铃阅时讯
❌

普通视图

「豆包工作」接入Kimi、GLM、DeepSeek,仿佛擎天柱合体

2026年11月17日 09:00

原创 FrankGPT 2026-11-17 09:00 北京

合体之后,更强、更省了

Image

之前不止一次介绍过的豆包工作,这一次,更全能了。

就像是变形金刚里的擎天柱,吸纳其他汽车人进行合体,得到了一个超级强化的新版本。

看到豆包工作面向所有用户,开放了第三方模型,相当于主动把选择权交给了用户。

除了 Seed 2.1 Lite、Pro 之外,还新增了 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等多款第三方模型。

像我自己,平时把豆包工作当成了合伙人一样的存在。

会议回顾、日常开发、PPT等场景,都是高频使用的存在。

而现在,在豆包工作产品生态的基础上,可以更自由去配置模型,用来适配不同类型的复杂任务。

还发现个小细节:豆姐的头像也回来了,故人还是风采依旧……

关键是,现在能切换不同模型以后,成本、效率、体验有了新的平衡。

简单的任务完全可以用更便宜的模型,特定审美、特别偏好的任务也可以根据需求做选择。

更多模型,更高效的token利用,以及实实在在的生产力落地,都是在帮我创造更大价值……

最近观察到,AI产品的竞争,正在从「谁拥有最强的模型」,转向「谁能把不同模型的能力组织起来,真正完成工作」。

今天跟大家来具体说说。

01

从Chatbot到Agent,为什么单一模型不够用了?

我一直觉得,理解Agent时代的一个重要前提是:

「模型不再等于产品,模型只是完成任务所需要的一种能力。」

让一个最昂贵的旗舰模型,包办全部工作,就像让公司里薪水最高的专家,同时负责战略规划、整理报销单和收发快递。

更何况,模型迭代太快了。

今天某个模型擅长编程,明天另一个模型可能在长文本处理上取得突破。

这也意味着,Agent天然适合多模型协作。

所以,豆包工作这次同时接入Kimi、GLM、DeepSeek,在我看来不是简单增加几个选项,是真的在顺应一个更底层的变化:

未来的办公Agent,不应该被某一个模型的能力边界所限制。

用户真正需要的不是指定哪个模型完成工作,而是把工作完成得更好、更快、更便宜。

有一次我电脑没电了,就发语音,在手机上让跑一个批量数据处理的任务。

把最近三个月观察的600款AI产品表格,做数据分析,再按关键词分类生成报告。

等后面电脑充上电,结果已经安安静静躺在那里了。

现在,豆包工作提供本地电脑和云电脑两种运行模式。

本地模式适合那些需要读取你本机文件、调用本地软件的任务。

云电脑模式则把任务放到云端的一个独立环境里去跑,哪怕你的本地电脑关机了,任务依然在推进。

像我有次临时想画一份自我介绍PPT,结果时间很紧,电脑也电量不足,就开了云电脑模式来帮我做。

然后骑车到教室,等坐下来以后,PPT也已经做好了。

后台安安静静地把活干完,然后把结果放在那里等我去验收。

只下一个应用,只拿一个设备,就能随时随地解决问题,对于我这种经常喜欢跑来跑去的人来说,真的解决了大问题。

02

我出了两道题,实测很舒心

模型决定能做什么,Harness 决定能稳定交付什么。

豆包工作这次开放第三方模型,本质上是把这两件事分开来讲了,用户不再被某一个模型的迭代节奏绑住,Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash,各有各擅长的场景,自己选。

字节在推荐系统和广告系统里积累了多年的调度经验,核心不是哪个算法最强,是怎么把不同能力组织进同一套系统。

今年九月,OpenAI Codex 核心负责人 Tibo Sottiaux 在接受采访时也专门聊过为什么 Codex 要支持其他模型,背后逻辑是一样的,好的 Agent 系统不应该要求所有能力来自同一家供应商。

我专门出了两道题,拿豆包工作和 WorkBuddy 跑了同一个任务。

第一道题,历史课件。

主题是高粱河之战 979 年,宋太宗赵光义亲征燕云十六州,幽州城外被辽国骑兵打崩,大腿中箭,乘驴车狼狈出逃,史称「大宋车神」。

这场仗有史料争议、有戏剧张力、有完整的因果链,能拉开两款产品的真实差距。

任务是做一套八页历史选修课件。

为了让对比条件尽量公平,两边用的是同一个模型,DeepSeek V4.1 Flash,都接在各自的 Harness 上跑。

豆包工作

Workbuddy

结果怎么样?

时间上差了将近一倍。

豆包工作从发出指令到交付成品,大约16分钟。

WorkBuddy跑了将近29分钟,因为它在生成大纲的过程中自己跑了8次联网检索,逐条核对史料。

快慢各有道理,取决于你更在意速度还是内容准确度。

费用上,两边都便宜得有点出乎意料。

WorkBuddy标准版连续包月费用是70元/月,提供4000积分额度,豆包工作标准版连续包月费用是68元/月,提供9000积分额度。

两款产品都是积分制,这次课件任务两边消耗的积分量级基本相当,换算成人民币都在个位数以内。

第二道题,五城调研。

让两款产品各自去完成一次五城科技活动调研,北京、上海、杭州、深圳、香港,30天窗口,每条活动记录10个字段,最后输出一份能双击打开的HTML报告。

豆包工作

WorkBuddy

豆包工作跑了大约12分钟,工具调用56次,搜索加网页抓取为主,干净利落。

WorkBuddy跑了将近29分钟,工具调用247次,它同时派出5个城市子代理并行调研,光网页抓取就跑了109次、搜索74次。

你敢信?一个调研任务跑了247次工具。

一句话总结,豆包工作快、调用少、指令遵循干净。

WorkBuddy的并行调度能力更凶,但代价是慢了将近一倍,消耗量也更大。

两种策略,各有各的道理。

今天的竞争早就不在开发域了,真正的壁垒在运行、消费和管理,也就是怎么让 Agent 跑稳、怎么让人用得顺、怎么度量它干了多少活。

03

Agent 时代,最强的公司未必拥有最强的模型

豆包工作这次特惠活动,不只是个促销动作。

办公 Agent 争夺的不是用户的注意力,争夺的是用户的工作量。

一项任务触发几十次乃至上百次模型调用,使用频率越高,成本就越敏感。

把价格压下来,本质上是在争夺用户习惯,让用户从偶尔用 AI,变成每天直接把活交给 Agent。

收费方式迟早也会变。

按 Token 收费的盲区在于,同样 100 万 Token,用来闲聊和用来做芯片设计,业务价值天差地别。

按产出收费才是方向,多少可用代码、多少节省的人力工时,这些数字 CEO 才听得懂。

模型是新一代生产力,Harness 是新一代生产关系。

这话说起来有点大,但豆包工作这次的动作,至少传递了一个清晰的方向,AI 行业正在从模型中心,走向任务中心。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

下一个Obsidian!FlowUs 把 AI Agent 玩明白了

2026年11月16日 20:04

原创 FrankGPT 2026-11-16 20:04 北京

更实在好用的个人Agent

Image

嘿!大家好,我是 Frank。

这两天跟 FlowUs 息流的创始人聊天,他们团队正好邀我内测一下刚上线的全套 AI Agent 新功能。

说起 FlowUs 息流,经常折腾效率工具的朋友应该都不陌生。

它不是那种刚冒出来的新概念产品,从 2021 年到现在已经低调迭代了整整五年。

官网:https://flowus.cn/

在很多独立开发者和创作者圈子里一直被大家叫做「国产版 Obsidian」 ,是个口碑很稳的小众宝藏工具,大家平时拿它写文档、建多维表、做知识库专栏,用起来很顺手。

咱们做内容和搞投研的人选知识库,无非就是图个省心顺手。

以前大家在 Notion AI 和 Obsidian 之间反复横跳,其实各有各的憋屈。

用 Notion 吧,国内没有服务器,每次打开都得挂梯子,网络一抽风页面就转圈,加上 Plus 会员和 AI 额度算下来,一年小一千块钱就出去了。

换成 Obsidian 呢,本地 Markdown 文件确实安全,可折腾插件和配置同步太费神,想随手建个多维表或者跟人在线协作,上手门槛高了一大截。

FlowUs 息流刚好卡在了最舒服的位置上。

作为纯粹的国产工具,它根本不用折腾网络,打开就能秒加载,对中文排版和微信剪藏的适配也更懂国内用户的习惯。

文档、多维表和云端文件夹全套开箱即用,价格还不到 Notion 的五分之一,便利性和易用性直接拉满。 

而他们这波更新,明显野心明显更大了。直接把 AI Agent、语音速记还有一整套自动化技能塞进了工作空间里,让知识库自己长出脑子和手脚。 

01

科技圈炸锅,我干了件事

前阵子科技圈出了个大新闻,英伟达官方发公告,黄仁勋正式卸任总裁、CEO 和董事会成员,由 CFO 科莱特·克雷斯出任临时 CEO。

消息一出,我的几个科技和投资群瞬间就炸了。

作为日常需要分析科技金融的人,我第一反应就是抢时间扒拉资料。

短短一两个小时,我手里就攒了十几篇乱七八糟的素材。

里面既有纽约时报、华尔街日报和经济学人关于二次爆料的八卦深扒,也有新加坡官方当天火速否认调查的辟谣声明……

居然还有几份分析国内 GPU 供给收紧、大厂资本开支被挤压、消费级硬件和 3A 游戏成本飙升的行业研报。

FlowUs 绘制-《未拆封的纸箱》

看着满屏幕的碎片文件,还要手动丢到大模型里总结,想想脑袋就疼。

这次我干脆直接把这十几篇资料全扔进了 FlowUs 息流里,拿这个真实热点做一次压力测试,看看它到底能不能接住。

02

十几篇碎片资料,Agent 帮我理出了一条线

想要让 AI 真正帮上忙,第一步得先把散落在各处的资料喂给它。

以前最让人头疼的就是收集素材,现在 FlowUs 息流把这一步做得非常省事。

如果你原本是 Notion 的老用户,可以直接把沉淀多年的原有数据一键导进来,不用从头折腾迁移。

平时干活常用的 GitHub、飞书、滴答清单、Figma 和 Jira 这些外部应用,也能在后台直接授权打通,甚至还支持添加自定义 MCP 接口。

读书时划的线和想法也不会丢。

在技能广场装上微信读书 Skill,读过的书、留下的笔记就会自动整理进来,Agent 可以接着帮你推荐相关阅读、跨书对比观点,或者帮你找回某个记得模糊的论点出自哪本书。

如果是临时在网页上刷到的动态资讯,去官网下载浏览器插件,直接点一下右上角的 FlowUs 剪藏助手就行。

不管是公众号长文、小红书笔记,还是 B 站上的深度视频,点一下保存页面,就能精准归档进指定的黄仁勋辞职始末文件夹里。

连网页原格式和链接都给你留得整整齐齐。

剪藏助手一键保存

自由拖拽-保存到黄仁勋辞职始末文件夹

资料剪藏进来之后,根本不用再去开别的 AI 聊天窗口,直接在当前页面里就能唤起自带的 AI 功能。

平时改稿也很省心,直接在页面里选中文字就能调用改进写作。

切换不同风格、把长句改简短,或者把要点扩写得更详细,原地一键就能搞定,不用来回切窗口复制粘贴。

平时看一些有意思的深度拆解文章, 左边开着原文,右边直接点出 FlowUs AI Agent 随时提问。

它读完文章大概一分钟左右,就能把整篇文章的底层逻辑拆解成清晰的结构化表格,哪里是数据层、哪里是核心规则,一眼就能看明白,等于随身带了个陪读助理。

左侧剪藏文章原文 + 右侧 FlowUs AI Agent 

摸清楚这套交互逻辑之后,我直接把整个黄仁勋辞职始末文件夹关联进 Agent,点亮幻灯片技能,把交付格式切到了交互式 HTML。

交付产物

等它跑完点开预览的那一刻,确实让人想感叹一句,这产品用的真不烧心。

它吐出来的根本不是干巴巴的纯文字大纲,而是一个可以直接点击交互科技仪表盘网页,核心事件脉络、时间轴和金融连锁影响全被排成了直观的数据卡片和可切换模块。

黄仁勋辞职始末交互式 HTML 报告首屏与各维度卡片效果

除了处理文字和网页,如果你平时经常要听长分享或者开复盘会,它的语音速记也很能打。

前两天我把一段二十六分钟的行业分享录音丢进去测试。

它不光把整段语音转成了逐字稿,还在顶部按照我的要求生成了一张带标签的结构化智能总结卡片——

把核心观点和落地路径拎得清清楚楚,原录音也留在页面里随时能回听。

03

顺畅,是我用下来最大的感受

关于大家关心的计费,我也专门看了一眼规则,平时在单个页面里用基础 AI 做润色、划重点或者简单问答都是随便用的。

只有唤起全局 Agent 跑这种跨文档的复杂任务,或者生成交互网页时,才会消耗对应的 Agent 点数,平时挂在默认的 Auto 档位上消耗很温和。

如果你平时也经常要做行业调研、写深度分析,或者手里攒了一大堆学习资料总也理不清,最近倒是个挺划算的入手时机。

正好赶上双十一,FlowUs 从 11 月 1 日到 11 月 30 日放出了一个给工作流续航的限时活动。

新购或续费年付会员,官方直接额外白送 2 个月额度的 Agent 点数,而且这批加赠点数永久有效,不会跟着月度额度清零。

专业版年付 179 元一年,连续包年 159 元直接送 3000 点;

