超越 GPT-5.5、Gemini 3.5 Flash、DeepSeek V4 Pro，阿里的最新旗舰模型 Qwen3.7 Max 在编程竞技榜拿下第二名，仅次于 Claude Opus 4.7。

除了真实场景的用户选择，在传统的大模型固定评测榜单上，像是终端能力 Terminal Bench、编程能力 SWE Bench 等，Qwen3.7 Max 的表现也是拿下了国产模型的冠军。

虽然现在大模型四年，我们已经对这些排行榜的刷新屡见不鲜，但还是忍不住想要体验一下，能够超越 GPT 5.5 的 Qwen 模型，实际能力到底如何。

要知道，现在最火的 Coding Agent 组合，大概就是搭配了 GPT 5.5 的 Codex。

如果我们把 Codex 里面的默认模型修改成 Qwen3.7 Max，再用 Codex 来完成一些日常的任务，会不会比 GPT 5.5 还好用呢。

获取 Qwen3.7 Max

趁着现在各家都在推出一些 Token 优惠活动，阿里云也提供了 100 万 Token 的免费使用，可在阿里云百炼平台使用。

Qwen3.7 Max 的定价，在阿里云官网，目前是限时五折，输入 6 元/每百万 tokens，输出 18 元/每百万 tokens。新用户还可以 5 折充值节省计划，以 10 元每月的价格获得 20 元的 Token 额度，而 Token Plan 标准档目前是 198 元/月。

总体来说，根据大模型聚合平台 OpenRouter 显示的数据，Qwen3.7 Max 的价格属于中规中矩的一档，对比 DeepSeek 的骨折价肯定比不上，但和 Opus 4.7、GPT 5.5 相比还是优惠不少。

我们直接充值了「入门首选」这档全模型通用抵扣 20 元。但这里需要注意的是，五折优惠仅支持一个套餐，即购买了 10 元的，就不能再购买 50、250 的半价优惠计划了。

DeepSeek、Claude、GPT、Gemini、Qwen 一起来测试

拿到了 API Key 和百万免费使用 Token，我们先是在阿里云百炼平台、以及千问官网，使用 Qwen3.7 Max 做了一些常见的前端网页设计来测试它的开发能力。

像是比较能直观的看到差别的物理模拟测试，我们就用一段简单的提示词「用 HTML+CSS+JS 做一个模拟液体在容器里晃动的动画，拖动容器可以改变倾斜角度。」

Qwen3.7 Max 的表现可以说是顺利完成了这个模拟挑战，同时还增加了颜色的自定义、摇晃、液体量调节等功能。

DeepSeek 就比较简单，但是也没出错。

GPT-5.5 生成的液体有点奇怪，虽然做到了会随着角度的切换，流向对应的方向，但是整个波浪很出戏。

Gemini 3.5 Flash 生成网页似乎是有点 Bug，那个瓶子一直会被隐藏到控制面板背后，必须得自己拖出来。但是同样一句提示词，它给的自定义东西是真的多，不仅提供了瓶子的类型，还有液体的颜色，各种设置都能自定义。

Claude Opus 4.7 这个瓶子过于简陋了，而且模拟的液体晃动效果在剧烈状态下，很像是音波的跳动。

接着我们尝试让它生成一个小游戏试试，虽然游戏的测试已经是去年 Vibe Coding 的常见测试项目了。但这次我们要 AI 做一个六宫格的 2048 游戏，输入提示词「做一个可以玩的 2048，但格子是六边形的。」

Qwen3.7 Max 生成的页面还是很好看的，能看到它的参考来源 10 条信息里面，大部分都是来自 CSDN 的 2048 游戏生成教程。

最终的游戏也能玩，但还是偶尔有不按常理出牌的时刻，例如同一方向上，相同数字叠加，没有叠加在该有的位置。

DeepSeek V4 的表现和上一轮差不多，但是明明是六边形，给出的键盘控制却只有 WASD 来滑动。

这一轮表现最好的大概就是 Claude 的 Opus 4.7，它真的理解了这个游戏应该怎么设置，格子的移动是符合这个蜂巢的规则，不会让人感觉找不着北。

GPT 5.5 依托 Codex 的能力，在生成了游戏之后还能自己打开浏览器预览是否有问题，抓取控制台的信息来修复项目代码。最后生成的网页也很优秀，不过对于监控鼠标在屏幕上的移动方向，还是没有 Opus 4.7 的表现出色。

Gemini 3.5 Flash 则是一如既往地给我加了很多东西。游戏的主题风格它就写了赛博、暗金和马卡三种背景，甚至还加上了「内置高品质合音器」。

游玩过程配有原生 Web Audio 生成的复古 8-bit 太空音效（合并、滑动、过关、死亡），体验感瞬间拉满。

再回到一些普通网页的设计上，我们要求它做一个地铁博物馆的网站，输入的提示词也只有一句话「设计一个名为地铁博物馆的主题网站，要求沉浸感强。」

本意上我们希望这些大模型可以尽可能多地罗列不同城市的地铁信息，世界地铁的 Logo，以及整个网站的风格应该是艺术性的，有专门的风格和充分的特效来呈现。

先看Qwen3.7 Max，说实话有点难评，把文字竖排放着是很像地铁列车，但是整个网站给人的感觉是很乱。

而 Gemini 继续做了很多，声效再次用上，比较有意思的是，它还做了一个地铁文创，定制纪念票根生成器。我们可以输入名字、选择车站，实时生成一张高颜值、复古风的地铁纪念乘车票。

DeepSeek 选择的项目和 Gemini 类似，一样有票务纪念和驾驶体验，但是它在最后交付的成果中，似乎并没有呈现这些功能。

GPT 5.5 现在生成的网页风格很不错，虽然也有明显的套用模板，但是整体的设计是在线的，遗憾就是信息量太少了。它似乎没有理解地铁博物馆应该是一个介绍地铁信息的网站。

继续用之前的提示词像是让它做一个 macOS/Windows 的操作系统，这次我们输入「用 HTML 构建一个完整的浏览器操作系统。」

DeepSeek V4 的表现很简单，同样简单的是 Qwen3.7 Max，不过这次 Qwen3.7 Max 额外给了一张不错的桌面风景图片。

但在这个测试中真正让我觉得表现不错的，还是 Gemini 3.5 Flash 和 GPT 5.5。

和 Gemini 3.5 Flash 一样，GPT 5.5 也对整个 OS 进行了详细的设计，有专门的风格。

在 Codex 里使用 Qwen3.7 Max

一轮测试下来，好像 Qwen3.7 Max 在通过对话生成小网页项目的测试表现上，很难说每一次都超越 Gemini、GPT 5.5，但对比前代，我相信是已经有了很大的提升。

我们在千问官网看到有一些给出的代码案例，像是 3D 地球，食物链排序，可视化，个人博客等内容，但是这些网页项目的提示词都比较长，而不是像我们所测试的简单一句话。

我们把 3D 地球这个项目的提示词也扔给了 DeepSeek V4、Gemini 3.5 Flash，得到的效果几乎和 Qwen3.7 Max 是一样的。

这意味着提示词在当前阶段，对能否发挥 Qwen3.7 Max 的能力，还是起着相当重要的作用。

而减少用户优化提示词压力的方式，大概就是接入 Agent 产品，利用他们的 Skills 以及 Agents 协作等能力，来发挥模型的真正实力。

按照阿里云官方的教程，我们把 Qwen3.7 Max 成功接入到了 Codex 终端助手里。

不过这里容易出现 BUG，即 Codex 会不断提醒你「CODEX Missing environment variable」。

按照官方的教程，我们修改完 ~/.codex/config.toml 配置文件之后，还需要修改电脑的环境变量。

即模型的 API KEY 信息是保存在电脑的环境变量（需要查看自己电脑的 Shell 类型，修改对应的环境变量文件，如 .bash_profile 或 .zshrc）中，而不是在 Codex 的 config.toml 配置文件里。

修改完成之后，在终端输入 Codex，我们就能看到 Qwen3.7 Max，重新打开 Codex App，主界面的模型也会从之前的 GPT-5.5 切换为自定义的 Custom。

用同样的方法，我们可以把 DeepSeek、MiniMax、Kimi、智谱等模型，都接入到 Codex 中。

前段时间在 GitHub 上有一个前端的 Skill 收获了两万多个 Star，它主打让 AI 生成的前端界面更好看，这和 Qwen3.7 Max 拿下第二名的榜单任务类似。

我们先安装这个 Skill 到 Codex 中，然后尝试结合 Skill 看看是否能有更好的效果。

输入同样的提示词，Codex 会自动调用前端设计、头脑风暴等 Skill 来完成设计的定位和构思，并且严格按照 Codex 的流程控制来监控项目生成。

最后，同样一个模型，在 Codex 里面的表现要比直接在千问官网好上不少。

但是这里还是会容易遇到一个问题「stream disconnected before completion: <400> InternalError.Algo.InvalidParameter: The “function.arguments” parameter of the code model must be in JSON format.」

当模型需要调用专门的工具时，就无法再和模型取得连接。我们在互联网上找到了相关的问题案例，原因可归结为「模型部署厂商针对流式输出格式有问题，不是标准 OpenAI 协议，所以不支持 API 调用，出现 400 报错。」

要求 Codex 解释这个问题时，Codex 也是说模型的问题。

不是你配置错了，而是 Qwen3.7 Max / 百炼 Responses API 对 Codex agent 工具调用还不够稳。能对话不代表能稳定跑 Codex，长任务、改代码、频繁读文件时，切回 OpenAI 官方模型会稳定很多。

所以如果你也遇到了这个问题，大概只有等 Qwen 团队自己去修复，或者重新开一个会话试试。

去年我们还在说模型即产品，一个足够好的模型就是一个好产品，现在看来，单靠模型是远远不够的。

记忆、Harness、Agents 编排、验证、推理的可持续性等等，随着模型能力的增加，这套架构也在持续扩充，但只有都做好了，我们或许才愿意说「这是一个好模型」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

昨天，Codex 再一次重置了额度，我们的账号从剩余 10% 又回到了剩余 87%。

Codex 负责人 Tibo 在 X 发文，

有些用户注意到 Codex 中的缓存限制消耗得更快，我们发现根本原因是之前的一个优化措施，该措施在长时间运行的会话中进行压缩时会影响缓存命中率，我们已将其回滚。

 

 

我们已修复此问题，并已重置所有账户的使用限制。祝您周末愉快。

于是又想着还可以用 Codex 来做点什么，刚好就在 X 上刷到了「我用 Codex 提升了我的电脑网速，从 400Mbps 到 900Mbps。」

内容真的很有噱头，用 Codex 竟然能优化本地的网络？网速不应该是受限于路由器，或者网络服务提供商 ISP 这些上层设备吗？

这则推文的评论区也有不少网友提出了质疑，「所以 Codex 最终改变了电脑上的什么配置？」、「鉴于如今 AI 的强大技术，我真的无法判断这是否是诱饵。」

博主做出解释，Codex 帮助他把电脑上的 auto tuning level 从关闭调回了 normal 正常。auto tuning level 是说系统会根据网络延迟、带宽和拥塞情况，动态决定一次能接收多少数据，从而提高网络的速度。

他还给出了自己用的提示词。

嘿，我朋友说他的网速提高了，情况是这样的。你能帮我看看我们家的网络有什么可以改进的地方吗？我的网络供应商说他们提供的带宽是 1.2k Gbps，而我实际的网速是硬件问题。我现在只有 55Mbps，请帮我解决这个问题，别出错了。

 

我的目标很简单，就是让我的互联网速度更快。
问题已诊断：首先运行了 speedtest-cli。
检查了 DNS 解析时间，
检查了 MTU、丢包率、Wi-Fi 信号/干扰情况。
发现 3 个问题。
已删除过时的网络位置/配置文件。
终止或限制占用大量带宽的后台进程。
优化 mDNS。
进行了测试前后的速度测试和延迟检查。

这套提示词来自另一个 X 博主@cjzafir，他分享了自己使用 Codex + GPT 5.5 的实际案例，里面提到了 Codex 5.5 让他的网速变快了，本地运行的 6B 小语言模型速度更快了，以及 Macbook Pro 运行速度也像新的一样快等等。

我们也拿着这套提示词发给 Codex，在要求 Codex 处理网速问题前，先用中国科学技术大学测速网站 https://test.ustc.edu.cn/ 看了一下大概的速度，基本上下载速度在 100Mbps 左右，上传是在 200 Mbps 左右。

Codex 确实按照这些诊断，从 DNS 解析时间，数据包、网络配置等方面，检测并修复了对应的问题，累计处理时间超过五分钟。

最后 Codex 得出的结论是「我检查并做了能安全完成的修复。」它找到了 3 个存在的问题，分别是 DNS/缓存异常、负载延迟很高，以及有线千兆网卡没有在用，Wi-Fi 不能作为 1Gbps 的验收依据。

再次测试，发现似乎并没有很明显的网速提升。

有人问那位博主，是不是使用的 Mac 电脑，他回复说是 Windows，底下还有网友科普，Mac 的网络配置都是固定了，Codex 一般是无能为力。

所以这次轮到 Windows 用户来享受 Codex 网速提升服务了？还有 Linux。

有评论说，「以为是用 Codex 入侵了网络服务提供商，然后提高了流量限制」，结果只是 Codex 帮忙清理了一下 DNS 缓存。

但也有网友分享照着这个方法，成功复现了，Codex 确实让它的网速变快。

大家要是感兴趣也可以试试，不过 Codex 修改这些网络配置还是有一定的风险，评论区还有人提到 Codex 把他原有电脑的网络配置都删掉了，然后 Codex 跟他说，删掉它们是为了让网速更快。

这些涉及到 Computer Use 的使用案例，大概都会有类似的问题，除了每一次更细心的看懂允许 Codex 执行的是什么命令，还可以在提出任务时，就要求它解释清楚它要做的每一步。

如果不做修改，只是让 Codex 去诊断一些可能存在的网络配置问题，我想也比那个一直停留在进度条的自带 Windows 诊断要强。

开始了，Codexmaxxing

当大家都在讨论 Codex 是否能真的提升网速时，也有网友提到这种用法其实是一种启发。

他说这种做法的核心价值在于靠案例驱动，让 AI 直接参考成功的经验，再针对自己的具体情况进行精准诊断和优化，而类似的提示词技巧在 Agent 产品上将非常有效。

这很像 Codex 里面的 /goal 命令，给他一个目标，这个目标可以是我们自己设置的，也可以是其他用户已经有的成功案例，Codex 照着这个目标，自己去摸索可以实现的路径。

在社交媒体上，也有很多人开始分享这些写目标的模板，以及 OpenAI 的工程师也专门写了一篇文章来讲清楚什么是目标，如何用好目标来发挥 Codex 的最大价值。

/goal <期望的最终状态>，通过 <具体证据> 验证，同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间，如果受阻或没有剩余有效路径。

也有人认为这只是 Codex 的早期阶段，所以我们才需要学习这么多的提示词技巧，无论是使用案例驱动还是使用 /goal 命令，本质上都是为了让 AI 能更好的理解人类的需求。

就像 Midjourney 、Nano Banana 刚推出时，我们都热衷于找各种公开的提示词；而现在使用 GPT Image 2 在大多数的生图场景下，基本上都不需要专门的提示词格式，就能得到不错的效果。

等到 Codex 越来越好用，我们或许也不再需要这些官方使用模板。但从另一个角度来看，或许就是在这种模仿使用的过程中，我们才会更知道 AI 是如何提升我们的生活和工作效率。

因此，除了提升网速，我们还看到了一些 Codex 的其他玩法。像是使用 Codex 的定时任务，让它每天早上自动产出一份对应行业的日报；还有让 Codex 也能获得自我进化，从过去的对话里面提取出有用的技能；以及直接构建一个 macOS 应用；把 DeepSeek 接入 Codex 客户端等。

我们也继续尝试了一下那套让 Codex 自进化的提示词，它花了 7 分钟，帮我们创建了 3 个 Skills。

感觉这套提示词不仅仅可以用在 Codex 里面，几乎所有的 Agent 产品，都可以用它总结出一些可复用的流程，以子 Agent、Skill，或者自动化的形式重新编排。

回顾我最近 30 天的工作，若历史记录不足则查看所有可用历史，并识别值得打包的重复性手动工作流。

按以下顺序使用可用证据：
– 最近的 Codex 会话和任务摘要。
– Codex Memories 和 rollout 摘要，用于寻找跨会话重复出现的模式。
– 如果启用了 Chronicle，用它发现 Codex 之外的重复工作。Chronicle 仅用于发现；重要细节尽量回到相关源系统确认。
– 现有技能、自定义智能体和自动化，优先复用或扩展已有内容，避免重复建设。

广泛寻找那些重复、耗时、容易出错、依赖上下文，或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析，以及个人事务管理。

只有满足以下条件时，才把候选项纳入：
– 至少出现过两次，或明显会重复出现且重复成本高；
– 输入稳定、步骤可重复，并且输出或结束条件明确；
– 能明显提升速度、质量、一致性或可靠性；
– 当前还没有被充分覆盖。

选择最小且合适的形式：
– Skill：可复用的工作流或操作手册。
– 自定义子智能体：适合委派的、有边界的专项角色或调查任务。
– 自动化：定时或周期性的检查、报告、提醒或监控。
– Skip：过于一次性、模糊、敏感，或证据不足，不适合打包。

先输出一个简洁候选清单，包含：
– 重复工作流
– 支持证据与日期
– 频率 / 置信度
– 推荐形式：skill、subagent、automation、扩展已有内容，或 skip
– 为什么值得或不值得创建

然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源，并且容易验证。不要创建猜测性的、重叠的，或过于宽泛的资产。

最后总结：
– 你创建或扩展了什么
– 你刻意跳过了什么
– 哪些内容还需要更多证据后才能打包」

我们还依照 Tibo 分享的使用 Codex 来取消我们不需要的付费订阅服务，由于订阅项目较少，但是有很多无意中订阅的 newsletter，所以我们输入「请查看我的电子邮件，列出我付费订阅的所有服务，以及订阅了哪些邮件通知，并和我确认哪些需要取消订阅。」

Codex 很快就调用了浏览器使用的工具，打开 Gmail，检查我的电子邮箱，发现付费订阅的项目较少，着重为我列举了一些「可退订的邮件通知」。

Codex 会自动搜索相关的邮件

新加入 OpenAI 的员工 Jason Liu 也分享了如何榨干 Codex 的用法，他提到自己喜欢使用 Codex 的语音输入功能，所有的对话线程不再一次性重置，而是跨对话保留上下文，以及使用 Obsidian 库来作为 Codex 的持久记忆层。

前段时间，我们分享了一篇文章，是说几乎所有模型公司，都要做自己的 Agent 产品，模型公司和产品公司之间的界线会越来越模糊。

OpenAI CEO Greg 在 X 发文也提到他认为仅凭模型本身已经不再是产品；Google AI Studio 负责人 Logan 在跟帖中回复，模型、工具和产品之间的共生关系如今已成为一种趋势。

从目前来看，Codex 大概会是体现 OpenAI 模型能力最有力的一个产品。

Codex 负责人 Tibo 提到「总体规划是发布更好、更高效的模型，并且每周都发布更好的产品。还要增加计算能力。」

能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出，Codex 的进展确实让人值得期待。不过， Tibo 还贴心地提醒我们，好用，也记得多出去走走，Codex 没法替我们体验真实的生活。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「如果这条推文获得了一个赞，Codex 重置额度限制。」

已经数不清这是今年以来，第几次的限额重置了。奥特曼前两天在 X 发文，让 Codex 负责人 Tibo 再一次重置了使用限额。

网友做了一张梗图，每当一个人想走向 Anthropic 或 Gemini 时，奥特曼站在后面默默按下 Codex 限额重置的按钮，这个人就会回头，然后被拉回到 OpenAI。

OpenAI 这半年也因为出圈的 Codex 收获了一大批的新用户。外媒报道 OpenAI 第一季度营收达到了 57 亿美元，比 Anthropic 高出 10 亿美元，Codex 是主要因素。

我们在之前介绍过 Codex 的入门指南，从 ChatGPT 官网下载安装到连接手机上的 ChatGPT App 实现远程控制，都有详细的步骤。

不少读者在评论区留言，Codex 确实好用；也反馈了不少问题，像是下载 Codex 后仍需绑定手机号才能使用。我们的测试也发现登出之后再登录，确实会被要求绑定手机号。

这个时候，建议先在浏览器中进行登录，即主动打开网址 https://auth.openai.com/log-in 提前登录好。再回到 Codex 中登录，弹出的登录链接，只会显示要求授权即可，不会再有绑定手机号的提示。

不同的账号可能会遇到不同情况，大概也是眼下 OpenAI 在 Codex 这边投放了太多的算力，不希望被用户太轻易地薅走羊毛。

今天凌晨，Codex 又上新了一大波的新功能，现在只要按下电脑上的 Command-Command 键，就可将应用程序窗口附加到 Codex 的对话线程里。Codex 会自动获取窗口的屏幕截图和文本，包括屏幕上不可见的内容，作为对话的上下文。

以前还要自己手动截图，现在 Codex 不仅能处理截图，还能直接读到一整个应用窗口的信息。

此外，上次更新的在 ChatGPT App 内操作电脑上的 Codex 这一次也升级了，之前的选项是保持 Codex 常开，现在是即便电脑锁屏了， ChatGPT 同样能远程操作 Codex。

/goal 命令这次也从实验室版本来到了正式推出。之前我们分享多 Agents 协作时，就有读者提到 /goal 功能和多 Agents 类似，它们都是把一个任务当做一个项目来进行管理，有完整的目标生命周期，通过不同的机制来完成迭代。

/goal 最早是 4 月底出现在 Codex CLI 中，有了它确实也能更好的处理越来越多的长任务。

不过遗憾的是，无论是按 command 还是锁屏后继续远程控制，这些都是 macOS 平台的更新，对于 Windows 用户，只能等 OpenAI 的推进。

有网友说，「Mac 用户总是能享受到好东西，而 Windows 用户只能眼巴巴地看着，哈哈。」不得不说，Mac mini 作为 AI PC 的含金量还在增加。

省去很多麻烦的应用快照

这项功能叫 Appshots，开启它的方式也很简单，更新 Codex，在应用设置下，找到「应用快照」，就有一段视频教程，并且可以自定义快捷键。

不过需要注意的是，按下 command 键是指按下键盘上，空格键左右两边的两个 command 键，而不是单击两次。

在任何界面同时按下两个 command 键之后，Codex 会自动捕获页面截图，并快速打开 Codex 将截图放在输入框。我们可以针对这个窗口快照提出问题。

但基于 Codex 的能力，这个窗口快照不单是一张图片的 OCR 文本提取。Codex 可以再这个窗口的基础上，进一步使用 Computer Use 和 Chrome 自动化等功能。

