Step-R1-V-Mini是阶跃星辰推出的全新多模态推理模型，支持图文输入和文字输出，具备良好的指令遵循和通用能力。该模型在多模态协同场景下的推理表现上进行了技术优化，采用了多模态联合强化学习和充分利用多模态合成数据的训练方法，有效提升了模型在图像空间的复杂链路处理能力。Step-R1-V-Mini在多个公开榜单中表现亮眼，特别是在MathVision视觉推理榜单上位列国内第一，展现了其在视觉推理、数学逻辑和代码等方面的优异表现。该模型已正式上线阶跃AI网页端，并在阶跃星辰开放平台提供API接口，供开发者和研究人员体验和使用。
需求人群：
"该产品适用于需要进行多模态推理的开发者、研究人员和企业，如图像识别、地点判断、菜谱生成等领域，能够帮助他们高效地处理复杂的多模态数据，提高工作效率和准确性，推动相关领域的技术创新和发展。"
使用场景示例：
输入网友拍摄的温布利球场图片，Step-R1-V-Mini能够迅速识别图中元素进行地点推理，准确推断出地点为温布利体育场，并给出可能的对战双方。
输入一张美食图，Step-R1-V-Mini能够精准识别菜品和蘸料，并详细列出具体用量，如“鲜虾300g、大葱白2根”等。
输入一张含有不同形状、颜色和位置的物体摆放图，Step-R1-V-Mini能够逐一识别，根据物体的颜色、形状和位置进行推理计算，最终得出剩下的物体数量。
产品特色：
支持图文输入和文字输出，能够高精度感知图像并完成复杂推理任务。
采用多模态联合强化学习，基于PPO强化学习策略，在图像空间引入verifiable reward，有效解决图片空间推理链路复杂、容易产生混淆的相关和因果推理错误的问题。
充分利用多模态合成数据，设计了大量基于环境反馈的多模态数据合成链路，通过基于PPO的强化学习训练同步提升模型文本和视觉的推理能力。
在多个公开榜单中表现亮眼，特别是在MathVision视觉推理榜单上位列国内第一，展现了其在视觉推理、数学逻辑和代码等方面的优异表现。
已正式上线阶跃AI网页端，并在阶跃星辰开放平台提供API接口，方便开发者和研究人员体验和使用。
具备良好的指令遵循和通用能力，能够适应多种多模态推理场景。
通过精准的图像识别和推理，能够为用户提供准确的地点、菜谱、物体数量等信息。
持续探索和优化，为多模态推理领域带来新的希望和可能性。
使用教程：
访问阶跃AI网页端或阶跃星辰开放平台
注册并登录平台，获取API接口权限。
根据需求选择合适的API接口，按照文档说明进行调用。
将需要推理的图文数据作为输入，发送请求至API接口。
接收并处理API返回的推理结果，根据结果进行后续操作。
浏览量：68
最新流量情况
月访问量
24.07k
平均访问时长
00:02:20
每次访问页数
4.97
跳出率
44.66%
流量来源
直接访问
63.40%
自然搜索
20.91%
邮件
0.06%
外链引荐
12.85%
社交媒体
2.33%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
巴西
3.84%
中国
61.56%
印度
3.40%
美国
16.73%
委内瑞拉
3.06%
AI语音听写工具，自然说话即可在任何应用中生成干净可发送文本。
Glaido 是一款面向桌面端的 AI 语音听写客户端，定位为“世界最快听写工具”，宣称可达每分钟 150 词、比打字快约 3.1 倍，帮助用户每月节省 20 小时以上。用户按住快捷键自然说话，Glaido 会自动清理口语填充词、补充标点并格式化文本，然后粘贴到代码编辑器、团队聊天、邮件等任意可输入应用，支持约 100 种语言、自定义词典、提示词和按应用风格规则。隐私方面强调听写历史保存在设备上、AI 处理零数据保留。产品面向开发者、知识工作者、内容创作者和团队；价格采用免费加订阅模式，基础版免费永久但每周限 2,000 词，专业版为每用户每月 17 美元（按年计费），并提供团队席位。