团队版年付 299 元每人每年,连续包年 269 元直接送 6000 点,注意月付和半路升级版本是不参与的。

工具好不好用,终究得看能不能替咱们省下折腾的时间。

趁着 11 月 30 日前这波永久点数还在,建议各位直接把手头最乱的一份资料丢进去,体验一把不烧心的工作流。

官网直达链接放在这里,复制去浏览器打开就能直接体验:https://flowus.cn

想看双十一加赠细则和各版本权益对比的,也可以直接戳文末左下角的阅读原文跳转官方页面。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

阅读原文

跳转微信打开

双11,印象里高冷的WorkBuddy也来送福利了

2026年11月13日 17:56

原创 FrankGPT 2026-11-13 17:56 北京

今年双11,是我第一年囤AI产品的会员、积分

Image

今年双11,不知道大家买了什么,是我第一年趁这个节点,囤AI产品的会员、积分。

最近用WorkBuddy尤其多,注意到他们也推出了双11活动。

从11月9日到15日,开通会员就有额外积分,还有限时积分包和抽奖活动。

对于经常使用AI办公的我们来说,这种优惠还是挺良心、挺实在的。

过去一年,我自己使用AI的方式发生了很大的变化,越来越多的工作,我会直接交给Agent去完成。

对我来说,AI产品是比肉蛋奶更刚需的存在,能多囤一点,不是坏事。

当AI能真正接手一项工作,让我少花一点时间以后,接下来,就是看怎么能更有性价比了。

01

从聊天到干活,WorkBuddy正在改变我的工作方式

作为一个同时做AI内容、创业项目、还在清华上学的人,我每天需要处理的事情其实非常杂。

写文章、研究产品、整理行业资料、制作演示文稿、处理各种文档和表格,还要兼顾团队沟通和项目推进。

其中有不少事情很重要,但做起来非常琐碎。

比如最近营销大促,我想盘点一下数据:上次双十一的复盘结论是什么?

WorkBuddy不仅能同时检索你腾讯会议里的开会记录、腾讯文档里的复盘文档,甚至还能去ima的知识库里找,最后生成一个完整且带有来源引用的回答。

过去,这个过程需要不断切换网页、复制资料、建立文档,再一点点梳理。

现在,我会先把这些工作交给WorkBuddy。

另一个很常见的场景,是处理各种工作文件。

很多时候,我需要面对的不是一份文档,而是一堆不同格式的材料。

可能是合作方发来的项目介绍、会议记录、Excel表格,也可能是需要整理成演示文稿的长篇材料,数据来源非常繁杂。

但WorkBuddy直接就能帮我输出一份带来源的复盘提纲、以及可视化非常好的数据看板。

每一个数据都能看到清晰的数据源。

做PPT这类事情,早就已经默认让WorkBuddy帮我完成就行。

比如说最近研究AI短剧,WorkBuddy帮我系统梳理了制作链路以及创作技巧,还把PPT做了风格化的适配。

有时候复盘最近做了什么,WorkBuddy就像一个最了解我工作情况的秘书,事无巨细都能照顾到。

一句话的指令,就能让它帮我总结过去一个月的工作,把各种任务和碎片化的日常信息收拢过来。

关于我个人数据、过往动作的历史盘点,以及使用WorkBuddy工作的情况,还有待解决的事项,系统性整理过后,都是清清楚楚的。

还可以把月度盘点,直接调用生图模型,画成一张图。

我一直认为,创业者真正稀缺的不是工作时间,而是能够连续思考的注意力。

如果AI能够接手标准化的工作,让人不必频繁在各种琐事之间切换,其实就已经创造了很大价值。

所以,我对WorkBuddy这类产品的期待,并不是让它替代所有人工工作。

而是让它承担更多可以被明确描述、拆解和执行的任务,把需要创造力、判断力和沟通的部分留给自己。

现在WorkBuddy完全就是我工作里必不可少的好搭子,只想多「喂喂它、给它多留点积分」。

好在,最近双十一,优惠力度真不小……

02

这次双11,WorkBuddy把各种福利安排上了

说到这次的双11活动。

对于新朋友来说,WorkBuddy这次最值得关注的,是积分加赠和限时积分包。

先说门槛最低的一项。

11.11元购买300积分,每个账号限购一次。

另外还有50元购买1111积分的活动套餐,单笔最多可以购买99个,活动期间购买次数不限。

这两种积分包都不限制会员身份。

如果平时只是偶尔使用AI处理工作,或者想趁着活动尝试一些复杂任务,11.11元的积分包就可以作为一个相对低成本的补充选择。

如果使用频率比较高,也可以根据自己的实际消耗情况考虑1111积分包。

除了直接购买积分,活动期间首次开通会员也可以获得额外加赠。

体验版用户开通标准版、高级版、旗舰版,分别可以获得200、400、600积分。

开通Buddy One VIP的用户,首月也可额外获得1111积分。

我比较喜欢的是,活动还有抽奖环节。

每次抽奖都有奖品,包括WorkBuddy积分、腾讯文档和腾讯会议会员权益、咪咕会员权益,以及ima小熊猫公仔等。

和电商平台的双十一相比,感觉WorkBuddy这些AI厂商还是老实人,活动都没有太复杂的玩法,就是很直给的送送送。

官方活动地址在这里:

https://www.workbuddy.cn/events/double11/

04

当AI开始执行任务,积分正在变成一种新的生产资料

其实相比这次优惠本身,我更感兴趣的是,为什么AI工具开始围绕「使用额度」,去设计付费方式。

过去我们购买软件,买的是功能。

例如购买一款办公软件的会员,可能是为了更大的云存储空间、更多模板,或者某些高级功能。

软件买回来之后,绝大多数工作仍然需要自己完成。

但AI Agent有一点不同。

它不仅提供工具,还有机会直接参与执行。每一次任务执行,都可能消耗一定的模型和计算资源。

这使得AI工具的使用方式,开始更接近一种按需调用的数字服务。

有人每天都要使用AI工作几个小时,会员订阅比较合适;有人只有遇到特定任务时才需要集中使用,单独购买积分可能更灵活。

从这个角度看,WorkBuddy这次推出限时积分包,实际上也是在满足这种差异化需求。

用户不需要为了某一个临时任务,立刻改变长期订阅计划。

当然,这里也有一个需要注意的问题。

积分本身并不等于生产力。

购买1000积分,和真正通过AI节省几个小时的工作时间,是两回事。

如果AI只是生成一大段看起来不错、但最终无法使用的内容,那么无论积分多便宜,实际价值都很有限。

反过来,如果一次任务能够帮助你完成原本需要反复整理的文件,或者减少大量机械性的操作,即便消耗了一些积分,也可能是值得的。

因此,我觉得未来评价AI产品,更重要的是任务完成质量、稳定性,以及实际节省的时间。

这也是我现在选择AI工具时越来越关注的地方。

05

AI时代,值得投资的是自己的时间

我一直有一个观点:AI的价值,不应该只是让我们完成更多任务,而应该让我们从一些不值得亲自做的事情里解放出来。

随着AI Agent逐渐成熟,一个人能够调动的数字化生产能力正在增加。

与其不断追逐新模型、新产品,不如先认真审视一下自己每天都在做什么。

哪些任务真正需要自己亲自完成?

哪些只是习惯性地自己动手?

哪些可以形成标准化流程,逐渐交给AI?

WorkBuddy就是这样一个能帮我省时间、任何用途都不会出错的选项,这次双11恰好提供了一个机会。

如果你已经在使用WorkBuddy,可以看看是否需要补充积分;

如果你还没有形成稳定的AI工作流,也可以借此机会选择一个真实任务,测试一下Agent究竟能够帮你完成多少工作。

从购买商品,到购买工具,再到购买数字化的工作能力,这其实是一个很有意思的消费变化。

今年双11,不妨也给自己的AI工作流添一点新助力!