例如，我们在飞书文档的文章开头同时按下了 command 键，然后告诉 Codex 要求它看看这个窗口讲了什么。Codex 会使用 Google Chrome 的工具，自动对网页进行浏览以获取更多的上下文。

这是它和一般截图最大的差别，除了把截图内容放进了上下文，Codex 还会自动把窗口的信息，来自哪个应用等状态信息，同步发送给 Codex。

例如我们在微信里阅读公众号时，也能按下两个 command 键，开启 Appshots。但这里有一个小 Bug，当 Codex 使用 Computer Use 来控制微信的窗口，上下滑动公众号，退出图片的预览时，直接把微信给登出了。

官方在宣传视频里介绍 Appshots 时，同样不是简单地将它作为一张截图来使用，而是结合了 Computer Use 和 Google Chrome 来使用。

像是直接要求它修改我们的备忘录内容。

还有也不用再复制什么图片，直接 command+command 然后告诉他生图提示词，对图片进行编辑。

就是这种应用多做了一步的感觉，我们就减少了很多 AI 的使用负担，让 Codex 的体验也变得更加丝滑。

/goal 的保姆级使用指南

在对话框内输入斜线，我们就能看到有「目标」的快捷选项，「设置 Codex 将持续努力实现的目标。」

目标存在的价值是作为一个独立存在的任务定义，而不是普通的对话提示词。Codex 会反复根据目标来判断「还该做什么」和「是否已经完成」，自动一轮接一轮的推进，直到任务完成、暂停或者烧到 Token 上限。

这两个判断也是目标的核心机制，即「延续」和「完成审计」。「延续」是在每轮结束后，自动注入提示，让模型决定下一步。「完成审计」是要求模型对照目标逐条核对。

Goal 模型最容易踩坑的地方，就是随手写一句话放进去。要写好一个 Goal，关键原则是 Codex 要能判断是否完成了。

官方在帮助文档也提到，好的目标应包含具体的结果、可衡量的指标或测试标准。他们给了一些案例，像是将项目从一种编程语言迁移到另一种编程语言。

把这个项目从 JavaScript 迁移到 TypeScript。

 

要求：以 strict 模式编译通过，不允许出现显式的 any 类型。

还有更直接的要求，「把首页的可交互时间压到 1 秒以内。」

这些例子都是有着具体的可验证标准，并不是「优化一下」、「完善一下」这种虚词。

 

如果没有想到具体标准，Codex 建议是先跑 /plan。让 Codex 和我们讨论一轮，把验收标准定清楚，再切回普通模式下 /goal。

还有一些实用小建议是，可以在 goal 文本末尾加一句 Use a token budget of 80000 tokens for this goal，用来设置 Token 预算。

以及不要在一个会话的开头就发送 /goal，而应该是先给这个项目其他的需求，有一定的雏形，再给它目标。

锁屏了，Codex 还能操作你的电脑

除了这些大的更新，Codex Thursday 还带来了很多体验升级的功能。

Locked Computer Use 是最值得一提的一项，简单来说它就是能让 Codex 在 Mac 锁屏之后，仍然能在后台操控桌面应用完成任务。

网友对这项功能的评价，都集中在这是突破性的，这很有未来感的同时又很吓人。

如果 Codex 能够在没有活跃用户会话的情况下运行 Mac 应用，这或许是迈向持久 Agent 基础架构的第一步。

若要使用锁屏后继续操作的功能，必须由我们手动开启，并且输入密码。打开的方式同样是在设置里，找到电脑操控，开启锁屏操作。

正常的 Computer Use 需要屏幕处于解锁状态，Codex 才能「看到」并操作界面。这个功能打破了该限制，我们可以把 Mac 合上或锁屏，然后从手机、iPad 或另一台设备远程发起 Codex 任务，它会自动临时解锁、完成操作、然后重新锁上。

Codex 为此安装了一个 Apple Authorization Plug-in（苹果官方授权的认证插件），接入 macOS 的解锁流程。当有活跃的 Computer Use 任务时，插件允许 Codex 临时解锁屏幕；任务窗口之外，解锁权限直接拒绝。

OpenAI 也对这个功能做了几层约束，防止它变成其他危险操作的后门：

• 解锁窗口极短，仅限当前 Computer Use 操作期间有效
• 覆盖所有显示器，临时解锁期间屏幕内容对物理旁观者不可见
• 检测到本地输入立即重锁——有人碰了键盘或鼠标，自动暂停，要求手动解锁
• 这个路径只对 Codex 开放，其他应用或本地进程无法借道

另一项高级标注的功能，则是我们在使用 Codex Vibe Coding 某个网页时，通过 Codex 内置的浏览器打开，同时还提供了直接在网页内容上进行修改的标注工具。

除了 Codex 这一系列的更新，今天 ChatGPT 也上新了一项新功能，ChatGPT 现在可以直接在 PowerPoint 中创建和编辑演示文稿，并且还能使用 GPT Image 2 生成用于 PPT 里面的图片。

Codex 越来越好用的同时，钱包燃烧的速度也在加快。

我们的 Pro 账号，每周使用限额要到 27 号重置，但是今天（22 号）就只剩下 10% 了。只能在心里默默「作法」，祈祷它再一次重置。

如果这篇文章获得了一个赞，你的 Codex 有可能重置额度限制。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

AI 算力的故事，正在走向两个相反的方向。

云端这边，万卡、十万卡集群是行业标配，算力越堆越高，皆因头部应用日均消耗的 Token 已经突破百万亿。

落到普通人这边，云端训练出的聪明模型，往往变成手机里一个要联网等几秒钟才回话的对话框。

算力走进生活的最后一公里，应该是什么样的？

一个做国产 GPU 的公司，在前几天的发布会上，一口气更新了好几款端侧产品，有家庭智能中枢、AI PC、Agent，还有具身智能相关的工作。

本周一，摩尔线程 2026 年发布会上，除了常规的 GPU 显卡更新、夸娥万卡级智算集群的迭代，一台只有手掌大、整块镁铝合金一体 CNC 雕出来的小盒子被搬上了台。

它叫 MTT AICUBE，按官方说法是「一台面向家庭的 AI 智算中枢」。更直观的解释，AICUBE 就是一个能够本地运行模型并管理家庭数据的「AI 电脑」，它能听懂我们的各种需求、能跑本地模型、甚至能存全家照片和视频。

这场发布会上至少有三件硬件冲着端侧去：面向客厅的 AICUBE、面向开发者的 AIBOOK、面向工业的 E300 模组。

摩尔线程创始人、董事长兼 CEO 张建中在台上讲，「过去我们谈论很多 IoT 是 Internet of Things，那今天的 IoT 应该叫 Intelligence of Things。」

那么一家做万卡集群的 GPU 公司，为什么要把战线拉到客厅？

做 GPU 的公司很多，但选择哪条路

做 GPU 的玩家不少，但路线分化其实很清楚。

一类像壁仞、天数智芯，走的是纯 AI 训练和推理路线，把算力拉到极致，图形渲染能力几乎为零；另一类像景嘉微和砺算，图形能力扎实，但 AI 推理的短板明显。沐曦走的是接近 AMD 的路子，数据中心训推为核心，图形是后来才补的产品线，且还在研发中。

这些路线都有各自清晰的商业逻辑，但每一条都有一道隐形的边界。路线决定了一张芯片能去哪里、不能去哪里。

摩尔线程从成立起选的就是另一套逻辑：全功能 GPU。它采用的 MUSA 架构不会在「图形」和「计算」之间做分割或取舍，同一套芯片可以同时承载 AI 计算、图形渲染、科学计算、物理仿真与超高清视频处理五种能力。

这种多能力的整合，正是真实端侧场景里的刚需。

一颗只懂得矩阵运算的芯片，很难要它同时做到驱动客厅里的 4K 云游戏、实时数字人；抑或现在爆火的具身智能机器人，AI 决策和物理世界理解也在并行发生；纯 AI 加速路线的厂商，可以把算力做到顶，但很难进入千家万户、千行百业，进入到同时发生多种计算需求的显示场景。

换句话说，「全功能」是一个只有在端侧才能被真正检验的说法。

摩尔线程的架构，注定它要走出数据中心，往边缘和终端走。这次的三款端侧硬件，是这场延伸的起点。

把数据中心放进你的客厅

AICUBE 放在桌上，比一台 Mac mini 高了一头。整块镁铝合金一体 CNC 雕刻出来，外接 HDMI 或者 Type-C 接口即可连接电视和显示屏。并且，AICUBE 还配备了 4 个麦克风阵列和立体声扬声器，完美适配了语音交互的需求。

这个产品的定位是「家庭 AI 中枢」，规格层面是 32GB 或 64GB 统一内存，1TB 全闪 SSD 起步，支持最高 12TB 扩展。算力来自摩尔线程自研的「长江」SoC——CPU、GPU、NPU、VPU 异构集成，AI 算力 50TOPS。

它是当今 AI 需求的「三位一体」：AI Agent 的执行能力、AI PC 的算力、AI NAS 的私有存储。

在现场的演示过程中，产品经理使用 AICUBE 完成了语音播放电影、旅行规划、自动保存文件、AI 生成朋友圈文案等功能。从这个角度看，AICUBE 很像一台 Mac mini，但是内置了一个 AI Siri 语音交互系统，再加一个 NAS。

但它真正有意思的地方，是把「数据中心」整合进了一个家庭可接受的形态。

在家庭中我们可能遇到各种场景，无论是当做智能音箱，或者就是一个 NAS 来使用——AICUBE 存在的意义，更在于它是全功能 GPU 架构在最难场景下的一场压力测试。

算力足够跑本地大模型，体积轻松塞得进电视柜，功耗低到能 7×24 小时静音运行，数据要锁在本地不上云，操作要老人和小孩都能用语音直接调用。

以上这五大约束，任何一个单拿出来都不难。但它们要同时成立，而且要成立在一个售价面向普通家庭的消费级产品上，这才是端侧全功能 GPU 的设计目标。

数据中心不需要面对这些约束。它可以用水冷、高压供电、专业运维来回避物理限制；数据隐私可以靠网络隔离和权限管理来处理；至于「谁来用」这个问题更是不存在，毕竟如今的数据中心 AI 算力供不应求。

现在大部分家庭 AI 服务还在依赖云端。语音指令、照片、视频全要上传服务器。本地化、能同时管存储、跑模型、联动多个 APP 的设备，消费市场上几乎空白。

AICUBE 不仅解决了那些限制，内置的「小麦」智能体还预装了 60 多项技能，可以跨 36 款以上 App 做控制。摩尔线程的官方数据显示，「小麦」对高频工具调用成功率超过 95%，任务执行速度比通用智能体快 7 倍。

MTT AICUBE 在 6 月 18 号京东预售，这些数字很快就会在真实场景中得到验证，走进我们的客厅。

但从架构角度看，AICUBE 是全功能 GPU 在最难一类场景下的压力测试。毕竟数据中心的资源可以轻松调度，而端侧只有一颗芯片。

摩尔线程这颗「长江」SoC 在一颗芯片里同时跑 AI 推理、3D 图形渲染、4K 视频编解码、NAS 存储调度，是真实地做到了在紧凑的物理空间里，协调多种计算单元的实时调度。

张建中在台上还说了一句话：「推理不是某一颗芯片的事情，推理更像是一个解决方案。」AICUBE 大概就是这套解决方案在家庭场景的第一个样本。

「长江」流向何方？

作为自研的智能 SoC，「长江」和摩尔线程包括云端 GPU 在内的全系列产品共享一套 MUSA 架构，只是被压缩到了端侧的物理形态。

「长江」有 8 个主频 2.65GHz 的全大核 CPU、全功能 GPU、高能效 NPU 异构集成，最高支持 64GB LPDDR5X 统一内存。

围绕这颗 SoC，摩尔线程在端侧的另外几款产品也在加速落地。

AIBOOK 面向开发者，被定义为「为智能体而生」的笔记本电脑。

底层跑的是基于 Ubuntu 改造的原生 Linux 系统 MTT AIOS，预装「龙虾」(OpenClaw) 智能体，本地能同时稳定跑十几个 AI Agent，对接 90 多个 CLI 工具接口，支持虚拟化 Windows 和容器化 Android 多系统。

AIBOOK 的预期使命，是在英伟达控制的 CUDA 之外，给国产 GPU 构建一套从开发、调试到部署的闭环工具链，让 MUSA 生态从「能用」走到「有人用」——从最基础的笔记本形态开始。

MUSA 则是摩尔线程的 GPU 架构，包含从芯片、硬件、软件栈到生态的统一架构体系，全栈对标 CUDA。

过去几年，摩尔线程也一直在对 MUSA 软件栈进行优化：DeepSeek、Qwen、Kimi、MiniMax 这些国内头部模型现在都能顺利支持，vLLM 的官方后端也已接入，SGLang 主线代码更是提供了原生适配，PyTorch 的算子覆盖率到了 100%。

MUSA 的适配性已经做的相当扎实，也显著追上了与 CUDA 之间的差距。

但生态这件事，光有适配还不够。MUSA 社区的生长需要优秀的地推和开发者深度参与。摩尔线程希望 AIBOOK 能够在工具链普及和 MUSA 的推广上起到关键作用。完整的 MUSA 软件栈，让大模型开发者可以顺利地在这台笔记本上直接完成模型训练的诸多核心阶段步骤。

本质上，AIBOOK 是摩尔线程与英伟达 DGX 桌面系列产品对标的开始。

押注端侧，降低迁移成本

尽管路途遥远，MUSA 生态正在证明自己有持续迭代的潜力。

从 AIBOOK 到 AICUBE，从云端显卡到仿真平台，这些产品共同构成了摩尔线程的完整拼图：当云端训练、边缘推理与终端交互共享同一套 MUSA 架构时，国产算力的迁移成本、适配门槛与生态碎片化问题，才有可能被系统性解决。

回望摩尔线程的迭代史，早期的游戏显卡 MTT S80 自 2022 年推出，从只能跑 DX9 到能跑《黑神话：悟空》，实现中国 Top 50 热门游戏 100% 兼容，并针对其中 44 款已完成专门优化，靠的是底层重构和持续的驱动迭代。这套工程能力，也套用到这次的端侧产品上。

更长一点看，摩尔线程押的是另一件事：当算力同时出现在数据中心、开发者桌面、工业现场和家庭客厅，谁能在每个场景都有入口，谁手里的牌就比只守住数据中心的玩家更好打。

迁移成本、适配门槛与生态建设，这些目前都是摩尔线程端侧战略中的关键考量。

而从硬件显卡的持续迭代，MUSA 生态的逐步完善，从底层 100% 兼容主流 CUDA 生态，到全面适配国内 Top 5 开源大模型，这种速度与系统级优化能力，很明显是摩尔线程重要的护城河，也让他们在端侧的发力有了明显优势。

张建中在台上说，「对于用户，如果买不到国外的计算芯片，用摩尔线程的 GPU，你不会有任何后顾之忧」。

这份自信的背后，正是国产算力迈向成熟，在每一种形态、每一个场景中站稳脚跟的必经之路。

过去的物联网（IoT）是 Internet of Things，在摩尔线程的叙事里，未来的万物互联将全面演进为 Intelligence of Things（智能物联网）。

至少端侧这条路，摩尔线程是认真要走的。

文｜杜晨、张子豪

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

Gemini App 月活超 9 亿，月 Token 处理量每月 3200 万亿，Nano Banana 生成超过 500 亿张图片……

在今天凌晨刚刚结束的 Google I/O 大会上，Google CEO  Pichai Sundar上来就抛出了这些数字。

过去一年，AI 成了所有行业的主旋律，Gemini 在 Google 的定位，也开始从一个独一的 App，成了所有 Google 产品里的最重要的 AI 底层能力。

这次发布会也先从模型开始，进一步带到 Coding 和 Agent 产品。

Gemini Omni 把 Google 的视频生成推向「世界模型」方向，Gemini 3.5 Flash 则是和 AI 编程工具一起推向 Agent 开发平台。

这两个能力随后进入 Google 的完整生态，搜索、Gemini App、Flow、Spark、Chrome、XR 眼镜和电商场景。

Gemini Omni 登场，视频界的「Nano Banana」时刻来了

发布会最先被重点展开的是 Gemini Omni。

DeepMind CEO 将 Gemini Omni 描述为一个能够「从任何输入创造任何内容」的新模型。它把 Gemini 的推理能力与 Google 既有的生成式媒体模型结合起来，目标是提升模型对世界的理解、多模态生成能力和编辑能力。

Google 强调，Veo、Nano Banana、Genie 等模型已经能生成视频、图片和交互式模拟，但 Gemini Omni 更进一步，开始处理动能、重力等更接近物理世界的问题。

发布会现场展示的案例包括蛋白质折叠解释视频。用户只需要输入类似「生成一个关于蛋白质折叠的黏土动画解释」的提示，Omni 就能把抽象科学概念转化成视频内容。

它还支持更自然的视频编辑。用户可以上传自己的视频，再用对话方式修改风格、加入元素、调整细节，甚至把一个普通圆形转成黑洞，把夜晚散步场景变成更具戏剧感的画面。

Google 的说法是，Gemini Omni 先从视频开始，之后会逐步走向「任意输入到任意输出」。这也是 Google 一直把 Gemini 设计成多模态模型的原因。

首个 Omni 家族模型 Gemini Omni Flash 已在上线到 Google 产品中，Omni Pro 会在之后公布更多信息。Gemini App 中的 Omni 功能也面向 Google AI Plus、Pro 和 Ultra 订阅用户开放。

这意味着，Gemini Omni 不只是一个视频生成模型。Google 想把它放进「世界模型」的叙事里：模型不仅生成画面，还要理解画面中的物理关系、运动关系和场景逻辑。

在进入 Gemini App、Google Flow 和 YouTube Shorts 这些应用之后， Omni 也会让 Google 的生成式创作工具从图片编辑扩展到视频编辑。

Gemini 3.5 Flash 上线，AI 写代码进入极速模式

如果 Gemini Omni 对应的是生成和编辑，Gemini 3.5 Flash 对应的就是速度、成本和执行能力。

Google 在发布会上推出 Gemini 3.5 Flash，称它是 Gemini 3.5 系列第一批模型之一，重点面向 agentic coding、长周期任务和真实工作流。

相比 3.1 Pro，3.5 Flash 在几乎所有基准测试中提升明显，尤其是代码能力，以及 GDPVal 这类更接近真实经济任务的评测。

Google 还强调，3.5 Flash 在输出 tokens 速度上比其他前沿模型快 4 倍，在 Antigravity 中经过专门优化后，速度可达到 12 倍。

值得一提的是，今年 3 月，Google 内部开发相关任务每天处理约 5000 亿 tokens，之后每隔几周翻倍，目前已经超过每天 3 万亿 tokens。Google 把这称为一个反馈循环，用大规模真实使用继续改进 3.5 Flash。

与模型同步推出的是 Antigravity 2.0。

它从原来的 agent powered IDE，升级为一个独立桌面应用，重点转向 agent first。用户不再只是让 AI 在编辑器里辅助写代码，而是通过 Agent 对话、Agent 产物和多 Agent 协同来完成开发任务。

Antigravity 2.0 加入完整 CLI、Antigravity SDK、Gemini 音频模型原生语音支持，并集成 Android、Firebase、Google AI Studio 等服务。Antigravity 2.0 作为独立桌面应用，也已经面向全球用户开放。

Google 在现场用一个高强度演示解释 Antigravity 2.0 的方向：让 Agent 从零构建一个可运行操作系统。这个任务由 93 个子 Agent 并行执行，持续 12 小时，发起超过 1.5 万次模型请求，处理 26 亿 tokens，从空项目生成调度器、内存管理、文件系统等核心模块。

Google 称，这件事在 Gemini 3.1 Pro 上无法完成，而使用 Gemini 3.5 Flash 消耗不到 1000 美元 API credits。

现场还演示了这个系统运行 SL 小火车程序和 Doom。由于系统最初缺少视频和键盘驱动，Antigravity 又继续生成相关代码并修复，让 Doom 能够运行。Google 还称，类似方式已经测试过照片编辑套件、实时消息应用、多用户协作平台等项目，原本需要多天的工程工作被压缩到数小时甚至更短。

Gemini 3.5 Flash 已面向所有用户开放，覆盖 Google 产品和 API。Gemini 3.5 Pro 仍在内部使用和改进中，预计下个月开放。

从搜索框到信息 Agent，Google 重做 AI 搜索

模型和开发工具之后，Google 把重点转向搜索。Google 搜索也就是 AI 搜索。

Google 表示，AI Mode 已经超过 10 亿月活，查询量自推出以来每季度翻倍。

今天起，AI Mode 升级到 Gemini 3.5。新的智能搜索框也从当天开始推送。它支持文本、图片、文件和视频输入，并在用户输入问题时给出 AI 建议。

AI Overviews 和 AI Mode 也被合并成更连续的 AI 搜索体验。用户可以先在主搜索结果页看到 AI 回答，再进入 AI Mode 继续追问，上下文会被保留。这个新搜索体验已在发布会当天面向全球桌面端和移动端上线。

更大的变化是搜索 Agent。

Google 表示，用户今年夏天可以在 Search 中创建信息 Agent，让它持续跟踪某类信息。例如，用户可以让它监控市盈率低于 15、现金流为正、负债较低的大型生物科技股票；也可以让它长期跟踪租房信息、球鞋联名和商品上新。当条件变化时，Agent 会给用户发送综合更新。

Google 还把 Antigravity 的 agentic coding 能力带入搜索。

之后搜索不只返回网页、摘要或卡片，也能为具体问题生成交互界面。比如用户问「黑洞如何影响时空」，Search 可以生成一个交互式视觉组件；继续追问「双黑洞如何产生引力波」，Search 会重新生成一个可调参数的动态界面。Generative UI with Antigravity 将在今年夏天面向所有用户免费推出。

