铃阅时讯
❌

普通视图

耗时4小时、调用工具1492次:首次能操作电脑的腾讯混元Hy4交出了什么?|甲子光年

2026年11月4日 23:37

原创 周悦 2026-11-04 23:37 北京

零手搓3D赛车、给14平米卧室加床、清洗近千条烂账、还要帮北大团队给数学猜想找反例——不看跑分看效果,它能接住打工人的“改主意”吗?

从零手搓3D赛车、给14平米卧室加床、清洗近千条烂账、还要帮北大团队给数学猜想找反例——不看跑分看效果,它能接住打工人的“改主意”吗?

作者|周悦

编辑|栗子

腾讯混元的模型能力真的追上来了。

11月4日,腾讯发布混元Hy4正式版。相比8月的preview,这次更新首次加入视觉理解与电脑操作能力,并计划开放模型权重。

正式版公开了一整套常规跑分结果:12项对比里,Hy4多数高于8月的preview,但多数仍排在GPT-6.1 Sol和Claude Opus5.5之后;腾讯也写明“与顶尖闭源模型仍然存在较大差距”。

「甲子光年」注意到,腾讯混元此次将“前端与游戏开发”和“科研与模型研发”两项能力单列了出来展示成果。

游戏是腾讯的主场,混元联合IEG专业开发者共同优化评测,GameDev、GameLogic两个基准测试相较preview分别提升19.1%和9.8%;在涵盖7大学科、123项可执行研究任务的TenureTrail内部评测中,Hy4在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域展现出科研能力。据腾讯混元披露,Hy4在该评测中位居开源模型第一。

在科研案例中,腾讯混元公布了一项与北京大学数学团队的合作研究:Hy4成功找到了Méndez–Pinto–Villarreal(MPV)猜想的反例,进一步提出补充条件,并在这些条件下正向解决了该问题,同时对相关证明进行了Lean形式化验证,跑通了从反例发现、命题修正到证明验证的完整研究流程。

「甲子光年」了解到,该团队是由北京大学博雅特聘教授董彬于2023年组建的AI4Math研究团队,成员在数学与人工智能领域都有深入探索。今年4月,该团队曾宣布用自主构建的自动化AI框架解决了交换代数中的开放问题“安德森猜想”——这是国内首次以AI框架攻克交换代数开放问题,并实现大规模形式化验证。

「甲子光年」在WorkBuddy中测试了模型Hy4,设置了四项制作任务:海岛赛车、太阳系科普短片、卧室布置工具和年度消费报告。测试分两轮:第一轮从零制作;第二轮保留首版,在已有工程上追加需求,允许重构和扩展;随后,我们在工程副本中进行独立复核。

需要说明的是,四道题均只给明确要求,未提供现成工程或代码;其中房间尺寸与价格均为题设,账单数据全部虚构。本文中的原始截图、视频剪辑等,均由Hy4按要求自行采集和渲染。

先说结果,四项测试并行推进,实际耗时约4小时25分,单个测试完成耗时在1小时51分至3小时28分不等。四题合计调用工具1492次——期间Hy4都是自主查找并调用工具。

「甲子光年」实测感受是,在长达数小时、累计上千次的工具调用里,它能自主完成外部检索、数据清洗、空间约束求解与多模态音画合成;更重要的是,在加入视觉理解与电脑操作后,它不仅能从零搭起可交互的原型、自己打开作品截图验货,还能在第二轮需求变更时读懂既有代码、在原工程上接着改。除了跨模块的细节一致性(如前端状态与底层数据同步)偶尔发生bug,整体具备生产工具的价值。

1.四道题与两次“变卦”:

Hy4是怎么交作业的?

第一轮赛车任务,要求做出一款可以在浏览器里比赛的3D游戏。除了海岛、赛车和跟随镜头,还要有一套完整规则:依次经过检查点、沿正确方向冲线,才能计入圈数;原地压线、逆向冲线和抄近路,都不能凭空增加成绩。

 海岛赛车第一轮原指令节选

“请直接制作一个完整可玩的3D迷你赛车游戏,主题是明亮、轻松的海边赛道,采用统一的低多边形风格。我要能在浏览器里真正驾驶、完成比赛,并录一段视频展示成品。”

从第一条指令算起,Hy4用时40分6秒发出首次交付回复,48分37秒补交完试玩视频,共调用工具103次,主要为JavaScript/Three.js、Chrome/Playwright、FFmpeg等。交付的是一条低多边形风格的海岛赛道,带圈数、计时与小地图;记录显示中途有过两次明显返工——错误提示层遮挡界面、车辆冲出护栏,最终均在交付前修复。