AI自动构建营销策略、撰写文案、生成创意并发布至Meta和Google。
MelonAds 是一款面向 Meta（Facebook、Instagram）和 Google 广告的 AI 广告活动管理平台，定位为“装在口袋里的自动化广告代理”。它通过 Genie AI 营销助手以问卷方式理解业务，自动扫描网站提取 Logo、颜色和品牌语言，再分析目标受众、竞争对手、差异化卖点与最佳营销信息，生成策略报告、行动计划、广告文案和多格式创意，并一键发布到 Meta 与 Google。其自主广告经理还能根据 KPI 和每日表现自动调整预算、暂停高成本广告、添加类似受众并输出线索与报告。主要优点是降低广告投放门槛，让没有专业营销团队的中小企业主、营销经理和代理机构无需学习 Ads Manager 或雇佣传统代理，即可完成从策略、创意到投放和优化的全流程。价格方面，页面提供 50 个免费积分且无需信用卡，可免费开始使用；完整付费方案未在页面中明确列出。
Windows 应用，用于游玩和构建游戏模组、混搭与浏览器游戏。
Patch 是一个面向游戏玩家和创作者的 Windows 桌面应用与浏览器游戏平台，定位为游玩、构建和发布游戏模组、混搭与浏览器游戏的一站式工具。它会自动发现你电脑上已安装的游戏，并在一键按下播放按钮后完成模组环境配置，让不熟悉文件路径、依赖和版本管理的玩家也能快速体验模组。对于创作者，Patch 将游戏开发工具打包为命令行界面和模型上下文协议服务器，可接入你已有的人工智能编码代理，让代理帮助构建、测试并发布新游戏或模组。平台还提供约五万个开源游戏就绪资产，覆盖三维模型、角色、纹理、材质和音效，每个资产附带许可证与署名信息，既可手动搜索，也可让代理按需拉取。其重要性在于把游戏模组安装、资源获取、人工智能辅助开发、测试和发布串成闭环，降低游戏创作门槛并提升原型迭代速度。当前页面强调免费浏览器游戏与免费开源资产，Windows 用户可直接下载，Mac 用户可加入等待列表，浏览器游戏可即点即玩；页面未展示明确付费价格。
面向 Shopify 的 WhatsApp 营销平台，助您挽回购物车、群发活动并提升复购。
Kanal 是面向 Shopify 电商品牌的 WhatsApp 营销平台，定位为通过更私密、打开率更高的 WhatsApp 渠道提升销售与客户终身价值。它将 Shopify 店铺与 WhatsApp 消息自动化连接，支持购物车恢复、定向群发、AI 客服、订单通知和购后追加销售。页面显示其已获 500+ 电商品牌信任，WhatsApp 消息可实现约 90% 打开率，并可按活动与自动化追踪到订单收入。价格方面，付费计划自 89 欧元/月起，适合希望提高转化率、复购率和客服效率的 DTC 与电商团队。
可对话编辑的AI视频编辑器，自动完成剪辑、字幕、特效与多平台适配。
Revline 是一款 AI 原生视频编辑器，核心是用自然语言对话完成真实素材的剪辑。用户上传视频后，可描述想要的成片效果，系统自动完成切点、字幕、特效、音效、画面重构与精修，并输出适合社交媒体、播客、广告、产品演示等场景的成片。它保留可手动调整的真实时间线，所有智能修改均可撤销和继续编辑；同时支持通过 MCP 连接 AI 代理，让外部智能体直接调用视频编辑能力。产品定位为创作者、播客主、营销人员和内容团队的轻量高效剪辑工具，价格为一个套餐每月 39 美元，提供 3 天免费试用，试用结束后付费，可随时取消。
无需编程即可制作Minecraft模组，添加物品、武器、方块、盔甲、生物与群系。
