中国AIGC「全家桶」来了！三箭齐发杀入全球第一梯队 广告 中国AIGC「全家桶」来了！三箭齐发杀入全球第一梯队 2:28 广告 广告 广告 了解详情 > 会员跳广告 首月9.9元 秒后跳过广告 开通搜狐视频黄金会员，尊享更高品质体验！1080P及以上画质仅为黄金会员专享> 开通/续费会员 抱歉，您观看的视频加载失败 请检查网络连接后重试，有话要说？请点击 我要反馈>> 正在切换清晰度... 播放 按esc可退出全屏模式 00:00 00:00 00:31 广告 只看TA 高清 倍速 剧集 字幕 下拉浏览更多 5X进行中 炫彩HDRVIP尊享HDR视觉盛宴 超清 720P 高清 540P 2.0x 1.5x 1.25x 1.0x 0.8x 50哎呀，什么都没识别到反馈循环播放 跳过片头片尾 画面色彩调整 AI明星识别 视频截取 跳过片头片尾 是 | 否色彩调整亮度标准饱和度100对比度100恢复默认设置关闭复制全部log新智元报道 编辑：好困 犀牛【新智元导读】当中国AI还常被贴着「追赶者」标签时，天工AI却在中关村论坛一口气拿出视频、音乐、世界模型三张王牌，宣告中国AIGC正从单点突破迈向真正的全模态领跑。天下苦AI「盲盒」久矣。去问问游戏制作人，被吹上天的「世界模型」简直是重度失忆症患者，角色跑三步地平线就扭曲，稍微转个身旁边的房子就会凭空消失。去问问短剧操盘手，镜头刚切走男主角的西装变成了夹克，生成的画面全是「无声默片」后期硬贴配音，爆炸火光亮起两秒后才听到轰隆声。再去问问专业音乐人，AI作曲听着热闹但就是有塑料味。你既不能精准地在第15秒加一段压抑的大提琴，更没法让它在副歌前学会屏住呼吸。AI游戏、AI视频、AI音乐，三条最火的AIGC赛道，三个最深的行业顽疾。3月27日，2026中关村论坛，一场发布会给出了三个解法。游戏世界模型Matrix-Game 3.0、视频大模型SkyReels V4、音乐大模型Mureka V9同时登场，全部杀入世界第一梯队。这一天，中国AIGC迎来了自己的「全模态时刻」！三条赛道，三个顽疾，三剂解药杀入第一梯队是结果，怎么把行业最头疼的病治好的才是真的。Matrix-Game 3.0在生成的城市里走上一遭，回头一切照旧今年1月，图灵奖得主Yann LeCun专门为「世界模型」这个方向创了公司AMI，种子轮融了10.3亿美元。AMI首席科学官谢赛宁做出的全球首个多人世界模型Solaris，技术底座正是天工AI开源的上一代Matrix-Game 2.0。图灵奖得主创业选中的技术底座，来自这家中国公司。这本身就说明了天工AI在这条赛道上的位置。但2.0有一个没解决的问题：失忆症。你在AI生成的世界里走了一分钟再回头，房子消失了，路灯换了位置，整个世界面目全非。3.0就是来治这个病的。在这条秋意盎然的街道上，我们刻意让视角穿过斑马线，大范围环顾四周，然后再折返回来。注意看，镜头转了一大圈重回原地，那栋顶着巨大青蛙雕像的绿色小楼原封不动，墙上的粉红灯笼还在，路口的绿色公交车也没有凭空消失或扭曲变形。看完效果，我们来拆一下背后的技术。世界模型最大的瓶颈不是算法，是数据。互联网上的视频只有画面，缺少相机位姿和操作指令，AI没法从中学会「我按了方向键，世界应该怎么变」的因果关系。Matrix-Game 3.0为此搭建了一套工业级的无限数据引擎，双管线并行。一条线基于Unreal Engine 5自动生成覆盖1000+场景的高精度交互数据，强化学习驱动的AI Agent在场景中自主探索，每一帧都同步记录视频、6-DoF相机位姿和操作指令，毫秒级对齐。另一条线则是从3A游戏里全自动提取动态交互数据，7×24小时无人值守，TB级数据持续产出。世界模型要「记住」世界，首先得「见过」足够多的世界。在模型层面，Matrix-Game 3.0从三个维度做了系统性升级。第一是记忆注入。模型在生成当前画面时，不只看最近几帧，还会根据相机位姿检索出更早期的「记忆帧」，只取与当前视角相关的内容，放进同一个注意力空间联合建模。走过的路、看过的楼，模型都记得。