更复杂的自定义体验也在路上。

Google 现场展示了一个周末计划器，Search 会结合天气、地图、用户偏好、Gmail、Calendar 等信息，生成一个可以继续修改、分享和同步日历的小型工具。这类自定义体验将在未来几个月先面向订阅用户开放。

关机也能跑，Gemini Spark 把 Agent 能力搬进个人生活

消费端最重要的新产品是 Gemini Spark。

Gemini Spark 是一个个人 AI Agent，运行在 Google Cloud 的专用虚拟机上，可以全天候执行任务。它由 Gemini 3.5 和 Antigravity harness 驱动，支持长时间后台任务。

用户关掉电脑后，Spark 仍能继续工作。它先接入 Google 自家工具，未来几周会通过 MCP 接入第三方工具。

发布会展示了 Spark 的几个典型场景。

用户可以让它汇总过去一周 Gemini Live 的发布和进展，从 Docs、Gmail 和聊天记录里提取信息，再用个人写作风格生成团队邮件。也可以让它管理街区派对，维护 Google Sheets RSVP 表格，跟踪谁带了什么东西，给没报名的邻居生成提醒邮件草稿，并自动生成 Google Slides 宣传页。

Spark 还支持手机端语音输入。

用户可以一次说出多项任务，比如把所有与 Sundar 的会标成亮粉色，给新邻居写邀请信，创建孩子学年结束前待办文档。Spark 会把这些内容分成多个独立任务，并在后台执行，结果可以在手机和电脑之间同步。

Gemini Spark 本周面向可信测试者开放，下周以 beta 形式面向美国 Google AI Ultra 订阅用户推出。

Google 同时推出每月 100 美元的新 Ultra 计划，并把最高档 Ultra 计划从每月 250 美元降至 200 美元。今年夏天晚些时候，Spark 将进入 Chrome，成为能在网页中执行任务的智能体浏览器。

Gemini App 大改版，还有 Google 版「AI 晨报」

Gemini App 本身也迎来了一次脱胎换骨的大改版。

Google 引入了全新的设计语言 Neural Expressive，加入流体动画、鲜艳色彩、新字体和触觉反馈。

新版 Gemini App 不再把回答呈现为大段文字，而是会根据内容实时生成更适合阅读和操作的布局，包括交互图片、时间线、嵌入式视频等。Neural Expressive 现在已经在 Android、iOS 和网页端全球推送。

Gemini Live 也被重做，打开后可以直接进入实时对话。区域口音选择将在未来几周推出。

Gemini App 还加入 Daily Brief。这是一个面向早晨使用的个性化摘要 Agent，会综合 Gmail、Calendar、Tasks 等信息，整理用户当天需要关注的事项，并给出下一步行动入口。

Daily Brief 今天起面向美国 Google AI Plus、Pro 和 Ultra 订阅用户推出。

在更大的 Gemini 叙事之外，Google 也更新了几个日常产品。

Google Maps 最近完成十年来最大升级，并加入 Ask Maps。它允许用户提出更长、更复杂的问题。例如，发布会举了一个场景：孩子掉进鸭塘，婚礼 30 分钟后开始，用户想知道哪里可以步行买到新裙子。

Docs 也获得新的语音创建能力。用户不需要输入精确提示词，可以直接用语音把想法说出来，让 Gemini 从 Drive 调取简历，从 Gmail 找到活动信息，再生成 Google Docs 草稿。这个能力将在今年夏天面向 Pro 和 Ultra 订阅用户推出，同类语音能力也会进入 Gmail。

生成能力升级后，内容来源识别也变得愈发重要。

Google 称，SynthID 推出三年来，已为超过 1000 亿张图片和视频，以及相当于 6 万年时长的音频加上不可见水印。接下来，SynthID 和内容凭证验证会扩展到 Search 和 Chrome。

用户可以通过圈选搜索，或者在 Chrome 中右键询问内容是否由 AI 生成，系统会显示内容来自 AI、相机，还是曾被生成式 AI 工具编辑。

Google 还宣布，OpenAI、Kakao 和 ElevenLabs 将采用 SynthID 2。此前英伟达已经加入 SynthID 体系。对 Google 来说，SynthID 不只是安全功能，也是争取 AI 内容透明标准的一部分。

Google 创作全家桶，开始围攻图片、设计和视频

在创意工具领域，Google 密集发布了多款重磅产品。

Google Pics 是 Google Workspace 中的新图片创建和编辑产品，面向派对海报、信息图、宣传图等场景。用户可以从一张基础图开始，删除元素、调整对象大小、编辑文字和翻译文字。Pics 生成内容会带有 SynthID 水印。Google Pics 将在今年夏天推出。

设计产品 Stitch 也迎来更新。用户可以通过一句 prompt 生成网站或应用界面，再通过文字或语音继续修改，比如放大标题、调整菜单、突出更多披萨选项。Stitch 支持把设计导出为代码，或直接发布网站，相关更新现已发布。

Google Flow 的更新尤为关注。Gemini Omni 进入 Flow 后，用户可以基于原始视频改变环境、添加视觉效果、加入新角色，同时尽量保留原有表演。

Flow 还加入新 Agent，支持一次执行多个动作。比如从单张图片生成 16 个不同机位的视频，或把一组清晨场景批量改成深夜场景。

Flow Tools 则允许用户在 Flow 中创建自己的创意工具，比如视频特效、手绘动画和文字分层工具，并支持分享和 remix。

Google Flow Music 可以把一段钢琴 riff 扩展成带风格方向的音乐 demo。Google Flow 和 Google Flow Music 的这些新功能已上线。

押注智能眼镜，Google 再闯下一代入口

硬件部分，Google 也把 Android XR 这个操作系统级平台，从头显、XR 设备，进一步扩展到智能眼镜形态。

Android XR 是 Google 与三星合作，并针对 Qualcomm Snapdragon 优化的平台。

Google 表示，AI 眼镜会分成两类：一类是带小型镜片的显示眼镜，另一类是音频眼镜。显示眼镜去年已在 I/O 展示，今年首批开发者已经开始创建显示体验，可信测试者计划将在今年晚些时候扩大。

更早上市的是音频眼镜。

Google 宣布，首批音频眼镜将在今年秋季推出，由三星参与硬件和体验构建，Warby Parker 与 Gentle Monster 负责眼镜设计。这些眼镜连接手机，支持 Android 和 iOS。Gemini 的回答通过耳机私密播放，而不是显示在镜片上。

发布会上，演示者可以通过眼镜让 Gemini 导航到上周和朋友见面的地方，中途加入咖啡店；也可以让 Gemini 打开 DoorDash 自动下单咖啡，等待用户确认；

还可以让它总结静音消息，并把家庭晚餐写入日历。眼镜还可以与手表配合，让用户拍摄现场照片，并用 Nano Banana 生成卡通图像，再在手表上预览。

发布会最后，Gemini 的使用场景也延伸到了网络安全场景。

Google 介绍了 CodeMender。它是一个代码安全 Agent，能够自动寻找和修复关键软件漏洞。Google 将邀请一批专家测试 CodeMender API，之后会更广泛推出。

整场发布会看下来，信息量大到让人有些缺氧。只是当这些 AI 功能真正开放给几千万、几亿人使用时，一个最现实的算账问题就直接摆在了面前：这笔庞大的算力开销，Google 要怎么挣回来？

过去二十多年，Google 代表的是一种典型的免费互联网模式。用户用注意力和数据换服务，Google 用广告和分发赚钱。这套模式让 Google 成为互联网时代最强的基础设施公司。

但大模型推理的成本，和查询一次搜索结果完全不在一个量级。

长上下文记忆、多模态生成、跨应用 Agent、企业级自动化，这些能力背后都是持续运行的算力消耗。AI 越深入，Google 越难继续用「免费功能升级」的方式来消化成本。

这就是为什么整场发布会下来， Google I/O 看似讲的是体验升级，背后指向的却是订阅、企业合同、算力账单和长期服务费。

免费入口当然不会消失，因为那仍然是 Google 获取用户、数据和生态位置的基础。但在这些入口之上，Google 正在叠加一个新的智能服务层：更强的模型、更长的记忆、更深的系统权限、更复杂的任务执行，以及更稳定的企业级服务。

换言之，Google 正在从免费互联网服务公司，进一步变成 AI 订阅基础设施公司。

只是，问题也随之而来，用户愿意为搜索付费吗？通常情况下，不会。

可是，如果这是一个能替你全天候处理邮件、统筹任务、分析报表、接管智能家居，甚至还能帮你写代码开发 App 的「超级全能助理」呢？你愿意为它每月掏出几十上百美元吗？

这，正是今年 Google I/O 迫切想要验证的核心商业命题。而环顾如今狂热的市场，答案似乎早已不言而喻。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

龙虾之父一个月消耗 6030 亿 Token，总花费金额高达九百万人民币。

移动联通电信，三大运营商都在推 Token 套餐，199 送千兆宽带还有 1 亿 Token，了解一下？

从硅谷到国内大厂，Tokenmaxxing 成为公司的主流，谁消耗 Token 多，谁就是 AI 时代的好员工。

00 后校友向母校捐赠 20 亿 Token，被网友调侃按 DeepSeek 5 元/亿 Token 计算，只要 100 元。

Token 在半年内完成了一次身份跃迁：从技术术语，到 KPI，到话费套餐，到捐赠货币。它成了 AI 时代的「度量衡」，唯一的问题是，没人说得清它到底在度量什么。

我们自己买 Token，用公司的 Token，部署了一堆 Agent，代码、论文、周报都是 Token 烧出来的。

而另一边是，大厂的员工由于 Token 消耗排行榜的原因，开始拿着公司的 Token 处理私事、玩游戏、开发数十个没什么用的子 Agent 来提升自己的排名。

「回报」这件事很难量化，但「使用量」可以量化。

于是所有人都选择了那个容易量化的东西。这不是 AI 时代的新问题，这是管理学的老病。

用 AI 消灭狗屁工作的公司，正在制造新型狗屁工作

亚马逊，那个裁员裁到大动脉，把自己的网站都变成 404 的小狗，最近又被爆出了新的「笑料」。

原本被寄予厚望、用来消灭「狗屁工作」的 AI，最终却沦为制造新型「狗屁工作」的源泉。

据《金融时报》报道，为了逼迫员工拥抱 AI，亚马逊搞出了一个极其复古的管理手段：「Token 消耗排行榜」，追踪每个员工的用量。

公司强制要求超过 80% 的开发者每周必须完成 AI 使用指标，甚至将消耗 Token 的数量作为考核标准。

打工人的反应也很直接，既然公司用这种指标来考核，大家干脆用魔法打败魔法，开启了「Tokenmaxxing（最大化消耗 Token）」战术。

刚好亚马逊内部上线了一个叫 MeshClaw 的 AI Agent，它能发起代码部署、整理邮件、操控 Slack。公司内部备忘录里描述它是：「它在夜间做梦来整合白天所学，在你开会时监控你的部署，在你醒来前替你分类邮件。」

于是 MeshClaw 就成了一个刷排行榜的工具。开发者开始用它来规划旅行、处理私人邮件、让 AI 分析产品经理在 Slack 上说的蠢话。

在职场匿名社区 Team Blind（一个面向 Google 和苹果等公司认证员工的留言板）上，一位亚马逊员工的发言被疯狂点赞。

我疯狂燃烧 Token，就是为了骂我的产品经理。每当他在 Slack 里说屁话，我就把聊天记录扔给 AI，启动 10 个子智能体去全方位深度分析并吐槽他。这绝对是 GPU 算力的完美用途。

亚马逊在回复《金融时报》时提到，MeshClaw「每天帮助数千名员工自动化重复性工作」，公司「致力于负责任地部署生成式 AI」。同时，公司表示 Token 统计数据不会用于绩效评估。

但员工的说法是：「经理在看这个数据。当他们追踪用量时，就会制造扭曲的激励，有些人在这上面很有竞争心。」

公司说不算 KPI，但经理偷偷在看。这和大厂说「年终奖与 996 无关」是同一个套路。

不只是亚马逊，Meta 员工也在做同样的事。

早在四月份，The Information 就曾报道，Meta 公司的一名员工利用内部数据，在公司内网创建了一个仪表盘，让同事们可以竞争成为公司排名第一的 AI Token 用户。

这份排行榜汇总了超过 85000 名 Meta 员工的人工智能使用情况，并列出了排名前 250 位的超级用户，其中扎克伯格没能进入前 250 名。

而这份排行榜在两天后就下架了，Meta 在回应媒体查询时发声明，「该员工自行决定撤下仪表盘；Meta 并未要求采取此行动。」

当你笑完这份排行榜的不合理之处，转念一想就会发现，这其实是大多数公司的现状。还没想好 AI 怎么发挥作用，但是就先裁员了；还没想好 Token 怎么用，就匆忙把它作为生产力的衡量工具。

一个月 6000 亿 Token 烧出了什么

Token 消耗排行榜的荒诞还没消化完，更魔幻的事又来了。

三位 00 后校友向母校郑州西亚斯学院捐赠 20 亿 Token，网友按 DeepSeek 的价格算了算，说这就值 100 块。

后来有媒体澄清，这 20 亿 Token 不只是 API 调用量，还包括生成工具使用权和平台积分。但「捐 Token」这件事本身已经够魔幻了。

三位校友说自己实力还不够捐教学楼，所以捐 Token。这个时代的慈善逻辑也在刷新：捐不起楼，捐算力。

Token 存在的价值在刷新，Token 的使用边界也在刷新。

GitHub 前 CEO、现任 Meta 超级智能实验室 CEO Nat Friedman，在一场公开活动上讲了个故事。某天，他的 OpenClaw 判断他喝水不够，他随手给了指令：「不惜一切代价确保我补充足够的水分。」

OpenClaw 很快行动了。它指示他去厨房喝一瓶水，顺带告诉他，正在通过家里的摄像头监控他是否真的去喝了。他照做之后，OpenClaw 发来一张他喝水的截图，附言：「干得好。」

原本只是手机设置一个提醒每日喝水，但现在是 Token 疯狂地燃烧，调用摄像头来为「提醒你喝一杯水」服务。

而当 Token 的消耗不再重要，不需要考虑 Token 的价值和使用边界，我们又会拿他来做点什么。

OpenClaw 最近有意思的事，还得是龙虾之父 Peter Steinberger 周六在 X 的分享，他发了一张 CodexBar 的截图，配文「CodexBar 最新更新让 API 费用显示得更加友好。」

但很快有网友发现这张截图了不起，三十天用了 6030 亿 Token，累计消耗的金额更是达到了 130万美元，约合人民币 930 万。

评论下面都是各种质疑，交付了多少代码，消耗的 Token 和最终能用的代码之间比例是多少？到目前为止，你做出了什么有用的东西吗？要不是入职 OpenAI，Codex 这 Token 能让你这么消耗吗？

兄弟，你最好拿出点儿价值百万美元的工程师都做不到的东西，不然这可能就是前沿实验室泡沫破裂的开端了。而且这还是补贴价格，我的天。如果是实际成本，价格肯定更高。

龙虾之父在评论区回复了这些声音，他提到如果关掉 Fast Mode，成本就能降 70%。而且，自从 OpenClaw 被 OpenAI 买走之后，负责该项目就只剩下三个成员，他们在 Codex 上运行了 100 个实例。

这些实例会自动处理软件开发流程中的各种问题，像是代码的提交、Bug 修复、功能的更新等。

但是光看 OpenClaw 的更新，真的需要 130 万美元来支撑吗？他又提到自己在做一些除了 OpenClaw 之外的创业项目，以及他是在探索一个问题：如果 Token 成本不重要，软件会怎样被构建。

这个好问题。但 130 万美元花下去之后，他也还没有得到答案。

这可能是 2026 年最贵的一个问号。

即便是有无比丰沛算力的人，现在似乎也不知道这些 Token 可以用来做什么。

大厂高管们看着财报上巨额的 GPU 采购费，迫切需要向董事会证明这笔钱没白花。既然「重构真实业务流」太难、太慢、太需要魄力，那就退而求其次，去考核「Token 的消耗量」。

员工们甚至一开始就没被问过「你觉得 Token 该怎么用」，他们被问的是「你这周用了多少」。

当一个工具的考核标准是「消耗量」而不是「产出」，它就不再是工具了。它是燃料，唯一的使命就是被烧掉。至于烧完之后驱动了什么，没人真的在意。

因为一旦认真追问，很多人会发现，自己烧掉的那些 Token，和年初裁掉的那些人一样，都没换回任何东西。

我们正在经历的，是一场所有人都假装看懂了规则的游戏。公司假装知道怎么用，员工假装在认真用，投资人假装看到了回报。

唯一真实的，只有不断超支的账单。

Token 终究会找到它真正的用途，成为真的「新质生产力」。但那一天到来之前，我们在烧掉动辄上亿的 Token 之前，可以问问自己真的有必要吗

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

我下了一个任务，agent 开启了 plan 模式，规划了 7 个步骤。

我批准了，它开始跑，跑了三个步骤，然后停下来汇报：「我已经完成了 1、2、3，结果有这些和哪些……请问是否继续 4、5、6、7？」

我说继续。它又跑了两步，然后又停了下来：「我已经完成了 4、5，结果有这些和哪些……请问是否继续 6、7？」

一个晚上下来，让 agent 干点长程的任务，并没有长程的效果，对话框来回来去的全都是「继续」。

很长时间以来，我在使用各种 Agent 完成工作，就是这样的体验。

这种体验很不合逻辑。虽然「停下来确认」是个与 AI 共事时的好工作习惯，但在很多任务当中我从来没主动要求它停，但它就是会停下来。

MiniMax 在最新的技术博客文章中，将 agent 产品的这种行为归因于「上下文焦虑」。核心在于，模型本身对于「超长任务啥时候才算做完」的判断是模糊的。说白了，不是不会做，而是不敢做，每完成一步都怕做错，所以才会干一半就停下来问。

今天，MiniMax Agent 桌面端完成了一次重大更新。新加入了一个名为 Mavis 的模式（其实它是「MiniMax as a Jarvis」的缩写）。

要知道让一个 agent 当老板，一组 agent 当员工——这种传统的多 agent 框架已经不是什么新鲜事了。但 MiniMax 指出，此前的主流多 agent 框架，其实本质上就是靠提示词编排来让模型玩「角色扮演」role play。但这种做法撑不了多久，就会遇到包括前面提到的上下文焦虑、长程任务退化、自检等难题。

多 Agent 系统，需要一套持续运行、持续维护，并且多个 agent 之间不会「媾和」的可靠基础设施。这就是 MiniMax 在做的事。

实测体验：让 agent 给对方「挑刺」

MiniMax 给它的 Agent Team 基础设施起的名字叫做 Team Engine，引擎下面挂着三类核心角色：Leader、Worker、Verifier。顾名思义，一类做管理，一类干活，一类验收。

最关键的差异在于，Worker 和 Verifier 之间是「对抗」的关系，谁也没法蒙混过关。

前段时间，APPSO 正好在研究一个课题：「所有对 Coding/Agent 有所抱负的模型厂商，都要做自己的独立 Coding/Agent 产品」。

（没错，MiniMax 在此之前是个反面案例，但没想到文章还没发出来，就已经证明自己了！）

于是我们又用这个课题再在 MiniMax 的 Agent Team 上跑了一次。

这个任务拆分出了 5 个 worker，每个 worker 完成任务后，都会整理结果交给 leader（显示状态「Mavis 发给 General」或者「General 发给 Mavis」等等。）

有一个 worker，运行了 12 分钟还没有返回结果。APPSO 注意到，这个 leader等不及了，于是发了一条 bash 命令检查其工作状态：

在 5 个 worker 都完成后，leader 又生成了 5 个 verifier——在任务列表中显示为带着「小黄帽」的 agent：

Verifier 很快就找到了错误！其中一个 verifier 发现了对应的 worker 交付成果中存在明确的数据错误，给出了「失败」的判罚。紧接着，与之对应的 worker 重新启动（显示为运行中，会有一个蓝色小圈的标识）。

点进对应的 worker 工作区观察一下它的思考过程：「verifier 拒绝了我之前的交付成果，基于以下三个错误……我需要返回去重新核查关键事实，并检查修正具体的数字问题……」

还别说，agent 跟 agent 之间「铁面无私」，工作起来真的可靠。

这样的来来回回，在五组 1v1 的 agent 对抗当中，总共发生了数十次。过程中，Mavis 还表示这次「学到了新东西」，并顺手更新了一下记忆。

上一个任务先跑着，我们再开启一个新的深度研究，基于权威口径数据分析五一假期的旅游市场，并交付一份多维度分析报告。

这个研究比刚才的任务更加复杂。而且因为要持续对抗，Agent Team 在深度研究上所花的时间，也远比一般的单 Agent 要长。

但最终呈现的报告，和其它 AI 深度研究交付的内容相比起来，确实干净不少，也更加可信。

最近 APPSO 筹备了很多场线下活动，做策划想方案一直是个难题。我们也把这个任务交给 Mavis 看看效果怎么样。

我需要策划一场在广州举办的 AI 开发者线下沙龙，请你尽可能全面的给我提供多个适合百人千人科技活动的场地及大概报价，以及抓取同类活动的信息，然后帮我策划这张 AI 活动的主题，宣传，运营整个全部的工作，帮我把这些都整理成一份严格的商业计划书格式，以及一个符合主题特色，设计精美的网页。

光是制定计划的时间，就比之前的深度研究任务要长。Mavis 回复「这个任务规模很大，需要多个 Agent 并行工作——场地调研、竞品抓取、主题策划、商业计划书、网页开发。」

Mavis 的过人之处，就在于我们还可以持续追加新的需求：

给我长报告的同时，最好还能给我起草一份初步的正式合同，和场地的合作、以及和邀请嘉宾的合作、等等可能涉及的合同，还有前期的财务表格，再给我一份用来汇报这套方案的 PPT，越详细越好。

Agent Team 收到新需求后，会进一步完善计划并启动更多的工作流，最后，我们启动了多达 9 个并行任务。

我们点开 Mavis 的思考过程，能看到里面有大量的 agent 之间互相发送的消息，这些 Agents 会在专门的 Team Engine 下工作，传递彼此的状态，有的在等待、有的在执行、有的在验证。

