会议纪要 5 分钟搞定）、PPT 生成等功能； 开发辅助：代码补全、调试建议、算法解释及技术文档生成，集成 MarsCode 编程助手能力； 交互升级：支持语音输入、语音通话、实时视频通话，基于端到端语音大模型，交互流畅度接近真人，平均响应延迟控制在 800 毫秒以内。   三、发展历程（官方公开） 2016 年：字节跳动成立人工智能实验室（AI Lab），聚焦自然语言处理、机器学习、数据挖掘等领域研究，为豆包的研发奠定技术基础； 2023 年 6 月：字节跳动内部测试 AI 对话类产品 “Grace”，处于完善优化阶段； 2023 年 8 月：“Grace” 新版本更名为 “豆包”，启动小范围邀请测试，支持多账号登录，具备基础文本生成与语音播报功能； 2024 年 5 月 15 日：在火山引擎 Force 原动力大会上，豆包大模型正式发布，豆包 APP 总下载量突破 1 亿次，大模型开启商业化进程； 2024 年 6 月 3 日：豆包推出 Windows/macOS 桌面客户端，新增快捷启动、AI 划词、AI 搜索功能； 2024 年 8 月 - 11 月：陆续上线音乐生成、脑图生成、语音输入、图片上传、视频生成内测等功能，10 月推出首款 AI 智能体耳机 Ola Friend，11 月底豆包 APP 累计用户规模超 1.6 亿； 2025 年 1 月 - 3 月：发布端到端语音大模型，升级实时语音通话功能；开源 SuperGPQA 知识推理基准测试；抖音 APP 测试接入豆包 AI 能力，开放两大超级入口；测试新版 “深度思考” 功能； 2025 年 4 月 - 12 月：深度思考和文生图 3.0 模型通过火山引擎开放 API；上线实时视频通话功能；发布豆包大模型 1.8，在视觉推理等任务中表现突出；12 月豆包日均活跃用户（DAU）突破 1 亿大关，月活跃用户达 1.5742 亿，居中国 AI 应用产品首位； 2026 年 2 月 14 日：豆包大模型 2.0 正式发布，围绕大规模生产环境使用需求做系统性优化；同期上线视频生成模型 Seedance 2.0。 四、应用场景与市场表现 （一）应用场景 个人场景：日常对话、内容创作（文案、小说、歌词等）、学习辅导（解题、语言学习）、办公效率提升（会议纪要、文档处理）、娱乐生成（音乐、视频、图像）等； 企业场景：通过火山引擎向企业客户开放服务，应用于智能客服、自动化文档处理、风险预测、医疗影像分析、司法文书生成、制造业流程优化等领域，已在字节跳动内部 50 多个业务场景应用验证； 特色场景：与故宫博物院合作开发 “文物解说官”；为比亚迪等企业提供车辆故障诊断等智能服务；在全国 15 个法院部署，辅助法官处理案例检索等工作。 （二）市场表现 用户规模：截至 2024 年 11 月底，豆包 APP 累计用户超 1.6 亿；2025 年 3 月底，豆包大模型日均调用量达 12.7 万亿次；2025 年 8 月，月活跃用户达 1.5742 亿，居中国 AI 应用产品首位；2025 年 12 月，豆包日均活跃用户（DAU）突破 1 亿大关，成为国内首个 DAU 破亿的 AI 原生应用，累计服务用户超 3 亿，覆盖全球 100 多个国家和地区。 商业成果：截至 2025 年底，豆包大模型已服务超 10 万家企业客户，覆盖互联网、金融、医疗、教育、制造等 20 多个行业，企业客户复购率达 85% 以上；2026 年第一季度，豆包相关业务营收同比增长 300%，成为字节跳动新兴业务增长核心引擎之一。 行业认可：多次通过国内权威 AI 评测，在中文理解、数学推理、代码生成等维度稳居行业前列；先后获得 “2024 年度最佳 AI 产品”“中国人工智能创新应用标杆” 等多项行业奖项；豆包大模型通过国家网络安全等级保护三级认证，算法及数据安全符合《生成式人工智能服务管理暂行办法》要求，相关技术专利累计申请超 2000 项。