第二是Error Buffer抗漂移机制。长时序生成中模型会逐渐偏离真实状态，3.0在训练时就显式建模生成结果与真实帧之间的误差，并把误差作为条件重新注入，让模型大量接触「已经跑偏」的状态，逼它学会自我纠正。第三是蒸馏加速。要让5B参数的模型在720P分辨率下跑到40FPS实时生成，光有好架构不够，还得把推理步数压下来。3.0用了多段自回归蒸馏框架，在训练阶段就让学生模型连续生成多个视频段，完全模拟真实长视频推理的误差累积环境，配合模型量化和VAE解码器蒸馏，最终实现了分钟级长时序一致性下的实时交互。可交互基础模型结构示意图记忆增强基础模型结构示意图多段自回归蒸馏示意图（左右）三层技术叠满，5B轻量模型就跑出了720P、40FPS的实时生成，分钟级长时序一致性。这在一年前是不可想象的。更大的MoE-28B模型，则在泛化性和动态表现上进一步拉满。它为第一人称和第三人称分别训练独立的动作模型，共享同一个视觉细节模型，既能做沉浸式第一人称探索，也能跑第三人称游戏视角，可生成时长约60秒。放眼全球，可交互世界模型这条赛道上，Google DeepMind的Genie 3是闭源标杆，Matrix-Game 2.0是该技术范式首个开源实现。3.0在记忆、分辨率和实时性上全面超越2.0，是目前与Genie齐头并进的方案。主页：https://matrix-game-v3.github.io/代码：https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3模型：https://huggingface.co/Skywork/Matrix-Game-3.0以前的世界模型是「能看不能摸」的橱窗展品，现在的Matrix-Game 3.0是一个可以真正走进去玩的虚拟世界。世界的问题解决了，接下来看画面。SkyReels V4画面里人开口说话的瞬间，声音就跟上了注意「听」，漫天黄沙里，女主开口说「谢谢你救了我」的瞬间，声音是不是严丝合缝跟上了？男主回应时，背景音乐的节奏是不是也刚好踩在了画面的情绪点上？这段荒凉凄美的戈壁戏，不仅演员的表情极其自然，连呼啸的风声都跟画面完美交融。这就是SkyReels V4最炸裂的地方。以前的AI视频都有一个毛病，先生成画面，再找另一个模型配音。两套系统各干各的，经常出现音画对不上的情况。SkyReels V4直接从底层把这事治了。它自研了一套双流MMDiT架构，视频和音频不再是两个模型各生成各的，而是在同一个模型内部通过双向交叉注意力同时生成，音画从第一帧起就是锁死同步的。但光解决声音还不够。短剧操盘手的另一个噩梦是控制失灵，镜头一转主角就变脸。SkyReels V4的解法是全模态强化学习加上精准控制系统。强化学习搭了一套覆盖全场景的语义Reward模型，教AI「看大局」，不只是死磕每个像素好不好看，而是让画面整体在「讲一个逻辑自洽的故事」。关键帧参考能自动补全节点间的画面，网格图参考更狠，上传最多9张剧情帧，一键生成角色不走形、场景不跳跃的连贯短剧。不仅如此，多角色对话场景也能跑，正反打镜头切换、台词分配、表情匹配自动完成，中英法日多语种通吃。同一套框架还覆盖去水印、去台标、删除或添加角色等后期编辑，对影视后期来说全是刚需。我们只需给模型喂一张静图加一段实拍视频，真人演员就被无缝替换了。不仅动作节奏分毫不差，衣服在动态走位中不走形，而且原版海滩阳光、渔船背景、平移运镜也能被完美保留。再比如，下面这个视频里有一个戴黑帽穿黑大衣的女人，手里拿着一瓶紫色液体。我们只需给模型一条指令「找到这个人和这瓶东西，删掉」，人和瓶子就能干干净净消失，背景无缝填补。视频的问题解决了，接下来看声音。Mureka V9唱对了，混对了，该停的地方也停了先说一个事实。前一代Mureka V8，已经靠自研MusiCoT（Music Chain-of-Thought）技术在Artificial Analysis音乐模型榜单上同时拿下人声和乐器双料冠军，碾压Suno V4.5和Udio。全球第一了，V9还升什么？两个字：「好控」。