🛠️ DeepSeek V4 Pro 0813
一句话
DeepSeek 新一代 Pro API，兼容 OpenAI 与 Anthropic 调用方式，适合长上下文推理、代码和 Agent 工具调用。
怎么玩
先在 DeepSeek API 控制台申请 Key，把 `DEEPSEEK_API_KEY` 写入环境变量；如果已有 OpenAI SDK，只需把 base_url 改成 `https://api.deepseek.com`，model 改为 `deepseek-v4-pro`，就可以先跑一条普通对话，再打开 thinking 和 tool calls。需要兼容 Anthropic 工作流时，把入口切到 `https://api.deepseek.com/anthropic`，用同一组业务提示词分别测试代码修复、网页资料整理和函数调用。建议同时记录首 token 延迟、总耗时、输入缓存命中率和工具失败率，不要只看一次生成结果。
为什么值得关注
官方文档已经给出 OpenAI/Anthropic 双兼容入口、工具调用和 1M 上下文等工程接口，意味着它更容易被接入现有 Agent，而不是只能在聊天网页里试用。对需要控制成本的团队，缓存命中与并发限制也比单纯比较榜单更值得实测。
应用场景
- 替换现有 OpenAI 兼容后端，做长文档分析和代码 Agent。
- 用 Anthropic 兼容入口接入已有工具调用或多轮工作流。
🛠️ Grok 4.6
一句话
SpaceXAI 与 Cursor 联合推出的新模型，已进入 Cursor、Grok Build、API 和 CLI，可用于代码、研究与长程 Agent 任务。
怎么玩
想最快体验，直接打开 Cursor 更新到可用版本，在模型选择器中选 Grok 4.6，拿同一个小项目连续做“读代码—改功能—运行测试—修复失败”四步任务；想脱离 IDE，则按 xAI CLI 页面安装命令安装 Grok Build，再在一个真实代码仓库中执行一次需求拆解。若要接入自己的程序，申请 xAI Key 后调用 `grok-4.6`，把同一提示词分别跑普通问答、代码修改和视觉交互任务，并保存 diff、测试结果和 token 成本。
为什么值得关注
它的价值不只在模型分数，而在同一模型被同时放入 IDE、CLI、API 和构建工具，降低了从“试模型”到“交付代码”的距离。Cursor 官方还提供了首周额外用量，适合用固定任务做横向对比，但必须注意随机性与套餐限制。
应用场景
- 在 Cursor 或 CLI 中做跨文件重构、前端原型和自动测试。
- 作为自建编码 Agent 的模型后端，验证长程任务的稳定性。
🛠️ Muse Glimmer
一句话
Meta 开源的 30B 本地 Agent 模型，Apache 2.0 许可，面向工具调用、长任务、编码和失败恢复。
怎么玩
先打开官方模型卡确认下载权限和硬件条件，再选择 Transformers、llama.cpp、MLX 或其他已支持后端。最省事的路径是使用官方或社区 GGUF，在新版 llama.cpp 中拉取模型并启动本地服务；如果要做 Agent，给模型一个只读文件检索或本地命令工具，先跑“列出目录—读取文件—给出修改计划”，再逐步开放写入权限。用同一组任务比较 2/4/8 bit 量化的速度、内存、工具调用格式和失败恢复，不要把本地推理能力等同于生产级安全性。
为什么值得关注
它把“能做工具调用的模型”与“能在个人硬件上常驻运行”结合起来，Apache 2.0 也给本地隐私、离线编码和定制部署留下空间。官方同时提供 Hugging Face、llama.cpp 等入口，生态接入成本相对清晰。
应用场景
- 在本地做隐私友好的代码助手、文件分析和个人自动化。
- 在断网或低延迟环境中测试工具调用与失败恢复策略。
🛠️ Kaku
一句话
面向 AI 编码的原生 macOS 快速终端，内置 AI 助手、命令生成、错误恢复和多种编码工具配置。