OpenClaw（社区昵称「龙虾」），是 2026 年全球现象级本地优先、自托管、开源 AI 智能体执行框架，核心定位「让 AI 真正拥有双手、自主完成任务」，区别于传统仅对话的 AI 助手，主打私有化部署、多渠道接入、模型无关、持久记忆与系统级执行能力。截至 2026 年 4 月 5 日，GitHub 星标28.2 万、Fork 3.4 万、贡献者 920+、全球独立部署实例超 110 万、技能市场 5200 + 技能包，是当前最主流的开源 Agent 平台之一。 一、基础信息 全称：OpenClaw 曾用名：ClawdBot → Moltbot（2026 年 1 月因 Anthropic 商标异议更名，1 月 30 日最终定名 OpenClaw） 开发者：Peter Steinberger（奥地利连续创业者，PSPDFKit 创始人，2025 年 6 月创立 Amantus Machina 公司主导研发） 开源协议：MIT License（完全开源、可商用、可二次分发） 核心语言：TypeScript，基于 Node.js 构建，跨平台兼容 官方站点：getopenclaw.ai（英文）、openclaaw.cn（中文社区） 核心定位：本地优先的 AI 执行中枢，连接大模型与本地系统 / 工具 / 平台，实现「自然语言指令→任务拆解→自主执行→结果反馈」闭环 二、发展历程（2025.11—2026.4，权威时间线） 2025.11 项目启动：Peter Steinberger 以个人实验启动，核心脚本打通 WhatsApp 与 CloudCode CLI，实现 AI 本地执行雏形 2025.12.28：首次公开 Clawd 项目代码，发布基础配置与演示 2026.1.5：GitHub 上线，定名ClawdBot，快速引发极客圈关注 2026.1.20：因 Anthropic 商标争议，更名Moltbot；「自主买车、代码迁移、深度调研」等演示视频病毒传播，星标破 10 万 2026.1.30：正式定名OpenClaw，发布 v1.0 稳定版，确立开源 + 本地优先路线 2026.2：v2026.2.6 发布，新增 Unbrowse 浏览器自动化、技能市场、Workflow 录制回放；支持 Ollama 本地模型、Home Assistant 集成；GitHub 星标破 20 万getopenclaw.ai 2026.3.24：v2026.3.24（里程碑版），重构网关认证、OpenAI 兼容接口、可视化技能管理、企业级协作能力；支持飞书、钉钉、QQ 原生接入；星标破 25 万 2026.4.2：v2026.4.2（最新稳定版），安全加固、统一网关认证、多端语音唤醒、Slack/Teams 交互优化、群聊回声抑制；全球部署实例破百万 三、核心技术架构（权威分层设计） OpenClaw 采用Gateway 中心化星形架构，解耦接入、控制、推理、执行、存储五层，默认本地闭环、不主动暴露公网，保障隐私安全： 接入层（Channel Adapters）：统一适配 20 + 主流 IM / 协作平台，无需专属客户端，直接在常用 App 交互： 海外：WhatsApp、Telegram、Discord、Slack、Signal、Microsoft Teams、iMessage 国内：微信、QQ、钉钉、飞书、企业微信（2026.3 原生支持）   控制层（Gateway，核心中枢）：常驻守护进程（默认 ws://127.0.0.1:18789），负责会话管理、权限控制、多智能体调度、状态持久化、请求路由，所有指令 / 结果必经网关，保证一致性 推理层（Agent Runtime）：模型无关的执行大脑，不内置 LLM，支持云端 / 本地双模式： 云端：OpenAI GPT-4o/5、Anthropic Claude 3.5/4、Google Gemini、Kimi、通义千问、MiniMax 等 本地：Ollama、LM Studio、LocalAI（Llama 3、Qwen、Mistral 等） 范式：Observe-Plan-Act（观察 - 规划 - 行动）循环，支持子智能体协同、工具链编排、长上下文记忆   执行层（Tools/Skills）：沙箱化执行引擎，内置 500 + 原生技能，支持自定义开发 / 技能市场安装： 系统操作：文件读写、终端命令、代码执行、截图 OCR、屏幕控制 自动化：浏览器（Unbrowse）、邮件、日历、CRM、Home Assistant、API 调用 工作流：定时任务、条件触发、录制回放、批量处理   存储层（Local Persistence）：本地 SQLite/PostgreSQL，持久化记忆、任务状态、配置、技能数据，用户完全掌控数据，无云端上传默认行为 四、核心功能（2026.4 最新版） 1. 