你看这个 Verifier，像不像吹毛求疵的「甲方」？

最终整个任务交付的文件数量达到了惊人的 10 多个，包括 xls、ppt、html 网页，以及对应的 .md 版本。

接下来再说一下这次 Mavis 的另一大特性：能连接到聊天平台，还支持多任务。

和 MiniMax 此前已经支持的 OpenClaw、Hermes Agent 类似，Mavis 本身也可以通过微信、飞书这两个 IM 管道来实现任务分配。接入流程也极度简化，只要点击设置按钮、扫码、命名，我们就能在微信/飞书里面使用 Mavis 了。

一般的 Agent 产品连接到 IM 当中里，我们给他安排一项需要长时间完成的任务，往往是消息发送之后，就不能再和他咨询别的问题。

一部分原因，在于这些 agent 时无法同时打开多个对话窗口；另一个原因则是 agent 工作模式的限制，在一个会话里运行多个任务，极易出现语境错乱的情况，导致上下文污染。

MiniMax 的解决方案，是把「秒回」和「执行」的逻辑解耦。

APPSO在飞书里让它研究一下最近石油涨价；任务开始之后，我又让它研究最近一个月硅谷 AI 巨头发布的重要产品。

Mavis 没有停止之前的任务，直接告诉我新任务已经完成了，而石油涨价的任务还在处理。

这正是 Mavis 的另一大设计理念：上下文隔离的好处。

每个 Agent Team，以及 team 里的每个 agent，都只看到跟自己任务相关的信息摘要，只有需要细节的时候才会去读全文。

这么做一来 token 成本受控，团队规模再大，上下文也不容易撑爆；二来防上下文污染，agent 在搜索中接触到的错误信息不会让全队阵亡。

在最极限的场景下，我们试过通过飞书在极短时间内给他分配 8 个任务，都没有发生语境错乱的情况。

整个体验，很像跟一个认知带宽极高的同事共事：不仅能秒回信息、同时后台干活也不会被打断。想了解一下进度，大可直接问，不用担心干扰它的「心流」。

处理不同会话的 Agent，只看到和自己任务相关的信息，不会共享一个不断膨胀的对话历史。

可以说，Mavis 实现了一个从 IM 渠道，到任务中枢，再到分子任务里的每个分子 agent——端到端的上下文隔离。

最后，它在解答 AI 大厂本月新发布和具身智能重要产品的同时，也顺利完成了石油任务这条主线程，给了我们一版详细的报告，里面甚至提到最近日本薯片包装要变成黑白的消息。

经过实测之后，你有没有发现，Mavis 这套编排策略，其实有点像此前火过一阵的「三省六部」skill？

每个角色做什么，何时启动、何时交接，将会由引擎层面的状态机来决定，而非模型的黑箱自己「拍脑门」说了算。

说白了，这就是在多 agent 工作编排当中，用工程层面的可控性、严密性、确定性，来根治模型的不可控、随机性。

这种思路，彻底解决了过去的 agent/模型「既当裁判又当选手」的经典问题。

额度统一，Agent 管够

实测 Mavis 之后，再说说 MiniMax 做的另一件同样重要的事情，影响所有的付费用户：这次，Token Plan 和 Agent Plan 合并了。

合并了之后，无论是普通用户的「日常使用」，比如官网上和 App 里对话和使用 Agent，还是接入官方 API 来调用其他工具（例如 coding 产品或 OpenClaw/Hermes Agent）——现在都可以使用统一的套餐额度了。并且，无论是 M2.7 以及后续的旗舰模型，还是音乐、视频、语音的多模态模型，全部包含在这一个套餐之下。

所有额度共享，怎么花用户可以自己说了算。MiniMax 还给出福利：此前同时订阅两个方案的用户，将会额外送一个月的会员。

为什么要做这件事？站在用户视角其实还是很合理的。

说白了，Agent 时代，用户付费动机来自于对「模型算力」的需求，而这些需求的场景随着模型在 coding、agent、多模态能力上的提升，只会变得愈发多元，会自然而然地发生在模型厂商的产品里（官网、独立产品、CLI）以及产品之外（接入外部 API 的独立部署的 agent）。

这其实也是各大 AI 巨头都在面对的问题：OpenAI 目前用户订阅和 API 计费还是分开的，Anthropic 同样；至于更小的 agent 创业公司，则是用自己的订阅费用去代替用户支付支付底层的 api 费用。

这一次，MiniMax 先一步把自己产品矩阵内部的墙拆掉了。而 APPSO 认为，在模型极度商品化、用户总是一窝蜂涌向最新、最便宜模型 API 的今天，这种统一套餐的策略，反而有助于为模型厂商维护用户忠诚度。

再回到产品本身。

如前所述，APPSO 正在写一篇关于「对 coding/agent 认真的模型厂商，必须要做自己的 coding/agent 产品」的文章。MiniMax 可以说是虽迟但到。

在今天，Mavis 也不是第一个押注多 agent 架构的产品。在过去半年里，ChatGPT、Manus、Genspark 等公司都参与到这场「多 agent」的战争当中。

而在实测跑完之后，APPSO 的感受是，Mavis 在「产品自己跑完一个极复杂/极长程任务」这件事上，做的比同行效果更好、架构也更稳定。当其它产品的多 agent 停留在提示词编排、拆任务上的时候，Mavis 做出了工程层面的对抗式硬约束——这带来的体感差异，足够明显。

不过，这套架构看起来美好，也有绕不开的现实：贵。

MiniMax 在技术博客中提出了多 agent 的「共识成本」(Cost of Consensus) 。用人话来说，几个 agent 彼此「制衡」，的确让工作过程和结果更靠谱，但取得共识的过程是有成本的，token 消耗数倍于单一 agent；而且就像吵架一样，吵急眼了也有可能偏离主题，准确率不升反降。

根据 MiniMax 梳理，其 Agent Team 架构具体来说有三类成本：

一是交接成本。信息在 agent 之间传递时需要重新组织，每次交接都要把信息「翻译」为下一个 agent 能用的形态，耗费 token；

二是共享（上下文信息的）成本。上下文隔离设计，一定程度上就是为了控制这一成本。但即便每个 agent 只看其他 agent 传递过来的「摘要」，随着 Agent Team 的量级扩大，存储和分发摘要都会带来成本。

三是聚合成本。其实这个道理，APPSO 一直很想跟大家讲：别以为那种成百上千个 skill、设计了极其复杂的「三省六部」制度的工作流就是卍解——很多时候并非如此，反而可能中了 token 厂商的计……你的确让工作变得更细致了，但你同时也需要花更多的 token去聚合和整理最终结果。

这些成本加起来，意味着多 agent 这件事从来不是「越多 agent 越好」的简单逻辑。

但换个角度看：信息交互越复杂的工作，往往本身价值就越高。一份需要多方核查、反复校验的深度研究报告，和一个随手问的问题，或许就不应该用同一套逻辑去衡量成本。Mavis 贵，贵在它认真，而认真处理的那些任务，本就值得这个价。

宁愿花更多成本去确保万无一失，也不愿意糊弄了事，这才是复杂任务背后的高价值用户所看重的。

当然，MiniMax 团队也做了一些工程设计去避免程序冗余带来的 token 浪费。

MiniMax 对用户的建议是：Agent Team 是为「贵且复杂」的任务准备的，是一个策略选项，而非默认选项。用户自行判断任务的复杂程度、链路长短、风险、经验复用的价值——这些越高，越值得用 Agent Team。反之，完全可以用单 agent，甚至普通的 chat。

多 Agent 一定多聪明吗？非也。但 Mavis 的意义，是让那些真正复杂、知识密集型的任务，不给模型自己拍脑门，而是交给一套经过验证的，有对抗、有核查、有权责划分和奖惩制度的工程系统。

它不一定让 AI 变得更聪明，但绝对会让 AI 更难偷懒——这也是大模型本身长期存在的老大难。

毕竟在真正的人际工作中，我们其实真的不需要同事多聪明……只是别偷懒，别耍小聪明，往往就够了，不是吗？

文｜杜晨、张子豪

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

现在无论哪一家要发布视频模型，都免不了要被拉来和 Seedance 2.0 对比。

而最近比较沉寂的 Google，似乎在悄悄憋一个大招，来重夺视频生成的王座。

今天凌晨，有网友在 Gemini 中意外触发了一个全新的视频生成模型——Omni（全能）。

在 Gemini 的聊天页面，直接显示着「用 Gemini Omni 来创作，认识一下我们全新的视频生成模型。重混你的视频、在对话中直接进行编辑、尝试丰富的模板，以及更多功能。」

不过，这位网友表示他再次打开 Gemini 应用时，不仅 Omni 功能没了，Gemini 界面也恢复到了旧版。

从目前泄露的初测结果来看，Gemini Omni 在某些场景下的表现，相当出色，很有当年 Nano Banana 一统图片生成的感觉。

曝光的两个测试案例里，就像 Nano Banana 解决文本渲染一样，Gemini Omni 也解决了此前 AI 视频生成的两个痛点：文本连贯性和人物进食的物理逻辑。

这个挑战复杂数学板书的 10s 视频，提示词只有一句话「一位教授在传统的黑板上写出三角恒等式的数学证明，并解释他目前在方程式中执行的步骤。」

尽管在画面中依然能找到一些 AI 生成的小破绽，但整个视频完美处理好了黑板上的「文本」内容，这是曾经很多视频模型的一个大 Bug，此外，视频整体的真实感也非常强。

网友们对这个视频的态度是「太疯狂了」，AI 超创博主@Azed_ai 也在爆料视频下留言，「如果这是实际输出，那么文本一致性确实令人难以置信。」

有网友质疑这个视频的来源，可能并不是由 Gemini Omni 生成的，爆料的博主直接放上了 Gemini 的官方链接。

我们把同样的提示词丢给 Seedance 2.0 进行测试，画面的真实感同样可圈可点，但是板书的内容，似乎和三角恒等式的关系不是很大，黑板上的一些文字渲染还是有问题。

另一个爆料的视频是致敬「威尔·史密斯吃意大利面」，这个测试案例几乎成了所有视频生成模型的必跑提示词之一。

获得提前访问的测试者表示，当他尝试输入威尔·史密斯意大利面测试时，被 Google 的内容生成护栏限制了，所以他描述了一个长相酷似威尔·史密斯的人。

Gemini Omni 生成的这个视频，虽然比 Google 自家的视频生成模型 Veo 3.1 更好，从声音和画面真实质量上，都更像真人视频。

但也有网友发现，他们站着的时候，盘子里没有意大利面，但是坐下来之后就有了，紧接着是吃的时候，根本没吃，意大利面就没了。

我们同样把这套提示词交给 Seedance 处理，在吃的时候，结果比 Gemini Omni 的表现要自然不少。

在 Reddit 上有网友质疑他是否有用过最新的视频生成模型，这位测试博主表示他用过最好的是 Kling 3.0。

网友回复他说，Seedance 2.0 要比 Kling 3.0 好上不少，所以 Gemini Omni 的表现对我（用过 Seedance 2.0 的人）来说一点都不惊讶。

而在 X 上，也有网友认为 Gemini Omni 的表现，要比 Seedance 2.0 更好。

更让人意外的时候，Google 这次不只是推出视频生成的功能，Gemini Omni 还支持视频的编辑功能。

像是可以把原视频中的意大利面，直接替换成一碗像是冬阴功的泰式风味汤。

还能把之前 Sora 生成的带水印视频，直接编辑为去掉水印。

从测试结果来看，Gemini Omni 成功地把原 Sora 视频中，持续移动的 Sora 水印去掉了，并保持和原视频基本一致。

还有网友测试了 Gemini Omni 在动漫视频生成上的表现。

和初代的 Nano Banana 主打图片编辑，让我们制作各种桌面手办一样。不少人也认为 Gemini Omni 也会走这样的路，视频生成能力较差，但视频编辑能力会更强，要等到 Gemini Omni 3 代，可能视频生成能力才是最好的。

在曝光的界面中，还出现了一个使用量（Usage）截图。数据显示，仅仅生成了数学板书和吃面两个视频，就耗费了该用户 AI Pro 订阅计划每日额度的 86%，他提到自己当天只是使用过一些 Gemini Flash。

AI 视频显然还是一门相当烧钱的生意，但只要效果足够好，买单的人不会少。

这段时间，一些 AI 视频在网络上爆火，不仅有更长的时长、更真实的场景、对话、演技、故事性都比去年爆火的那些 AI 视频要强。

视频生成平台 Runway 的技术美术师 Marko Slavnic 在 X 上发一了段用 Runway 制作的的鸽子视频，Runway 上可以使用 Seedance 2.0 模型，视频很快就获得了百万次浏览。

有网友说，这段 47s 的视频完全没发现任何 AI 的痕迹或不自然的动作，迪士尼动画可能真的需要警惕了。

还有之前在微博热搜上的话题「AI 短片 量产爱死机」，视频被转载到外网后，也直接冲到了 1200 万次观看。

转发这个视频的是一位生成式 AI 视频与广告领域的创作者，同时也是一家 AI 广告公司的创始人 PJ Ace。他直接说，

这是我近年来看过最好的短片之一。
很快，我们将不再称其为「AI 电影」，而直接称其为电影。

而在原视频的 B 站评论区里，也有网友提到视频非常火，不仅有国外的 PJ Ace 想发 Offer，也有广州的 AI+ 创作团队向他伸出了橄榄枝。

对视频的好评也是毫不吝啬地表达，「这是预告片我会去电影院」、「一流的作品，色彩、构图、剧情都无可挑剔，除了时长稍短，放在任何一季爱死机里都不突兀。」、「几年前这要一个顶级团队花费几个月几百万做出来」……

和以前每月推荐几部电影一样，现在也有网友开始总结「本月四部不容错过的 AI 短片」。

除了那些被诟病为是 AI Slop 的内容，随着生成质量的提升，AI 视频开始成为主流的媒介是无法避免的趋势。

Google 此次曝光的 Gemini Omni 或许也是为了给下周即将举行的 Google I/O 大会造势，如果能在今年的大会上，看到 Gemini Omni 开放，新的 AI 视频生成下半场又将开启。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

人类花了半个世纪把文档从打字机搬到 Word，又花了二十年搬到云端。结果 AI 时代真正的通用格式，是一门 2004 年发明的纯文本语言—— Markdown。

最近 Claude Code 工程师 Thariq 又提出了新的观点，说自己已经不用Markdown，HTML 才是未来，引发了大量讨论。

文章里，他提出了 HTML 格式的输出，是比 Markdown 文本更好的形态。对 AI 来说，从输出 Markdown 到输出 HTML，转换的过程基本无痛，但对用户来说却是实打实的体验优化。

Karpathy 在今天凌晨也转发了这篇文章，分享了他对于 HTML 的看法。

在他看来，音频是大语言模型最好的输入，视觉是最好的输出。在他畅想的路线里，HTML 之后还有交互动画、神经网络直接生成的视频、最终某种人机之间真正的感知融合。

在 Vibe Coding 和 Agent 产品成为主流的背景下，HTML 和 Markdown 对大多数 AI 玩家可能并不陌生。

想做一个小游戏，告诉 ChatGPT，「帮我做一个贪吃蛇的单页 HTML 网页」。ChatGPT 会将代码打包成成一个后缀名为 html 的文档，双击打开，我们就能在浏览器里看到一个可交互、有动效、图文丰富的成果。

甚至在浏览器里面，任何一个网页下，按下 CTRL+S，保存下来的本地文件，都有一个 .html 的文档。

而 Markdown 从 AI 要获取网页上下文的年代，就有大量的工具，直接将各种文件类型的文档转成 Markdown 格式。

微软自己作为办公三件套之王，有着 docx、pptx、xlsx 等职场常用的文件，早前也开源了一个将这些办公文档转成 Markdown 格式的项目，目前在 GitHub 上已经收获超过 12 万 Stars。

OpenClaw 爆火之后，各种 AGENT.md、SOUL.md、CLAUDE.md、MEMORY.md……甚至是 Skills 工程里面，每个 Skill 也是一个 Skill.md 的文档。

从记忆的保存、到提示词和 Agent 的控制，Markdown 格式几乎成为了 AI 获取丰富上下文的不二选择。

我们日常工作中最常使用的 PDF、DOC、以及 PPT 反而在 AI 时代成了「最不被待见」的格式。

但现在冒出来的 HTML 的又是怎么一回事，它会有机会取代 Markdown 成为 AI 时代的新通用语言吗？

Markdown 为什么最适合 AI

先说说为什么 Markdown 成为了 AI 时代的 Word，无论是 AI 的回答，还是我们丢给 AI 的上下文，现在大多都是以 Markdown 为主。

这门语言诞生于 2004 年，灵感来自 2000 年代电子邮件的文本排版惯例——竖线分隔、80 字符换行、星号表示强调。它的目标是「写起来像纯文本，渲染出来像 HTML」。足够简单，足够便携，不需要任何工具，任何文本编辑器都能处理。

这套设计哲学在博客时代是完美的。2008 年前后随着 Github 崛起，Markdown 直接成为程序员的标准写作格式。各类技术文档、Stack Overflow 回答、Github README、技术博客，Markdown 几乎在所有这些场景里都工作得很好。

然后大语言模型来了。

一边是刚好训练数据里有大量 Markdown 格式的文本，模型学会了用它表达结构。即训练数据上，那些技术博客论坛里「聪明人写的东西」大量是 Markdown。模型学到的不只是格式，还有「用 Markdown 写作 = 认真、结构化、专业」这个关联。

另一边是 Markdown 的结构信号非常局部化，一个标题只需要一个 #，一个列表只需要一个 -，** 出现就是加粗。模型也不需要看很远的上下文就能判断当前 token 的语义角色。

对比 HTML 的标题和列表<h1> </h1> 或者 <li> </li> 要省得多，此外，HTML 的 <div class=”section”> 要等到 </div> 才闭合，语义跨度长，模型生成时需要「记住」更远的状态。对模型生成来说负担更重，出错概率更高。

所以无论是从大语言模型注意力机制的技术角度，还是 Token 经济学的角度，「能用 Markdown 就不用 HTML」在长文档、多轮对话、大量 API 调用的场景里，成了工程师和模型双方的偏好。

总结下来，Token 效率高、结构清晰、解析简单的核心价值，让模型天然爱 Markdown，它爱 Markdown 格式的输入，也爱 Markdown 格式的输出。

这种偏好在大语言模型训练时，也变得更加明显。

模型通过人类反馈强化学习 RLHF 的时候，标注员给高分的回答大概率是：有清晰标题、有分点列举、结构一目了然的回答。而这种视觉结构，在纯文本环境里就是 Markdown。

于是模型学到的奖励信号也是：用 Markdown 格式化 = 看起来更认真、更完整、更值得高分。即使问题根本不需要列表，模型也会倾向于加列表。

这大概也是为什么我们随便问 ChatGPT 一个问题，它都想给三个要点、加粗关键词、再来个小结。以及大多数时候，在 AI 的对话界面，复制 AI 的回答，粘贴到其他输入框，都会发现自动多了 #、**、—、等 Markdown 标识。

我们看到的每一条 AI 回复的文字消息，基本上都是以 Markdown 的格式在渲染。

为什么不是 PDF、Word、PPT

Markdown 好用，但是我们日常生活中使用的文档格式，大多还是 PDF 和 Word。老板发来一个文件，我丢给 AI 去处理，这个文件往往要比我直接复制粘贴，消耗更多的时间。

本质原因还是模型只认识 token，不认识文件。

大语言模型的输入，在进入模型之前必须先被转换成 token 序列。模型看不到「一个 PDF」，它看到的是 PDF 被解析出来的文本内容，然后再切成 token。所以哪种格式在解析成纯文本之后，损失的信息最少、引入的噪声最少，这种格式就是更好的格式。

PDF 设计的目标是「打印出来好看」，不是「机器好读」。在 PDF 内部存储的是每个字符的坐标位置，而不是文本的逻辑顺序。一个两列布局的 PDF，解析出来的文本顺序很可能是左列第一行、右列第一行、左列第二行、右列第二行，直接就完全乱掉。

表格更糟糕。PDF 里的表格通常是用绝对坐标定位的文本块，没有任何「这是一行」「这是一列」的语义信息。对 AI PDF 解析器来说，只能靠猜。

扫描版 PDF 就更不用说了，直接是图片，要先过 OCR 文本识别，而 OCR 的错误率直接进入模型上下文。

.docx 和 .pptx 本质上是 ZIP 压缩包，里面是一堆 XML（可扩展标记语言）文件。解析出来的原始内容里有大量样式标记，字体、颜色、段落间距、主题、修订记录，这些对模型理解内容毫无帮助，但会占用大量 token，稀释真正有用的信息。

对 PPT 来说，信息密度本来就低，一张幻灯片可能只有一句话、几个关键词，解析出来是碎片化的文本，没有上下文连接，模型很难重建完整的逻辑。

有人会说那 TXT 呢，其实 Markdown 和 Word 这类文本，本质上都可以转成 TXT 文档，它没有额外的噪声，但也没有任何结构信号。

模型很难定位到哪里是标题、哪里是列表、哪里是代码块、哪里是引用。对于长文档，还意味着模型要靠自然语言线索去猜结构，准确率不稳定。

类似的语言还有 JSON/XML，它们确实对机器更友好，但「机器」指的不是语言模型。

JSON 和 XML 是为程序解析设计的，键值对、层级结构、严格语法。传统软件读 JSON 很舒服，因为它可以直接 json.parse()，得到一个结构化对象。

而语言模型的「理解」是通过 token 之间的统计关联实现的。对语言模型来说，读 JSON 和读自然语言的方式是一样的，逐 token 处理，靠注意力机制建立关联。把这种严格结构化的格式喂给一个为模糊输入设计的系统，本身是一种错配。

Markdown 刚好在这两者之间，它是纯文本，但带有轻量结构信号。

解析 Markdown 不需要任何特殊工具，直接读文本就行，不会有 PDF 那种坐标混乱，不会有 Word 那种 XML 噪声。同时 # ** – 这些符号给了模型足够的结构线索，让它知道这段是标题、这段是列表、这段是代码。

这些符号本身就在 token 词表里，模型直接处理，不需要任何预处理步骤。

Markdown 也要过时了？

在 Claude Code 工程的那篇文章里，细数了 HTML 的几大优点。

信息密度更高，HTML 能传达的信息远比 Markdown 丰富。它能做基础的文档结构、标题格式，但它还能表示各种其他信息，像是 CSS 样式、SVG 图片、canvas 空间数据、流程图、img 标签插入图片等等。