怎么玩
macOS 用户可以从 GitHub Releases 下载 DMG 拖入 Applications，也可以执行 `brew install tw93/tap/kakuku`；安装后运行 `kaku doctor` 检查 PATH 和 Shell 集成。打开 AI 配置页，选择自己的模型认证方式，分别配置简单模型和深度模型；在终端里用 `#` 加自然语言描述生成命令，先审阅再执行。再开两个标签和窗格，尝试把标签拖出为独立窗口，配合 Claude Code、Codex 或其他 CLI，观察跨显示器、重启确认和错误修复是否符合自己的工作习惯。
为什么值得关注
Kaku 不是把 AI 聊天框贴在终端旁边，而是把命令生成、失败修复、编码工具配置和原生窗口体验放到同一工作面。它基于 WezTerm 深度定制，开源、无需账号，适合想把 AI 编码工作流留在本机的人。
应用场景
- 在 macOS 上集中管理 Claude Code、Codex、Gemini CLI 等工具。
- 用自然语言生成命令并在执行前进行人工复核。
🛠️ LTX-2.5
一句话
Lightricks 的开放权重音视频生成模型，支持文本/图像到视频、同步音频、微调和本地部署。
怎么玩
先克隆官方仓库并创建独立 Python 环境，再按 README 用 Hugging Face CLI 下载 LTX-2.5 的 distilled transformer、文本编码器、视频 VAE 和音频 VAE；显存有限时先选择 distilled 组件和较低分辨率。跑通官方最小示例后，再尝试文本生成短片、图像到视频和带参考条件的镜头连续性。把输出视频和音频分别检查，重点观察口型、环境声、镜头切换和提示词遵循；要做产品原型，可进一步研究 LoRA trainer、ComfyUI 对齐组件和桌面版，而不是一开始就下载全部权重。
为什么值得关注
它把视频与同步音频放在同一开放权重路线中，允许团队自托管、微调和接入现有流水线。组件化权重也意味着可以按任务选择下载内容，减少把整个模型当黑盒 API 使用的锁定。
应用场景
- 本地制作带同步音效的短片、分镜和广告概念样片。
- 用私有素材微调视频风格，搭建可控的内容生成流水线。
🛠️ FLUX 3
一句话
Black Forest Labs 的多模态视频模型，支持文字生视频、图生视频、视频续接以及同步音频。
怎么玩
先在 Black Forest Labs Dashboard 注册并准备 API Key，或直接使用网页 Playground 体验。第一次建议从 `t2v` 文生视频开始，只写一个 5 秒镜头；第二次用 `i2v` 固定首帧，第三次用 `v2v` 给已有片段续写，分别记录镜头一致性和音频效果。开发者可以参照文档向 `https://api.bfl.ai/v1/flux-3-video` 提交异步任务，再轮询 polling URL 下载结果。把 `duration`、`resolution`、`generate_audio` 和关键帧组合成自己的测试矩阵，注意结果链接有过期时间，生成后要及时保存。
为什么值得关注
FLUX 3 的工程亮点是同一个请求形状覆盖多种视频起点，并原生生成同步声音；多镜头、关键帧和续接比单次炫技更接近制作流程。它同时提供 Playground、API 和开放权重方向，适合从试玩逐步过渡到集成。
应用场景
- 快速做产品广告、分镜预演和社交媒体短视频。
- 用首尾帧或已有片段控制角色动作与镜头延续。
🛠️ ShipAny Video Agent
一句话
ShipAny 面向视频 Agent 的现成模板，用对话、多步骤工具调用和多模型适配快速搭建视频生成 SaaS。
怎么玩