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

那只不肯说名字的鸭子,原来是Qwen4-Max Preview

2026年11月12日 20:26

原创 FrankGPT 2026-11-12 20:26 北京

Qoder生态进一步集大成

Image

最近正好双十一周,没想到大模型圈比电商还要卷,本来想看看哪家折扣更划算。

昨天,上午十点二十四, Qoder 发了条公告,把那只匿名了四天的鸭子的名字总算说了出来。

「Qoduck 今日出师,从现在起叫 Qwen4-Max-Preview」

还没有正式发布,Qwen4-Max-Preview 先在 Qoder 里亮了个相。

四天前它上线的时候,模型选择器里只多了一行,没公司名,没参数,没版本号。

唯一确定的是免费,每天有额度,用完第二天恢复。

按阿里自己的说法,这一代重点强化了代码能力、前端审美,还有复杂的 Agent 工作流,另外原生支持图片和视频输入。

这几个词每年都在听。到底强在哪,得拿活去试。

这几天我把 3D 和交互场景挨个试了一遍。

01

看场景案例,很惊喜

先看第一件,又是我们经典的鹈鹕骑车问题,不过我这回把它改成了奶牛。

只写了一句——用 Three.js 做一个单文件的 3D 网页,一头卡通奶牛骑着复古自行车在乡间公路上骑行,用了不到30分钟。

Qwen4-Max-Preview 中间也会确定我还需要补充哪些细节,哪些需求,也会详细的问到,明显比上一代相比,做长任务更细致了。

出来是这个样子。

一头拟人化的奶牛蹬着车往前走,四条腿是 IK 实时算的,跟踏板同步。

低多边形的田野一直循环,白天、黄昏、夜晚能切,旁边还有一个控制台,车速和车架颜色随便调。

一句提示词能做到这个程度,有点超出预期。

第二件换个方向,不做单个物件,做一间房。

需求还是一句:用 Three.js 做一个可交互的 3D 办公室,能切开看剖面,能拖布局,有昼夜光照,能自动出平面图,最后能播一段三十秒的参观路线

出来是一间切开的办公室。

楼板压在底座上,墙体只留隔断,工位区、会客区、电话间各在各的位置,每一片上方都挂着标签。

玻璃隔断反着室内的灯光,角落有绿植,外面是夜里,远处几栋楼亮着窗。

切成线框,整间房变成一张透明的结构图,隔断、吊顶、管线一层一层都看得清。

点播放,镜头自己沿着一条路线走完三十秒,从工位区一直推进到会议室。

第三件挑了个难的,一个真实复杂产品的拆解。

需求:做一个可交互的 3D Mac mini,能翻过来看电源按钮,能开盖看内部,能放大到 M4 芯片。

外壳是拉丝的铝合金,倒角、接缝、侧面那排接口,位置和数量都对得上。

点 Find the button,机身翻过来,顶部那个圆形电源键亮起一圈金光。

点 Explode,外壳抬起,风扇、均热板、主板、接口一层层悬在半空。

点 Chip,镜头推到那颗 M4 上。

底下的按钮一共四个,Find the button、Explode、Chip、Assemble,点完还能装回去。

这三件做完,我心里有数了,它能做出来,而且做得不糙。

但能做出东西的模型不止它一个。所以最后一件,我换了个问法。

我没问它能不能做,我问它跟现在最强的那一档还差多少。

正好手边有能跑 Claude Opus 5.5 Medium 的环境,同一个提示词,两边各跑一次。

提示词只有一句,build the crossy road game。

都在浏览器里生成,生成完把 HTML 下载下来,本地打开跑。

仔细看的话 Opus 赢了,但差距不大。

这一局我认。

还有几件没细说。

一句提示词出的太阳系,行星按轨道走,镜头能拉近。

3D 桌面主页做成一张书桌,笔记本点开是介绍,手机点开跳到账号,信封点开能联系。

还看到一个有意思的社区案例。

Qoder 走 Local Headless / Socket 驱动 Blender,制作的高质感的 3D 像素苹果树植物标本,并且支持切换不同形态与季节风格。

02

在Qoder里用,更丝滑

这些任务跑下来之后,我大概摸到它的脾气了。

一个是强在完整度。给它一个能看见的活,它交回来的不是代码片段,是能直接打开的东西。

但要说它比现在最快的工具还快,那是假话。

海外社区这两天吐槽得很集中。最多的一条就是慢。

有人在 Token Plan 上实测,TPS 从 50 掉到 20,波动很大。

简单一句提示词,思考阶段能卡很久。复杂任务带上深度思考或者 Agent 循环,十几分钟到一小时都有。

慢不能全怪模型。这一版默认开着深度思考,档位拉到最高,token 吃得凶,速度自然下来。把思考强度降一档,会快不少。

再一个是稳定性。

同一批任务,有的很漂亮,有的明显不行。有人统计过代码的编译通过率,头一批十五个里只过了两个,后面好一些,但还谈不上稳。

这些我信一半。样本小,发布当天服务器还在挨打。但有一点我能确认,它没有宣传里那么神。

Qwen4-Max-Preview 现在在 Qoder 全系开放了。

个人、团队、企业都能选,限时两折,计费系数从 0.5 降到 0.1,预览期到 11 月 25 日。官方说正式版不久后发布。

我的判断就一句。整块的活、能一次交付的那种,值得试。改一行代码、调一个按钮颜色,老工具更快。

别急着全量换过来。先拿一个能回滚的任务跑一遍,跑得不顺就把思考强度降一档。

双十一的折扣看了一天,这大概是今天最划算的一单。

不过我更感到欣喜的,是Qoder生态的进一步集大成。

Qoder(A programming platform released by Alibaba)_Baiduwiki

好的模型,同样需要更好的模型基座和架构设计来支撑,才能够进一步放大价值。

更游刃有余,更多创造的可能性,也许就可以从在Qoder里打开Qwen开始……

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

腾讯Buddy One,我想这大概是AI时代All in One的模样

2026年11月11日 20:57

原创 FrankGPT 2026-11-11 20:57 北京

AI产品的终极目的,是让人忘记工具的存在。

Image

最近腾讯发布了一个叫Buddy One的跨应用AI协同体系,给我一种「超级连接器」的感觉。

官网:https://www.workbuddy.cn/buddyone/

今天想仔细跟大家说说,AI时代的All in One,可以有多么能打。

01

一个ID,串起腾讯全家桶

以前我们在各个应用之间来回切换,很大的痛点就是「上下文不连续」。

你在会上说的话,写文档时AI不知道;你网盘里的素材,做方案时AI调不到……

很多时候,必须登录不同APP,授权多个连接器,就很麻烦。

Buddy One的核心其实就是一个免费的统一账号身份——Buddy One ID。

就像个万能通行证,只要在个人主页里点击几下,把腾讯文档、腾讯会议、ima、腾讯网盘关联上,这几款工具就可以直接打通。

我实际操作路径是这样的:

打开WorkBuddy PC端,更新到5.9.0或以上版本,点左下角个人入口,进“设置→个人主页→前往管理中心”,就能看到WorkBuddy主账号,以及腾讯会议、腾讯文档、腾讯ima、腾讯网盘几个待关联项。

点「关联」,弹窗里选好对应账号,确认授权即可。

全程免费,操作也简单。

当「已关联」的状态亮起,这些工具就像真正长在了一起,日常的上下文直接打通,原本割裂的工作环境和任务,也好像产生了奇妙的化学反应。

比如我在腾讯会议里刚开完项目会,转头在WorkBuddy里提问,它就能把会议纪要、腾讯文档里的方案、ima里的知识库当成同一个上下文来用。

以前是我抱着资料去找AI,现在是AI顺着授权去找资料。

这个顺序一变,工作流就顺了。

02

一次提问,让散落的知识自然联系

绑定完之后,最直观的变化在搜索和提问上。

以前找一份旧方案,得在各个App里翻找,找到了还要复制粘贴喂给AI,或是授权多个连接器。

现在关联ID后,在对话框里提一个问题,它会自主跨应用去调用你已授权的内容。

比如我问:上次双十一的复盘结论是什么?

它不仅能同时检索你腾讯会议里的开会记录、腾讯文档里的复盘文档,甚至还能去ima的知识库里找,最后生成一个完整且带有来源引用的回答。

回答下面会列出来源,哪条来自会议、哪段来自文档、哪部分来自知识库,一目了然。

不用手动搬运上下文,它自己就能把散落的碎片拼成完整答案。

像这种,一处关联,多端打通的体验,对有历史资料沉淀的人来说非常爽。

甚至是很久以前我在ima随手整理的信息碎片,结果在不经意间又有了回响。

多讲几个我代入感很强的真实场景。

电商卖家最怕大促后复盘:店铺后台数据、会议里定的投放策略、文档里的货品表、ima里存的行业资料,散在四个地方。

以前得先导数据、再翻会议记录、最后手动拼结论。

现在可以直接问:“把上周大促复盘会里提到的投放问题、腾讯文档里的销售数据、ima里竞品资料整理成复盘结论和下一步动作。”

它会把已关联的内容拉齐,输出一份带来源的复盘提纲、以及可视化非常好的数据看板。

每一个数据都能看到清晰的数据源。

让我觉得,数据互通的价值,不是说多一个AI回答或者多个来源,是让结论有出处、有联系,让下一步动作能系统性落地。

教师/培训场景也很典型。

像我们公司有AI企业培训的业务,之前备课要找旧课件、会议教研记录、网盘里的素材,还要批量出实操材料。

以前是找素材两小时,做PPT一小时。

现在可以让它“读取上周教研会纪要,结合腾讯文档里的课程大纲和网盘里的参考图,生成一份课件PPT大纲,并按知识点拆出三道练习题”。

Buddy One会先进行全应用搜索,结合搜集到的相关信息,再去产出结果。

生成的PPT质感也非常不错。

对高频产出的老师们来说,省时又省力。

职场人、创业者更不用说了。

写公文、周报、汇总最近一个月工作进展与待办,最烦的是上周会议说了啥、文档改到哪版、待办有没有闭环……

现在一句话就能让总结我过去一个月的工作,把跨应用协同的信息收拢过来。

比如这里我直接说,让结合腾讯会议、ima等端的信息,总结我一个月的工作。

很快就有了关于我个人数据、过往动作的历史盘点。

还可以把月度盘点,直接调用生图模型,画成一张图。

让我觉得,最了解我工作日常的可能不是我自己,而是Buddy One。

03

一个积分池,更方便,更有性价比

深度使用之后,一个很让我觉得丝滑流畅的点,是Buddy One对账号积分体系的打通。

发现WorkBuddy的积分,现在已经默认升级为Buddy One积分,在WorkBuddy、腾讯文档、ima、网盘里全部都通用。

点击左下角入口进入积分余额,会有一个清晰的积分池,你在哪个应用里跑AI,消耗的就是哪一池子里的算力。

我在WorkBuddy里跑了一次长文整理,再打开腾讯文档用AI写摘要,又去ima做检索,回到WorkBuddy看套餐积分,余额是同步减少的。

套餐内积分、活动赠送积分和自行购买的积分都包含在这个池子里。

总体来说,一套通用积分,让多端协作的算力成本变得清晰可控,不用每端记一个余额,也不用每端算一次“还能跑几次”。”

04

更方便还更省钱,也许这就是One的价值

最后说说省钱账。

Buddy One VIP连续包月700元/月,一次开通,WorkBuddy个人旗舰版、腾讯会议专业版、腾讯文档超级会员Plus都覆盖。

还包含了跨应用共享的50,000 Buddy One通用积分,和高达1TB的存储空间。

我的判断是:如果你本来就在同时用WorkBuddy、腾讯会议和腾讯文档中的两个以上,VIP省事也省钱。

值得注意的是,加入Buddy One 就可以免费使用跨应用检索和积分池,无需VIP,近期还能领100积分,完成后即刻就能到账,推荐大家都去试试。

我在想,AI产品的终极目的,是让人忘记工具的存在。

Buddy One带来的改变,不是说统一了一个入口那么简单,是把原本割裂的各类场景,一站式缝合了起来。

如果你每天也在为来回切换软件而烦躁,强烈建议去WorkBuddy里关联起来试试!

在微信时代,我们早已经把一站式解决所有问题习以为常;

而今天,也许WorkBuddy正在用一个Buddy One ID,重新打通AI时代的一切……

去体验一下那种「一句话调动所有平台历史」的畅快感,相信我,你的工作流会从此大不一样。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

登顶开源榜首的网易语音 Agent ,居然终身免费?

2026年11月6日 18:59

原创 FrankGPT 2026-11-06 18:59 北京

现在,我有了一个AI语音搭子:「网易叭哥说」

Image

嗨,大家好,我是 Frank。

在过去很长一段时间里,作为科技博主,我的工位桌面几乎是被机械键盘的敲击声占满的。

不管是写几千字的长篇评测,或是起草技术周报,还是面对着 Claude Code、Codex 等新一代编程工具下发 Prompt 时,我的双手几乎一整天都悬在键盘上。

但现在,我有了一个AI语音搭子:「网易叭哥说」。

有时,我们脑子转得飞快,但手指却根本跟不上。

认知科学里有个常识:「人脑思考和说话是低能耗的直觉反应,而手指机械打字和字斟句酌地憋腹稿,则是极度耗能的重度思考。」

过去几十年的计算机交互,本质上都是「人在迁就机器」。

我们学习各种语法、快捷键,字斟句酌地删掉口水话。

但在大模型能力爆发的今天,交互逻辑早该反过来了,机器应该接住人最自然的表达习惯。

这也是最近几个月,整个科技圈对「AI 输入法」再次投以极高关注的根本原因。

网易叭哥说-疾速如闪电,开口即成文

01

百花齐放的 AI 语音输入法

如果放眼全球 AI 应用生态,海外以 Typeless、Wispr Flow 为代表的产品,早已证明了「随口表达直接成稿」的巨大生产力价值。

而在国内,豆包输入法凭借端侧离线模型与对方言、中英混说的深度优化,在移动端打造了极其顺滑的日常输入体验。

讯飞依托深厚的方言转写与专业领域转写积淀,牢牢守住长录音与会议纪要的基本盘。

腾讯 Chatterfly 则在语音交互中融入场景技能与深度问答,探索语音指令与 Agent 的复合形态。

智谱 AI 则推出并开源了 1.5B 参数级的 GLM-ASR-Nano 端侧语音模型,加速了轻量化模型在本地设备部署的工业化进程。

各家产品路径各异,但对于把语音作为核心生产力工具的重度用户而言,真正的选型标准始终围绕三个硬指标:

「响应速度够不够快、订阅成本会不会肉疼、工作隐私与代码数据是否安全」。   

这也是为什么最近半年,我几乎测试了市面上所有主流的 AI 语音工具,并最终决定把整个日常输入全盘切换到「网易叭哥说」(bug.youdao.com)。

另外还有一个好消息,「网易叭哥说官方明确承诺,语音输入全场景终身免费。」

02

当语音工具,很懂你的每个意图

很多朋友一听到「语音输入」,第一反应往往是手机输入法上那个小小的麦克风图标,或者是会议转写工具。

但叭哥说从第一天起就不是传统输入法,它是一款没有虚拟键盘浮层、常驻后台、纯靠全局唤醒的 AI 原生语音 Agent。

如果你只是把它当听写机用,那就太暴殄天物了。

在连续几周的高强度实测里,真正让我产生「再也回不去」的代差感,来自它几个专为极客与重度办公打磨的深度功能:

一个亮点是光标级「自适应润色」:

它会实时识别你当前光标所在的软件,自动决定输出文本的专业深度、排版结构和口吻风格。

不需要你每次口头叮嘱「请帮我整理成排版」,你只管随口念叨,它会根据场景把表达切得极准:

还有一个我很喜欢的,写代码/提 Bug(光标在 VS Code、Cursor、Claude Code 或终端时):

现在我按住按键,就像给身边的实习生交代问题一样交代任务,

光标闪烁在代码环境里,屏幕上出来的直接是一份结构级的标准化步骤:

提需求,修代码

写邮件

而且还可以中文直接变地道外文:

不需要在界面上繁琐切换「翻译模式」,只要按住设置好的直译快捷键(默认右 Alt + Shift),对着麦克风口述普通话,屏幕上直接输出地道的外语。

叭哥说,是真的内置了 100+ 种语言的实时双向互译能力。

在面对跨国协作、外企或外贸沟通时,能显著降低心理负担。

双向互译-日语

双向互译-阿萨姆语

杂乱待办与「改口」识别: 日常口述待办,人总会临时反悔或反复改口:

甚至如果你交代的细节很多,它会自动给你分拆成更多级清单。

还有鼠标侧键自定义:

很多语音软件必须按键盘组合键唤醒,但当你一手端着咖啡、一手握着鼠标翻网页或者看代码时,为了录音还得特意把左手伸回键盘,这种阻断感其实很强。

叭哥说在个性化设置里做了一个极具极客直觉的微调:支持直接绑定鼠标侧键唤醒。

现在我单手滑轮浏览技术文档或者 GitHub 页面,大拇指顺手轻捏一下鼠标侧键,直接口述想法,松开即刻上屏。

整套交互完全在鼠标单手闭环内完成,这种物理层面的顺手,直接把日常唤醒频次推高了一个量级。

以及,工位 30dB 气声拾音与专有名词识别:

很多人在办公室抗拒语音输入,核心痛点是怕吵到同事,泄露工作内容而需要特意佩戴麦克风。

叭哥说针对微弱音量做了专项降噪与声学调优。

在安静的工位上,用接近 30dB 的微弱气声(甚至比说悄悄话还轻)念出长串中英混杂的技术需求:

「最近 OpenAI 推进上市计划,向 SEC 提交了保密申报材料。企业云服务是它的主要收入来源,它在 AI 市场和 Anthropic 形成了竞争……」

周围半米外的同事毫无察觉,而屏幕上准确无误地蹦出了Anthropic 等专有名词。。

更妙的是它的词典机制:

它不要求你提前准备词表。

「RAG、LoRA、Transformer、MoE」这类 AI 圈的专有名词,「臣妾做不到啊」这种整句台词,你第一次念,屏幕上的字就一个不差,不用提前准备词表,也能准确识别。

如果你此前是海外工具(如 Typeless)的重度用户,只需把自定义词库导出为 txt,就能在叭哥说里一键导入。

日常使用中你只要手动改过一次的专有热词,系统会自动静默学习并收入个人词库,下次再念绝不出错。

还有一个极贴心的小细节:

在常规设置里,你可以手动关闭「保留句尾句号」。 在即时沟通或写短 Prompt 时,末尾强制带个句号往往显得生硬严肃。

关掉这个选项后,口述完直接回车发送,省去了高频手动退格删标点的微小烦躁。

03

自研「子曰」大模型,更有底气

聊完好用的产品细节,我们必须把视角稍微拉高,看看它背后的产业逻辑。

要体验好,价格就贵得肉疼,

要便宜或开源,折腾 API Key 和网络延迟又耗尽心力。

海外同类工具折合每月上百元的订阅费,或者卡着每周几万字的额度限制,对文字工作者和开发者来说是一笔不小的负担。

网易有道在这里做了一件真正带有普惠性质的决定:网易叭哥说官方明确承诺,语音输入全场景终身免费。

有道团队的逻辑很朴素,语音交互不该是昂贵的高阶特权,它是 AI 时代人机交互的水电煤。

子曰大模型

更重要的是,免费并没有走向「套壳通用接口」的妥协。叭哥说的底层,完全构建在网易有道自研的「子曰」大模型矩阵之上:

Confucius4-R2T2:

专为实时语音识别训练的 ASR 模型,此前直接登顶了 Hugging Face ASR Trending 榜单榜首。

Confucius4-T3PO:

专为实时翻译与意图润色调优的模型,同样登顶过 Hugging Face 翻译榜单第一。支持 100+ 语种的实时双向互译。

官方在 100 条 1 分钟内的实测 Case 显示,叭哥说的端到端耗时比海外标杆 Typeless 平均快出 0.63 秒,端到端平均延迟仅 1683ms。

在日常工位使用中,真正能做到「话音刚落,排版好的文字直接上屏」。

语音工具最大的顾虑永远是隐私。

对于天天面对核心代码、商业汇报和未公开创意的极客来说,叭哥说交出了一份极其克制的答卷:

所有语音录音和转写历史全部纯本地存储,绝不上云,更明确承诺绝不用于任何大模型训练。

在历史记录面板里,你可以随时回溯、导出音频,也可以一键彻底销毁。

从当年口碑极佳、无广告不流氓的网易 UU 远程控制,到今天的网易叭哥说,网易在内部孵化「小而美、无干扰、极度克制」的生产力工具上,始终保留着一种难得的精品基因。

加上平均两天迭代一个版本的极客更新速度,这才是它刚发布一个月就在开发者圈子里迅速蔓延开来的根本原因。

重要的是「把双手解放出来,留给真正重要的事情」

趁着它终身免费且迭代正猛,去试试看吧。

体验指引:

网易叭哥说目前已支持 Mac 与 Windows 桌面端(iOS、Android、鸿蒙的用户可以在官网下载 beta 版抢鲜体验啦!)

访问官网 bug.youdao.com 即可直接下载体验。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

1.6T 参数、1M 上下文,LongCat-2.5 正式版这次有惊喜

2026年11月5日 17:43

原创 FrankGPT 2026-11-05 17:43 北京

低调又实力不俗的玩家

Image

大模型的牌桌上,有位比较低调又实力不俗的玩家。

11月2日,美团的 LongCat-2.5 正式版,终于上线了。

一直关注国内大模型玩家的朋友,对这个名字肯定不陌生。

这个宝马典藏历史车型的动态3D官网,就是我拿LongCat-2.5做的,细节、质感都很有惊喜。

还有这个城市景观建筑设计,从早到晚,高楼拔地而起的动态效果,全部代码由LongCat-2.5生成。

能看出来,对空间、对三维环境的理解,达到了新的水准……

作为从今年4月20号的 LongCat-2.0-Preview 就开始一路跟着用的老用户,我自己对龙猫的迭代节奏其实挺有感触的。

当时 2.0 的预览版出来,也是隔了差不多两个月,到 6 月底才正式上线并亮出完整评分。

之前9月25号,美团低调上线 LongCat-2.5-Preview,开放了两周限时免费体验,我就在想,正式版会不会还有惊喜。

01

核心指标,很亮眼

先把正式版这次更新的核心硬指标和主要变化,简单给大家捋一遍:

第一,基础规格与定位更聚焦了。

模型依然保持 1.6 万亿总参数、每 Token 激活约 480 亿参数、最高 1M 上下文窗口。

简单来说,就是不再局限于写单段代码,而是瞄准复杂代码库开发、完整项目端到端构建,以及新强化的 Visual Coding(视觉编程)、创意设计和 3D 任务。

第二,推理速度和训练吞吐提上来了。

推理侧这次上了 W4A4 量化方案。

而在训练侧,在所测长上下文监督微调任务中,优化后的单卡吞吐,也比 DDP 基线提升了 86%。

第三,基准跑分落在了什么区间?

整体看下来,LongCat-2.5 的多项主流指标落在了 Claude Opus 4.8 到 Opus 5 之间,局部单项超过了Opus 5。

尤其是多模态与 3D 编程:在 3DCodeBench (Text→3D) 上拿到了 55.4,在 Vision2Web 上拿到 78.6,这块的視覚编码长板比较明显。

第四,兼容的接入工具(Harness)做了调整。

之前 Preview 版适配的 Claude Code、OpenClaw、OpenCode 和 Kilo Code,都依然得到了保留。

而且这次正式版,收敛并调整成了三个主流入口:Claude Code、Codex和 Hermes。

看起来更直观,用起来也更直接了。

账面数据看完,关键还是看日常运作和真实任务的交付能力。

废话不多说,直接开始上测试。

02

Coding 表现、长程任务,很犀利

验证Coding表现,我比较喜欢拿游戏场景来测。

先是在提供关键参考图的前提下,做了一个魔兽、骑士角色的复杂游戏场景模拟。

技能设计,以及说魔兽的审美,都挺到位的。

虽然离大型场景游戏的可玩性还有差距,但从前端设计以及动态交互上,已经是让我比较满意的程度。

再看一个,古典仙侠水墨画的游戏,我取名叫《侠路》。

这个游戏环境设置、角色设定比上一个简单,但是人物的动作更丰富。

我主要考察的是武侠角色爬悬崖、跳跃、上树等动作的完成程度,以及能否连续进行关卡的通过。

设计上,传统水墨风格,一人一壶一蓑衣,还是很有特色很精细的。

玩法上不算复杂,但胜在互动流畅自然。

发现 LongCat-2.5处理多人物、多游戏角色的能力很强,还能打造复杂场景。

我于是想把古典武侠类的游戏,在玩法机制上,再复杂化一点。

这就把一个武侠单机修炼游戏,变成了复杂的多场景打斗群像游戏,还是很好玩的。

尤其是加入了一些金庸武侠技能,会感觉有了很丰富的玩法可能性。

一句话生成可玩的 3D Minecraft,也不在话下。

我用极简的 Prompt,测它的 3D 游戏工程整合能力。

我只给了它一句英文指令:

「Make a playable 3D Minecraft game. Output only a single HTML file.(制作一个可玩的 3D Minecraft 游戏,仅输出单个 HTML 文件。)」

这意味着它不能偷懒分拆外部资源,必须在一个文件里把三维体素地形生成、第一人称视角控制(PointerLock)、方块碰撞检测、准星拾取以及方块的破坏与放置逻辑全部写完。

草方块、泥土、石头和树木构成的体素地形错落有致,视角转动和 WASD 移动没有出现卡死或穿模掉出世界的情况,基础的交互回路是完整跑通的。

相比之前在 Preview 版跑 3D 游戏动辄思考半小时、甚至把左右转向符号写反的情况,正式版在一气呵成处理三维空间坐标和交互逻辑时,明显利落了不少。

还做了一个单关卡「愤怒的小鸟」网页游戏。

回到 2D 物理引擎与完整游戏闭环,让它写一个愤怒的小鸟风格单关卡游戏。

「提示词:开发一款“愤怒的小鸟”风格的单关卡网页游戏,包含弹弓发射物理机制。要求:拖拽式弹弓瞄准机制。基于发射力度和角度的抛物线弹道。可被破坏的堆叠方块。计分系统及关卡重置功能。无需构建工具,可直接在浏览器中运行。」

这个 Case 考察的是物理手感和交互闭环。

无需任何外部构建工具,双击打开浏览器就能直接玩:

鼠标按住小鸟往后拖拽,皮筋拉伸的同时会实时算出基于力度和角度的抛物线辅助轨迹。

之所以测试这么多游戏,是因为3D、多模态、复杂交互,游戏都是最好的实验场景,能很清晰看到一款模型的上限。

我会觉得,在做代码生成游戏这个领域, LongCat-2.5已经是高级别玩家,能通过高效率、高审美的代码生成,去完整构建复杂的游戏内容。

03

4大场景,表现不俗

再给大家看四个我测出来的比较有代表性的例子,都是在其他模型或者之前版本,容易出现瑕疵的。

一、实时流体模拟

这是个更吃算力的活,3D 展厅考的是空间感,这个考的是它对物理和 GPU 的理解。

给它的任务是:

「实时流体模拟。开发实时流体模拟与视觉特效生成工具,生成包含实时流体动态模拟的高帧率动态交互网页,帮助开发者、设计师与科普创作者完成复杂物理现象的交互式可视化与美学展示。」

二、复刻风格类似 X 的个人博客空间

来测一个纯前端 UI 与交互布局的基本功,Prompt 非常短,就一句话「实现一个风格类似 X 的个人博客空间」

给出的页面结构非常地道。

最容易翻车的点在于:「一切元素严格封闭在瓶内,任何视角不得越出轮廓。」

三、三维魔方动画(带打乱与自动还原)

重点考察它的三维矩阵旋转动画与状态逆向还原逻辑。

「Build a colorful, 3D-looking Rubik's Cube with Scramble and Solve buttons that visibly animate the rotations.

(构建一个色彩鲜艳的 3D 魔方,带有「打乱」和「还原」按钮,并能可视化地演示旋转动画。)」

写 3D 魔方最怕遇到两个 Bug:

一是旋转某一层时,色块的局部坐标系算错,转了两次整个魔方就碎裂散架了,

二是点击 Solve(还原) 时,模型投机取巧,不播动画直接把颜色重置回初始状态。

在魔方逻辑的基础上,我尝试做成了一个3D旋转的照片官网,复用了魔法复原的基本逻辑,但是在视觉上做了优化。

怎么样,转起来的效果,是不是审美很到位?

四、全球 AI 融资日报

有时候需要看看全球 AI 公司的融资消息,中文、英文散在十几家媒体里,看一遍四十分钟。

所以我让它写个工具,每天自动巡查一次,汇总成一份能直接看的日报。

「写一个脚本,每天自动抓取全球 AI 创业公司的融资新闻,汇总成一份中文日报。要求:按融资金额排序,每条注明公司、轮次、金额、领投方、信息来源链接和发布日期;同一笔融资如果被多家媒体报道,合并成一条;金额不确定的标注存疑,不要猜。」

这个项目,重点不在日报本身,而在脚本的运行速度和效率,以及内容质量。

04

为什么这次不卡了,也变快了

结合实测体感,再回看这次官方同步公开的技术报告,能比较清楚地看到 LongCat 团队在背后做的几项工程改造。

为什么 Visual Coding(视觉编程)和 3D 表现变好了?