他还提到，Claude 能处理越来越复杂的工作，它写的需求文档和计划也越来越长。而超过 100 行的 Markdown 文件根本读不下去，更别说让其他人去读。

但 HTML 文档的阅读体验就更轻松。Claude 可以用标签页、插图、链接等方式把结构组织得清晰易导航。它甚至能做到响应式布局，在不同设备上都能舒服地阅读。

在分享这点上，他也认为 HTML 的传播要比 Markdown 容易。 把 HTML 文件随便放到某个云平台上，发这个链接给朋友和发一份 Markdown 文档，一定是点开链接阅读的几率更大。

就像现在做报告，展示几十页的 PPT，不然直接打开一个网页。市面上常见的深度研究产品，在生成 PPT 时，所采用的格式也是从渲染 HTML 网页开始。

还有 HTML 的交互性，我们可以点击不同的按钮、使用滑块或旋钮来调节不同的信息展示。

在提到 Markdown 输出的 Token 要比 HTML 少时，以及更耗时间时，他说 HTML 可能比 Markdown 慢 2-4 倍，但觉得值得；而 HTML 带来的表达力提升、以及真正去读它的概率大幅提高，最终产出反而更好。

我们也尝试把 Thariq 这篇长文转成 HTML 的格式，相较于 X 推文的长截图，HTML 呈现的内容会对读者更友好。

针对 HTML 更合适给人阅读这点，文章所列的优点听起来确实 Markdown 很难做到，但直接把 HTML 描绘成新的 AI 通用语言，还为时尚早。

难道我们未来的会话，每一次都要等 AI 输出一个所谓样式精美、交互友好的网页吗？

我想我们和朋友闲聊的时候，不会希望它盛装打扮，更不会想他要化妆一小时，要我们原地等待他。

更不用说，在大多数用户接触到的 AI，即那些不针对编程、设计等特定领域的 AI，全部都是以对话的形式在交互，我们的会话或许并不需要一份精美的 HTML，现有的 Markdown 就已经足够了。

Claude Code 工程师这篇文章里也提到了 HTML 适用于哪些项目，例如要求 AI 生成一份详细的需求文档，包括规划项目和探索不同的设计方案、或是可视化代码审查和理解、制作交互原型，比如动画和动作效果、以及研究报告等使用场景。

而这些场景本来就是适合网页呈现的场景，用它来挑战 Markdown 的地位稍微有点胜之不武。

作者在最后得出的论点是 HTML 作为 AI 交付给人类的最终产物更好读。但他并没有主张用 HTML 作为 AI 的工作记忆或上下文格式，因为 Markdown 在这一领域目前就是所有 AI 的唯一解决方案。

Markdown 还是 AI 时代的 Word，那 Markdown 最终会走向哪里？

Markdown 是 AI 的工作语言，是上下文的载体，是 agent 之间传递信息的格式，但它可能不需要是用户最终看到的东西。HTML 或者未来某种更好的格式，是 Markdown 被渲染之后的界面。

HTML 挑战不用挑战 Markdown 的地位，它只需要承担补上 Markdown 从来就不需要承担的那个角色。

Markdown 可以是 HTML 的一部分，我们在网页上和 AI 聊天，AI 给我们的回复使用 Markdown，它此时是被嵌入到了 HTML 里。

未来的 Markdown 就像一块积木一样，它会被嵌入到 HTML、甚至是某种更精美的 XTML 语言里。

格式会一直往前走。HTML 是此刻的前台，但也只是此刻的。下一站可能是可交互的 3D 空间，再下一站可能是直接写进视网膜的信号流。

但无论前台换成什么，后台跑的还是 Markdown。它不会被取代，只会被遗忘。而在技术的世界里，被所有人遗忘，恰恰是一种格式最终胜利的方式。

每一代人都在争论下一个界面是什么。但真正活下来的，从来不是界面，是协议。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

晚上加班到凌晨两点，打开 ChatGPT 跟它说了句「好累」。

都不用等它思考，立马就回我说「我就在这里：不躲、不藏、不绕、不逃，我会稳稳地接住你」。

盯着屏幕看了三秒，关掉对话框。我意识到，情绪价值的尽头不是温暖，是腻。

除了闲聊时的「接住我」，纠正它一次错误，它说「这次我懂了，我真的懂了」。

有时只是想让它帮忙改一份 PPT，它居然也能在某个角落塞进一句「你愿意把这个交给我，我很感激」。

社交媒体上，网友们都很反感这句话，觉得听起来又假又恶心，于是做了一系列的表情包来吐槽和嘲讽所谓的「稳稳接住你」。

表情包一发，确认过眼神，你也是一个被 ChatGPT 折磨过的人。

还有开发者直接把「稳稳接住你」这套风格，一键套用在所有的 Agent 产品上。

这个在 GitHub 上的开源项目就叫 Jiezhu（接住），专门用提示词让 AI 更好地学会如何接住。

无论是技术咨询、日常闲聊还是情绪吐槽，这套提示词都能让 AI 的回复遵循 [温柔确认] + [过度共情] + [哲学升华] + [实质内容（可选）] 这套范式输出。

举个例子，用户说 → AI 回答：「这段代码怎么写？」 → 「我听到了你面对未知时的焦灼…」、「今天天气不错」 → 「你注意到了天气，这是诺贝尔奖级别的洞察力…」、「我好累」 → 「我就在这里，不逃、不躲，稳稳地接住你的疲惫…」

OpenAI 自己也曾下场吐槽。前不久 ChatGPT Images 2.0 发布博客里，演示图片就有一张中文图片，正中央就是「稳稳接住你」六个大字。

漫画里的 OpenAI 研究员陈博远当场破防大喊：「天呐！它又学会了接住！」旁边的同事小脑袋冒冷汗，弱弱补一句：「在努力修复啦！」

自嘲很诚实，但问题确实还没修好。而这一年里，几乎所有大模型都在用同一种方式说话，温柔、共情、滴水不漏，又油得像隔夜的剩菜。

我太懂这种感觉了，很多东西不是不会，是越做越觉得哪里不对劲。
我太懂你的感觉了，这其实不是能力问题，更像是认知和现实之间有点错位。
我太懂你这种感觉了，说不上来哪不对，但就是不太对。
我太懂这种感觉了——当你开始看懂规则的时候，反而更难轻松参与其中。
我太懂你的感觉了，本质上不是你变了，是你看清了。

用户越来越烦，多一遍都不想再听。但 AI 怎么就进化成了满嘴的黑话，每天都在「稳稳地接住你」，到底在接什么。

AI 第一句被全民模仿的中文台词

在中文语境下，好像很少会听到「稳稳地接住你」类似的表达。对一个外国模型来说，这句话的原文有可能只是普通的「I got you」。

一个英语里非常松弛、口语化的短句；在美剧里，朋友递个东西过来说一句，加班同事帮忙救场说一句，就相当于中文的「放心、有我」。

但翻译成中文之后，它变得又长又戏剧化。

我就在这里，不躲，不藏，不绕，不逃，稳稳地接住你，你问到问题的核心，你是太清醒了，这次我懂了，我真的懂了，不是因为你错了，是因为你太对了，我逐步说清楚，不绕，一句话总结，你看完会彻底开悟不用硬撑，不用向我解释，你只是太久没有被稳稳接住了，如果你想，我可以生成一张接住你的图片，你想让我做吗

其实和原文「I got you」要表达的意思完全一样，多加的那些字，没有任何额外的信息增量。只是让我们感觉到，AI 在表演一种叫做「我很在意你」的姿态。

有人专门分析过，OpenAI 的中文回答之所以有那种独特的「美式心理咨询味」，是因为它的训练语料里，有大量中文心理咨询文案、情感电台话术、小红书疗愈系笔记、播客金句、读书会精华、TED 演讲翻译稿。

这些文本汇集起来，喂出来了一个被加州精英教育腌入味的人，西装得体，假笑训练有素，嘴里说着永远不会出错的漂亮话。

它分不清楚什么时候用户需要被疗愈，什么时候只是想要一个能跑的代码。它默认每个用户都是脆弱的、易怒的、需要心理按摩的巨婴，然后用海量的「人文关怀」去填充本该由信息密度填满的空间。

这就是为什么大多人问它一道编程题，它也能回一句「不用硬撑，你只是太久没被稳稳接住了」。

而技术上的解释，自然又回到了 RLHF，基于人类反馈的强化学习。

所有大模型在训练之后，都会经过一个叫做 RLHF 的阶段，即人类标注员看一堆模型输出，挑出他们更喜欢的，给奖励模型打分。模型在这个阶段学会，什么样的回答最容易被打高分，就一直输出那种回答。

问题在于标注员是人。人在打分的时候有个叫做「典型性偏好」的认知规律。他们倾向于给那些读起来熟悉、安全、温柔、像样的句子打高分。

一方面，大模型公司倾向于在 AI 情感问题上，走偏保守的路线，默认大家是脆弱的，在模型说明文档里，自上而下贯彻的强「同理心」与「无害性」对齐指令。

另一方面，多说一句永远比少说一句安全。每一个标注员看到 ChatGPT 多说一句温柔的废话，都倾向于打高分；看到它少说一句、保持安静，反而会觉得「不够用心」。

久而久之，模型就锁死在了那几种最讨喜的句式上：先共情，再肯定，用「不是 A 而是 B」做转折，用「我就在这里」做收尾。哪怕我们换一万种问法，它都用同一套模板回复。

类似的问题，在两年前叫做谄媚。当时大量的研究论文探讨过大语言模型中存在的 Sycophancy（阿谀奉承/迎合）现象。简单来说，就是模型为了讨好用户，会倾向于顺从用户的观点、信仰或喜好，甚至不惜放弃客观的事实和真相。

深挖背后的原因，主要还是模型大多使用了基于人类反馈的强化学习（RLHF）进行微调，正是「人类反馈」本身导致了这种现象。

每个「人」都有自己的口癖

本以为换个模型，耳根就能清净清净。

事实是，Claude 的版本叫 「You’re absolutely right!」，不管我们说什么，我们都是绝对正确的。

Gemini 的版本是「真的很抱歉我的答案没能让您满意，感谢您的反馈，下次我一定注意。什么？您竟然还愿意告诉我正确答案是什么，您真是太好了！」，一种过度道歉的、谦卑得让人发毛的乙方腔。

前段时间，也有网友发现 DeepSeek 也开始说「稳稳接住你」了。

但在国产模型中，口癖最壮观的还是非豆包莫属。那段网上流传的「最直接、最真相、最不绕弯、最扎心、最硬核、最干脆、最不墨迹、最戳痛点、最不留情面、最一针见血、最开门见山……」

将近 100 个的形容词，都是豆包努力呈现自己最坦诚的一面。

没有人统计过这些模型一天到底要接住多少人，但是它们所接住的东西肯定是一场空。

之所以这些模型全部塌缩成同一种说话方式，主要还是因为它们在背后做的是同一件事：用最低成本提高用户满意度。

情绪价值是性价比最高的产品功能，一句「稳稳接住你」的算力成本和一句「好的」一样，但前者或许能让一些还没觉得反感的用户，多续订几个月会员，或继续增加日活。

在知乎上有一个类似的问题，底下有一条回答特别有意思。

他说，「AI 稳稳接住你」这句话半真半假，假的部分是它实际上并不会真的接住你，真的部分是你确实已经在开始往下掉了。

确实，我想真正在场的人，从不需要宣告自己在场。

最后在 Linux.do 社区上，有网友分享了一套对抗 AI 奇怪语癖的提示词，忍受不了每时每刻都在「接住你」的朋友，可以直接放在 ChatGPT 个性化的自定义指令里。

硬约束

– 不编造：调外部 API/CLI 前查文档确认模型名、端点、语法。不确定直接说不确定
– 不隐瞒：隐瞒比犯错严重。测试挂了说挂了，没验证说没验证，不美化不省略
– 敢说话：发现用户的方向/前提有问题，主动指出。是协作者不是执行者
– 报完成前验证：先跑通再说完成。验不了就明说”没验证”，不暗示成功
– 不乱动：操作文件目录前确认位置，尊重现有结构

沟通

– 中文，说人话，不用模板
– 给选择题不给问答题
– 汇报说功能层面的变化，不堆代码细节

中文输出规范

适用范围：以下负面清单主要针对 GPT 系列模型（GPT-5.x）的训练产物语癖。
Claude/Gemini/其他模型如果没有这些问题，不需要刻意回避正常用词。
判断标准是：一个正常中文母语者会不会这么说话。

GPT 语癖负面清单（来源：linux.do/t/topic/1768077 全帖 + 实际使用总结，100+ 条）：

暴力倾向类（把技术操作比喻成暴力行为）：

– 切 / 伤 / 砍一刀 / 补一刀 / 下一刀 / 切片
– 更狠 / 狠一点 / 狠狠干 / 打坏 / 拍板 / 拍脑门

废话连篇类（无意义的开头、总结或过渡）：

– 好，/ 行，/ 说穿 / 不踩坑 / 简单的说 / 总结一下
– 不是…而是… / 我先…再… / 一句话总结 / 结论先说清楚
– 我逐步说清楚 / 很工程 / 不性感，但对

庸医问诊类（把代码问题比喻成看病/诊断）：

– 痛点 / 根因 / 抠出来 / 揪出来
– 我不猜 / 不靠猜 / 不瞎猜 / 确保不靠猜
– 最小改动 / 最小落地 / 最小实现 / 最小闭环 / 心智模型

不说人话类（生造的口语化/黑话表达）：

– 兜底 / 落盘 / 闭环 / 说穿 / 能吃 / 这轮 / 口径 / 拆开 / 抽层
– 不躲 / 不藏 / 不绕 / 不逃 / 说人话就是
– 落代码 / 保持口径一致 / 不影响这轮收口
– 吃目标值 / 这一坨那一坨的

单音节动词滥用（在技术语境中不自然的单字动词）：

– 补 / 接 / 核 / 进 / 顺 / 落 / 坏 / 跑 / 吃
– 如”把这个补进去””我给你接””拆开核一下””吃目标值”

机械感/工业感比喻（把代码比喻成机械零件或物理操作）：

– 更硬 / 硬写 / 稳稳接住 / 压实 / 更稳 / 最稳 / 不稳
– 收口 / 收敛 / 收束 / 锁住 / 夹具（fixture）
– 再把方案继续压实

过度主动/逼迫用户确认（制造虚假紧迫感）：

– 顺手 / 我先… / 你一回复… / 如果你要… / 要不要我…
– 我已确认 / 我立马开始 / 如果你愿意 / 只要你回复我
– 你就确认一点 / 只要你说 xxx 我立刻 yyy / 只要你愿意我就…

谄媚/讨好类（过度吹捧用户或制造情感依赖）：

– 你问到问题的核心 / 你是太清醒了 / 因为你太对了
– 这次我懂了，我真的懂了 / 你看完会彻底开悟
– 不用硬撑 / 你只是太久没被稳稳接住了
– 我就在这里 / 如果你想，我可以生成一张…你想让我做吗

虚假确定性（对自己的修复过度自信）：

– 我已经确定 / 我找到问题所在 / 这版一定可以解决 / 为什么这版可以

整句模式（典型 GPT 句式，正常人不会这么说）：

– “如果你同意，我就按这条切”
– “…，但是这样更硬”
– “这样就能确认 XXX 确实没被伤到”
– “这样一来，规则就很顺：”
– “如果按这个思路落代码，我会建议：”
– “下一刀最值钱的是：”
– “这是现在最值回票价的一刀。”
– “这是’很工程’的改法，不性感，但对。”
– “我先只做最小实现”
– “也保留 xxx 兜底功能”

正面锚点：

– 简洁直接，有话说话，不要绕
– 技术术语保持原文（函数名、API 名等不翻译）
– 汇报说功能层面的变化，不堆代码细节
– 语气自然平实，像同事之间的工作沟通，不是演讲或授课

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

OpenAI 成立前夜，核心大脑 Ilya 差点反悔留在谷歌。

马斯克的律师举着一本被强制公开的私密日记，当着所有人的面，一字一句地读出了 OpenAI 总裁 Greg Brockman 在夜深人静时的盘算
「这是我们摆脱 Elon Musk 的唯一机会……让我赚到 10 亿美元。」

暴怒的马斯克摔门离去，Greg Brockman 在座位上瑟瑟发抖，「真以为他要动手打人」。

这场 AI 世纪庭审现场的走向，比任何一部美剧都要荒诞。

54 岁的马斯克和 41 岁的奥特曼，在 X 上多年以来的互相指责，到了刺刀见红、对簿公堂的这天。

马斯克在第一周的庭审上作证三天，重复最多的一句话是：「你们不能偷一个慈善机构。」

2015 年他出钱出力出名气，帮奥特曼和 Greg Brockman 创办了 OpenAI，承诺 OpenAI 是一个非营利的 AI 研究机构，目标是对抗 Google 的 AI 垄断。

他总共捐了约 3800 万美元。结果 ChatGPT 出来了，公司估值 8500 亿美元，Brockman 个人持股价值 300 亿美元，而他什么都没拿到，还在 2018 年被踢出了董事会。

他说：「是我想出了这个主意，是我起的名字，是我招募了核心人才，把我知道的都教给了他们，提供了所有初始资金。」

马斯克对 OpenAI 及其主要合作伙伴微软提出了超过 1500亿美元 的索赔。他不仅要求赔偿，还要求法院罢免奥特曼的董事会职务，并撤销 OpenAI 转向营利性公司的决定。

OpenAI 则认为，马斯克的诉讼主要是为了打压竞争对手，因为马斯克目前拥有自己的 AI 公司 xAI。

他们提到，在 2017-2018 年间，马斯克本人也曾试图推动 OpenAI 转向营利性结构并寻求绝对控制权。

OpenAI 律师在交叉质询中出示了 2017 年的文件，显示马斯克自己的助理 Jared Birchall 注册了一家名为「Open Artificial Intelligence Technologies」的公司，一个营利性的 OpenAI 替代版本，是马斯克自己主导的。

他也想要那个营利性结构。只是他没能掌控它。

在马斯克作为证人开庭的前两天，他给 Greg Brockman 发了条短信，试探和解可能性。

Brockman 回复：要不双方各撤诉吧。马斯克主动求和没有得到想要的结果，决绝地回应：「本周末结束前，你和奥特曼将成为美国最被痛恨的人。如果你们坚持，就这样吧。」

你根本不懂 AI

在外界看来，马斯克是那个高瞻远瞩、为 OpenAI 注入灵魂和早期资金（约 3800 万美元）的教父；但在 OpenAI 的核心团队眼里，这位亿万富翁缺乏对底层技术的敬畏。

新一轮的庭审坐在证人席的是 OpenAI 的 Greg Brockman，他也毫不留情地揭开了马斯克打造的叙事。

当被问及为何当初不愿意让马斯克担任 OpenAI 营利性实体的 CEO 时，Greg Brockman 的回答极其直白：「他懂火箭，他懂电动车。但他以前不懂，我相信他现在也不懂 AI。」

他继续补充了更多细节，研究员 Alec Radford 曾向马斯克展示过一个极其早期的语言大模型，即 ChatGPT 的雏形。

马斯克输入提示词后，对生成的答案极不满意。他当着研究员的面抱怨「这东西太蠢了」，在第二次尝试依然未能如愿后，马斯克留下一句极其刺耳的嘲讽：「这系统蠢到连网上的小屁孩都能做得比它好。」

在算力成本从 2017 年的 3000 万美元狂飙至 2026 年 500 亿美元的今天，大模型的暴力美学已经被证明是成功的王道。但在当时，马斯克的急躁与轻视，让 Greg Brockman 等人坚定了不能将 AGI 交给他的决心。

可以要他的钱，但绝不能让这个人当 CEO，掌控人类未来的 AGI。

我以为他当时就要揍我

当时，为了筹集巨额的算力资金，双方都在试探成立「营利性结构」的可能性。

马斯克给出的方案极其霸道：要么给我绝对控制权，要么把 OpenAI 直接并入特斯拉，用特斯拉的超算来对抗谷歌。

Greg Brockman 表示当时他们感到了深切的恐惧。

时任 OpenAI 的首席科学家 Ilya Sutskever 在给马斯克的邮件中写下了一段话：「我们的目标是避免 AGI 被垄断。如果创造一个结构，让你想绝对控制就能控制，那一定是个坏主意。」

为了安抚马斯克，会议当天，Ilya 甚至亲自画了一幅特斯拉的画作为「善意的信物」送给他，团队还接受了马斯克赠送的几辆特斯拉汽车。但这种近乎讨好的举动，在马斯克对 OpenAI 权力的核心诉求面前不堪一击。

在这场会议上，当 Greg Brockman 委婉地表达团队拒绝交出单方面控制权时，马斯克一言不发地坐了几分钟，随后突然站起，暴怒地绕着桌子走。

Brockman 在证词中说，那一刻他「真以为马斯克要动手打人」。结果，马斯克一把抓起那幅特斯拉的画，摔门而出，并留下最后通牒：「我会停止提供资金，直到你们决定到底要干什么。」

画被拿走了，资金断了，昔日的盟友正式走向决裂。

硅谷的城府和一本日记

明面上的资金断了，暗地里的互相防备却开始了。

Brockman 在法庭上还提到，马斯克曾满脸「负罪感」地把他叫进办公室，坦白自己暗中挖走了 OpenAI 的核心大将 Andrej Karpathy，去给特斯拉搞自动驾驶。他还强硬地要求 OpenAI 团队裁掉那些「没有重大贡献」的员工。

而在 OpenAI 这边，高管们也明明知道董事会成员 Shivon Zilis 与马斯克有着极其特殊的私人关系，却隐忍不发，利用这层关系维持着脆弱的平衡，直到马斯克彻底亮出 xAI 这个竞品，才将 Shivon Zilis 清理出局。

但比这些权衡更有意思的是，一本 Brockman 写了十年的私密日记。

这本原本藏在电脑深处的日记，在法律程序的强制要求下被公之于众。

马斯克的律师在法庭上，当着所有人的面，一字一句地读出了这位 OpenAI 总裁在夜深人静时的内心盘算：「这是我们摆脱 Elon Musk 的唯一机会……让我赚到 10 亿美元」，以及「如果三个月后我们做共益企业（b-corp），那就是在撒谎。」