CreativeMode 是一个无需编程即可创建 Minecraft 模组的可视化网站平台，号称世界上最强大的模组制作器。它面向 Minecraft 玩家、内容创作者、服务器管理员和模组新手，提供从物品、武器、方块、盔甲、生物、群系到载具等完整模组内容的创建能力。用户无需学习 Java 或编写代码，就能在几分钟内制作并发布自己的模组。平台已有 750,000+ 玩家使用，提供 Java 与基岩版模组浏览、下载和游玩社区，页面提供获取 3 个免费模组的入口，适合作为低门槛游戏创作与创意验证工具。
发现爆款短视频、分析走红原因并生成原创脚本。
Sandcastles 是面向短视频创作者的智能内容研究与脚本创作平台。它每天分析数百万条视频，帮助用户在所在细分领域发现表现最好的频道和排名前百分之一的异常爆款，并深度拆解其开场钩子、故事结构、内容格式与风格，解释为什么它们能够走红。用户可以把这些规律用于生成病毒式钩子、原创短视频脚本和更长文案，还能下载视频文字转录、建立竞品信息流、按项目组织创意。产品支持照片墙、抖音国际版和油管短视频的一站式跟踪，并提供个人表现分析、频道策略审计、模型上下文协议连接器，以及更高套餐的应用程序接口和访客访问。页面显示其受到十万名用户和品牌信任，提供免费试用；专业版每月四十九美元或年付三十九美元每月，远见版每月九十九美元或年付七十九美元每月，泰坦版每月四百九十九美元或年付三百九十九美元每月。定位是减少无效内容试错，帮助创作者和团队把爆款研究转化为稳定产出。
专为科研打造的 AI 科学研究平台，覆盖文献调研、复杂实验计算与论文沉淀。
元空 AI Science（Evolve for Science）是由北京元空智能科技有限公司开发的 AI 驱动科学研究平台。该平台专为科研人员、高校师生及研发机构打造，旨在将人工智能深度融入科研全流程。元空 AI Science 整合了科学计算、文献分析、数据挖掘及学术写作等多维能力，涵盖材料化学、生物模拟及综合科研论文等多个前沿学科领域。通过自动化处理复杂计算与实验仿真，显著降低了科研门槛与时间成本，提升科学探索与创新效率。
在线人工智能人声去除与音轨分离工具，可提取人声、伴奏及鼓、贝斯、吉他、钢琴等分轨。
UVR Online 是一款基于人工智能模型的在线人声去除与音轨分离服务，可直接在浏览器中将歌曲拆分为人声和伴奏，或进一步拆分为鼓、贝斯、吉他、钢琴等多轨。它提供多种分离模型选择，支持逐轨播放、静音、音量调节、循环试听和下载，适合卡拉OK、无伴奏提取、混音、采样和练习等场景。免费用户每天有一定额度，免费处理包含 MP3 192 kbps 和 16 bit WAV；付费处理可支持 FLAC、M4A、更长文件和更高频使用。该服务无需安装桌面应用，并明确说明其独立于官方 Ultimate Vocal Remover 桌面项目。
浏览器AI侧边栏插件，聚合多款主流大模型，网页内一站式完成各类AI任务
Deepsider API提供了GPT、Claude、Gemini、 DeepSeek等主流模型的APl接入服务。非号池，非逆向，大厂官方渠道。支持按量计费与实时用量监控，方便为你的自动化工作流接入Al。
会先询问再编辑的AI剧本与小说写作软件，支持自动排版、FDX导入、实时协作。
Scenaloom 是一款面向编剧、小说作者和影视制作团队的 AI 写作与前期规划软件。它以同一份草稿为中心，将剧本格式化、大纲/节拍/场景板、角色实体、分镜与制片计划、AI 助手和实时协作连接起来。其核心特点是 AI 不会擅自改动页面：用户可限定行、场景、选区、大纲或全稿范围，先审阅建议再决定是否应用；还提供 AI 关闭开关、版本历史与作者身份记录。支持 Final Draft、Fountain、PDF、Word、EPUB 导入导出，作品归用户所有，不用于训练 AI 模型。可免费开始，付费计划与积分用于生成图片、语音和视频，费用会在执行前显示，失败自动退还，并可设置月度上限。定位为尊重创作者控制权、适合从构思到制作的一体化剧本/小说写作平台。