过去AI音乐最让人抓狂的不是「能不能生成」，而是生成了却控不住，歌词落不到对的段落，人声唱不对重点，离创作者真正想要的总差最后一层。V9重点攻克的就是这个。段落级歌词语义控制更精准，人声不只是「唱出来」而是「唱对了」，混音质感更通透，生成速度更快，同一创意方向下的结果也更有新鲜度。而且，V9还多了一个能力：知道什么时候不该唱。换句话说就是，不必要的哼唱和模糊唱词大幅减少，该留白就留白，不硬加戏。在产品层面，同一创意可以快速出多版本，支持在旋律、人声、结构上局部保留替换，创作从「写一首歌然后定稿」变成了版本化的迭代工作流。一句话概括就是：从「能做出作品」走向「能稳定做出你真正想要的作品」。数据也印证了这个判断。在主观评分中，V9在音乐旋律性（7.25）、音乐表现力（6.89）、编配编曲（6.98）三个维度全部拿下第一，超越Suno V5和Minimax 2.5。而涨幅最大的恰恰是精准控制维度，从V8的6.93直接跳到V9的7.24。说完升级方向，直接听这首实测曲。强烈建议空降1:08秒。短短20秒内，主唱人声在中、英、法、西四种语言间无缝穿梭。不管语言怎么切，慵懒的民谣腔调、换气节奏甚至咬字气声都保持着惊人的一致，用四种语言的丝滑流转，硬是唱出了一种跨越国界的电影级浪漫。但Mureka的野心不止于一个AI作曲工具。它瞄准的是AI音乐时代的Spotify。逻辑很简单，当AI让音乐创作从「少数专业人的低频行为」变成「所有人的高频表达」，音乐就不再只是被动消费的内容，而是一种新的自我表达语言。这种AI原生的内容形态需要一个全新的平台来承载，Mureka正是在这个判断下构建的，模型能力做底座，版本化创作工作流做引擎，表达与社交做飞轮，同时面向B端开放API嵌入场景。市场已经在用脚投票。Mureka的ARR已经达到竞品同类模型的10倍以上，不到两年迭代九个大版本，是MusiCoT技术闭环一步步卷出来的系统能力。在论坛现场的Mureka V9互动展区，大家体验完之后的第一反应，几乎都是：「这……真的是AI做的？！」大概，这就是对一个AI音乐模型最高的赞美了吧。中国AI的「全模态时刻」现在，世界能记住了，画面能听见了，音乐能控住了。三个行业最头疼的病，在同一场发布会上同时给出了解法。但这件事的意义，远不止于三个模型本身。DeepSeek在大语言模型领域的突破，说明中国AI有能力在单个赛道上挑战全球最强。而天工AI在游戏、视频、音乐三条赛道上的同时登顶，指向一件更重要的事——中国AI企业有能力构建全模态的技术体系，而不仅仅是在某个单点上追赶。从单点突破到全面开花，从追赶者到领跑者，这就是「全模态时刻」的真正含义。2026 AGI战略：从全模态突破到AI平台经济技术登顶只是上半场。在同一场发布会上，天工AI董事长兼CEO周亚辉发布了2026 AGI战略，核心是「3+1」布局——三大场景大模型（Matrix-Game + SkyReels + Mureka）加上天工超级智能体。三个模型是三把尖刀，分别插入游戏、视频、音乐三个百亿级内容产业。天工超级智能体则是串联它们的超级平台，面向C端用户提供一站式AI创作体验，面向B端开发者开放API和生态接口。这就是天工AI在发布会上正式亮出的「AIGC全家桶」——不是单个模型的秀技，而是一整套从生成到编辑到分发的全链条能力。配合AI短剧平台Dramawave、AI音乐平台Mureka、AI游戏平台猫森学园2.0等产品矩阵，文本、音乐、视频、游戏四大领域全覆盖。用周亚辉的话说，模型是引擎，平台是工厂，创作者是老板。天工AI要做的不只是模型提供商，而是AI创作者经济的平台运营者，把最顶尖的能力开放出来，让开发者、创作者和合作伙伴都能从中受益。这套全家桶意味着什么？想象一下，一个人加DramaWave就能出品一部短剧，加Mureka就能发行一张全球专辑，加猫森学园就能创造一个游戏世界。每一项在三年前都需要一个团队甚至一家公司才能完成，现在一个人就够了。这就是周亚辉所说的「一人公司时代」。技术不是从天上掉下来的，是一行一行代码、一篇一篇论文磨出来的。