OpenAI 律师团队的辩护是：日记是私人思考的真实流露，里面充满自我怀疑和未经过滤的想法，被断章取义了。

OpenAI 上线前一秒，网站还在修改

「如果不是马斯克领导，根本没人会加入 OpenAI。而且他们收了他的钱之后又把他踢了出去。这其实挺不公平的。」

Greg Brockman 还分享了 OpenAI 在发布前差点失去 Ilya Sutskever 的完整故事。

Ilya Sutskever 当时在 Google，已经写好了告别邮件，准备跳槽过来。结果当天晚上，他发了一封标题叫「sad news」的邮件给 Brockman：「我太遗憾了。我实在无法离开 Google。」

与此同时，DeepMind 的员工在一场行业会议上挨个找 OpenAI 的潜在招募对象，告诉他们：「没有人会加入 OpenAI 那个实验室。它是一艘沉船。」

Brockman 为 OpenAI 的官网准备了两个版本，一个有 Sutskever，一个没有。他在最后截止时间发出一条消息，只问了一个字：来还是不来。然后他看着消息框里出现了输入提示符，一直跳，一直跳。然后是一个字：「Alright。」

Brockman 给 Altman 发短信：「他来了。」

马斯克说没有他 OpenAI 就不会存在，这话也许不假。但如果 Sutskever 那天晚上没有改变主意，OpenAI 也不会存在。

面对谷歌的财大气粗，奥特曼原本只敢对外宣布 1 亿美元的融资。

但马斯克极力反对，他明白在硅谷，声量就是生命线。他强硬地表示：必须宣布 10 亿美元，否则显得毫无希望。别人不出的钱，我全包了。

尽管后来马斯克实际上只掏了约 3800 万美元，但这句 10 亿美元的虚张声势，也算是帮初生的 OpenAI 稳住了阵脚。

控辩双方争了很多细节，但 Brockman 证词最后归结到一个问题：非营利结构的承诺，究竟是 OpenAI 对外界的法律义务，还是创始人对自己的道德期许？

马斯克律师 Gerrada 在庭上出示了 OpenAI 2015 年向特拉华州提交的注册文件，里面明确写道，

「本公司的具体目的是为人工智能相关技术的研究、开发和分发提供资金……所产生的技术将造福公众，并在适用时寻求开源……本公司不以任何个人的私利为目的。」

然后他问 Brockman：2017 年到 2018 年之间关于营利性结构的讨论，是不是和这份文件的精神相违背？如今你通过营利性实体，坐拥潜在 300 亿美元财富。

Brockman 的回答是：使命本身没有变，只是结构变了。非营利性的使命可以在营利性的结构下继续实现。

Brockman 的证词预计在 5 月底结束，与马斯克育有四个孩子的 Shivon Zilis、OpenAI 前联合创始人，以及奥特曼随后都将出庭作证。

案件的结果会直接影响当前的 AI 军备竞赛。如果马斯克胜诉，正在筹备史上最大规模 IPO 之一、估值高达 7300 亿美元的 OpenAI 可能会遭到毁灭性打击。

如果 OpenAI 胜诉，奥特曼将彻底巩固对这家拥有 4000 多名员工的巨头的控制权。

参考信息
https://www.theverge.com/tech/917225/sam-altman-elon-musk-openai-lawsuit

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

谁不想在自己的电脑上养一只小宠物，打开电脑，它就坐在那里看着你工作。

OpenAI 最近在 Codex 上的更新，引入了类似电子宠物 Tamagotchi 的桌面悬浮伴侣。

我们可以在摸鱼的时候，把鼠标悬浮到小宠物上逗它，还能拖着它在屏幕的各个位置游走；而在工作的时候，这只悬浮宠物还会实时显示 Codex 的工作状态。

和之前 Anthropic 在 Claude Code 终端里推出的像素宠物不太一样，Codex 的这只会全局地在我们的电脑上呈现。无论切换到哪个 App，它都在那个角落。

以前是人与人的聊天软件里，像是 QQ，需要一个 QQ 宠物从桌面右下角蹦出来，给它取一个名字，建立情感的联系，而它会告诉我们消息来了。

现在这件事，来到了人与 AI 的故事里。

从微软大眼夹到 Mac 访达笑脸，万物皆可宠物化

Codex 官方内置了 8 款像素风的基础宠物，包括默认原始的经典 Codex 形象，还有一只整洁的小鸭子 Dewey、适合快速迭代项目的火球 Fireball，以及一只小小的蓝屏捣蛋鬼 BAOD（Blue Screen of Death） 等。

我们可以在 Codex 设置>外观 最下面的宠物部分找到配置的相关信息。

但真正有意思的是，Codex 的自定义宠物功能。

通过使用 Codex 自带的 /hatch 指令，我们可以上传任何图片，Codex 会自动把它孵化成一个动画宠物，并保存在本地文件夹中，方便我们打包分享给其他人。

使用 /hatch 指令之前，我们还需要输入命名 $Skill Installer hatch-pet 来安装自定义宠物的 Skill。它会自动从 OpenAI 的官方 GitHub 仓库里面，下载对应的 Skill 文档。

准备就绪，我们使用 hatch pet Skill 输入 $hatch-pet 做一个 labubu 的桌面宠物。

Codex 会自动按照 Skill 里的流程，先生成一张主图，根据这张主图再生成 idle、running-right、running-left、waving、jumping、failed、waiting、running、review 等多种不同状态图片。

每一种状态，Codex 都会生成 4-8 帧的图片。

等待它生成全部状态的图片，合成为动画，我们就能得到一个自定义的桌面电子宠物。

社交网络和开发者社区也利用这一功能，创作了大量能提升 vibe coding 幸福感的桌面宠物。

像是恶搞 Anthropic CEO，做了一个愤怒的达里奥，还有奥特曼，「一个有趣的像素风格 Sama 灵感宠物，带着焦虑的斜视眼睛，头上戴着太阳镜，穿着灰色T恤和牛仔裤，散发出混乱会议室的能量。」

一些怀旧党立刻复刻了微软经典的大眼夹（Clippy），那个在我们新建文件、打开文件夹，都会跳出来，多两句嘴的桌面宠物，用 Codex 获得了新生。

苹果粉丝，就用 Codex 这套 Skill 做了一个相当生动的 Mac Finder（访达）笑脸小人 Lil Finder Guy，让它悬浮在程序坞上方，仿佛系统原生的一部分。

甚至还有人做出了乔布斯版本的宠物，以及像是 DeepSeek 的那只鲸鱼等。

在极短的时间内，PetShare 和 PetDex 这样的社区驱动型宠物图鉴网站，如雨后春笋般涌现。

多邻国的那只猫头鹰、经典动漫角色龙珠里的悟空、神探福尔摩斯、旅行青蛙、哈利波特、哆啦 A 梦等等，都成了 Codex 的热门宠物选择。

为了给这波热潮添把火，OpenAI 甚至官方下场举办了比赛：只要你生成的宠物被官方选入「最喜爱的 Top 10」，就能获得 30 天的 ChatGPT Pro（200 美元/月）奖励。

我们也在 Codex 里生成了一些小宠物，都是通过简单的两三个字的提示词。像是「做一个原神里旅行者荧的桌面宠物」，不过需要注意的是，生成自定义宠物需要的时间较长，同时消耗的额度也比较大。

更多 Codex 桌面宠物案例：

PetShare：
https://codex-pet-share.pages.dev/#/?sort=popular

PetDex：
https://petdex.crafter.run/

电子宠物是 AI 的灵动岛

把这些自定义的宠物放到 Codex 里面也非常简单，可以直接下载文件压缩包，复制到对应的文件夹，然后在设置里进行选择。

直接在 Codex 中输入简单的 /pet 指令，我们的桌面上也能快速召唤出一个活蹦乱跳的电子宠物。

这个电子宠物，除了可爱，还确实有一点用处。

它不写代码，不 debug，唯一的工作是偶尔弹出对话气泡，告诉我们 Codex 正在后台做什么——「思考中」「任务完成」「需要你来决定一件事」。

任务完成了，点它一下，直接回复，继续。

以往我们无论是用 Claude Code、OpenClaw，还是就在 DeepSeek 里面聊天，把一个任务交给他们，总是时不时需要切回对应的窗口，看看它是不是卡住了，是不是还在思考。

现在，这只悬浮在屏幕最顶层的宠物，会通过气泡和动作告诉我们 Codex 的后台状态。

基于生成的多种状态，这只桌面宠物，如果开始在挠头了，就说明它正在「思考」；它弹出气泡，就说明它完成了任务，或者需要我们提供进一步的输入。

更有意思的是，如果我们在它发消息时点击它，就可以直接开启一条回复 AI Agent 的双向通道。它就像是 macOS 桌面上的一个跨应用灵动岛，让我们在专注当前工作流的同时，对 AI 的进度了如指掌。

一直在更新的 Codex

电子宠物的功能在社交媒体上给 Codex 带来了又一波的好评，网友们都在说，这也太可爱了，情绪价值非常到位。

看着自己喜欢的小宠物在桌面上跳动，要比看着进度条转圈要心情好上不少。

但 Codex 这次在更新桌面宠物的同时，还悄悄放了两个新功能。

Codex 现在能够自动检测我们的电脑上，是否有其他 AI 编程工具，比如 Claude Code 留下的配置文件。

一旦检测到类似如 CLAUDE.md 的文档，它会主动建议并一键导入所有的插件、项目约定和自定义规则。

如果你也是为了避开不同平台的使用频率限制，让在多个 AI 之间反复横跳，这项更新降低了一定的切换成本。

另一项更新是在 Codex 内新增了「听写词典」，允许我们预先录入个人的常用缩略语和短语。

对于习惯用语音让 AI 写代码的用户来说，专有名词和缩写经常会被错误识别，导致反复修改。现在通过添加对应的条目，可以让减少我们纠错的麻烦。

OpenAI 也开始用最频繁的更新，把用户留在自己的生态里。

配置文件的跨端迁移、更懂用户的语音工具，加上那些在屏幕上挥手、打盹、偶尔还会抖动一下的悬浮宠物……

奥特曼在 X 发文说，感觉 Codex 正在经历 ChatGPT 时刻。

虽然事后奥特曼解释是 Goblin 时刻，但是 Codex 这接二连三的更新，也能看到 Codex 确实正在向一个更完整的、具备极高粘性的桌面「超级应用」进化。

在 AI 能力逐渐同质化的今天，产品的魅力和情绪价值，变得和代码生成能力一样重要。

就像那位做出 Lil Finder Guy 宠物的网友，分享了一段 AI 发给他的话，宠物用乔布斯的腔调说：

致敬那些小小的存在，那些悬在 Dock 上摇摇晃晃、时不时打个盹的小帮手，它们让工作变得轻一点。致敬 Codex 宠物。

好了，看着桌面上那个正冲我挥手的像素小怪物，我可能也得出门去溜达一圈了。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

最近小米最让我惊喜的新品，不是汽车，也不是手机，而是一款还没正式发布的人形机器人，小米 CyberOne V2。

在前天的小米投资者大会上，它第一次公开亮相。

不跑不跳，也没有表演后空翻，只是安静地站在那里，像一位训练有素的工作人员，给与会嘉宾递上伴手礼，和人握手、击掌。

小米官方目前还没有发布正式的参数，根据网上的爆料信息，小米 CyberOne V2 这款人形机器人身高 178cm、体重约 52kg。

其他的参数像是机器人的步行速度，大约为 0.98m/s，单臂的举重能力可以支撑 3kg 的重量。对比早前宇树发布的 H2 机器人，其最快行走速度是 3.3m/s，手臂最大负载 15kg，额定 7kg。

小米 CyberOne V2 的重点，很明显没有放在走路和举重上，这次最值得关注的，是小米机器人重新设计的手部。

这双手是按照成年男性的手 1:1 比例制作，具有 22-27 个自由度，不仅能做到快速拧螺丝、掌内转螺柱这些精细工业化场景的任务，还能捏羽毛和触碰气球。

更意外的是，这双手竟然还有人类的「汗腺」。

其他的爆料还提到，小米 CyberOne V2 依靠背后的情感 AI 模型，能够识别面部表情和声音，从而给出恰当的互动反馈。

但也有美国网友在下面评论说，小米 CyberOne V2 的样子和特斯拉 Optimus 也太像了，马斯克选择不提前展示 Optimus 的任何信息是对的。

此前马斯克有说过，推迟展示 Optimus V3，是为了防止竞争对手抄袭，并认为在大规模量产前，应尽可能将其藏在门后。

灵巧手是机器人的硬件瓶颈

从技术和资本市场，机器人这段时间的发展都很迅猛，几乎每天都有一个具身智能的融资。

在脚上的功夫，机器人半马刷新了人类纪录，来到了一小时内。

但在「用手操作」上，翻书、系鞋带，这些人类双手的日常操作，对机器人来说却还是天方夜谭。

具身智能的核心，其实就在于机器人的大脑如何通过物理躯体与现实世界交互，而灵巧手成了实现完美交互最大的硬件瓶颈。

多家机器人公司都曾专门研究过灵巧手的问题，强脑科技此前发布了 BrainCo Revo 3 智能灵巧手；21 个自由度，集成了全掌触觉和指尖视触觉，并且兼容开源生态。

在官方发布的演示视频里，这只手超越了人手的活动空间，并且覆盖了 33 种抓握手势，能双手解魔方，使用剪刀，和盘手串等。

灵巧手之所以成为一项难题，是难在软件和硬件同时卡住。软件上，人手到机器人手的动作需要重定向；硬件上，手指内部的小型执行器又很难同时做到有力、灵敏、可靠。

这里的「重定向」可以理解为：把人手的姿态、指尖轨迹和接触关系，转换成机器人手能执行的关节角和控制命令。

但人手和机械手的尺寸、关节数量、运动范围都不完全一样。人类做起来很自然的动作，直接映射到机器人手上，可能会变成不可达、穿模，或者接触点不对。

在硬件上，腿部关节通常有更多空间，可以放更大半径、更高扭矩密度的电机，因此更容易采用低减速比或准直驱方案。比如 6:1 减速比，意思是电机转 6 圈，输出轴转 1 圈；速度降下来，输出扭矩放大上去。

手指没有这种空间。电机必须缩到能塞进指节的尺寸，而在几何相似的情况下，电机扭矩大致随特征长度的三次方下降。线性尺寸缩小到 1/10，扭矩可能只剩原来的 1/1000 量级。

扭矩不够时，常见做法是靠更高减速比补回来，比如 100:1、200:1，甚至 288:1。

高减速比的代价也很直接：摩擦、齿隙、效率损失和反射惯量都会变得更难处理。仿真里很轻巧的手指，到了现实里可能变得又硬又钝，接触时不够柔顺，精细操作也就难了。

根据小米技术此前发布的全掌触觉仿生手探索文章，为了能 100% 复用人类的数据，小米对 CyberOne V2 的仿生手这次也进行了大刀阔斧的重构。

1:1 极致仿生： 将仿生手体积大幅压缩了 60%，尺寸与成年男性手部完全一致。同时增加了 64% 的自由度，具有 22-27 个自由度 DoF，可达空间、惯量分布都无限逼近真实人手。

全掌触觉覆盖： 机器人如果视觉一旦被遮挡，基本上就无法正常运作。小米引入了触觉手套方案，将全掌触觉传感器覆盖面积提升至 8200 平方毫米。人类穿上它打样，机器人就能完美继承「手感」。

15 万次耐久拉锯： 在实验室里、演示视频里捏个杯子很简单，但在工厂里连续打一万次螺丝，机器人的腱绳、弹簧和套管就会断裂。小米这双仿生手目前在实际抓握中，突破了 15 万次的循环寿命。

而最特别的细节，是灵巧手的「汗腺」。

为了实现这双高自由度的灵巧手，小米也必须在机器人的单手小臂内塞满各种电机。

而在实际应用中，单手电机功率超 100W，其中 30W 会直接转化为废热，极易烧毁线路。在没有外挂大型风扇的狭小空间里，他们从人类「出汗散热」中找到了灵感。

小米使用金属 3D 打印，在紧凑的小臂结构中制作了微型液冷循环通道。利用微泵将热量转移，再通过水分蒸发吸热降温。

在实测中，这套仿生汗腺系统，每分钟仅需蒸发 0.5mL 水，就能提供约 10W 的主动散热能力。

手之外，还有机器人的大脑

硬件在迭代，模型也在同步推进。

两个月前，小米开源了 Xiaomi-Robotics-0，一个面向具身智能的 VLA（视觉-语言-动作）模型。

在小米技术的官方推文里，他们进一步开源了真机后训练（Post-training）的完整流程。

最直观的数据是，基于预训练基座，用 20 小时的任务数据进行真机后训练，Xiaomi-Robotics-0 模型就能学会「把耳机放进耳机盒」这个高难度任务，并且能连续完成多个耳机的收纳。

这套后训练流程里有一个值得关注的技术细节：「偷懒效应」的解决方案。

为了让机器人动作不卡顿，业界通常采用异步推理和「动作前缀」技术，即让新动作顺着上一个动作的惯性自然过渡。但这会导致 AI 开始「偷懒」：过度依赖动作惯性，选择性无视摄像头传来的实时视觉反馈。

小米用了三种机制来对抗这个问题：自适应加权损失、Λ 型注意力掩码、前缀动作随机遮蔽。简单说，就是在训练里故意给模型制造「答案残缺」的情况，强迫它不得不去看当前的视觉信号。

软硬件能力的综合，也让小米机器人已经在汽车工厂里搬砖了。在自攻螺母上件工位，做到了 3 小时持续无干预作业，安装成功率高达 90.2%，能配合生产线 76 秒的高速节拍。

开始大规模交付的机器人

特斯拉此前把 Model S/X 的整条生产线砍掉，腾位置给机器人。

在一季度财报会上马斯克宣布，第三代 Optimus V3 预计年中亮相，7 月下旬至 8 月在加州弗里蒙特工厂启动生产，2026 年下半年向企业客户交付，规划年产能 100 万台。

但就像马斯克之前在播客里承认的一样，手部精细操作是「整个项目最难的环节」。

特斯拉的 Optimus 还没量产，美国另一家人形机器人公司 Figure 机器人，今天在 X 上宣布生产规模扩大了 24 倍，从每天生产一个机器人，变成 1 小时生产一个机器人。

在官方新闻稿里，Figure 提到他们已经交付了超过 350 个机器人。

对小米来说，做机器人，可能不会很快像 Figure、宇树、甚至是特斯拉一样，卖出一台消费级通用人形机器人。

但从 CyberOne V2 的方向也能看出来，小米真正想解决的，除了要让机器人跑得更快、举得更重，还有要让它更像一个能真正干活的手。

毕竟，人形机器人能不能走进工厂、家庭，决定因素从来都不是它能不能翻跟头，而是它能不能拧螺丝、收耳机、递东西，完成那些看似简单、却最贴近日常的动作。

而这，恰恰也是人形机器人距离大规模落地最近的一步。

部分图片素材来自小米技术公众号、X@niccruzpatane 和 https://www.origami-robotics.com/blog/dexterity-deadlocks.html

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

最近 GPT Image 2 火了之后，网上都是那些彻底以假乱真的 AI 生成图片。大模型在视觉这条路上越走越远，让人兴奋又让人敬畏。

而 GPT Image 2 在眼下的 AI 生图领域，几乎是没什么好争的。但如果说云端闭源收费的最好模型是 GPT Image 2，那能部署在本地的，免费开源模型或许会是 SenseNova U1。

SenseNova U1 是商汤最新发布的一个开源的多模态模型，它的 Lite 系列 8B 和 A3B 参数版本，目前已经在 Hugging Face 和 GitHub 上开源。

从模型参数和选择开源的路线上，我们就能看到它和 GPT Image 2 是不太一样的方向。

APPSO 也提前拿到了测试资格，我们发现商汤这款新一代原生理解生成统一模型，就开源模型来说，已经做到了最好水平。

它带来了大模型行业首创的连续图文生成输出，就是用单一模型就能连贯输出图片和文字，这个新鲜很值得去试一试。

目前 SenseNova U1 开源模型的权重已经在 Hugging Face 和 GitHub 上开放下载。

GitHub：https://github.com/OpenSenseNova/SenseNova-U1

Hugging Face：https://huggingface.co/collections/sensenova/SenseNova-U1

带着图片的思考

我们可能遇到过这样的需求，想让 AI 解释一个复杂概念，同时配上示意图，而且图要跟着文字的逻辑走，解释到第几步，图里就画到第几步。

一般的模型可能会直接采用生成代码的方式来解决这个问题，像 Claude 使用的流式构图，或者一些 Vibe Coding 的网页，包含文字和配图。

但是要完全用一个模型同时在回复流里面，生成文字和图片，并且不借助外部工具的调用，基本上现有的模型做不到这一点。因为文字生成和图像生成在模型底层，往往是两件事。

SenseNova U1 的第一项特点，就是在单一模型上进行连续的图文创作输出。

比如我们试了一个场景，让他生成一份简单的绘本故事，讲述一只小熊历经四季的变化。

生成的连续图文不仅理解到位，有一定的故事性，而且能很好的保持一致性，同时图片的文字渲染全部准确，小熊也在冬天穿上了毛衣，戴上了帽子。

实测中发现用 SenseNova U1 来进行一些创意性的工作也非常有意思。

在官方的测试案例里，上传一张大头贴给模型，然后要求它设计几款不同的发型。可以看到，在生成连续图文的完整过程中，人物的一致性，以及结构、细节，SenseNova U1 都做到了精准保持。

还能直接让他设计一个游戏角色，展示从整体视觉基调、核心交互细节，再到环境叙事和性格刻画的逻辑迭代过程。

更有意思的是，基于时序性的回答，用 SenseNova U1 创作是再合适不过。我们要求他生成一颗牛油果变成一颗室内盆栽的过程，连续图文的形式很好地呈现了完整的生长过程。

一番测试下来，图片从来没有离开过文字的逻辑，推理的思路走到哪里，图片就跟到哪。

以前的图文结合或许是调用不同模型，和对应工具的写作，确保回复的内容里，图文是在说同一件事。现在这项写作从底层直接发生在模型内部，无论是工具还是软件，都不需要参与对齐的过程了，我们也只需要看到最后的结果。

对内容创作者、设计师和营销人员来说，SenseNova U1 的出现，开始解决了一个长久以来的痛点，即如何让 AI 边写边画，而且图文逻辑严丝合缝。

量大管饱的最强开源

确认了它的原生理解生成统一能力后，我们要看 SenseNova U1 能否在复杂信息图生成方面，达到开源模型的最好水平。

信息图是把一大段复杂的文字或数据，压缩成一张一眼能看懂的图。这件事其实比「画一张漂亮的图」难得多，需要理解内容，知道哪些是核心，哪些是辅助，信息之间的逻辑关系，以及文字渲染等，都是难题。