上传图片或截图，在线替换图中文字并保持原字体、颜色与样式。
Retypit 是一款基于人工智能的在线图片文字编辑工具，用户上传照片或截图后，可直接替换图片中已有文字，并自动匹配原文字的字体、颜色、阴影、纹理和样式。它解决传统修图必须使用专业软件、需要图层源文件、手动寻找字体和修补背景的问题，也避免整图重新生成导致人物、背景和边缘被改变。产品适合活动海报、截图、菜单、产品标签、电商图和梗图等场景，定位为浏览器内快速改字工具，页面提供免费注册与免费试用入口，适合非设计师和需要快速更新成品图的内容运营人员。
Happy Wan 把一句话或照片变成带同步声音的 15 秒 1080P 短视频。
Happy Wan 是一款浏览器端 AI 短视频生成工具，基于 Wan 3.0 视频模型，可将文字提示或照片快速生成 4 至 15 秒、480P/720P/1080P 的短视频，并原生附带同步音频。它无需本地 GPU 或云控制台，用户可在网页中完成生成、预览和 MP4 下载，适合社交媒体短视频、产品展示和营销内容制作。价格按积分计费：视频 5 积分/秒，且不区分分辨率，5 秒视频为 25 积分；新账户赠送 50 积分，生成失败会自动返还积分，定价页提供计划和积分包。
AcaDraw 是一款用人工智能快速生成科研插图、示意图和自然绘图的工具。
AcaDraw 是面向科研人员、学生与教育工作者的人工智能科学绘图平台，可将自然语言提示快速转化为准确、可编辑的科学插图、示意图、研究图表和自然艺术图。它把文字创意直接变成论文、演示和教学可用的视觉内容，支持标注修改、人工智能润色、矢量图转换、实时预览与导出分享，从而显著降低科研绘图门槛和时间成本。产品定位为在线网页工具，提供每月免费人工智能积分，并有付费升级方案，适合从快速原型到出版级图表的多种学术场景。
AI生成并可编辑我的世界皮肤，支持3D预览与64×64 PNG导出。
PixelSkin 是一款面向我的世界玩家的 AI 皮肤生成与编辑工具，核心能力是把文字描述或参考图片转化为可直接穿戴的皮肤，并在三维玩家模型上完成绘制、预览与精修。它不同于只在平面贴图上作画的传统流程，会从正面、背面和两侧检查角色，自动修正常见错误，再导出经典 64×64 PNG，用于 Java 版以及支持自定义 PNG 导入的基岩版设备，基岩版主机不支持该导入方式。产品优势是无需像素艺术技能，用户可用自然语言反复修改，也可免费手动编辑细节；项目保存在浏览器中。价格方面，手动编辑和 PNG 导出免费，AI 生成或编辑需消耗积分，提供 Starter 4.9 美元 150 积分、Creator 8.9 美元 450 积分、Studio 19.9 美元 1050 积分等一次性付费套餐，积分永不过期，每次生成约消耗 5–15 积分。整体定位为轻量、浏览器即可使用、适合玩家和创作者的我的世界皮肤生产工具。
AIAI提供AI视频生成与热门特效，可将想法和图片快速转为视频。
AIAI 是一个一体化 AI 生成平台，其视频生成器页面汇集文本转视频、图片转视频、参考转视频以及大量热门视频特效模板。用户可以浏览示例、选择风格，并把创意、照片或参考素材快速转化为短视频。该产品定位为面向创作者、营销人员和普通用户的低门槛 AI 生成内容工具，覆盖图像、视频、音频、文本、智能体和音乐等能力。页面提供免费开始入口与定价页面，通常采用免费试用后付费升级的模式，适合制作社交媒体趋势视频、广告素材、数字人口播和创意短片。
Bezio 是可用类贝塞尔控件精确调整图像与视频生成的人工智能创意套件。