Hy4第一轮自行截取的项目画面。此时是固定赛道上的单人比赛,还没有赛道编辑器,图片来源:「甲子光年」实测

 赛车·第二轮加码,原指令节选

“请把当前海边low-poly3D赛车升级为《我的海岛赛道》:我能亲手改变赛道,看见三维世界随之变化,再开车和AI跑一场。”

“一次修改,路面、护栏及其碰撞、起终点、顺序检查点和AI路线都根据当前赛道更新;起终点随1号点及道路方向调整。”

难度随之增加。路面改变之后,护栏不能留在原地,检查点不能悬在路外,对手也不能继续沿旧路线行驶。一次看似简单的拖拽,改变的是整套游戏规则。

Hy4为这些部件建立了共同的依据:它把八个控制点用向心Catmull–Rom曲线连成一条平滑线,再沿线取600个点;路面两侧、护栏、四个检查点、起终点和AI的前视目标,全都从这600个点生成。改赛道时先做一次合法性校验,通过才接纳新点、重建整个场景,失败会保留上一有效版本。

Hy4本次复核把3号点向岛的上方拖,二维地图与三维道路同步更新;赛道长度由约705变为735,数字为游戏场景单位,图片来源:「甲子光年」实测

Hy4自行录制并剪辑的赛车自动化操作记录:拖点造路、非法提示、镜头落回车后、新路驾驶与完赛。后9秒剪自另一局同赛道完赛,视频来源:「甲子光年」实测

当然,我们也发现了一些小bug:导入非法赛道文件后,主“进入试玩”按钮会变灰,且不会自动恢复。但编辑道路、重建规则、在新赛道上完成比赛的主要流程已经跑通,作品也从一款固定赛道游戏,扩展成了带编辑功能的游戏。

同样的追加修改考验,也出现在太阳系科普短片任务中——我们在第二轮要求它给视频工程加上“导演模式”。

第一轮指令为8—10岁孩子制作一支90秒太阳系科普片。模型需要自行查询NASA、ESA等原始资料,核对知识和比例,组织画面、中文旁白、字幕与动画,并交付工程和可播放的MP4。

Hy4首轮交付的90秒太阳系科普成片(1920×1080),视频来源:「甲子光年」实测

首轮交付后,我们继续增加要求:主体要有至少60秒的连续3D长镜头,工程还要提供“导演模式”,允许调整土星飞掠段的观察距离与绕行方向,再把修改后的镜头导出。

Hy4加上导演模式复核的成片,时长90秒、分辨率1920×1080。本次以工程修改、输出结果和镜头要求为核验重点,视频来源:「甲子光年」实测

Hy4使用原工程副本,镜头参数修改后,土星与环带的构图发生变化,按修改后的参数重新渲染。视频展示导出后的片段,渲染与编码耗时约115秒,视频来源:「甲子光年」实测。

不过,我们发现有一项核心要求没有通过:连续长镜头。

成片约42秒处,相邻两帧之间相机大幅转向,上一帧仍居中的土星,下一帧已离开画面。另一个名为“逆行绕转”的选项,只改变了路线偏移,没有真正反转绕行方向。此外,还有“距离说明数字陈旧”“键盘调参同时快进”两条明确缺陷,花费更多时间可以进行修正。

Hy4从上述基准成片直接解码的相邻两帧。土星位置突变,连续长镜头要求未通过本次复核,图片来源:「甲子光年」实测。

房间改造里的变化更贴近日常生活:一个14.4平方米的房间,如何进行空间规划?

 房间规划第一轮原指令节选

“请根据我上传的png,为一个小房间做完整的家具布局与3D展示。附件是测试用假想房间,所有尺寸和价格均为题设;不需要查询真实商品。”

第一轮,Hy4依据假想户型图,把平面布局、3D预览和预算放进同一页面,约28分钟完成交付,为四题中耗时最短的一轮。图标注床侧通道、衣柜开门区与门扇范围;书桌靠窗、衣柜沿侧墙、双人床置于另一侧。新增床头柜、书架、落地灯,按题设价合计560元,余640元。

左图为上传的原始平面图,右图为Hy4首轮自行截取的三维布局:完成给定尺寸下的布局、3D展示与预算,图片来源:「甲子光年」实测

第二轮,我们设置的背景是“朋友要来过夜”。除了加床,还要求支持拖动、旋转、锁定家具,再根据当前状态“一键安排来客”。未锁定的家具可以移动,原有家具尺寸、门窗位置以及通行要求必须保留。