传统的视觉多模态方案,大多是先训好文本模型,再外挂一个看图模块。 而 LongCat-2.5 采用的是原生多层级离散 Token 方案——

沿用 LongCat-Next 的方法,对语义对齐编码器(SAE)产生的原生分辨率特征做残差向量量化(RVQ)。

简单理解,就是从一开始就把图像也转化成了和文字同构的离散 Token,放进同一个主干模型里联合学习。

而且利用固定的 Tokenizer,系统可以离线预计算并缓存视觉 Token ID,训练计算图里不再包含沉重的视觉编码器。

之前 Preview 版容易「死循环」和「过度思考」,是怎么解决的?

针对长程任务,团队这次搭了一整套 Agentic RL(智能体强化学习)训练链路,重点做了两件事:

一是开发了 Trajectory2Task:专门收集真实 Agent 的失败轨迹,通过错误证据分析和执行环境恢复,把「跑挂了的案例」逆向转化成可复现、可验证的训练任务,针对短板定向补数据。

二是做了严格的 输出行为优化与防作弊(Reward hacking):在任务环境里直接断网、清除 git 历史和缓存,引入 LLM Judge 监督轨迹;

对重复思考、重复工具调用施加额外惩罚;同时通过重新分配正样本中的 Reward,抑制了模型「过度思考」和回复长度增长过快的问题。

配合多专家在线蒸馏(MOPD)里的 per-cut prefix 策略,模型在执行多步长链路任务时的稳定性比预览版扎实了不少。

国产算力这块,从跑得通变成了跑得省。

6 月发 2.0 的时候,验证的是在国产集群上把万亿模型的全流程跑通。到 2.5,问题变成了单卡显存不到 80G,还要啃最长达 1M 的上下文。

他们的解法是围绕超节点重做并行,加上 PD 分离和跨层预取。

落到我们能用上的地方,是推理侧的 W4A4,权重和激活一起压到 4 bit,Prefill 吞吐提了 43.3%,Decode 提了 42.77%,首字延迟降了 15.91%。

这也是为什么正式版用起来明显比 Preview 轻快。

最后补充一下大家关心的体验入口、额度与计费信息:

网页端 longcat.ai 和 longcat.chat 已经能用了

API 在 longcat.chat/platform/product

新用户注册并实名,送 1000 万 Token,已经认证的老用户也送1000 万Token,登上就能领!

计费有两种:

一种买 30 天有效的资源包,缓存命中免费,非常耐用,只要9.9元,性价比直接拉满。

一种是按量付费,支持企业认证和阶梯折扣,也是特别实用的选择。

也许AI时代的新效率、新创意,此刻就可以和LongCat 一起开启!

抓紧时间用起来吧!

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

国内AI4S圈的头号玩家,科学模型,权重全开放!

2026年11月3日 21:48

原创 FrankGPT 2026-11-03 21:48 北京

深度原理 DeepPrinciple 团队,又把模型实践往前推了一步……

Image

国内AI4S领域头号玩家,又把模型实践往前推了一步……

深度原理 DeepPrinciple 团队,把 GLM-5.3 后训练成了一个科学模型,权重全开放,名字叫 Hydrogen-1.0。

简单跟大家说说背景。

DeepPrinciple 把自家的 GLM-5.3 拿来后训练,灌进化学、材料、生命科学的领域数据,再加上他们自己实验室的实验记录,训练出 Hydrogen-1.0。

权重开放,是说挂在 Hugging Face 和 ModelScope 上随便下,同时也在 NeuroSpark 上开了 API,还能在自家 AI 科学家产品 Mira 里直接用。

如果横向比较一下海外顶尖的AI组织和NeoLab,就能看出深度原理的技术判断,很前瞻。

OpenAI 用 AI agent 证明了强迫 Navier-Stokes 方程的有限时间奇点,还配了 Lean 形式化。

Anthropic 通过基因组分析和实验室验证,找到一个带 CRISPR 样重复序列的酶系统。

最新的共识是,模型已经能参与真实的科学发现,能提出可以被数学或实验验证的想法。

可惜这些模型的发现能力是闭源的,权重不外放,别人想复现、想改造、想接着往下做,都得看人家的脸色。

Hydrogen-1.0 干的事情,是把这条刚刚被证明能走通的路,用开源权重重新铺了一遍。

见过很多打着开源旗号的模型,开源的是名头;权重、数据、评测口径全都藏着掖着。

这次Hydrogen-1.0的发布就很有诚意了。

它把从领域知识到实验记录,再到发现轨迹的整条链路,都摊开了,连失败实验的记录都拿来当训练数据。

失败记录,是科研里最难拿、也最值钱的数据,愿意拿它出来训练的团队,至少说明他们真的相信这条路。

01

说说「权重开放」这件事

先看评测数据。

Hydrogen-1.0 在 FrontierScience-Research 上超过 GPT-6-Astra,在 GPQA-Diamonds 上比它的起点 GLM-5.3 高,基本追平开源前沿模型 Kimi-K3。

让我在意的,是发布页里那张性能对成本的图,横轴是输出侧 API 价格。

把能力和单位成本放在一起比,能看出水准,也能看出性价比。

这种产品化算账的思维,有些研究团队意识不强,也造成了产业侧的落地难。

内部场景的评测,更有意思。

科学计算、单步正向反应预测、NMR 结构解析,三个他们团队天天用的场景,最高思考档下前两项比 GPT-6-Astra 高 5.13 和 4.76 个百分点,NMR 那项低 3.33。

发布页专门写了一句,不同任务的绝对分数差异反映的是内部题目难度,不能直接当成模型能力的横向比较。

能主动给自家数字画边界、承认某一块不如别人的,是认真做研究的人。

02

会自己修实验流程的模型,比会做题的模型更吓人

榜单数字撑不起一个新范式,让我觉得这个模型有点东西的,是那几个演示案例。

先说聚合物分子动力学。

给模型一个材料学问题,它自己写 Python 搭聚乙烯熔体,跑 GROMACS,跑到一半发现拓扑结构有错,自己检测、自己修、修完重启模拟。

最后给你一条 40 纳秒的轨迹,还能接着分析密度、分子堆积、扩散和链尺寸。

对于今天的模型,写代码不难,难的是程序跑起来出了错,能看懂报错、定位到拓扑定义的问题、再自己改掉。

这一步卡死了市面上绝大多数 coding 模型。

因为这背后不是背题,是在一条真实工具链里做调试,每一步都需要对底层物理和软件行为有理解。

另一个案例更有味道。

一个 Ireland-Claisen 重排反应网络,27 个分子结构、30 条反应记录,主路线每一步的电子势垒都比备选路线低。

模型把整个网络铺开,帮你找潜在瓶颈、比较竞争路线。这不是单步预测,是几十步的推理链,每一步都连着真实的化学数据。

还有 NMR 结构解析。模型拿到一张氢谱,从 2-溴萘的 7 个可能单甲酰化产物出发,先看低场信号,再看拥挤的芳香区,逐个评估候选结构。

做过的人都知道,NMR 解析是研究生要练很久的功夫,要把谱图特征和结构化学对应起来。

最打动我的,是实验室编译这个设计。

一个 12 管 Suzuki 偶联实验,模型写出 JSON 协议,虚拟预演时抓住一个低级错误,吸液的时候没换新枪头。

这在真实实验室里意味着交叉污染,做过湿实验的人看到这里都会会心一笑,这是每个进实验室的人都踩过的坑。

模型自己把动作顺序改对,编译通过,才进入实际执行。

能在执行前拦住这种错误,说明它对实验流程的理解已经进入动作层面。发布页里那句话说得实在,执行前把错误拦住,能缓解 AI 自主性带来的安全问题。这个思路,比多考几分重要得多。

03

训练细节里,藏着这家团队的底牌

榜单和演示看完了,重头戏在训练。

Hydrogen-1.0 的管线是 SFT 加 RL。

SFT 提供推理、实验规划、协议设计、结果分析的工作示例,RL 让模型根据研究结果的反馈学会做更好的决策。

训练数据分四块,领域知识、科学家的任务级反馈、实验室记录、完整的发现轨迹。

这里我想多说两句。多数科学模型的训练数据是论文和教科书,干干净净的正确答案。

但是 Hydrogen-1.0 的数据里混着大量实验室记录,包括失败的尝试和修正过的假设。

看着反直觉,脏数据怎么训出好模型?

很快我想明白了:科学发现的真实过程本来就是这个样子,假设、实验、失败、修正、再试。

只喂干净答案,模型学到的是教科书里包装好的科学;喂全过程,模型学到的才是真实发生的科学。

他们专门讲了自己的电子实验记录本,配合 Mira 的智能体文档化,把实验从头到尾的上下文都留全,想研究什么、怎么做、发生了什么、下一步查什么。

从这种记录里学到的,是实验完整展开的过程,不是孤零零的最终结果。这是大多数只拿论文训练的科学模型给不了的。

训练工程上几个细节,越看越觉得有分量。

全模型 MoE 后训练,优化器用 Muon,FP32 主权重和动量在 CUDA 上放 CPU,只把当前要更新的主矩阵搬上 GPU,更新完写回;

在 ROCm 上更狠,把动量直接卸载到磁盘,前向反向计算时给长序列激活腾显存。

长序列用离线打包,不截断完整推理示例,损失只算在 assistant 输出上,按全局监督 token 数归一化。

动态稀疏注意力在多卡之间做因果约束,保证每个样本只看自己的因果前缀。

SFT 基础设施示意,长序列打包、稀疏注意力与优化器状态的调度方式

还有个特别有意思的设计,可恢复的强化学习 rollout。

GPU 池在生成和训练之间切换,没跑完的响应保留前缀,下一轮接着续写。

一个响应可能横跨多个策略版本,每个 token 都记录自己生成那一刻的真实行为 log-prob,重要性修正按 token 对齐。

这就解决了一个老大难问题,长序列生成慢,整个 rollout 周期都会卡住,现在没跑完的活可以跨轮接着干。

图2:可恢复强化学习与训练推理权重交换示意(来源:Deep Principle 发布页)

还有一个小地方,也挺见功力。

训练和推理用的权重布局、精度格式都不一样,训练是 BF16,推理是 128 乘 128 分块的 FP8,中间用一个双向适配器衔接。

他们甚至在归因训练收益之前,先做零梯度更新的导出和量化漂移检查,再用同一套推理配置去评估训练效果。

做评测的人看到这段会心一笑,太多团队训练归训练、上线归上线,两套配置各跑各的,最后数字打架还找不到原因。这种自证,是工程上最值钱的东西。

单个细节拿出来都是工程优化,串在一起,能看出这是做长期主义的事。

为了把长序列和 RL 跑起来,连优化器状态放哪里、磁盘和显存怎么交换都重新设计了一遍。

从这种基建投入,也能看出来深度原理他们,认定科学模型这条路值得走下去。

04

科学直觉,正在变成一种可以训练的东西

最后聊点更长期的。

有一个「寻找新材料」的实验,很有意思,我特意留到最后。

过渡金属配合物设计任务里,每个模型从相同的初始种群出发,五轮迭代,每轮推荐一个新配合物,只接收自己推荐的结果作为反馈。

第五轮,Hydrogen-1.0 的最佳 HOMO-LUMO 带隙到 4.318 eV,GPT-6-Astra 是 3.689,Kimi-K3 是 3.353。

数字看着不大,背后的东西却不小。

这是模型在只有自己反馈的情况下,一步步学会往目标性质靠拢。

换句话说,它开始表现出一种接近直觉的东西,知道哪些候选值得探索,哪些观测值得做,一条路走不通的时候怎么掉头。

深度原理官方有一句话,我特别喜欢:「科学是一个开放式的探索,AI 可以无限地探索和创造价值。」

我只觉得,科研里最贵的东西从来不是算力,是判断力。

该试什么、不该试什么、哪个实验值得做、哪个假设该放弃,这些决定耗掉了无数研究者的时间和热情。

如果模型能从完整轨迹里学到一点这种判断力,哪怕只是皮毛,对科研效率的改善都可能是数量级的。

当然,边界也要说清楚。

目前的评测大多来自他们内部场景,领先幅度是几个百分点,需要更多第三方复现;NMR 那一项,他们自己承认不如 Astra。

科学模型离真正替代科研决策,还有很多值得见证的路要走。

而一个信号是,科学发现的能力,正在第一次以开源权重的方式,被交到所有人手里。

以后任何一个实验室,不管规模大小,都能下载一个会设计实验、会写协议、会修流程、会从失败里学习的模型,在自己的数据上接着训。

随着模型越来越多参与发现,它们要学习的数据里,会出现越来越多它们自己帮助做出的发现。

模型要从明天的观察里学习,包括它自己创造的明天。这个闭环一旦转起来,科学进步的速度会超出所有人的预期。

小时候,我们很多人的梦想是成为一名科学家。

也许,这就是最好的时代。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

实测讯飞 Spark-X2.6,这 10 亿免费额度值不值?