先打开官方模板页确认模板版本和授权方式，再取得代码后按文档配置数据库、认证、支付/积分和视频模型 Provider。建议先用一个最小产品名启动，运行模板自带的登录与生成流程；然后把用户输入拆成“脚本—分镜—素材—生成—预览”五步，让 Agent 在每步产出结构化 JSON，并给用户一个确认点。接着只接入一个视频模型跑通端到端，再逐步添加第二个 Provider、任务队列、失败重试和成本上限，最后再做品牌和 SEO，而不是一开始改大量页面。
为什么值得关注
它把 AI 视频应用中最费时间的账号、支付、积分、配置和模型调用骨架提前准备好，重点从“能不能生成视频”移向“能不能交付一个可运营产品”。官方文档还给出自定义 Provider 和 `generateVideo` 调用方式，便于做二次开发。
应用场景
- 快速验证面向营销团队的对话式视频生成产品。
- 为不同视频模型增加统一的任务、计费和权限层。
🛠️ DrawSimple
一句话
Mac 上的原生绘图与图片编辑工具，支持图层、矢量对象、照片编辑，并提供本地 Automation/MCP 集成。
怎么玩
从官网下载安装后，先用 File → New 建一个文档，分别试用 Paint 和 Vector 起始图层，保存为原生 `.dsimp` 文件，确认图层、矢量对象和编辑状态可以再次打开。然后导入一张截图或照片，做裁剪、文字、形状和简单效果；如果要接 Agent，先阅读 Automation/MCP 说明，只开启本机服务并设置访问权限，让 Claude Desktop、Claude Code 或自写 Python 脚本创建文档、添加形状、导出 PNG。建议先做无敏感数据的批处理，逐项验证撤销、导出和权限边界。
为什么值得关注
它把本地图片编辑和 Agent 可调用的桌面自动化放到一个轻量原生应用里，不需要把图片上传云端才能完成基础操作。对 macOS 用户来说，原生图层、矢量和本地 MCP 比单纯的在线生成器更适合做可复用工作流。
应用场景
- 用自然语言批量生成社交卡片、标注图和简单海报。
- 在本地对截图、照片和矢量素材做可审计的自动编辑。
🛠️ Guizang PPT Skill
一句话
面向 AI Agent 的网页幻灯片生成 Skill，可生成杂志风、瑞士风布局、配图提示和可交互的 HTML Deck。
怎么玩
先把仓库安装到自己使用的 Agent Skill 目录，阅读 README 和示例，再准备一份 3—5 页的短文档作为输入。让 Agent 先输出叙事大纲和页面清单，确认信息层级后再调用 PPT Skill 生成 HTML；生成后用浏览器逐页检查字体、图片比例、移动端滚动和 WebGL/动画性能。需要线下分享时，再用配套转换工具导出 PDF 或 PPTX，并人工检查字体嵌入、分页和中文断行。最后把自己的品牌色、封面比例和常用布局写入配置，形成可重复的演示流水线。
为什么值得关注
它不是单一提示词模板，而是把视觉叙事、页面布局、图片提示和运行时组合成可复用 Skill。HTML 作为中间产物便于 Agent 继续修改，也更适合快速迭代网页式演示和社交媒体卡片。
应用场景
- 把研究笔记、产品方案和数据摘要快速变成可浏览演示。
- 批量生成 PPT 封面、社交媒体长图和活动介绍页。
📡 微信 WeLM-80B / WeLM-617B
事件
微信公开 WeLM 两个版本，并将轻量激活的模型能力放进原生 AI 助手“小微”的产品链路。
解读
本次信号的重点不只是总参数量，而是模型直接进入微信原生助手和小程序调用场景。公开信息显示，WeLM-80B 总参数约 800 亿、激活参数约 30 亿；WeLM-617B 总参数约 6170 亿、激活参数约 230 亿。对用户而言，模型不一定以独立聊天机器人出现，而可能隐藏在消息、搜索、服务和小程序流程里，模型负责理解意图，产品负责调用真实功能。
影响评估
这会把大模型竞争从“谁的网页聊天更强”推向“谁能在超级应用里完成更多动作”。如果调用权限、隐私隔离和失败回退做得好，轻量激活模型能同时兼顾成本与规模；但模型是否真的稳定完成跨应用任务，还要等待公开 API、评测和更长时间的用户反馈。