回过头来看，最让人感慨的不是某个具体参数，而是一种整体的「势」。2023年昆仑万维宣布All in AGI时，外界充满质疑。2023年天工大模型1.0发布，有人说是百模大战里的又一个跟风者。2024年AIGC矩阵逐渐成型但还没拿到决定性优势，依然有人观望。到了2026年3月，四年的坚持给出了自己的答案。全球月活近4亿，海外收入占比93%，三大模型同时站到世界第一梯队。而这只是起点。按照路线图，2026年是基础设施年，四大模型全部就位，能力锁定全球第一梯队。2027年是生态爆发年，Skills生态全面开放，创作者变现通路打通，B端API对外输出。2028年是平台经济年，三大平台冲各自领域的全球头部，Skywork Super Agent成为创作者标配。当「全模态」从PPT上的口号变成榜单上的排名、API接口里的能力、用户手中可感知的产品，中国AIGC的「全模态时刻」，确实来了。参考资料：https://matrix-game-v3.github.io/https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3https://huggingface.co/Skywork/Matrix-Game-3.0秒追ASI返回搜狐，查看更多

原创 0731马力全开，马栏山集团向AIGC创作者发出“英雄帖” 长沙晚报掌上长沙3月27日讯（全媒体记者 匡小娟）“要做AIGC内容，就到马栏山来。”3月27日下午，马栏山创意大厦三楼多功能报告厅内，马栏山打造AIGC内容工厂和孵化OPC（一人一公司）生态“0731 马力全开”发布会举行。现场，支持政策、工具平台、签约仪式轮番登场，马栏山以满满的诚意和实打实的“干货”，向全国的内容创作者发出英雄帖。零成本起步，马栏山在全国AIGC赛道上率先举旗走进会场，首先映入眼帘的是大屏幕上醒目的“0731 马力全开”字样，取自长沙区号，寓意“马力全开”。它的背后不仅是政策“礼包”，更是马栏山面向AIGC浪潮的一次战略落子。当前，人工智能技术正迎来爆发式迭代，内容产业的生产方式、供给结构、消费逻辑，正在发生系统性、颠覆性、全局性的重构。传统影视工业化高投入、高门槛、长周期的模式正在被AIGC快速打破，行业门槛正在归零——这对马栏山而言，是前所未有的重大机遇。马栏山凭什么抢抓这一机遇？发布会上，马栏山集团主要负责人给出了答案：广电湘军、出版湘军的金字招牌，4000多家产业链企业，优质IP、专业人才、技术平台、算力底座——这是马栏山的产业底气。然而，过去企业想进行AIGC转型，大都靠单打独斗，缺工具、缺IP、缺场地、缺政策、缺议价能力，只能边看边试，效率不高。基于这一痛点，马栏山集团充分发挥统筹资源、整合要素、协同作战的体制机制优势，在全国率先举旗，打造AIGC内容工厂和OPC“一人公司”生态，抢占产业发展制高点。发布会上，马栏山集团战略规划部相关负责人逐一拆解“0731马力全开”支持政策的数字密码。“0”代表助力创意主体“0”成本起步、“0”风险创业，“0到100”加速成长；“7”涵盖了注册、空间、技术资源、孵化、IP开放、金融、培训等七大支持；“3”指向构筑OPC社区、超级工具、超级IP三大发展引擎；“1”则是设立500万元总奖金池，通过音视频算法大赛、AIGC短剧大赛等品牌赛事，让“一人公司”也能灵气闪耀、破壁出圈。这套支持政策的核心逻辑，是马栏山在全国AIGC产业布局中打出的一张“王牌”：以头部带动、AI驱动实现快速冷启动，以集团协同、要素集聚提供全周期保障，以内部赛马、优胜劣汰激活生态活力，真正实现“要做AIGC内容，就到马栏山来”。发布会上，不少参会者掏出手机拍下PPT页面。“免费共享工位最长12个月……算下来综合运营成本能降低30%，这对我们这种小团队太友好了。”一位年轻的创作者一边记录一边小声算账。平台赋能，让创作不再“单打独斗”如果说支持政策是“阳光雨露”，那么当天发布的两大AIGC平台，则是为创作者们配备的“超级工具”。发布会现场，马栏山音视频实验室“智马漫影（MANY ANI）”AIGC影视创作平台正式发布，引发现场阵阵惊叹。