2026年10月29日 16:00

原创 FrankGPT 2026-10-29 16:00 北京

国产模型的新Benchmark

Image

前几天去了趟科大讯飞全球 1024 开发者节,好家伙,现场人还真不少啊。。

最让我感到意外的是他们掏出来的新模型讯飞 Spark-X2.6。

这是星火今年的年度版本。按官方文档,293B 总参数、每次激活 30B 的 MoE 架构,上下文长度有 1M,主攻代码和智能体。安全这块也单独提了,提供专业安全防护,并且支持按任务场景自定义安全策略。

最特别的是训练,整条链路都跑在国产算力上。

价格是限时六折,每百万输入 0.9 元,输出 3.6 元。

展台上还挂了个活动,针对个人开发者无门槛免费领 10 亿 Token。

领取地址 🔗https://maas.xfyun.cn/overview?ch=maas-kol-jg-M1sWt

国产算力这事儿,说了两年了。

大部分模型是在国产卡上做推理,训练还是用英伟达。讯飞的说法更彻底一点,训练和推理整条链路都在国产平台上,目前只有星火一家这么做。

这条线其实铺了三年。

23 年 10 月的 V3.0,他们搭起了万卡国产集群飞星一号。

24 年 1 月的 V3.5,是第一个基于全国产算力训练的通用大模型。

25 年 1 月的 X1 做深度推理,11 月的 X1.5 补通用能力。

到今年 10 月 22 号的 X2.6,才轮到代码和智能体。

三年,四步,一步比一步难。前面几步是把模型训出来,最后这一步是要它真能干活。

官方还拿出真实场景测了 8 类任务,它 6 项第一,金融研报和 DeepSeek 打平,只有 Web 前端 76.9 输给 78.5。

废话不多说,直接开测。

01

直接上手实测,看效果

首先,就是我们最经典的案例,鹈鹕骑自行车。

Simon Willison 去年开始拿它测模型,prompt 只有一句话,让模型画一只骑自行车的鹈鹕,格式是 SVG。

题目简单,但很能试出东西。自行车有车架、两个轮子、链条、脚踏,鹈鹕有长喙、喉囊、翅膀、两条腿。这些东西的空间关系只要错一点,画面立刻就散。

这种题只看三处。轮子转不转,辐条数不数得清,脚有没有真的踩在踏板上。

提示词:「Create an SVG of a pelican riding a bicycle. Save it as pelican.svg in the current directory and preview the result. Do not use external image assets.」

鹈鹕骑自行车

又给它加了一道题,修代码。

一段现成的程序,一只用 tkinter 画的毛毛虫。十节身体跟着头走,头会随机转弯。

但这次代码问题是,跑起来身体会缩成一团。

提示词:「这段代码是一个毛毛虫爬行动画,运行起来动画表现不正常。请找出问题,然后给我一个能正常跑的版本。」

修没修好,不看它怎么说,只看两个数。

相邻两节的间距有没有稳在 14 像素,跑三分钟身体总长还在不在。

原版这两个数都会崩。我提前跑过,十节的间距会一路抖到零。

有问题的毛毛虫

优化后的毛毛虫

趁着手热,3D 房间。

纯 CSS 3D,不许用图片,不许用外部资源。要搭出一个六面墙的房间,里面有桌子、书架、椅子,全都用 div 拼。

鼠标能拖着转视角,滚轮缩放,WASD 能走。

提示词:「使用纯 CSS 3D Transform 构建一个室内房间的三维透视场景……鼠标拖拽旋转视角,滚轮缩放,键盘 WASD 控制摄像机移动。」

这题难在它得同时顾三件事,透视、遮挡、光照。少一样,房间就塌成一张纸。

3D 房间

一个天气面板。输入城市,出实时温度、湿度、空气质量,再用图表画近七天趋势,数据能存到本地。

需求就一句话:「纯静态、零依赖、零构建,输入城市就能拿到实时数据,用动态图表展示近 7 天趋势。」

它交了一个完整项目,五个 JS 文件,图表全是 Canvas 自己画的,一个第三方库都没引。端到端测了六十三项,全过。

天气面板首屏

我又让它做了一个赛博朋克3D可以交互的卧室场景。

要求只有一条,单文件,双击就能打开,不许用任何库。

它交了个一千一百四十行的 HTML,四十五 KB,用的是原生 WebGL2。

矩阵数学全是手写的,六个着色器,连贴图都是运行时拿 Canvas 画出来再传进去的。

点灯带换色,滚轮缩放,拖拽转视角,空格自动环绕。

接下来换个方向,干点上班时候的活。刚才那张表里的 8 类任务,正好能对上。

02

企业效率、效果大提升

这活难的地方不在写代码,在于它得先把事情先想清楚。

千人规模,文件类型有文档、图片、视频、压缩包,权限要分到用户组、部门、岗位,还要管查看、编辑、下载、转发、打印,权限既能继承也能回收,水印要动态的,带上用户名和时间戳。

提示词给了一大段,最后要求它交六样东西,「功能需求规格书、权限矩阵表、水印策略设计、安全方案、在线预览交互原型、操作手册。」

交互原型图

生成产物

然后试试,网页抓取。

打开浏览器,访问 Unsplash,搜 mountain,把第一页前十张图的原始地址抓下来,逐张下载,按 mountain_01.jpg 到 mountain_10.jpg 命名。

提示词:「打开浏览器,访问 Unsplash 网站,在搜索栏搜索 mountain,从搜索结果的第一页提取前 10 张图片的原始图片 URL(要求是 full 尺寸,不是 thumbnail),然后逐一下载,图片按 mountain_01.jpg、mountain_02.jpg 的格式命名。」

这题的关键全在括号里那句,要 full 尺寸,不是 thumbnail。

大部分抓取拿到的是缩略图,因为页面上显示的就是缩略图。要拿到原图地址,得知道它藏在哪一层。

抓取的十张图

还有,合同差异条款对比。

有时候对方发来一份新版合同,得跟旧版逐条比对。三十多页,人工看一遍要半天。

所以我让它写个脚本,比对两份 docx,交两样东西,一个 Excel 差异汇总表,一个带高亮的新版合同。

提示词:「比对两份 docx 合同版本,输出差异汇总表和高亮标记的合同。删除、新增、修改要分色标注,修改的还要给出逐字差异。」

它一次交了一个两百多行的完整脚本,用的是 difflib 和 python-docx,跑一遍一秒半。

Excel 里三色标得整整齐齐,Word 里也高亮了,看着很专业。

交付产物-差异汇总表

新版合同-高亮标记

03

开发者狂喜,GitHub仓库星标变动监控

有时候盯个开源仓库,想知道它们星标涨得快不快,有没有新 issue。

手动刷太麻烦,所以让它写个脚本,每天自动跑一遍。

需求我就写了一句:「写一个自动化脚本,每天访问我指定的 5 个 GitHub 仓库,记录星标数、fork 数、最近提交,输出变动日志到本地 Excel,有新 issue 自动通知我。」

二十七分钟后它交活了。一个完整项目,能跑,还自带四个单元测试。

第一次跑,五个仓库全成功。openai/whisper 十一万星,torvalds/linux 二十五万星,数字都对得上。

第二次跑,三个失败。

原因是 GitHub 的限流。不带 token 的请求每小时只有六十次,我一个仓库要请求三次,五个就是十五次,跑两轮就撞墙。

它把这个错写进了运行日志,没崩,也没装作成功。

很多脚本遇到限流直接整个挂掉,它是单仓库失败,不影响其他仓库继续跑。

但问题还得我自己解决。去 GitHub 建个 token 填进配置,额度从六十提到五千。它不会替我去申请。

飞书收到的新 issue 通知

这几个活跑下来,最大的感受是,它在有明确验收标准的地方很强,在没有标准的地方会飘。

权限管控那种活没有标准答案。

它给的东西很全,但全不代表对,很多地方还得自己判断。

10 亿 Token,按六折价算,全走输入大概 900 块,全走输出大概 3600 块。

写写脚本、修修代码、跑跑智能体,一个月够用。

要是只想找它闲聊,这点额度你根本用不完,快来点击领取吧!

P.S. 现在可以去星辰MaaS平台免费领Spark-X2.6 10亿Tokens额度,点击阅读原文直接跳转~

https://maas.xfyun.cn/overview?ch=maas-kol-jg-M1sWt

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

阅读原文

跳转微信打开

生产力直接10倍!实测OiiOii,一键复刻、批量替换,更省钱省心!

2026年10月28日 22:45

原创 FrankGPT 2026-10-28 22:45 北京

Seedance 2.5免费用

Image

想先说个暴论:2026年接下来的3个月,大概是普通人入局AI视频的最后窗口期。

在很多场景里,AI视频已经可以批量、高水准商用了。

相信大家肯定也能刷到,不管是短剧漫剧,还是知识科普,再或者一些搞笑猎奇视频,AI内容的占比明显提高。

甚至像一些很炫酷的广告宣发、高难度特效动作,现在都可以有了很高的AI水准。

之前盘点过当下最火的AI视频产品,OiiOii一直是很特别的一个存在。

最近看到OiiOii又上了一批新能力:复杂场景最强复刻、一键批量替换素材、创意反复秒修改……

刚好赶上双十一优惠,Seedance 2.5等几个最好最贵的几个视频模型,甚至还能免费用!

在OiiOii这样的视觉生产力平台上,是时候再补充些弹药了!

官网:https://www.oiioii.tv/

01

大V口播同款剪辑,邪修玩法直接复刻

之前最难搞的,是文字/界面/动效类的视频,这次在OiiOii也能完美复刻了。

像小Lin说、Tim这些超级头部博主,剪辑、后期都有规模不小的专人团队,

我先尝试了一下科技类的口播呈现。

这种口播视频,对环境、背景、人物的呈现状态,都有比较高的要求。

用法很简单:在首页点击「全能复刻」,上传参考视频,输入具体的要求即可;平台还非常贴心预设了提示词框架,把关键词填入就行。

我上传的原视频先是下面这样👇

我会觉得科技感有点不足,环境氛围太居家日常了。

于是参考了一个科技博主的视频布景,调整了一下环境和内容,于是就直接复刻出了下面这样的效果👇

除了能调用 Seedance 2.5 的视频生成能力,最关键的是自带「代码生成模式」,很多复杂动效直接大力出奇迹,用代码渲染解决。

从成片效果来看,我觉得复刻能力更强了,细节的呈现和整体质感,完全能媲美Opus5.5。

尤其是在复刻界面、文案、动效时,OiiOii能直接使用代码,代码生成后的帧率、清晰度相较于Seedance 更好了,复杂文字的精准控制也能实现了。

像我这样换装、换发型、换动作、加字幕,呈现出来的结果看上去就很自然。

还有从夯到拉排名的这种AI视频,一直都很有流量。

画面里有角色立绘、排名单项、按钮点击动效、侧边栏,文字小而密,信息密度高。

这类素材对纯视频模型来说不太容易,文字会糊,按钮会抖,里面具体的排名单项跑着跑着就变形了。

把原片导入OiiOii,在对话里写了一句:参考原视频的内容结构和玩法,将主体换成照片中人物,排名换成AI模型产品。

我也复刻了一个试试👇

生成出来的版本,角色换掉了,排名里的文案完整替换,按钮动效保留,侧边图标和文字都对得上,运镜和转场跟原片基本一致。

作为科技、知识博主,能延伸的玩法其实有特别多。

口播还是最基本的,更多是一些文字、数字效果的组合,能产生很精彩的化学反应。

在复刻界面、文案和动效时,OiiOii直接走代码路径,数字和UI也是用代码重新渲染出来的,能很直观看出来信息非常准确精细。

大家可以试试,只要敢想,用这样一键复刻的邪修玩法,都可以做到!

02

批量替换,体感很顺畅

单条做好,说明技术路径成立。

批量做好,才说明它进入了生产工具的范围。

我实测了几个批量场景。

多语言版本,一条中文口播视频,一次性生成韩文和英文版本,主播形象保留,口型和字幕同步替换。

多场景版本,原片是商场街道的物品展示,批量换成iPhone 18手机,光影方向和产品位置跟着场景适配。

多个参考视频,替换成同一款iPhone手机,而且是多个场景拼接在一起。

复刻之后的视频,环境、节奏和包装各自保留,连路人的动作和变幻也很自然。

一键生成多个小语种视频,也不在话下。一套视频做下来,让我对自己的外语能力前所未有有信心。

OiiOii支持把验证过的视频结构,一键并行生成多个版本。

同一条广告素材复刻多种爆款结构,同一套画面骨架换不同话术,学生党版、宝妈版、职场版并行跑出来。

对于需要高频迭代的投放团队来说,这意味着测试策略可以从赌一条变成跑十条,哪个方向带量就往哪个方向追。

一次输入,就可以生成多场景的不同形态,英文的中文的、不同形象不同环境的……

我比较关心的是,成本结构也跟着变了。

基于已解析过的爆款视频替换素材重新生成,相比于从零直接生成,成本降幅是很大的,很多对方都是不需要二次生成重复造轮子,只需要给出特定修改内容编码解决就好。

我批量跑十条替换版本的体感是,积分消耗确实远低于生成十条全新片子。

03

二次修改、多次编辑,又是省token的邪修方法!

