微信支付 AI 專屬卡支持接入 DeepSeek Harness 和 OpenClaw
作者：沁滄（實習） 責編：沁滄 評論： 8 月 31 日消息，微信支付官方今日宣佈，微信支付 AI 專屬卡上新，繼 WorkBuddy、QClaw 之後，支持接入 DeepSeek Harness 和 OpenClaw。授權後，用戶只需在對話中提出需求，就能體驗從智能對話推薦到下單支付的全新消費流程。目前，AI 專屬卡已支持在 DeepSeek Harness 和 OpenClaw，付費調用 Skillhub 上的 700 餘個 Pay Skill，未來將覆蓋更多場景。附開通步驟：步驟一：把下面這句話複製給 DeepSeek Harness 或 OpenClaw，一鍵完成下載、安裝和配置。
請通過 npx -y @tenpay/weixinpay-ai-installer 來安裝 weixinpay 插件步驟二：通過 skillhub 使用付費技能，首次支付時 Agent 會生成綁定鏈接。也可以直接告訴它“幫我綁定一張微信支付 AI 專屬卡”，點擊「輕觸前往綁定」。步驟三：Agent 找好 Pay Skill，會發起訂單彈出支付授權，在手機端二次確認後，從 AI 專屬卡扣款後，Agent 就能調用 Pay Skill 把活幹完。據此前報道，6 月 17 日，微信支付正式發佈 AI 專屬卡。騰訊公司公關總監張軍總結了這張卡的功能：大家關注的 AI 專屬卡來了。
它的額度由用戶指定管理，在強授權模式上運行。通俗點講，就是託人辦事，往往需要給人家辦事買東西的費用。託智能體辦，也是一樣。有網友做了個更加形象的類比：就像小時候大人給我錢讓我去給他買包煙。針對安全問題，微信官方重申微信支付 AI 專屬卡不是通過獲取用戶的賬戶密碼等重要信息直接提款，而是在用戶設定好的範圍內，允許的情況下，幫用戶購買、消費：主賬隔離，絕不越界：AI 專屬卡和微信支付主賬戶完全隔離，Agent 裡所有消費僅能使用專屬卡餘額。放多少你說了算：卡內放多少錢、怎麼用，用戶自己決定。還能通過“轉入 / 轉出”隨時調整回收卡內額度。
每筆確認，必須確認：每一筆訂單，沒有用戶本人的最終授權確認，AI 一分錢都花不出去。投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：微信支付，DeepSeek，OpenClaw消息稱微信正測試 AI 支付功能，“AI 專屬卡”最快本週內上線今天起，DeepSeek V4 成 OpenClaw 默認模型微信支付已支持 AI 原生接入，推出打包 Skill“微信支付有優惠”小程序將於 12 月 31 日結束運營，功能整合至“微信支付提現筆筆省”微信支付客服回應“支付業務暫停”：實為限時暫停個稅 App 稅費繳納微信支付“外包內用”服務進一步開放，20 家境外錢包可直接掃收款碼付款
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.