本地优先与私有化部署 支持 Windows、macOS、Linux、Docker、云服务器（阿里云 / 腾讯云 / DO 一键部署）、小主机（J1900 等） 数据全本地存储、流量闭环、可断网运行；支持端到端加密、访问令牌、IP 白名单、操作审计 2. 多渠道原生接入 单 Gateway 统一管理所有 IM 账号，一次配置、全平台同步；支持群聊 / 私聊、@提及、命令触发、按钮交互 2026.4 新增：语音唤醒（macOS VoiceWake）、Google Assistant/App Actions（Android）、LINE 富媒体发送、QQ 群聊优化36氪 3. 模型无关与灵活切换 支持多模型同时配置、按任务自动 / 手动切换；兼容 OpenAI API 标准，可对接 OpenRouter 等聚合平台 本地模型低延迟、无 API 成本、隐私更强，适合敏感任务 4. 持久记忆与上下文感知 跨会话、跨重启保留用户偏好、任务进度、历史交互；支持长上下文压缩、记忆检索、知识库 RAG 集成 主动通知：定时简报、日历提醒、任务状态推送、自定义告警（Cron 式心跳） 5. 自主执行与技能生态 无需代码，自然语言驱动复杂任务（如「整理本周邮件、生成周报、发送到钉钉」） 技能市场（Claw Hub）：5200 + 社区 / 官方技能，一键安装、可视化配置、依赖自动检测 2026.3 新增：子智能体协同、OpenAI 兼容接口（/v1/chat/completions、/v1/embeddings）、RAG 原生支持 6. 安全与企业级能力 网关认证统一：Trusted-Proxy、令牌强制、同主机访问显式授权，杜绝隐式信任 操作审批、权限分级、日志审计、数据导出 / 擦除；支持企业 LDAP、SSO、私有部署集群（2026.4 企业版预览）36氪 五、生态与社区现状（2026.4 权威数据） GitHub：Star 282,000+、Fork 34,000+、Issues 2,100+、Pull Requests 1,800+、贡献者 920+ 部署规模：全球独立实例 110 万 +，国内占比 38%（微信 / 钉钉 / 飞书驱动） 技能生态：Claw Hub 5,200 + 技能，覆盖开发、办公、自动化、智能家居、数据分析、跨境运营 社区：Discord 8 万 + 成员、中文社区（微信 / QQ）5 万 +、官方文档多语言（含简体中文）、第三方教程 / 部署工具 / 镜像丰富 商业支持：Amantus Machina 提供企业版（集群、SLA、定制开发）；国内云厂商（阿里云、腾讯云、火山引擎）提供一键部署与托管服务 六、典型应用场景 个人生产力：邮件 / 日历管理、文件整理、代码编写 / 调试、周报自动生成、浏览器自动化、信息检索汇总 开发者工具：API 调试、GitHub Issues 管理、CI/CD 触发、服务器监控、日志分析、代码迁移 中小企业 / 团队：飞书 / 钉钉群助手、客户消息自动回复、报表生成、流程自动化、内部知识库问答 私有化 / 合规场景：政务、金融、医疗等敏感数据处理，本地部署、数据不出域（如深圳福田「政务龙虾」落地） 极客 / 硬件玩家：小主机 / NAS 部署、智能家居控制、本地模型集成、自定义技能开发 七、优势与局限 核心优势 开源免费：MIT 协议，无订阅、无 API 锁、可商用二次开发 本地可控：数据隐私、断网可用、低延迟、无云端成本 接入无感：直接用现有 IM，无需新 App，学习成本极低 生态繁荣：技能丰富、社区活跃、更新迭代快（周更） 模型自由：不绑定单一 LLM，云端 / 本地灵活组合 主要局限 技术门槛：部署 / 配置需基础命令行 / 网络知识，普通用户有学习成本 执行边界：复杂系统操作、跨设备协同、图形化界面交互仍有局限 模型依赖：核心推理能力取决于接入的 LLM 质量，本地模型效果弱于云端旗舰 安全风险：本地执行权限过高，需严格配置权限与沙箱，避免误操作 / 恶意指令 八、未来规划（官方 Roadmap 2026） 2026 Q2：v2026.5 稳定版，强化多智能体编排、可视化 Workflow 编辑器、移动端原生 App、企业级集群部署 2026 H2：开放 Agent Marketplace 付费分成、硬件适配（边缘设备、嵌入式）、多模态（视频 / 语音深度集成）、行业垂直模板（跨境、电商、教育） 长期：构建开源 Agent 标准、跨平台统一执行层、去中心化技能分发网络