很多时候,视频生成最消耗人的环节,是一版视频生成出来之后,发现某句文案要改、某个配音要换,然后只能整条重跑。

时间耗在等待上,积分也耗在重复劳动上。

OiiOii在复刻时会保存工程文件。

文字、界面、动效这些代码生成的部分,可以针对具体画面、文案和声音继续调整,而且是批量生效的。

官方给的数据是二次修改速度快5倍,积分消耗的差距随修改条数增加急剧拉大。

我自己改一条已经生成好的工程,体感上省下来的等待时间,足够额外做很多工作了。

这里的技术逻辑值得多说一句。

代码生成之所以可编辑,是因为文字和界面被结构化了,不像之前那样是被像素化了。

像素化的东西只能重绘,结构化的东西可以改参数。

OiiOii把视频拆成模型层和代码层,二次修改只动代码层,模型层不用重跑。这个架构选择,是它在批量场景下成本优势的来源,也是它在日常修改场景下流畅度的来源。

04

产能竞争的下一个分水岭,在结构化内容上

各种短剧、漫剧还在井喷,红果短剧的海外版PineDrama隐隐已经有了再造一个TikTok的势头。

但我会觉得,还有很大的AI内容行业的机会——

游戏买量、电商大促、App宣发、产品功能演示,大量素材的核心信息承载在文字、界面和动效上。

这部分产能如果释放不出来,AI视频的生产力革命就只完成了一半。

OiiOii选的方向,是用Coding去补视频模型在精确性上的短板。

文字和UI的本质是结构化信息,用代码渲染结构化信息,比用扩散模型逼近像素更可靠。

它在图形动效、游戏素材、MG动画、电商口播上的表现更突出,正是因为这些场景的结构化密度最高。

当批量替换和二次修改的成本被压到足够低,内容团队的竞争重心会从能不能做出一条好片子,转向能不能在一周内铺出足够多结构一致、素材各异的版本。

工具给产能,判断给方向,方向对了,产能才有意义。

官网:https://www.oiioii.tv/

最近双十一,OiiOii还有额外的优惠活动,性价比更高了~

单凭Seedance 2.5等等一流模型免费用这一点,就该抓紧时间用起来!

新会员还有特别福利,今年新的AI视频玩法,更等待新玩家、新鲜血液来解锁!

也许接下来的视频爆款作品,就来自于此刻的你……

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

逛完声网 iRTE2026,我看到了实时 AI 更具体的样子

2026年10月27日 17:12

原创 FrankGPT 2026-10-27 17:12 北京

AI实时互动的可能性更多了

Image

这两天在北京逛声网 iRTE2026,我最直观的感受是,实时 AI 开始有了具体的样子。

前几年逛这个场子,满眼都是音视频链路、编解码、网络抖动这些藏在屏幕背后的东西;

但今年,改名叫“iRTE2026 实时智能大会”之后,多出来的那个“i”,把整个场子的气质都拽到了台前。

机器人在地上走,机器狗在旁边转,可穿戴设备戴在手上,一台台看起来像消费电子展上的东西,偏偏每一台背后都连着一条实时互动的神经。

你伸手跟它说话,它会转头看你、回你一句,再接着做动作;屏幕里的 AI 也不只会听,它一边听一边看,能接住你的手势、表情和动作,声音、画面和回应是同时发生的。

这种「它在听、它在想、它要动」的连续感,在现场几乎随处可见。

实时互动正在从人与人,扩展到人与 Agent。

现场的工具包、工作坊和开发者作品,也让人看到,把一个实时 AI 的想法做出来,正在变得更容易。

01

从 RTE 到 iRTE,实时互动开始承载智能

大会改名这件事,放在别的行业可能就是个品牌动作;但在实时互动这个圈子里,名字的变化,往往对应着一层实实在在的技术升级。

2015 年,声网办了第一届实时互联网大会,那时候它叫 RTC 大会,核心命题是把声音和画面低延迟地送到对面;到了 2020 年,大会从 RTC 升级为 RTE,开始讲场景和体验。

到了 2026 年,大会又从 RTE 升级为 iRTE,多出来的那个“i”,是 intelligent,也是 instant。

它指向的是一层更根本的变化:实时网络不再只是信息的通道,而要为 AI 的感知、理解、表达和行动提供实时支撑。

从 RTE 到 iRTE,变化具体落在三个地方。

第一,AI 开始持续地听声音、理解画面。它不再等你说完一段话才开始处理,而是在你开口的同时就在听,在看摄像头捕捉到的表情、手势和环境。

第二,回应的方式变多了。以前是语音和文字,现在还可以有表情、动作,甚至实时生成的画面。

第三,用户的反馈能实时改变正在发生的内容。你随时可以打断、插话、换个话题,AI 都要接得住,而不是自顾自地把一段话说完。

说得直白一点,以前实时互动解决的是“你看见我、我看见你”,现在要解决的是“你开口的瞬间,AI 就已经在听、在想、准备接话,而且随时准备被你打断”。

声网 CEO 赵斌在主论坛上把这个判断讲得很清楚:实时互动技术的角色正在延伸,它不仅要让信息传得稳,还要为 AI 的感知、理解、表达与行动提供实时底座。

换句话说,iRTE 这个新名字不是在追风口,它是在给一个已经发生的工程现实命名。

02

一次自然互动,背后需要怎样的系统

一次自然的互动,在用户看来只是「你说一句、它接一句」,但拆开看,背后是一整套需要实时运转的系统。赵斌在演讲里把它概括为三件事:

实时推理、实时编排,以及大规模全双工互动。

首先是实时推理,系统要持续处理声音和画面。

你说的话,要经过语音识别(ASR)实时转成文字;模型开始输出(也就是常说的“首 token”)之后,再由语音合成(TTS)把回答变成声音。与此同时,摄像头里的画面也要被持续理解:你的表情、手势、手里拿起的物体,都在上下文里。

在保障传输质量的同时,系统还需要处理更多事情:音视频要同步,语音和画面不能各说各话;视觉上下文要接得上;AI 要能调用工具查信息、做操作;最后还要把回应落到动作上,让屏幕里的形象或设备真正动起来。

其次是实时编排。

一次对话里同时在场的,往往不只有一个模型,还有记忆、工具和会话状态。系统要协调好这些部分:谁在说话、说到了哪里、该调用哪个工具、前面聊过的内容怎么记住。

第三是大规模全双工互动。

全双工意味着用户和 AI 可以像两个人打电话一样同时说话,用户随时可以插话、打断,系统要在不同网络、不同设备上都维持住这种持续交互。

在现场展示的全双工方案里,声网给出了这样一组数据:

端到端响应延时约 650 毫秒,极限打断响应约 340 毫秒。数字背后是同一个目标:让语音识别、意图判断、上下文调取和回应生成高效衔接,尽量缩短用户的等待,让回应和打断更自然。

声网的对话式 AI 引擎把全双工交互作为核心,像一个实时交互层,向上连接模型和 Agent 运行框架,向下连接用户和设备——不只是压缩延迟,而是把模型、人和设备接到同一条互动链路里。

赵斌在演讲里还提到一个容易被忽略的背景:

过去一年,OpenAI 等公司对 WebRTC 技术的深入采用,让实时互动技术在对话式 AI 领域获得了更广泛的关注。

这其实是在说,当整个行业都往对话式 AI 里冲的时候,底层的实时传输和交互编排能力,正在从“音视频团队的专属领域”变成“AI 产品团队的必修课”。

iRTE2026 把对话式 AI 技术专场、RTE 101、Real-Time AI Infra 这几个板块放在一起,本质上就是在回答这道必修课的考题:

从 Demo 到真正可用的语音智能体,除了模型能力,还需要一整套实时工程系统。

03

从想法到 Demo,开发者可以再快一点

工程系统搭好了,下一个问题是:这些能力怎么交到开发者手里?

赵斌在演讲里发布了一套实时互动 AI 开发工具包,里面包含 Skills、CLI、60 多个 Recipes 和 Agora SDKs。

它既是给开发者的,也是给 AI 编程助手用的——开发者可以让 AI 助手借助这些现成的能力模块,把一个实时 AI 创意更快地变成能体验的作品。

现场给出的目标是:5–10 分钟,从 0 开始构建一个 Voice Agent Demo。

而且还可以有多模态能力融入,实际看下来,Demo效果也确实不错。

很推荐试试声网官方的开发者工具包,Skills、CLI、MCP、Recipes……都挺好上手实操的。

开发者工具包链接:https://docs.agora.io/en/introduction/start-with-ai

在展示材料里,基于这套能力做出来的应用已经覆盖了很多场景:AI 人体解剖讲解、AI 你画我猜、AI 实时解说、AI 互动故事书,把教育、游戏、解说和陪伴都拉进了实时互动里。

现场还有一个叫“饺子就酒”的展台,摆着不少有趣的 Demo,其中一些已经在 X 上流传开来,让人看到开发者用这些工具做出来的创作活力。

这种活力在 RTE Open Day 的开发者市集里更直观。不大的区域里挤了近二十家伙伴,桌上摆的从 AI 眼镜到桌面机器人,再到可穿戴语音笔记,像一个微缩版的实时智能生态切片。

另一个让我停留很久的角落,是声网 Agora 和 M5Stack 搭的硬件 Workshop。

令人惊喜的是,这次也请到了 Stack-chan 的原作者石川真也。

M5Stack 是一套开源硬件,OpenAI 和 Anthropic 都在用。现场的人可以真的动手,搭一个能语音对话的小硬件:从接线到跑通,最后带走一个“活”的东西,而不是一个录屏。

这其实就是工具包和硬件结合的样子——把实时对话能力和硬件拼在一起,一个会听、会说的小设备,半天就能有个雏形。

从有一个想法,到做出第一版 Demo,中间的时间正在变短:你可以更快地试用、拿到反馈、继续迭代。

当然,第一版 Demo 做出来,只是开始。真正走向真实场景,还要靠实时网络、媒体处理这些工程能力一点点打磨;而声网的音视频能力和全球基础设施,正是为这一步准备的。

04

在展区里,看实时 AI 如何回应人

逛展区最怕的是概念演”:灯光一打,屏幕一亮,讲完就收起来。

iRTE2026 的实时智能特色展区反着来,东西摆在那儿,就是让人上手、插话、甚至故意捣乱的。

天工 3.0 全尺寸机器人做了基础动作和编排舞蹈的演示,联想机器狗在展区里转悠,AI 可穿戴、AI 陪伴、教育硬件一字排开,覆盖的场景从生活到协作再到空间协同。

但比有什么更值得看的,是怎么交互。

现场特意设了在嘈杂环境下测试全双工对话的环节。不是在实验室里安安静静对着麦克风念稿子,而是就在现场,有人声、有噪声、有打断的真实声场里,看 AI 能不能分清谁在说话、什么时候该接、什么时候该停。

这种演示方式本身就在传递一个信号:实时智能的及格线不在实验室里,而在用户真实开口的那一秒。

视觉互动也有可以上手的例子。比如 AI 你画我猜:你在屏幕上随手画,AI 一边看一边猜,画面刚出几笔,它就开口说出它看到的东西;你再添上一笔,它会马上改主意。用户做了什么、AI 看到了什么、怎么回应,都摆在明面上。

逛下来会发现,这些能力正在一步步进入用户能实际体验的应用和设备:可能是手机里的一个应用、一段实时视频,也可能是一台你能拿起来、对它说话的硬件。

展区的意义,就是让这些能力在真实的人声和动作里被体验、被检验——哪些接得住、哪些还会掉链子,上手聊几分钟就知道。

05

从及时回应,到理解交流的情境

逛完展区、听完论坛,最打动我的不是某一个参数或某一场发布,而是一个反复出现的词:“活人感”。

声网 AI 产品线负责人姚光华在之前的活动里说过一句话,大意是模型决定了 AI 聪明的上限,但交互节奏、回声消除、超低延迟这些工程细节,才真正决定它能不能成为一个“活的存在”。

这句话放在 iRTE2026 的现场看,格外具体。展区里那些让人愿意多停留一会儿的设备,往往不是回答最聪明的,而是接得住的:

话说到一半停顿,它不抢话;突然插一句别的,它跟得上;有时候语气变了,它回应里也能听出一点相应的分量。

这些东西拆开来看都是老问题:延迟、打断、回声、状态同步。但它们组合在一起,产生的是一个很难用指标描述的东西——对话的呼吸感。

赵斌在演讲里提出的「五级对话能力」框架,讨论的正是这件事能走到多远。

演讲里用的是五个逐层递进的名称:L1 基于自身视角的表达,L2 基于互动规律的表达,L3 基于个体认知的沟通,L4 基于群体认知的沟通,L5 基于深度关系的沟通。

