Adobe正深入布局智能体AI领域,近日宣布与AI开发商Anthropic达成新合作协议,进一步扩展其合作伙伴版图。Adobe于本周三发布了最新的对话式创意AI智能体,这也是其与Anthropic合作的技术核心所在。
Firefly是Adobe旗下AI功能的核心平台,已与Photoshop、Acrobat、Premiere Pro等多款主流Creative Cloud应用深度整合。全新的Firefly AI助手具备智能体能力,能够在极少人工干预的情况下自主完成任务。用户可以批量上传照片,让AI自动完成编辑工作,例如自动调整光线和裁剪构图。可以将其理解为一款新一代AI工具,用于执行传统的、非生成式的图像编辑操作。
Adobe早已着手将AI助手融入其创意软件体系。去年10月,Adobe Express和Photoshop便相继推出了AI助手功能。像Adobe正在构建的此类AI智能体工具,正在整个AI行业迅速普及,Claude Code等工具也在持续冲击传统科技企业的既有格局。
此次合作将Adobe的创意智能体引入Claude平台。这是Claude迎来的首款重量级创意AI工具,将进一步拓展这款热门应用的能力边界,使其不再局限于编程和企业级应用场景。
Adobe在官方博客中表示,通过将旗下工具接入Claude等第三方模型,旨在"让创作者能够在日常工作的各个界面中直接调用Adobe的优质资源"。Anthropic方面暂未回应置评请求。
Adobe与Claude的连接器接口的更多细节将于未来数周内陆续公布,包括正式上线的具体日期。Firefly助手计划于本月晚些时候以公开测试版形式发布。
目前,Firefly还有若干更新已正式上线。Firefly视频编辑器在音频质量、高级调色选项以及Adobe Stock集成方面均有所提升;Firefly图像编辑套件也完成了多项功能升级。此外,全新的Kling 3.0和Kling 3.0 Omni模型也将加入Firefly平台,届时创作者可调用的外部AI模型总数将超过30款。
Q&A
Q1:Adobe Firefly AI智能体具体能做哪些创意编辑任务?
A:Adobe Firefly AI智能体具备自主完成任务的能力,用户无需大量人工干预。例如,可以批量上传照片,由AI自动完成光线调整和构图裁剪等编辑工作。它不仅支持生成式AI功能,还能执行传统的非生成式图像编辑操作,并已整合至Photoshop、Acrobat、Premiere Pro等多款Creative Cloud应用中。
Q2:Adobe和Anthropic的合作对Claude用户有什么影响?
A:此次合作将Adobe的创意AI智能体引入Claude平台,是Claude迎来的首款重量级创意AI工具。这意味着Claude用户今后不仅能使用其擅长的编程和企业级功能,还能直接在Claude界面中调用Adobe的创意编辑能力。具体的连接器细节和上线日期将在未来数周内公布。
Q3:Firefly平台目前新增了哪些外部AI模型?
A:Firefly平台新增了Kling 3.0和Kling 3.0 Omni两款模型,加入后创作者可通过Firefly调用的外部AI模型总数将超过30款。与此同时,Firefly视频编辑器也在音频质量、高级调色选项及Adobe Stock集成方面进行了升级,图像编辑套件同样完成了多项功能优化。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。