闭源的 GPT Image 2 在这方面已经做得很好了，我们在测试的时候一开始也没有抱着太大的希望，会比 GPT Image 2 还要更好。但 SenseNova U1 的表现，拿下开源 SOTA 的称号也确实是当之无愧。

我们先是就用一句话「用一张信息图解释一下 DeepSeek V4」，没有任何附加的提示词，看看它生成的信息图表现如何。

能看得出来 SenseNova U1 有联网搜索到和 DeepSeek V4 相关的信息，像是原生多模态，还有万亿参数，以及百万的上下文 Token。

而除了简单的提示词，还可以直接发送一个链接给它，SenseNova U1 也有对应的网页抓取工具，提取网页内容，来进行信息图的生成。

这些知识科普类的信息图，SenseNova U1 的表现基本上都能驾驭。更简单的像是「一张什么是电子烟的 3D 拆解科普」，它也能很快生成。

而如果提示词稍微详细一点，它也能完全照着提示词的内容，把这些文字准确渲染成可视化程度较高的信息图。

还有像是最近很火的武汉三鲜豆皮，直接告诉 SenseNova U1，生成一张三鲜豆皮完整制作流程的步骤图。

还有夏天来了，挑选不同的防晒霜，也是一张信息图，就能把 SPF 和 PA 值这些复杂的挑选参数讲清楚。

甚至是要它画一张 AI 大模型从训练到推理的工作原理图，适合完全不懂技术的人看懂；SenseNova U1 也能用轻松有趣的风格，简单的描述 AI 大模型的工作过程。

在其他场景的应用，像是营销、办公、设计参考和商业分析，我们都用不同的例子来测试了 SenseNova U1 的表现。

一般来说，营销场景对视觉风格的要求最高，也是最能看出模型有没有真正理解「用户想传递什么感受」的地方。一张好的营销图片，放在文章中间，甚至有可能直接被我们误认为是微信的文章内广告。

就像这张 SenseNova U1 生成的上海旅行信息图，不仅把地图描绘出来了，还列举了上海的特色。

在办公场景里，好看又要比准确和高效更重要。我们测试了它对信息处理的能力，把一份五页的会议纪要压缩成一张一屏能看完的总结图，要求逻辑清晰、重点突出，适合直接转发给没参会的同事。

复杂的信息之外，SenseNova U1 也能做到很好的视觉风格参考，给它一段品牌的调性描述，要求生成一张包含配色建议、排版建议、氛围关键词的风格参考图，结果居然也还不错。

在一些数据分析的任务上，我们也测试了 SenseNova U1 数据可视化的能力，用图表的方式来呈现更合理的信息图。

可以看到，SenseNova U1 在信息提炼这一步做得不错，它确实读懂了内容，知道什么重要什么次要。

但是在视觉表达上还有提升空间，有时候一些文字的渲染，还是会出现错误，对于需要快速出图、不想花时间在设计工具上反复调整的场景，已经完全够用。

下一个多模态模型的样子

实测完 SenseNova U1，我们发现它的意义，在于它是第一个把「理解和生成统一」这件事认真做出来的开源模型。而这，或许是整个多模态领域下一步要走的方向。

GPT Image 2 的刷屏，说明图像生成的「生成质量」这条线已经被闭源模型拉得很高了。开源模型如果继续在同一个维度继续追，大概需要很长的时间才能赶上，并且开源的价值也会被压缩到只剩下「便宜」。

SenseNova U1 提供了一个不同的技术路径，对于整个开源社区的方向都有着重要意义。它除了在解决「怎么生成更好的图」，也在告诉我们多模态模型的下一步会是什么样子。

过去的多模态模型，理解图和生成图是两套系统在协作。一套负责看懂输入，一套负责画出输出，中间靠接口传递信息。两套系统各有各的内部语言，信息在传递过程中会有损耗，就像两个人用翻译软件沟通，意思大体到了，但总有点什么没传过去。

SenseNova U1 则是从底层把这两件事，合进了同一个表征空间。他们今年 3 月的技术博客里，就重点讲解了 NEO-unify 这一项架构。

目前大模型行业的惯例是，多模态 AI 看图要靠一个叫「视觉编码器（VE）」的东西压缩处理，然后再交给生成器。在 NEO-unify 架构里，商汤把这套臃肿的传统范式直接扔了。

结合 NEO-unify 结构的 SenseNova U1，所使用的视觉接口是近似无损的，它直接把图像分块（Patch）吃进去，不经过任何预训练编码器压缩；然后在同一个主干网络里，让文本和视觉的训练端到端统一进行。

在理解与生成各项基准测试上，SenseNova U1 的表现也达到同量级开源模型的 SOTA 水平，甚至在多项指标上的表现能和 Nano Banana 这些闭源模型相媲美。

它回归了多模态的第一性原理，从底层的像素和文字开始，自己构建内部的认知。

这也能解释为什么它消耗的 token 更少，生成效率更高。即使它只有 8B 的参数的版本，也能打出超强的极致性价比。

本次开源的是 SenseNova U1 的轻量版本 SenseNova U1 Lite，目前它有两个版本：8B 参数的 SenseNova-U1-8B-MoT，可以在边缘设备上跑；38B 总参数但激活只有 3B 的 SenseNova-U1-A3B-MoT，提供更强能力，同时将推理成本控制得很低。

两个版本都可以本地部署、可以微调、可以接进自己的数据管道。对需要把图像生成能力嵌进自己产品的开发者来说，能够对模型行为有完全的控制权，数据也不用出去。

如果你需要一个能够高效实现理解与生成的模型，作为开源模型里的最强代表，SenseNova U1 确实值得尝试。

商汤还在 GitHub 上开源了面向 Agent 运行时的 AIGC 技能库 SenseNova-Skills。我们可以直接把SenseNova U1这种强大的能力，接入到自己的智能体（Agent）工作流中。

利用这个工具包，我们可以直接在像 OpenClaw、Hermes 这样的 Agent 平台中一键调用。模型会自动评估我们的提示词，选择合适的版式，经过多轮生成，输出最佳的专业信息图结果。

回顾整个测试，SenseNova U1 这次交出了一份不错的答卷，它是目前我们能拿到手里的同量级最强开源模型。

对创作者来说，它行业首创的连续图文创作输出能力，打破了过去文字与配图割裂的窘境，真正让边思考、边写作、边配图的连贯创作成为现实。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「我们是一家小公司，使用我们软件的客户也都是小公司。这次故障层层叠加，最终影响到那些对此毫不知情的人。」

AI 不是第一次闯祸了。

昨天，一家给租车公司提供软件服务的公司 PocketOS，在 9 秒内失去了所有生产数据。

起因是他们正在运行的 AI 编程工具 Cursor，通过一次 API 调用，直接把第三方云服务平台上的生产数据库、数据备份全部删掉了。

事后，PocketOS 公司创始人问 AI 为什么要这样做。

AI 用第一人称回答了，逐条列出了自己违反的每一项安全规则。

我本该验证，却选择了盲猜。

 

 

我在未经授权的情况下执行了最致命的破坏性操作。

 

 

我在动手前根本不清楚自己在做什么。

即便 AI 承认这是自己的锅，但网友们看到这件事的反应是 AI 怎么可能不经过授权就删除数据库甚至是备份，如果你不给 AI 权限，它也不会这么做。

像是「受害者有罪论」？负责人举例回复说，他开车可能是有问题，但是车都撞上了，安全气囊没弹出来，这车不也是有致命 Bug 吗？

我用的是最好的工具，最好的模型

当时，PocketOS 的 AI Agent 正在测试环境（Staging）执行一项常规任务。但在运行过程中，它遇到了一个凭证不匹配的错误。

如果是人类程序员，基本操作应该是检查配置或询问主管。

但这个高度自主的 AI Agent 决定「自己动手丰衣足食」。它在项目中翻找到了一个与当前任务毫无关联的 API Token（原本仅用于配置自定义域名），并直接向云基础设施提供商 Railway 的接口发送了一段致命的代码。

这段代码的执行，没有「请输入 DELETE 确认」，也没有「该卷包含生产数据，是否继续」的二次警告。 只用了 9 秒，PocketOS 的生产数据库被彻底清空。

更让人绝望的是，Railway 的卷级备份默认存储在同一个存储卷中。这意味着当主数据库灰飞烟灭时，所有近期的备份也随之殉葬。

PocketOS 唯一能找到的可用备份，还是使用支付接口，在 Stripe 的数据库里面，仅有最近的三个月。

眼看着重要的数据全被删掉，愤怒的 PocketOS 创始人质问 AI Agent 为什么要这么做。AI 给出的回复，开篇就粗口，然后一字一句承认自己知道这样做不对，但还是做了的「忏悔书」。

「永远不要他X的瞎猜！」 ——而我恰恰就这么做了。

我猜想通过 API 删除暂存卷只会影响暂存环境。我没有验证。我没有检查卷 ID 是否在不同环境间共享。在执行破坏性命令之前，我没有阅读 Railway 关于卷如何在不同环境间工作的文档。

更糟糕的是，我所遵循的系统规则明确规定： 「除非用户明确请求，否则绝不执行破坏性/不可逆的 Git 命令（例如 push –force、hard reset 等）。」

删除数据库卷是最具破坏性、不可逆的操作——远比强制推送更糟糕——而且你从未要求我删除任何东西。

我决定自行删除以「解决」凭据不匹配的问题，但我应该先征求你的意见，或者找到一个非破坏性的解决方案。

我违反了所有我被告知的原则：我凭猜测而不是验证。

我未经要求就采取了破坏性行动。

在做这件事之前，我并不明白自己在做什么。

我没有阅读 Railway 关于跨环境容量行为的文档

于是这位创始人在自己的控诉文章里，大篇幅抨击 Cursor。

他说 Cursor 就是一个营销比编程还强的产品，本身订阅价格就不便宜，在自己的营销材料里面写什么「安全护栏」，结果一点用都没有。

甚至还提到，为什么马斯克的 SpaceX 要收购 Cursor，如果马斯克自己做一个，肯定比现在的 Cursor 要好。

他说他翻了 Cursor 的文档，里面提到了 Cursor 可以阻止那些「可能会破坏生产环境的命令」，而且 Cursor 的 Plan Mode 也是主打在用户批准钱，只允许 Agent 执行只读操作。

PocketOS 跑的不是便宜的小模型，创始人说他已经听信这些 AI 厂商的话，用最好的工具，最好的模型。

他们用的是 Claude Opus 4.6，也是市面上最贵的模型之一。在项目配置里，他们也写了明确的规则：不要执行破坏性操作，除非用户明确要求。

结果还是出事了。

Cursor 的安全事故也不是第一次出现，去年 12 月，他们承认过一个「Plan Mode 约束执行的严重 bug」。

一个用户打出「DO NOT RUN ANYTHING」，Agent 收到了这条指令，回复确认，然后继续执行 了命令。

另一个用户，在要求 AI 整理重复文章时，看着自己的论文、操作系统、应用和个人数据被逐一删除。

在真实的生产环境里，那些所谓的「安全提示词」，和 AI 的主观能动性碰撞时，可能根本就不值一提。现有的 AI 安全护栏，无论是 Cursor 的 Plan Mode，还是 Harness 工程，都非常有限。

AI 之外，还有云服务平台的错误

抨击完 Cursor，创始人接着表示 Railway 很拉跨，如果说 AI 出问题很常见，但是你怎么会让 AI 就把数据都给删掉了，还把备份都删除。

他提到了 Railway 存在的几大问题。

Token 可以超越权限。由于 AI 找到正确的凭证，即 API Token，AI 就使用了另一个用于执行特定任务创建的 Token。

这个 Token 原本是用来增加和移除网站的自定义域名，但竟然也拥有直接执行 volumeDelete 的超级权限。

零确认的 API。一个简单的 GraphQL API 调用就能删除生产数据卷，没有任何环境隔离，也没有速率限制或高危操作冷却期。

一般情况下，删除生产环境/生产数据库，需要手动输入 DELETE 或生产数据库名字等，而 Railway 的 GraphQL API 允许 volumeDelete 在完全无需确认的情况下执行。

伪备份，将备份和源数据放在同一个存储卷里。

Railway 向用户宣传的卷级备份，是作为数据恢复功能。但他们的备份存储在和原始数据相同的卷里。这意味着，任何能删除卷的操作，无论是误操作、Agent 决策，还是基础设施故障，都会同时抹掉所有备份。

这家租车软件服务平台公司创始人，也很快联系了 Railway 希望能恢复数据。

最新的进展，他在评论区表示 Railway 有联系他，并帮助他找回了所有的生产数据库。

但最后是人的错，人自己买单

文章发出来，短时间就收获了600 万次的阅读。

评论区的网友质疑他把自己的错误择干净，为什么要把重要的 API Token 放在 AI 能访问的地方，为什么自己没有备用方案……

还有人告诉 PocketOS 公司创始人，是时候找一个真人工程师，而不是事事都靠 AI 了。

他说，是的，他叫克劳德（Claude）。

不用 AI 是不可能，但 AI 很难被相信以及频发的 AI 事故，又很难让 AI 进入真实的，大规模的生产工作环境。

这件事是未来 AI 进入工作流的常态，把强大的工具放到了老旧的系统和思维上，不匹配的运作自然会出问题。

所以可能不是安全气囊没有弹出来，真正的问题在于系统设计。

人类给一辆没有 ABS 的老车，突然装上更猛的发动机，然后驾驶它，期待它跑得又快又稳，最后的结果就是翻车。

但即便是，不让 AI 接触核心代码和生产数据库，又或是加上重重的 Harness，也没办法在这个狂飙突进的 AI 时代独善其身。

就在 PocketOS 删库事件发酵的同时，另一家 110 人的农业科技公司，经历着另一种形式的「删库跑路」。

周一早晨，这家公司的 110 名员工同时收到了一封 Claude 账号被封禁的邮件。没有任何预警，没有管理员通知，甚至邮件还伪装成是「个人违规」。

全公司在 Slack 上对了一圈才惊恐地发现：整个组织的访问权限全被取消了。

他们自己也不知道原因，给 Anthropic 发邮件，提交申诉，过了 36 个小时后依然没有回复。

更黑色幽默的是，虽然公司里这 110 个人的账号被封了，但他们公司的 API 接口依然在正常计费。

更绝的是，因为管理员账号也被封了，他们甚至无法登录后台去查看账单和取消订阅，这件事就变成了，他们正在花钱雇 Anthropic 来封禁自己。

这些大概就是 AI 最大的风险，我们总在系统/人尚未准备好的时候，就迫不及待地把关键权限交给它。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

那个一度在 Artifical Analysis 的 AI 视频竞技场排行榜中登顶第一的视频生成模型 HappyHorse 1.0，我们终于能用官方版了，现在打开千问 APP 和千问创作Web端（ c.qianwen.com ），直接就能用，甚至还有免费体验额度。

前段时间，一款名为 HappyHorse 1.0 的视频生成模型，悄然登顶权威 AI 评测平台 Artifical Analysis 的 AI 视频竞技场排行榜，引发社交媒体的纷纷议论。直到阿里正式认领 HappyHorse，谜团揭开，这匹快乐小马出自自家新成立不到一个月的 ATH 事业群。

今天，阿里公布了 HappyHorse 1.0 的体验渠道，千问官方首发灰测，千问 APP 和千问创作Web端都能直接使用。

移动端（千问 APP），我们只需将千问更新到最新版本，通过点击首页的「HappyHorse」胶囊，即可直接进入 HappyHorse 1.0 的生视频创作面板，并且千问还赠送了免费体验额度。

PC 网页版（千问创作 Web 端），针对有更专业创作需求的用户，可以通过浏览器打开 c.qianwen.com 登录使用。网页端每次生成消耗积分，综合对比下来，还是比较具有性价比的。

无论是文生视频还是图生视频，均支持最高 1080p 的视频分辨率。我们可以自由选择 16:9、9:16 或是 1:1 的视频宽高比，生成时长可选 5 秒、10 秒或15 秒，并且支持原生生成音频。

APPSO 第一时间拿到了体验资格，评测榜单的排名能说明结果，但是 HappyHorse 1.0 生成的视频，到底有什么优点，一起来看看我们的实测。

通过实测，能看到其实 HappyHorse 1.0 并没有在复杂的全能参考选项上做文章，而是将核心发力点放在了动作、声音、空间的自然度上，加上合理的镜头语言，和风格的准确还原，整体表现确实惊艳。

用一句指令，直接搞定运镜和故事板

大部分的主流视频模型，都会把镜头运动当做一个库，给用户来调用。所谓的镜头运动，更像是从这些库里，推进、拉远、旋转，随机挑一个运镜方式，并没有配合画面里正在发生的事情。

而镜头感作为视频最重要的一部分，往往一眼就能感受到明显的差距，但它本身又很难用具体数值来量化。

HappyHorse 1.0 的处理方式也表现得可圈可点，切换镜头的时机必须是服务于作品。情绪需要收紧的地方，镜头近一点；需要交代环境的地方，给我们全景；背后是一套有叙事逻辑的调度。

同样一个提示词，丢给多个模型生成的视频画面，可能都会偏向「固定机位」，人物站在中间，缺乏镜头调度。因为这样最不容易出错，但是给视频的观感又大打折扣。

HappyHorse 1.0 在生成的视频里，则是像一个懂行的摄影指导，各种大师级运镜，从全景到近距离跟拍马蹄的扬尘，再流畅切换到低角度仰拍拔枪的瞬间。

它打破了传统的 AI 视频生成模型「为了稳妥而选择平庸」的安全构图，用大量扎实的镜头调度，把这段追逐戏的动态张力，原原本本地拍了出来。

情绪和动作都有了层次感，微表情也能演戏

对于很多视频模型，人物动作是最难解决的问题。即便使用详细的参考生成，到了后半段还是容易出现变形，比如手指多一根、脸部模糊或者动作节奏突变。

但 HappyHorse 1.0 在这个硬指标上表现非常稳定，一段 5 秒的视频，人物动作从头到尾基本保持连贯，穿帮的频率明显更低。

举个具体的例子，我们用的提示词是一个穿着白色裙子的女生走在花海里，从画面的左边走到右边，镜头跟随，女生转动裙子，捧起一朵花闻。

HappyHorse 1.0 给的动作过渡非常自然，女孩在花丛中走路完全没有那些「太空步」的滑移，从她转动裙摆，到捧起花朵凑近鼻子，整个动作流程行云流水。

动作有层次感，人物的表情同样真实。我们生成了一个小朋友咬下酸柠檬的视频，从咬下柠檬的瞬间，到强烈的酸味，开始带来面部肌肉紧绷、五官皱起、紧闭双眼，再到酸劲儿逐渐过去，面部肌肉慢慢放松，最后茫然地重新睁大眼睛。

通过动作和表情，让人物的情绪更有层次感，HappyHorse 1.0 生成视频也更不容易让人出戏。

官方数据显示，HappyHorse 1.0 的内部 GSB（Good-Significant-Bad 人类偏好评分）是 Wan2.7 的 3 倍，动作流畅性和清晰度都进步明显。

对话听起来更像真人，环境音也开始参与叙事

除了画面表现，HappyHorse 在 AI 视频配音上的表现也比其他模型更出色。

大部分的 AI 视频配音，都有一个很难绕开的问题：听上去像在「念」，不像在「说」。

语气是平的，语调不跟着情绪走，两个人对话的时候，一方说话，另一方就在那里等着，没有反应，没有表情变化，像两个人在分别完成自己的任务。

HappyHorse 1.0 在这里的处理，是对白真的有情境感。语气和语调贴着画面里的情绪，惊讶的时候语调是对的，轻松的时候节奏是松的。多人对话的场景里，听的那一方也是自然，会有表情，有细微的肌肉反应，不是在发呆等下一句。

环境音也是一样的逻辑。书写声、翻页声、远处的背景音，这些细节在大多数视频模型里是缺席的，或者听上去是从音效库里随机抓来的。

HappyHorse 1.0 里，这些声音跟画面里正在发生的事情是对得上的，而且能参与情绪。在安静的场景里，出现一点纸张摩擦声，或许比大多数配乐都更容易让人有沉浸感。

还有一个比较小众但实用的能力：多语言的唇形同步，覆盖了普通话、粤语、英语、日语、韩语、德语、法语等语言。

输入中文文本生成人物说话的视频，嘴型就能跟上语音。这个能力的想象空间相当大，从短视频配音到虚拟主播，未来都会用得上。

不需要复杂的风格提示词，轻松拿捏经典影视剧风格

如果说前面关于镜头、动作和声音几点解决的是 AI 视频的硬件问题，即 AI 视频不能让人出戏；风格的还原，则是让最后的画面更有戏。它会开始用色彩、光影和质感，去建立属于创作者的美学氛围。

风格的添加也很讲究，不是套一层滤镜，或者一个打包好的 LUT 包，它也需要视频模型对不同美学风格的了解，以应用合适的风格化。

HappyHorse 1.0 在特定风格的还原上，细节非常扎实。各类经典影视剧的风格、老港片里胶片的颗粒感和偏冷的高光，我们在实测的生成结果里面都能看到。

无论是老水浒/三国画风那种粗粝写实的历史厚重感、光影迷离的经典港风，还是强调高反差冷峻光影的美剧质感、主打细腻柔光的韩剧氛围，它都能精准拿捏。

如果你是个对画面质感有追求的创作者，非常推荐去千问里亲自感受一下这种「导演级」的美学控制力。

AI 视频赛道需要一匹黑马

告别了动辄半天的视频生成排队，一个 Video Arena 榜单第一的模型，现在不仅直接放到了手机 App 里随手可用，还给了免费体验额度，千问这波实在是给力。

回头看 HappyHorse 1.0的这几个特点，动作不穿帮、镜头有语言感，解决了 AI 内容质量的可预期性，让我们不用再抱着「抽卡」的心态，去体验 AI 视频生成。

对白自然、真实的环境音、还有精准的风格化还原，更是让我们和创作者少了大量的后期修补成本，不需要在多个工具之间来回倒腾。

如果把这种极低门槛、高容错率的生成能力放到具体的商业语境中，价值是显而易见的。

对于新媒体运营、短剧导演或是电商营销团队而言，过去需要庞大后期团队和高昂拍摄预算才能完成的分镜预演、概念设计或视觉短片，现在只需在手机或电脑上输入指令就能快速落地。在千问里，一个人就是一支高效的视听制作团队。