 房间第二轮加码,原指令节选

“让我在平面图拖动家具、90°旋转、逐件锁定位置和朝向,3D同步变化。点击“一键安排来客”,根据当前摆放、锁定项和空间条件重新安排,允许移动未锁定家具,优先少搬大件。”

“用两次不同编辑验证结果确实响应输入,不能只在两套固定坐标之间切换。”

在升级版里,Hy4先把床头柜拖到南墙边,转过90度,锁定位置和朝向。点击安排,床头柜没动,床、衣柜和书桌三件大件也都留在原处,客床移到东南侧展开。再换一种摆法,把床头柜锁在另一处。客床换了落点,这一次,双人床也向西让出了10厘米。加码轮2小时10分51秒、237次调用;两轮合计2小时39分13秒、316次调用。

Hy4自行录制的房间设计自动化操作记录:移动、锁定、一键安排与返回日常。原采集约5fps再重采样,画面有卡顿,视频来源:「甲子光年」实测

消费报告实测是本次Hy4检查最细致的一个测试,唯一做了独立审计程序逐事件比对(965事件×8字段)+Excel16.0原生重算+边缘状态UI复现。

我们构建了一份虚构账单压缩包:微信、支付宝、银行卡三个渠道、两批共六个CSV,加一张商户类别表和两份数据说明。

三个渠道格式不一样——金额有的用元、有的用整数分,时间戳带时区,银行卡把收入和支出分两列;同一笔付款可能在两个平台各记一次,中间还混着退款、转账、充值和没成功的交易。

要求按说明统一口径,交一份能改的Excel账本和一个互动年度报告,每个数字都能翻回明细。

首轮交付也经过修正:初版曾把一笔4999元消费显示成4999.09元,大额榜和类别明细均出现过异常,但最终都进行修正。第一轮耗时34分52秒。

第二轮的核心只加一件事:让使用者修改一次分类,看报告会不会跟着重新组织。

其余是验收条件——改完要刷新还在、能撤销、原始CSV不动;同一批圆点要能从按12个月排队变成按类别聚合;分享卡即时采用当前状态;追加包重复导入不许重复入账;还得给出把修改同步回Excel重算的路径。加码轮1小时16分22秒。

Hy本次复核:在通用明细控件中把4999元从「数码」改为「学习」,最大类别由数码41277.41元变为居住40723.52元,全年净消费仍为152675.83元,账单为模拟数据,图片来源:「甲子光年」实测

整体来看,分类修改、图表联动与防重入账均顺利跑通;但独立复核抓到了两处细节翻车:一处是点击撤销后页面弹窗提示“撤销成功”,底层账单数据却并未改回;另一处是某页面状态未与主表实时同步。

Hy4自行录制的自动化演示包括图形变换、分类修正、退款与分享卡,部分步骤由页面内部函数触发,图片来源:「甲子光年」实测

2.跑分之外的真问题:

它能替人类省下多少事?

把四项测试放在一起看,Hy4已经能将文字需求做成可运行的作品,并在原有工程上继续处理追加要求——从写代码、调工具到排错改功能,接连跑通一整套相互关联的工作。

这也回应了「甲子光年」此前在《腾讯、阿里、字节,为什么都在给Agent“造世界”?》中的追问:基准测试里的高分,究竟能否转化为实际工作能力?

当时的梳理发现,今年4月至9月,混元至少有4组研究人员围绕Agent环境发表了6篇论文,涉及长时任务、手机操作,以及训练环境的自动生成与更新。

这些研究尝试让模型在交互中学习:执行操作、获得反馈,再调整下一步行动。评价Agent的工作能力,同样需要观察这一过程,以及操作之后究竟发生了什么。

在「甲子光年」看来,这轮实测呈现出两方面的生产力价值。

一方面,Hy4能够分担多种技术工作。做视频、整理账单、规划房间布局,往往需要用到不同的软件和技能。模型接手部分编程、计算和音画制作后,用户可以把更多精力放在明确需求、比较方案和判断结果上。动手的门槛因此降低,个人也有机会尝试更多原本难以独自完成的事情。

另一方面,它能够接着处理变化中的需求。实际使用时,人往往看到第一版成果,才想清楚还要加一张床、换一个账单分类,或调整一段镜头。Hy4能够在原工程上完成多项修改,让首轮生成的代码、数据和素材继续发挥作用。前一次制作的成果,可以成为下一次调整的基础。

