光谱汇深博客
来自光谱汇深团队的技术洞察、教程与更新，帮助你优化 AI 成本、打造更好的应用。
模型解读 分类文章
Doubao Seedance 2.5 AI 视频模型详解
深入了解字节跳动的 Doubao Seedance 2.5 AI 视频模型，包括文本、图像与参考素材输入、更长视频片段、局部编辑能力及面向生产环境的控制功能。
UniNote：统一多模态嵌入
探索小红书的 UniNote 如何将文本、图像、音频和视频映射到同一个共享嵌入空间，以实现统一检索、排序和搜索。
深入 dots-note-3.0：AI 数学推理新突破
探索 dots-note-3.0 如何通过自然语言证明、Python 检查和迭代式自我审查工作流，据称在 IMO 中取得 42/42 的满分成绩。
dots-note-3.0 获得 IMO 满分
据称，小红书的 dots-note-3.0 在 2026 年 IMO 中取得了 42/42。了解其证明写作工作流如何运用自检和 Python 验证。
Qwen-Audio-3.0-TTS：Flash 与 Plus 详解
从延迟、音频质量和定价对比 Qwen-Audio-3.0-TTS 的 Flash 与 Plus 层级。Flash 适合实时语音，Plus 适合旁白。附上 API 配置技巧。
Qwen-Image-3.0：功能特性、基准表现与 API 接入
Qwen-Image-3.0 带来清晰可读的文字渲染、精准的版面控制与原生 2K 输出。了解其基准表现、API 工作流，以及如何通过光谱汇深接入使用。
DeepSeek V4 Pro Max：基准测试与 API 指南
DeepSeek V4 Pro Max 专注于深度推理、编程与 100 万 token 上下文。查看基准测试、按 token 计费的价格，以及光谱汇深上兼容 OpenAI 的 API 配置方法。
GLM 5.3 已发布：API 价格与 GLM 5.5 最新进展
智谱 GLM 5.3 已于 2026 年 8 月 14 日发布，主打编程能力。一文看懂 GLM 5.3 API 价格、与 GLM 5.2 的区别、GLM 5.3 Flash 怎么选，以及 GLM 5.5 的最新进展。
Qwen 3.8 Preview：新功能与 API 接入
Qwen 3.8 Preview 将文本、图像和视频统一起来，上下文最高可达 100 万 tokens。在光谱汇深上了解其新功能、输出限制以及 OpenAI 兼容的 API 接入方式。
Qwen-Audio-3.0-TTS 登顶 AI 语音榜单
阿里巴巴 Qwen-Audio-3.0-TTS 以低 WER、亚 100ms 延迟、情感控制和 10 语种支持登顶 TTS 榜单，Flash 主打速度，Plus 主打保真度。
Kling V2.6 对比 Wan 2.6：中国 AI 视频模型全面评测
深入对比 Kling V2.6 与 Wan 2.6 两大中国 AI 视频模型：电影级运动与原生音频对阵多镜头叙事与声音克隆，附详细价格与适用场景分析，助创作者选出最合适的视频生成模型。
AI API 安全的最佳加密方法
从安全范围、性能和密钥管理角度，对比七种 AI API 加密方法——TLS、mTLS、对称、混合、字段级和信封加密。
AI 灯光在虚拟制作中的未来
AI 通过 LED 环幕同步、AI DMX 控制和高斯泼溅加速虚拟制作灯光，但最终的创意呈现仍需人类艺术家把关。
文本转视频质量评估的指标
没有单一指标能刻画文本转视频质量，因此需将分布分数、CLIP 对齐和时序一致性指标与人工审核结合使用。
基于 Token 的 AI 定价模型终极指南
读懂基于 Token 的 AI 定价——输入与输出 Token 成本、缓存折扣、模型选择，以及估算和控制 API 支出的简单步骤。
AI 视频 API 对比桌面剪辑软件
从速度、规模、成本、工作流和掌控度对比 AI 视频 API 与桌面剪辑软件，API 胜在量，剪辑软件胜在精，混合方案两者兼得。
基于物理的 AI 视频生成的未来
AI 视频正从帧预测转向具备物理感知的模型。从保真度、成本和近期机器人应用维度对比世界模型与仿真在环。
课堂里的多模态 AI：5 个应用场景
多模态 AI 在课堂上的五个应用场景：辅导、课件配图、学生媒体作品、实时反馈和无障碍支持，而教师始终掌控主动权。