“作为面向AIGC时代的影视生成底座，智马漫影凭借全流程智能化与全链路协同能力，推动影视制作迈向工程化、标准化与规模化。”马栏山音视频实验室媒体应用使能部部长甘伟豪介绍，该平台覆盖微短剧、漫剧、电影、电视剧等多种类型创作，实现了从剧本拆解到配音配乐的一站式生产。基于多Agent协同机制，视频生成效率相较传统方式提升可达百倍，还支持超千级任务并发处理。“预计今年将与合作伙伴共同承制上千部微短剧作品。”紧接着，芒果TV带来了山海AIGC平台推介。两大平台的亮相，标志着马栏山在构建人工智能工具矩阵、建立技术主导权上迈出了坚实一步。“以前做一部短剧，要找编剧、找拍摄、找后期，协调成本很高。现在这些平台把整个流程打通了，我们只需要专注创意本身。”现场，一位参会的导演告诉记者。订单“砸”来，2026个席位虚位以待发布会的重头戏，当属马栏山AIGC-OPC孵化平台的签约与招募。现场，马栏山集团与云上栏山、风云AI、未序科技等5家平台型企业现场签约，这批企业将向生态内的OPC开放资源、提供技术、释放订单，快速实现一人公司规模化集聚。“首期6000平方米专属空间，配套1000PFlops算力，首年计划招募2026位成员！”发布会现场，云上栏山、风云AI等企业联合发布OPC招募令。云上栏山董事长段江衡表示：“目前已确认的AI影视内容订单超18万分钟，总价值超2.6亿元，所有订单优先对社区成员开放。”当天，由高校、科研机构和骨干企业共建的OPC孵化平台联盟成立，首批14家优质一人公司正式入孵。按照规划，今年上半年马栏山力争孵化600家OPC企业，上线不少于80部AIGC短剧。“平台模式的核心优势在于灵活性和风险分担。”未序科技创始人许俊强告诉记者，企业不用承担无限扩张带来的用工风险，OPC也可以按项目自主选择接单或暂停参与，合作周期可短至一个月，类似租赁协议，兼顾短期响应与长期协作需求。他介绍，此前已有高校团队通过这一模式实现每周产出1部AIGC短剧的效率，“相比传统用工，不用缴社保，还能享受税收优惠，成本优势明显。”马栏山集团主要负责人表示，当前人工智能正重构内容产业发展格局，抢时间、抢赛道就是抢生态、抢未来，走出一条文化和科技融合发展的新路子，马栏山责无旁贷。集团将持续以真招实策破解企业发展痛点难点，坚持专班推进、精准服务、以赛聚才、抱团出海，推动优质AIGC内容全球传播，为全省文化和科技融合高质量发展注入强劲马栏山力量。返回搜狐，查看更多

“氛围编程”命名人卡帕西：智能体会干活之后，编程已是天翻地覆 IT之家 2 月 26 日消息，特斯拉和 OpenAI 前 AI 开发者安德烈 · 卡帕西表示，AI 智能体在过去两个月中发生了根本性的变化。卡帕西在北京时间今天凌晨发布的 X 帖子中谈到，在去年 12 月之前，AI 智能体几乎无法胜任实际开发任务，但随着模型质量提升和持续执行能力增强，智能体现在已经变得更加可靠。卡帕西举例称，他只用英文描述需求，一个 AI 智能体就在30 分钟内完成了视频分析仪表板开发，并自主解决问题和交付成果。他表示，这类任务在三个月前仍需要开发者花费整个周末完成。卡帕西认为，当今的编程方式已是天翻地覆，传统编程方式正在被彻底改变。开发者不再需要逐行编写代码，而是启动智能体，用自然语言分配任务，并同时监督多个智能体的执行。而同时，智能体仍需要人类提供高层指导、判断和监督。值得注意的是，卡帕西直到 2025 年 10 月仍认为 AI 智能体被过度炒作，但在 Opus 4.5 和 Codex 5.2 发布后，他改变了看法。卡帕西曾提出了“vibe coding（IT之家注：氛围编程 / 氛围编码）”的概念：强调通过自然语言提示，让 AI 直接生成代码，并鼓励开发者放下控制欲，顺着工具的能力去工作。这个词最终还被柯林斯词典评为 2025 年的年度词汇。返回搜狐，查看更多