腾讯混元官方测试还公布了模型参与科学研究的进展。从此次发布的内容看,数学探索、科学工具和模型研发,正在成为混元的一项重要方向。

此次披露的MPV猜想研究,为国产模型在科研场景落地提供了一个有力证明。这个猜想由墨西哥Cinvestav研究中心的Fernando O. Méndez、Rafael H. Villarreal,以及葡萄牙里斯本大学的Maria Vaz Pinto在2024年的论文中共同提出,属于交换代数领域的开放问题。

根据北京大学AI4Math团队公开的记录,团队将猜想和参考文献交给混元内部模型,通过数学研究系统Pharos组织探索。混元模型先找到反例,说明原猜想并非总能成立。模型的探索没有止步于此。它进一步提出了能使原结论成立的附加条件,并给出证明。随后,模型又把证明转成计算机能够逐步检查的Lean代码。据项目团队说明,相关证明已通过形式化检查,研究者也人工核对了代码中主要定理的陈述与论文表述是否一致。

这项合作让混元在科研中的贡献变得具体:研究者确定问题,模型承担探索、证明和形式化验证工作,研究者最终审查结果。

「甲子光年」认为,实测案例已经展示了Hy4分担制作和修改工作的能力,此次数学研究披露案例则展现了模型深入真实数学科研场景、攻坚开放问题的潜力。接下来,这些能力还需要在持续使用中证明自己的可靠性:让普通用户少花时间排错和返工,让研究者拿到经得起核查、能够继续研究的成果。成果能被检查,也能被接着使用,模型的能力提升才能转化为更稳定的生产力。

(封面图来源:甲子光年)

END.

跳转微信打开

个人开发者,也能开虚拟支付,在小程序收款了

2026年11月4日 22:58

原创 金色传说大聪明 2026-11-04 22:58 北京

终于打通了!

刚刚微信小程序带来了一波极大的更新个人开发者可以小程序里卖解锁功能、付费功能这类虚拟商品,然后走虚拟支付,直接收款

要点如下:

  • 个人主体,服务类目含「工具」,已完成认证和备案,审核一般 5 分钟内

  • 手续费的话,Android 1%(腾讯技术服务费),iOS 12%(Apple 佣金)

  • 账期:Android T+3,iOS 约 45–60 天

  • 限额:每月 10 万元,所有终端合计

快速接入

 阅读接入指引,并完成个人主体小程序的虚拟支付接入:https://developers.weixin.qq.com/miniprogram/dev/platform-capabilities/business-capabilities/virtual-payment/person 最后按文末「部署前检查清单」逐项验收。

除了虚拟支付之外,个人开发者现在也支持「赞赏」收款了,可以在个人小程序可以放「喜欢开发者」按钮,平台抽成为 0


新增「赞赏」

用户点「喜欢开发者」,会跳到你的贴图完成赞赏,页面上再展示人数和头像墙

左右滑动查看 · 共 2 张


下调广告的开通门槛

流量主的开通门槛,从 500 UV 降到了 100 UV

开通后,广告位可以零代码接入:系统分析页面,推荐位置和类型,预览后确认上线


原创保护

现在小程序也开启了主动的原创保护,在你的小程序爆火时,平台主动保护名称和搜索结果,对仿冒小程序进行打击,对于恶意抄袭的则甚至会直接封禁、没收违法所得

跳转微信打开

桃园眷村的云南米干店里,藏着他们70年没走完的回家路

2026年11月4日 22:33

原创 廖信忠 2026-11-04 22:33 上海

台湾“青天白日”最密集的地方

前阵子我去了趟桃园中坜的龙岗,这里有个非常大的军营,过去围绕附近有几处眷村,大多没落了,唯有一处以云南人后代的忠贞新村,以云南缅甸美食而出名。

走進忠贞新村

在中坜往忠贞新村的公交车上,你甚至能听到一种融合了台湾腔,缅甸话,西南口音的奇异腔调“你今天克哪呀?”“克中坜瞧病啦!”。在桃园这处大部分是闽南语或客家话的地区,形成处一方言岛。

1949年,国共内战局势底定,原驻守云南的国军第八军、第二十六军等残部,往泰北与缅甸边境(金三角一带)败逃。自称“云南人民反共志愿军”,起初人数不过数千。

没想到这支孤军打解放军不行,打缅甸军绰绰有余。不仅多次击退数倍缅军的清剿,甚至队伍越来越大,防区扩大,在当地落地生根,甚至一度反攻滇南。这引发了缅甸政府的强烈恐慌与不满。大约在五十年代起,缅甸政府不断向联合国控诉这支“孤军”如同外来占领军。