Bezio 是一款将人工智能图像生成、人工智能视频生成与人工智能视频代理整合在同一工作台的人工智能创意套件。它的核心创新是把类似贝塞尔曲线的“手柄”引入生成过程，让用户通过精确、可触控的控制来调整构图、灯光、取景、运动与迭代方向，从而像导演一样逐步收敛结果，而不是反复重掷提示词。产品强调控制而非碰运气、单工作台完成创作、多模型自由切换，以及通过 Bezio 实验室中的三维场景对话、三维人体模型等实验功能提前锁定空间与构图。它面向创作者、营销团队、电商团队、代理机构和工作室，定位为从想法到生产级图像与视频的创意引擎。页面提供免费开始与定价入口，但未披露具体价格金额，推测采用免费试用加付费订阅模式。
免费在线用户名与社交媒体档案查找工具，覆盖2200多个公开站点。
Discover Profile 是一款免费的在线社交媒体档案与用户名查找工具，定位为公开来源研究和开源情报辅助平台。用户提交一个用户名或邮箱线索后，系统会在约 2,455 个公开站点、17 个来源类别中进行检查，涵盖社交网络、创作者平台、开发者社区、论坛、游戏、娱乐、音乐、学习、购物、捐赠、金融、邮箱、约会、政治、成人等类别。它不是身份确认工具，而是把候选账号、可能姓名、用户名、邮箱线索、来源详情、原始链接以及无结果、未知和错误等状态集中到证据工作区，帮助研究人员区分线索、缺口和失败状态。产品强调合法授权研究、隐私模式和回源验证，适合开源情报、记者核实、品牌保护、安全调查和个人数字足迹检查等场景。当前页面显示为免费在线工具，并列有谷歌浏览器应用商店等收录信息。
上传图片后用提示词和多种AI模型进行图像编辑与生成的在线工具。
EZ Image to Image 是一个面向创作者、设计师和普通用户的在线 AI 图生图生成与编辑平台。用户上传参考图片并输入提示词后，可选择 GPT Image 2.6 Sunburst、Nano Banana 2、FLUX 2 Pro、Seedream 5.0 Pro 等模型，完成背景替换、风格迁移、图像扩展、照片修复、物品增删、换装、换发型、产品图制作等任务。页面强调免费图片生成入口和简单五步流程，定位为全球化的 AI 图像再创作工具，适合快速探索视觉方案、制作社交媒体素材和商业创意草图。
页面不存在，可能已被移动、删除或从未存在。
这是一个 404 错误页面，用于告知用户所访问的网址没有对应内容。页面表明该内容可能已移动、删除或从未存在，并提供返回、查看文档和复制调试提示等操作。它本身不是产品，而是网站处理无效路径的提示页面，重要性在于减少用户困惑、引导用户返回有效页面并帮助开发者排查链接或路由问题。未提及价格、产品定位和商业模式。
聚合常用网站与 AI 服务状态、响应时间和故障历史的监测平台。
getstatus.ai 是一个面向普通用户与团队的网站状态监测与故障查询平台，页面聚合了 ChatGPT、Google Gemini、Claude、Adobe、DeepSeek、OpenAI 等 530 个常用服务和 AI 工具的状态信息。它通过 HTTP/TLS 探测、24 小时响应时间图表、正常运行时间（uptime）和事件历史，帮助用户快速判断“是网站宕机还是自己的网络问题”。主要优点是把分散在各服务状态页的信息集中展示，减少反复刷新与跨站查询，提高排障效率。产品定位为轻量、公开可访问的状态查询入口，当前页面未展示付费套餐，可视为免费使用；适合日常依赖在线工具的人快速了解服务可用性，但状态标签和用户报告不替代官方的事故确认。
免费在线4K AI图像生成器，支持文本生图与最多16张参考图融合。