简单说,L1 像是自言自语或被动接续,问一句答一句;

L2 开始理解互动规律,转为主动表达,协调听说时机;

L3 会考虑人设、用意和处境,对话能因人而异;

L4 在个体认知之上理解社会关系,考虑各方视角、知情范围和发言边界;

L5 则把人和关系延展到时间维度,理解整体的心智轨迹,形成难以复制的共同语境。

这是一套关于能力演进的框架,描绘的是对话从「表达」走向「沟通」的方向,非常清晰地呈现出了发展图景。

要在自然、连续的互动中发挥这些能力,需要实时链路的配合。

要让一个 Voice Agent 因人而异,系统得让语音识别、意图判断、上下文调取和回应生成高效衔接,尽量缩短用户的等待;

要处理好几个人同时在场的对话,也要能同时跟踪多个说话人的状态,知道谁在插话、谁在等待。

声网把今年的社交泛娱乐专场主题定为《从人与人到人与 Agent 的连接》,把智能硬件与具身智能专场聚焦在 AI 驱动新增长和开源加速新终端上,背后其实是在追问同一个问题:

当 Agent 进入对话、服务和协作,用户感受到的「自然」,到底由什么构成。

RTE Open Day 里那个 AI 主题桌游《Talk With》的试玩区,可能是这个问题最轻松的注脚:一群人围着一张桌子,跟一个 AI 角色玩下去,玩着玩着就忘了自己在测试技术,只是在判断跟它说话舒不舒服。

这次探展让我看到,实时 AI 已经有了可以上手的具体体验,也有了让开发者开始动手的工具。

接下来值得期待的,是更多人把自己的想法做出来,在一次次真实互动中继续打磨……

iRTE 2026 实时智能大会

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

免费还不烧心的个人 AI 助理,我要Today AI

2026年10月22日 10:00

原创 FrankGPT 2026-10-22 10:00 北京

交给Today,我放心

Image

最近刷短视频,我老刷到那个魔性的「不烧心」梗。

有人总结得特别损,也特别准:

烧心,其实就是当代人的一种「精神反酸」。

碰上草台班子的临时通知,或者推不掉的细碎摩擦,发脾气显得小题大做,但憋着又让人反胃,大抵就是这种心情。。

说老实话,作为一个天天和各种工具打交道的科技博主,我发现现在用很多 AI 工具,也越来越让人「烧心」了。

我想大伙儿肯定也有过这种烧心的时刻,想让 AI 帮个小忙,结果一打开对话框,它跟初次见面似的,前因后果忘得一干二净。

更让人血压升高的是,现在不少新模型写代码确实猛,但说人话的能力却在退化,价格也不便宜。

本来只想让它列个几句话的提纲,它却自作聪明在后台吭哧吭哧跑半小时,最后甩给你一堆华而不实的废话,反过来你还得给他擦屁股。

解释半天的功夫,还不如自己动手干完。表面上是找了个帮手,实际上是给自己请了个祖宗,纯属精神反酸。

也正因为被折腾怕了,这半个月我深度用下来 Today AI,最大的感受反而不是它有多炫技。

而是它终于让我体会到了什么叫:用着不烧心。

更何况,人家国内版现阶段连那句「贵是贵了点」都占不上——国内目前可以免费用,之前送1个pro会员,现在直接延长到3个月了。

01

从到处搜、反复问,到只管理 Today AI

前两天看《晚点》的访谈关于 Today AI  ,

里面有句话特别戳我: 「一个疲于奔命的人和一个用意生活的人,身体、心理和生活状态天差地别,而现在大部分人都是前者」。

为什么咱们总觉得疲于奔命?

因为一个人20瓦的大脑,每天全消耗在跨软件找资料、对齐时间、过滤垃圾消息这些日常摩擦里了。

恰好像 Today AI 这样的个人 AI 助理,正在往前推第三步:

它先花时间认识你,记住你的脾气和底线,然后在后台替你盯着,你只需要在最后一步「判断」就行了。

第一,不用开十几个窗口,一个对话框聊到底。

在 Today AI 里,我从来不用搞什么窗口管理。 就像跟真人合伙人聊天一样,我上一秒还在让它梳理工作资料,下一秒突然插一嘴问个生活里的杂事,聊完它又能无缝切回刚才的主线。

遇到真正耗时间的重活,它会自动剥离到后台的 Tasks 里默默跑,关掉 App 也不会断。

你忙你的,它做完了自然会叫你。

第二,有分寸感的「主动」,才不是骚扰。

市面上很多产品都在吹「主动性」,但如果不了解你,主动发消息就是制造垃圾噪音。

他的的逻辑是先把个性化做透,通过 Connectors 连接我常用的飞书、钉钉、腾讯会议、微信读书和邮箱后,先在底层过滤掉那些无关紧要的水贴,只把真正卡在节点上的事推到我眼前。

记住了什么,我在 Memories 里一眼就能看清,随时能改能删,绝不搞黑箱。

连接微信的聊天工具,可以在微信的 Claw Bot 里面来进行交流,或者是主动提醒一些事情,都是可以的。

第三,守得住边界,永远停在「你确认」这一步。

虽然勤快,但它知道自己是个助理,从不越权替我当家。

不管是在后台生成了核对表格、拟好了沟通邮件,还是用 Browser use 在网页上填好了单子,所有对外发送和提交的动作,它都会老老实实停在最后一步,把草稿端上来等我点确认。

最让我惊喜的,是Today全天候、全流程闭环的能力。

比如说,我让「Today 持续帮我追踪 AI 行业信息」,尤其是脑科学、NeuroAI领域的前沿信息。

第一次告诉 Today 我比较关注数字永生和NeuroAI这个方向,还是在9月底,希望找一些论文和实验室的一手消息。

后面我就不需要二次询问了,Today 主动发现重要更新并推送到飞书。

不只发链接,还结合他过去的观点,说明这条消息为什么和我有关、是否影响原来的判断。

每天一睁眼,已经整理好的可靠信源、观点呈现和文章链接,就会推送到我面前。

而且能看出来,Today 记住了我的反馈,结果越来越符合偏好,逐渐在深入到业务实际场景里。

除了信息增量,也结合我接下来的论坛、要见的人,去预设交流话题,帮我形成能直接引用的一段话。

基于这个信息,可以找谁讨论,也会把话题文案给我,甚至能直接邮件发给对方。

一个话题结束了之后,过段时间还会再回应,根据新的进展,把后续发生的事情再告诉我,有始有终,事事有回应。

就给我一种看连续剧的感觉,非常有成长性。

如果想要整理素材,写成公众号文章,Today也能帮我搞定,从提纲到成文,只要我说过一次,它就会记得,而且做到。

02

来看看更多实测

为了测测到底能不能接住更刁钻的硬活,这几天我给它设置了一些压力测试,能不能接住我现实里世界里的真实业务

一、帮毕业生改简历,它直接揪出了致命硬伤

前阵子有个读者朋友,找我聊求职。

我看了一下他的简历,小伙子其实底子非常硬:

在知名科技传媒当过公众号内容负责人,做过教育类 AI 产品中台,还跑通全屋整装短视频获客,甚至自己用 AI 辅助写过 70 万字的长篇网络小说赚了稿费。

他把简历丢给我,说想去 AI 创业公司或者头部科技博主团队,找偏商务(BD)或商业化运营的岗位。

换作以前,我得花整整一个下午帮他逐行改字、查岗位、挑刺。

这次我直接在 Today AI 里单独拎出一条专属任务线,取名叫「帮毕业生找工作(简历与岗位匹配)」。

【实测提示词】 「关于找工作和改简历这块,咱们单独开一个专属任务,以后关于他的事都在这里聊,不用翻主聊天记录。 这是他脱敏后的完整简历文档。他的目标很明确:想去 AI 科创公司、创业公司,或者 10万粉丝以上的 AI 头部玩家/博主团队,做偏商务或偏运营的岗位。 你按挑剔面试官的视角,帮我做一份深度诊断与修改建议,直接指出硬伤,告诉我往商务和运营改该怎么写,生成独立报告发我。」

在后台跑完,直接啪地给我交回了一份独立的 HTML 结构化报告《简历诊断与修改建议》,Today 任务面板 + 简历诊断报告细节截图。

整体判断:现在这份简历在投什么岗。

新版简历的结构与顺序。

投递窗口:他现在能投什么。

诊断完简历,我接着给它加码,「光改简历没用,现在秋招这么卷,你帮我把 9 月 15 日到 10 月 20 日全网在招的科技媒体、大博主(至少 10 万粉以上)以及 AI 创业团队的真实投递窗口全扒出来,每周只报新增,别重复轰炸我。」

第二份文件《AI 投递窗口与博主招聘线索》又直接回传到了对话里。

这份报告的含金量,让我彻底确认它不是在拿公网二手通稿糊弄人:

它在报告末尾列了一张待确认清单,平静地提醒我:

「每周新增岗位监控的规则我已经记下,但定时规则需要用户给出停止条件(比如盯到几号为止);另外王小虎到底去哪个城市、接不接受先实习后转正,这几个条件补齐后,我才能把简历针对选定的岗位逐条改完。」

你交代一句,它咬住整个链条往前推,缺什么主动来要,从不多说一句废话。

二、微信里吼一嗓子查股权,中途还能「任性加需求」

如果说改简历和扒岗位展现的是 Today 的分析深度,

那它跟微信绑定的这套移动工作流,才真正展现了什么叫「不折腾人的好助理」。

很多号称 Personal Agent 的软件,用起来最大的痛点就是:

你必须端坐在电脑前,看着光标一个字一个字蹦,中途切个屏它可能就卡死了。

但 Today AI 接入了微信服务。

昨天我在外面办事,路上突然想调研一家最近非常活跃的 AI 科创公司,想看清楚它水下的真实底牌,供我自己团队做业务参考。

【我在微信里发给 claw bot 的指令】 「帮我拆一下 XX 公司的股权穿透与实际控制人结构。看清楚它水下的资方背景、有没有关联机构交叉持股,用通俗直白的话给我理清楚。」

发完语音我就把手机塞回口袋赶地铁去了。

它是在云端跑独立任务,根本不需要我停在界面上干等。

我突然想起来一个细节:这家 XX 公司最近三个月刚空降了一位大厂背景的技术合伙人。

换作其他 AI 工具,我必须先等它把前面几千字废话全部吐完,然后复制,重新输入 Prompt,把对话推倒重来。

在 Today 这里,在它还在云端分析的过程中,我直接在微信对话框里补了一句:

【我中途随时追加的变量】 「对了,顺便帮我查一下他们最近三个月新上任的技术负责人,之前在哪家大厂待过、有没有带竞业限制风险,直接并进报告里,不用重开任务。」

不需要等待生成完毕,不需要中止重开,在它推进的过程中随时提、随时加变量。

三、跑出零噪音的增量情报日报

作为博主,每天睁眼最怕两件事:

一是重要突破漏看了,二是花两小时刷了一堆噪音。

我平常习惯把法律、金融、政治、哲学、经济等各种灵感念头随手记下。

在跟 Today 沟通时,我特意交代了一句:「别把我存的东西当成死板的行业分类,它就是我的随身笔记本,是我放念头、加工念头的地方」

立刻秒懂:「已记下:知识库=随身笔记本,‘四条主线’是你的工作方向而非它的分类。」

这种默契,瞬间就存进了它的 Memories 里。

顺着我的工作偏好,它在后台跑完了一整天的 AI Feed 巡检,直接生成了一张清晰的增量卡片和 HTML 报告,同时也会推送到我的微信上面,为了避免错过一些重要的信息,我会让它每6个小时巡检一次:

它根据我对世界的理解方式,默默在后台把信息筛得干干净净。

03

把杂事甩出去,把日子还给自己

我们每天的脑力和精力是极度有限的。

如果你把大把时间都花在忍受工具的失忆、不同软件间的搬运数据、在低质沟通里反复内耗上,

一天下来,精神早就反酸得不成样子。

是时候把那些糟心的杂事,交给一个懂进退、记性好、有分寸的大总管去处理了。

它不陪聊,也不抢戏。

脏活累活它在后台默默办完,只把最干净的结论和待批的草稿端到你手边。

把烂摊子甩给他,把生活留给自己。 

目前 Today AI 国内版已经全平台开放下载,

国内就可以免费用,现在还直接送3个月会员~

官网直达:https://todayai.cn/downloads(或应用商店搜索「Today:个人 AI 助理」

去试试看吧,

体验一次真正「吃了不烧心」的个人 AI 助理。

Image

朋友圈会发一些具体的案例和商业化日常~ 

AI交流,欢迎加我本人微信:FrankGPTs

跳转微信打开

❌