苹果2026编程赛获奖者揭晓，奖励超丰厚！ IT之家 3 月 27 日消息，据科技媒体 MacRumors 昨天报道，苹果已开始向 2026 年度 Swift 学生编程挑战赛的获奖者发送通知，参与比赛的学生可以登录官网查看自己是否得到名次。苹果今年并没有公布获奖人数，但往年通常会选出 350 名获奖者。名单内的学生有资格参加抽签，以获得参加 6 月 8 日 WWDC 26 特别线下活动的机会，活动本身不收取任何费用，但参加者需要自掏腰包承担交通、住宿费用。同时，苹果还为获奖者提供成就证书、AirPods Max 2 头戴式耳机、一年 Apple Developer 开发者会员资格等奖励。IT之家注意到，苹果还会向部分参赛者颁发“杰出获奖者”称号，他们将被邀请前往美国加州库比蒂诺 Apple Park 总部参与三天体验活动，与苹果工程师、员工交流并参加主题演讲见面会，无需抽签。返回搜狐，查看更多

Cursor发布专为编程优化的Composer 2模型 AI代码编辑器公司Cursor今日推出了名为Composer 2的人工智能模型，该公司声称这款模型在许多编程任务上的表现超越了Claude Opus 4.6。该模型通过Cursor旗下广受欢迎的AI代码编辑器提供服务。注册名为Anysphere Inc的Cursor公司表示，其软件拥有超过100万的日活跃用户。这一庞大的用户基础帮助该公司在去年11月获得了293亿美元的估值。Composer 2支持多达20万Token的提示输入。它能够生成代码、修复现有软件中的错误，并与计算机的命令行界面进行交互。开发者还可以选择性地为模型提供浏览器、图像生成器和其他工具的访问权限来扩展其功能。Cursor使用名为CursorBench的内部基准测试对Composer 2进行了评估。该测试包含的编程挑战基于公司工程团队完成的实际任务。CursorBench的平均挑战包含分布在8个文件中的352行代码。Composer 2获得了超过60%的分数，排名第三，仅次于GPT-5.4的高配置和中配置模式。这些是OpenAI集团旗舰模型使用更多硬件来提高输出质量的模式。据Cursor称，Composer 2的表现超越了GPT 5.4的低配置模式和Claude Opus 4.6。这款新模型在Terminal-Bench 2.0基准测试中也击败了Anthropic公司的模型。该评估测试衡量AI模型在命令行界面中执行任务的能力。Cursor表示，Composer 2比许多竞争对手的前沿模型更具成本效益。该算法的标准版本定价为每百万输入Token 50美分，每百万输出Token 2.50美元。还有第二个更昂贵的版本，提供相同的输出质量但响应开发者提示的速度要快得多。其定价为每百万输入Token 1.50美元，每百万输出Token 7.50美元。据彭博社报道，该模型的成本效益部分源于它完全基于编程数据集进行训练这一事实。前沿模型通常被训练来自动化更广泛的任务范围，这增加了它们的硬件占用。Cursor使用了一种名为自总结的机器学习方法来简化开发过程。AI模型在训练期间接收的编程任务需要处理大量数据。在某些情况下，数据量超过了模型的上下文窗口。自总结技术将信息压缩为不超过上下文窗口限制的形式。Composer 2的发布可能有助于提升投资者对Cursor据报道正在进行的融资轮次的兴趣。预计这项投资将使该公司的估值提升至约500亿美元。Q&AQ1：Composer 2是什么？有什么特别之处？A：Composer 2是Cursor公司推出的AI编程模型，专门针对编程任务进行优化。它支持20万Token的提示输入，能够生成代码、修复软件错误、与命令行交互，性能超越了Claude Opus 4.6等竞争对手。Q2：Composer 2的价格如何？A：标准版定价为每百万输入Token 50美分，输出Token 2.50美元。还有快速版本，价格为每百万输入Token 1.50美元，输出Token 7.50美元，响应速度更快但价格更高。Q3：为什么Composer 2比其他模型更便宜？A：因为它完全基于编程数据集训练，而非像其他前沿模型那样训练处理广泛任务。专门化训练降低了硬件需求，同时使用自总结技术优化数据处理，从而实现更好的成本效益。返回搜狐，查看更多