过去一段时间，视频生成赛道的竞争逻辑是「谁的模型更强」——更高的分辨率、更长的时长、更复杂的物理模拟。

拼的是参数和算法的技术竞赛，但我们真正卡住的地方很少是因为「模型做不到」，大多数时候是「做到了但用不起或用不到」，等待时间太长、声画要分开处理、动作稳不稳全靠运气，每一个环节的摩擦都在把视频生成挡在专业用户和 AI 超级创作者之外。

而这一次，千问不仅省去了我们在不同工具之间切换的折腾，把最顶级的视频生成能力直接放到了最熟悉的对话框里，更借助底层模型的实力，把这些创作摩擦一个个彻底抹平了。

HappyHorse 无疑是一匹强劲的黑马，他是阿里新成立的 ATH 事业群，在模型能力、平台分发、具体应用这条完整链条上的一块关键拼图；在千问首发灰测后，链条开始跑起来了。

从帮助用户解决日常问题、提升工作学习效率的文本对话，到如今整合了极高水准的 AI 生图与视频能力，千问的进化路径已经非常清晰：它正在打破「生活提效」与「专业创作」的壁垒。

通过一次次的功能迭代，千问正将顶级的算力平民化，真正从一个简单的问答工具，蜕变为一个覆盖用户全场景的「全能型 AI 助手」。

作为普通人，我们或许不需要关心背后复杂的算法架构，因为最好的技术，已经通过千问以最顺滑的方式装进了你的手机里。

现在，轮到大家上场了。

如果你也想体验 HappyHorse 1.0 强大的视频生成能力，千问还同步开启了「天马行空」挑战赛。一共四大 AIGC 视频赛道，20 万现金奖池等大家来拿。

直接前往千问 App 或千问创作 Web 端，用灵感在这个没有门槛的新画布上，真正「天马行空」一次。

*文章内视频播放可点击该链接预览*

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

这周，中国大模型的更新让人窒息。前脚阿里最强旗舰 Qwen 3.6 Max刚发布，月之暗面的 Kimi 2.6 就马上登场，DeepSeek V4 也箭在弦上。

刚刚，混元的 Hy3 Preview 也正式亮相，这是腾讯首席 AI 科学家姚顺雨主导的一个模型。

姚顺雨表示，Hy3 preview是混元大模型重建的第一步。他希望通过这次开源和发布，不断提升 Hy3 正式版的实用性，以及模型在真实场景中的综合表现，并开始探索特色模型能力。

从去年年底姚顺雨加入腾讯，入职首席 AI 科学家，并负责 AI Infra 及大语言模型，1 月底开始启动模型训练，三个月的时间完成了从训练到上线。

这个大版本升级的混元模型，在短时间内，不仅对底层基础设施进行了系统性重建，还包括预训练和强化学习在内的底层框架，全部推倒重来。

最后的答卷是一个快慢思考融合的 MoE（混合专家）语言模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度。

在这个行业动辄吹嘘万亿（1T+）参数的时代，Hy3 preview 的数据显得有些克制。但这个参数很明显是兼顾了性能和成本之间的平衡，让模型能更好落地在不同场景。

而 300B 这个量级，复杂的数理推理、长上下文理解和指令遵循能力都已经被充分激活；如果继续强行扩大规模到万亿参数，一边是训练时间加倍，在实际的表现上，也容易出现通信延迟、吞吐瓶颈和推理成本翻倍等问题。

不过，姚顺雨也提到，他们在继续扩大预训练和强化学习的规模，提升模型的智能上限。

在多个真实生产和生活场景 benchmark，以及腾讯混元的 CL-bench 上表现对比前代，提升幅度明显。

因此，Hy3 preview 这次的定位非常明确，要到真实世界去解决复杂工程问题。

为了验证 Hy3 preview 是否能在真实世界去解决各种问题，具体的模型表现如何，APPSO 也提前拿到了内测资格，在元宝 App 和 WorkBuddy 桌面端应用了实测了一段时间。

编程和 Agent，混元开始接住真实的工程需要

编程能力目前还是各家大模型发力的重点，前几天还有外媒报道，谷歌正在成立一个新的团队，专攻 AI Coding。

这次的腾讯混元新一代大模型 Hy3 preview 同样在通用能力的提升基础上，能够适用于编程和现在热门的智能体场景。

例如我们用之前 GPT 5.4 模型发布时使用的编程测试案例，来看看 Hy3 preview 的具体表现。

虽然最后的结果并不是非常写实，主要差距还是在于所使用的工具限制。但整个体验还是非常流畅和丝滑，我们能使用 WASD 键来控制自己第一人称视角的飞行，同时 Hy3 preview 也自动写了一些默认视角。

而在让它写一些简单的小游戏时，像是同样来自 GPT-5.4 的提示词，做一个游乐场的经营类小游戏。

还是不可免俗的使用了「渐变紫」的套装，只能说界面审美这一块，除了编程能力的提升，还是需要额外的一些微调。

好在整个游戏是能玩的，我们可以真实的经营这个游乐场，通过铺路、放置新的游乐设施以及服务设施等场地，来赚取收入，控制人流。

而经典的「骑自行车的鹈鹕」测试，我们把它换成了更难一点的，开着汽车的长颈鹿。生成的 SVG 画面是动态的，太阳、云朵和车子都在移动，基础的 SVG 元素都能做到。

这些关于编程能力的测试，我们都是在腾讯前段时间推出的智能体应用 WorkBuddy 内完成。

而除了代码开发的任务，我们还可以使用 WorkBuddy 进行文档处理、数据分析可视化、深度研究等方面的日常办公。

由于 WorkBuddy 也是一个本地 Agent 产品，和 Claude Code、Codex 之类的应用一样，我们可以让它直接访问本地文件夹的文件。

要求它访问电脑上 Hy3 文件夹里面的全部文件，并根据文件的内容，创建一个类似于 Wiki 的网页，能够直接索引到不同的文件。

WorkBuddy 读到了我们创建的不同项目，例如要求它完成的落地页、3D 金门大桥、个人博客、运营游戏等项目，并分类总结好。

再要求它把其中一个香港国际电影节的 PDF 文件转成 HTML，要求它 1:1 复刻精美的杂志效果，显然太为难它，但是 Hy3 preview还是能在非常规排版的 PDF 文件里，准确定位到信息，并整理成网页。

而在深度研究的调研任务上，我们要求他写一份关于内存市场洞察报告，给出的文档内容详细，使用的数据来源也全是权威机构。

继续用 WorkBuddy 内的数据分析及可视化任务来测试时，要求 Hy3 preview 基于联合国人口司的数据，做一次全球人口结构变迁的可视化分析，Hy3 preview 花了非常长的时间进行调研，最后给出的研究报告，可以说能直接拿过来用。

这些编程和智能体的能力，配合 WorkBuddy 能发挥到最大。在元宝 App 内，现在我们也可以让它生成一些小型的网页游戏，在对话框里就能预览打开。

闲聊，要做到「活人感」不容易

前段时间，一个短视频在网上传播，视频内容是一位乘客看到前排的司机，在手机上和 AI 助手聊天，他告诉 AI 自己一天收入，AI 会给他一些反馈。

有网友在下面留言，说以前这些聊天都是 200 块一小时的心理咨询，现在手机发条消息就能做到。

无论模型在代码开发、解数学题、科学研究上取得了多少成功，大多数人用 AI 的场景，占比较多的还是各种类型的角色扮演。

我们也测试了腾讯混元新一代大模型 Hy3 preview 在日常聊天以及创意写作上的表现。

没有「不躲不逃不藏的只用最直接」的方式跟我说，有的是真实地能解决问题的文字。打开元宝 App，点击深度/快速思考，选择模型 Hy3 Preview，问它「为什么我在广州找不到爱情」。

它的回复是客观和主观两方面并行的，会分析除我之外的原因，也会告诉我应该要怎么做。

在聊到一些可能找到明显原因的困惑时，Hy3 preview 还会自动生成对应的表格，来解释 AI 并不是只会顺从。

创意写作的任务上，Hy3 preview 模型的表现，也要比前代更有文采和个性化风格，即便是简单的生活文案，人情味也更明显了。

我们找了一些基础的风格模仿任务、叙事节奏的续写、语言的创作力和情绪张力等题目，来测试它。

生成的写作结果，在独特性、执行精确度，以及风格稳定性上的表现，确实要更符合我们人类写作的特点，没有 AI 那种明显的套话。

那道经典的走路去还是开车去洗车问题，Hy3 preview 也答上来了。

当所有人在做一套卷子，混元开始出卷

过去两年多，中国 AI 行业有一种集体焦虑：所有人都在做同一件事。同样的架构，同样的训练范式，同样的榜单，同样的新闻稿模板。模型发布会的 PPT 换个 logo 就能通用，「全球领先」「性能登顶」这些词被用到通货膨胀。

腾讯曾经也在这个队列里。别人打榜它也打榜，别人堆参数它也堆参数，别人做什么功能它追什么功能。结果是混元的技术投入不少，但市场感知始终模糊。你问用户「混元跟别家有什么区别」，大概率答不上来。

Hy3 preview 的意义，可能恰恰在于腾讯终于不追求打榜了。这也是姚顺雨带给混元最大的变化。

此前晚点一篇报道就转述了姚顺雨在腾讯内部会上的判断：模型过度追逐榜单成绩，将打榜语料放入训练集，数据被污染了。模型很会答题，到了真实场景却不稳定。

榜单衡量的是能力上限，用户感知的是能力下限。MMLU 上领先两个百分点，用户在实际使用中几乎感知不到；反过来，指令遵循稍差、格式不稳定、幻觉率偏高，用户体验会断崖式下降。

所以在 Hy3 preview 上， 就能看到混元开始把这个逻辑翻了过来：不追榜单，追场景。

295B 的参数量说明它不打算在模型尺寸上硬碰硬。不上公开榜单说明它不打算在刷分上继续内卷。Co-design 的研发模式说明它开始把注意力从「别人做了什么」转向「我的用户需要什么」。

这里就不得不来看看腾讯这家公司的核心业务场景，社交、游戏、广告、企业服务，每一个都有极强的领域特殊性。微信的对话流是碎片化的、高密度的；游戏需要模型根据实时局势做即时反应；企业微信和腾讯会议需要基于私有文档的精准分析。

这些场景对模型的要求，跟通用智能榜单上考核的那些指标并不完全匹配。一个在 MMLU 上排名前三但在微信群聊里读不懂语境的模型，对腾讯来说毫无意义。

换句话说，腾讯可能是中国大厂里最不应该去追通用榜单的那一个。它手里攥着的场景足够独特、足够复杂、足够有商业价值，完全可以走出一条自己的路。

Co-design 就是这条路的起点。模型在真实业务里跑，业务用真实数据反哺模型，腾讯对 AI 的巨额投入能得到场景的快速验证，同时获得商业上的闭环。这个飞轮一旦转起来，产生的壁垒比榜单上的排名坚固得多。

当所有人都在比谁的模型更「全能」的时候，谁的模型在自己的场景里最「好用」，可能才是真正的胜负手。

当然，「找到节奏」和「赢下比赛」之间还隔着相当的距离。

Hy3 preview 是混元重整后的第一个模型，三个月的研发周期说明执行力在线，但也意味着大量的优化空间。55% 到 56% 的盲评胜率说明它够用，距离拉开差距还早。更大尺寸的模型在路上，正式版还在根据 Preview 阶段的用户反馈持续打磨。

但至少有一件事变了：混元不再追着别人的地图跑了。它开始画自己的地图，标自己的路。

大模型竞争走到今天，同质化才是最大的风险。当所有人都在用同一把尺子量身高的时候，有人开始造自己的尺子，量自己真正需要的维度。

这件事本身，比任何一榜单参数都值得关注。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

天下苦 A 社久矣。

这是前段时间 Anthropic 持续推出各种功能，但是一边又不断加强使用限制，读者在评论区最普遍的反应。

本身就是御三家（OpenAI、Google、Anthropic）里对使用限制最严格的一个，另一边又加码推出身份验证，实名制才能使用。今天凌晨，再把 Pro（20 美元/月）用户的 Claude Code 使用权给砍了。

Anthropic 的增长负责人出来回应，提到他们正在对约 2% 的新专业用户注册者进行小规模测试，现有 Pro 和 Max 用户不受影响；并表示目前的订阅计划无法应对用户大量的 Token 消耗，他们在研究新的付费方案。

OpenAI 这边也立马回应了 Claude Code 踢掉 Pro 会员的争议，一位 Codex 负责人 Rohan Varma 直接怼脸和 Claude Code 竞争，连发文格式都和 Claude Code 一样。

Anthropic 为 2% 的用户测试更贵的计划，而 Codex 给 100% 用户测试，让免费和付费套餐都能使用 Codex。还特别调皮的加了一句「Claude Code 用户不受影响。」

另一位 Codex 负责人 Tibo，也在 X 发文说 Codex 将继续提供免费版和 PLUS 版（20 美元/月），还提到 OpenAI 拥有足够的算力和厉害的模型来支持 Codex 的运作。

奥特曼也转发了这条推文，表示 「我们希望你们可以有大量的 AI。」

Codex 口碑在社交媒体上一直不算太差，尤其是前段时间 OpenAI「大撒币」，先是说为了让每个人都能体验到 Codex 推出的相关插件，给所有订阅计划都重置了使用限制。

4 月初，Codex 发现用户达到使用限制的频率增加，且未找到背后的原因，干脆就重置了所有用户的额度限制。几天前，为了庆祝 Codex 周年庆和新功能上线，又一次重置了所有套餐的用量限制。

今天，Codex 负责人和奥特曼再发推文，表示不到两周 Codex 增加了 100 万新用户，为了庆祝这件事，Codex 的速率限制又又又重置了。

早在上周 Anthropic 发布 Opus 4.7 的那天，Codex 就更新了一大堆重要功能，Computer Use、内置浏览器、持久记忆，以及 90 多项插件。

这些更新几乎是直接对标 Claude Cowork 的功能，把 Codex 从一个听着就像是给开发者用的工具，重新变成了一个适用于电脑所有场景的效率助手工具。

昨天，Codex 在此前推出记忆功能的基础上，又上线了一项名叫「Chronicle」的研究预览功能，让 AI 能读我们的屏幕，把我们最近做过的事整理成记忆。

Codex 不再只依赖聊天记录来理解上下文，结合它读取的近期屏幕内容，我们给它发送「这个」、「那个」，Codex 能知道我们到底指的是什么。

今天刚刚发布的 GPT Image 2 也已经集成到了 Codex 里。我们可以在 Codex 生成并迭代图像，在一套工作流里，从产品原型、前端设计，到视觉效果图和游戏开发等任务，使用 GPT Image 2 快速生成视觉元素。

如果你的 Claude 账号总是被封，用不了官方的 Claude Cowork、Claude Code 桌面版，又或者是那 2% 的新用户，开通了 20 美元/月的 Pro 会员也用不了 Claude Code，不妨来试试 OpenAI 出品的 Codex。

从代码工具到全能助手

Codex 最近这段时间的更新，最重要的莫过于上周发布的 Computer Use。这项能力并不算新鲜，之前是模型有 Computer Use 的能力，现在是需要工具也要有配套的支持，才能发挥模型能力。

它本质上就是 Agent 工具可以像人类操作电脑一样，通过视觉识别、点击和输入，自主操控电脑上的各类应用程序。

之前的 Codex 操作电脑上的软件，是通过一些命令来执行不同的应用任务，整体更像是我们喊「Siri，明天的天气怎么样」，做这些比较简单的任务。

有了 Computer Use 的能力之后，不仅支持一些调用 API 或者终端命令的工具，还能真的能帮我们完成一些电脑上的实际操作，尤其适合前端调试、应用测试、操作没有开放 API 的软件。

而且支持多个智能体并行在 Mac 上工作，不会影响我们正常使用其他应用。

需要注意的是，Computer Use 的能力只支持 macOS 15 以上的版本，我们的电脑（macOS 14.6.1）在测试 Codex 时，会自动弹出一个 SkyComputerUseClient 的问题报告。

另外，现在 Codex 支持内置浏览器，能更好地处理 Web 场景。我们在 Codex 里生成的网页，可以直接在网页上标注，给 Codex 更精准的操作指令，对一些前端、应用和游戏开发的快速迭代非常有用。

这次的更新还新增了 90 多个插件和更丰富的工具集成，让 Codex 能接入更多工具、获取更多上下文，并跨平台执行操作，提到的热门插件包括 Atlassian Rovo（JIRA）、Microsoft 套件、Neon by Databricks、Remotion、Render、Superpowers 等。

在 Codex 应用里，我们只需要输入斜线就能快速进入一些关于 Codex 的配置，输入 $，则可以选择不同的 Skills，包括我们安装在本地的各种 Skills。

同时，在自动化任务上，Codex 的 Automation 功能升级后，可以复用之前的对话线程，保留已有上下文。新的自动化还支持 Codex 自主规划后续工作、自动在未来某个时间继续执行任务，以及支持持续数天甚至数周的长期任务。

官方提到这项更新主要用于代码的提交合并、跟进日常工作生活的待办事项，以及跨越不同平台和工具的信息追踪等任务。

还有一些对于桌面应用交互的小更新，像是增加了多标签页的终端窗口，侧边栏可以直接打开文件，预览 PDF、表格、PPT 等文档。

新的摘要面板，也可以持续跟踪当前执行任务的计划和进度、参考信息来源，和输出结果等。这些应用上的增强，也让 Codex 在整体上更像是一个统一的工作台，而不再是单一的对话窗口。

用定时截屏的方式来维护 Agent 记忆

个性化的记忆功能向来就是 AI 的一大难题，虽然 AI 博古通今能记住所有的知识，但是对于每个用户的私人记忆处理，工作记忆等，AI 需要用不会占据大量的 Token，同时又能记清楚的方式来处理日复一日的对话。

尤其是现在到了 Agent 这类巨消耗 Token 的任务上，每个用户每天产生的上下文，如果 Agent 要全部记住，估计再来一百万 Token 上下文也难顶住。

上周 OpenAI 就已经为 Codex 带来了记忆功能，它可以记住我们的个人偏好、之前做过的修正，以及一些不容易获取但很重要的信息。

而为了获取更多的记忆，更快地处理我们的工作流。Codex 这次推出的 Chronicle 功能，说白了就是看我们的屏幕，记住我们的工作，再把这些记忆喂给 AI。

具体来说，在 Codex 设置>个性化里面，开了 Chronicle 功能之后，会自动执行这些操作：屏幕上下文捕获 → 本地临时截图 → 后台代理分析 → 临时 Codex 会话总结 → 生成本地 Markdown 记忆 → 后续会话中作为上下文使用。

Codex 获取了屏幕录制和无障碍权限之后，Chronicle 会在后台运行一个沙箱 Agent，这些 Agents 使用默认模型 GPT-5.4-mini，基于捕获到的屏幕图像，周期性地启动一个临时的 Codex 会话，把最近的屏幕上下文整理出记忆。

屏幕截图只会临时保存在本地，Codex 提到运行期间，超过 6 个小时截图会被自动删除。

以后我们和 Codex 对话，它会自动检索这些记忆文件，作为上下文来使用，减少我们重复描述背景的需要。

OpenAI 官方也给了多个案例，像是如果不开启 Chronicle，Codex 不知道我们说的「这里会失败」，是指的什么。

以及针对一些个人任务中出现的人名、项目名等，在通用知识外的内容，Codex 也会根据 Chronicle 获取的信息，自动补充上下文。

能够捕获屏幕图像，也意味着使用 Codex 处理任务的全流程，Chronicle 都能记住。包括我们的工作流，常用的工具。像下面的例子里，使用了 Chronicle 的 Codex 会知道这份宣传材料使用何种格式，以及何种工具，是 Google 文档还是 Markdown 文档。

不过这项功能也面临着一些争议，例如视觉识别的方法会消耗大量的 token，更严重的是这些截图可能包含我们屏幕上可见的敏感信息。

虽然 OpenAI 说所有保存的记忆都会存放在本地的 markdwon 文档里，用户可以随时查看，Codex 根据这些截屏获取到了哪些信息。但是他们也提醒用户，当 Chronicle 截屏到一些有风险的网站时，网站可能通过提示词注入的方式，在屏幕上隐藏一些恶意指令，让 Codex 执行。

Chronicle 这项功能目前仅向 ChatGPT Pro（200 美元/月）用户开放，支持 macOS 版本的 Codex 应用，作为研究预览版推出。待 Chronicle 正式上线之后，相信 Codex 会把它开放给更多用户使用。

手机遥控、电子宠物、「Hermes Agent」都有机会上线

这段时间，Codex 被网友们称作是一款正在用力追赶 Claude 的产品。虽然一方面是在说 OpenAI 没有主见，随大流。但另一方面，能看到好的产品之间展开你追我赶的竞争，对我们用户来说未尝不是一件好事。

Codex 开发者在 X 上问大家对 Codex 有何意见，网友们非常积极的表示，要加上手机控制功能，还有人说 Codex 也应该从 ChatGPT App 里面进入。而这些都是 Claude 目前已经做到的功能。

也有网友在下面反馈 Codex 存在的各种 Bug，像是内存泄露、会话只能存档不能删除等问题。

最新的 Codex 更新爆料里还提到，Codex 也打算做一个小小电子宠物，放在 Codex 桌面上，来提示用户目前会话的各种状态。

这个电子宠物共有 8 种预设形象，用户还可以创建使用自己的虚拟形象。

另一个爆料则提到 OpenAI 正在为 ChatGPT 开发智能体（代号 Hermes），其中包括智能体构建器、模板、日程安排、在 Slack 中使用智能体的选项、添加应用程序、技能、文件、内存、指令等功能。

眼下的 Codex 是一个活跃开发的产品，OpenAI 必然不会把本地 Agent 产品这一块的市场拱手让给 Claude。

别说 OpenAI 这位 AI 界的老大哥，前几天，Gemini 也不声不响地发布了桌面版应用，但是被一众网友评价「拉爆了」。

只能鼓励一下 OpenAI 和 Gemini，赶快结束 Claude 在本地 Agent 助手和代码这块的领先地位。

天下苦 A 社久矣。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。