MiniMax H3 Image 是一款面向创作者、设计师和营销人员的在线 AI 图像生成工具，核心能力是文本生成 4K 图像，以及将最多 16 张参考图融合为一个完整场景。它能较准确地遵循提示词中的位置、服装、灯光等描述，并保持参考人物、物体和地点的可识别性；输出分辨率覆盖 1K、2K、4K，适合从快速草稿到社交媒体、网页及印刷级成图的不同需求。该产品在写实肖像、游戏资产与 3D 场景、产品爆炸图、油画和东方艺术风格上表现突出，早期创作者测试中还展示了生成近 5000 字符文本图像、复杂排版与微缩印刷细节的能力。价格上，页面标题和说明强调可免费在线使用，同时提供年度计划促销，定位为高参考图数量、高分辨率与多风格覆盖的 AI 生图与图像编辑工具。
面向品牌与电商商家的一站式电商AI经营智能体工作台
蝉妈妈Work是蝉妈妈推出的电商经营AI智能体工作台，仅支持Apple芯片设备，依托Codex Agent智能内核、TokenHub多模型底座以及万亿级电商数据沉淀，将AI深度嵌入电商真实业务流程。产品定位品牌方、电商企业团队级经营工具，不局限简单问答，实现数据统一、经验沉淀、业务结果持续交付。具备私有化定制、内部数据打通、岗位工作流设计企业落地服务。产品为付费企业级工具，面向商业客户售卖，无公开个人版定价，可提供企业定制服务，优势是打通多源电商数据，封装成熟电商垂直业务经验，Agent智能体可自动执行周期性业务任务，完成从数据分析到可落地业务资产输出的闭环，解决电商团队跨平台找数、导数、业务复盘繁琐、内容产出效率低下的痛点。
专为电商打造的AI营销平台，一站式生成并优化商品图与视频素材。
WearAI 是一个专注于电商与营销素材生成的 AI 平台，涵盖了从基础图像处理到高级 AI 建模生成的全流程服务。该平台不仅解决了传统商品图片处理繁琐、耗时的痛点，还通过 AI 模特换装、场景搭建和短视频生成功能，显著降低了品牌与卖家的拍摄和营销成本。WearAI 提供免费基础处理工具与高级付费 AI 生成服务，定位为高性价比、易用且专为电商卖家、跨境电商及内容创作者打造的综合视觉营销工具。
上传一张照片，人工智能自动写词、做节拍并让照片说唱成短视频。
AI2RapVideo 是一款基于生成式人工智能的在线说唱视频生成工具。用户只需选择场景并上传一张清晰正面照片，系统便会自动创作歌词、生成节拍与人声，并让照片中的人物或宠物完成约 10 秒的说唱表演。它把歌词创作、音乐制作、演唱合成和视频动画压缩为一个自动化流程，显著降低短视频创作门槛，适合社交娱乐、生日祝福、朋友互怼、宠物拟人等内容。产品无需用户写词，支持输入主题、自写四行歌词、双人/多人场景和高清唇形同步；普通生成约 2 到 3 分钟，高清唇形同步约 6 分钟。价格采用免费账户加站点积分模式，首次单人视频免费，失败视频自动退款，定位为轻量、趣味、低门槛的人工智能短视频制作工具。
将任意歌曲变成AI音乐视频，自动规划分镜、渲染并合成。
Dimly AI 是一款面向音乐人和内容创作者的 AI 音乐视频生成代理。用户可上传原创歌曲或粘贴 Suno 链接，系统会先分析歌曲的节拍、段落与歌词时间轴，再通过问答式 AI 导演完成主题、选角、故事板和镜头规划。它支持将用户照片作为演员，并调用 MiniMax H3、Seedance 2.5、Kling 4.0、Gemini Omni 1.1 Flash 等视频模型渲染片段，最后自动合成完整音乐视频。核心优势是规划免费、渲染前给出准确报价、失败渲染退款，并支持多语言创作，降低了音乐视频制作的技术、时间和成本门槛。定价包括 Starter 26.99 美元/月、Pro 39.99 美元/月、Creator 199 美元/月，年付约省 20%；也提供 42.99 美元一次性歌曲包、9.99 美元单包装和 84.99 美元工作室包。定位为从歌曲到成片的低门槛 AI 视频生产力工具。
© 2026 AIbase 备案号：闽ICP备08105208号-14