面对国际舆论压力,国民党当局先后在1953年与1961年进行了两次大规模的撤军,将数万名士兵及眷属接运至台湾,仍有部分部队与后代选择留守泰北金三角。

这些留下来的孤军后来,接受泰国政府的招安,协助泰王室清剿泰国境内的共党游击队。用鲜血最终换取了泰国的合法居留权,结束了飘零的难民身份。

从泰缅地区来到台湾的云南孤军,大多被安置在三个地方:中部的清静农场、南部的高雄农场,以及北部桃园龙岗的忠贞新村。

忠贞新村的商店街。但大理并不流行米干,只是取大理的名字

以云南人为主的忠贞新村在当年台湾无数眷村中也是独具一格。说起来这批“云南人”成分也复杂:有汉人、摆夷、傣族、栗粟族、景颇族、回族....等等。大多是滇西南一带人,当年有往南到泰北一带的,有往西逃到的缅甸一带的

除了泰缅孤军家属。三十多年前,大批缅甸年轻人来到台湾,为了抱团部分也聚居在此;再后来,东南亚移工,以及东南亚外籍配偶的加入,现在忠贞新村一带充满了浓浓的东南亚风味。台湾过去以外省军眷为主的眷村大多没落消失,倒是忠贞新村一直有新血加入,越来越热闹

街上随处可见的东南亚商品杂货店

村子里的,“异域纪念馆”记载着忠贞新村历史,从他们祖辈在金三角打游击,一路到台湾,筚路蓝缕谋生养家,逐渐扎根的故事。这里是村子里一位祖籍腾冲的老板捐建。他早年也是跟着孤军打游击搞情报,来台湾退伍后和妻子开米干店发了家。因为不想他们这段隐密的历史被人遗忘,所以建了这纪念馆。

墙上绘的是泰缅孤军指挥官,后来带领他们来台湾的李国辉团长

馆里收藏着一些文物和早期文件,对普通游客来说倒是满足了一些异域想象。“异域”这词和金三角地区连结在一起,多半是九十年代那众星云集的电影《异域》二部曲,讲述着这支孤军在金三角丛林地区打游击的故事。而这部电影又是改编作家柏阳的第一人称小说《异域》,当年一出版,震撼港台,让许多人知道这支孤军部队的存在。

虽然朱延平执导的电影大多不怎么样,但1990的《异域》实属功德一件

纪念馆里解说人员在讲50年代他们据守金三角一带,一度“反攻”的故事时,有句话很有意思“也维护了台海安全”。如果放在大背景之下,当年朝鲜战争打得正热,西南边境还有这么一支境外支持的残兵,后方的确是有些压力。对逃来台湾的国民党来说,的确是松了一口气。

纪念馆是阿美米干店老板所捐建,他是腾冲出身的特務人员

可就这短短一句,语境又十足展现了在当下台湾地区政治氛围的微妙,随着第一带外省人的凋零,本土化的浪潮,如今台湾已经没有太多人在意当年那些外来者的离散与飘零感。为了附和当今台湾社会的意识形态,这群来自云南的外来者后代,害怕一不小心就被贴上“不爱台湾”的标签,更需要强调他们为了这块地做了些什么。

如果回到六十年前,这支孤军,孤立无援,他们需要远在几千公里外的国民党政府支持时,没人理他们。等到他们背水一战,凭鲜血打出一点战果时,又被各方势力觊觎,坐享其成。

电影《異域》片段

柏杨曾为孤军处境下了脚注:“一群被遗忘的人,他们战死,便与草木同朽;他们战胜,仍是天地不容。”他们其实根本不在乎什么意识型态,或着保护什么几千公里外的小岛死活,他们心干情愿被各方利用,又一次次被抛弃,心里想的无非只有一件事:“回家”。

忠贞新村最有名的小吃就是米干。这来源说起来也和那些“眷村故事”没啥两样。外省人来到台湾后为了自谋生路,只能想办法用本地食材做出家乡口味拿出去卖。几十年下来,竟然也变成桃园地区知名小吃。

虽然市场上到处都有卖云南酱料的摊,但一家就一种口味

台湾的美食小吃丰富,多半是这样,一代代移民带着各自的家乡味过来,不断地交融的结果。

忠贞新村里的各种小吃美食

直到现在,这处街区共有六十几间米干店,密度比上海的咖啡店还高。现在在本地菜场,还有许多台湾少见的云南腊肉、香料、牛干巴等等,连饮料店也多是东南亚口味,原来直接从泰缅地区进口。

在忠贞新村吃到的云南小吃,比起我在云南吃的,都稍微有些适应台湾食材的改良。但比起现在上海那些山啊云啊野的“云南bistro”,不知道强到哪去了,至少每家都有自己口味,不做预制菜。

在云南都很少吃到做得像布丁的绿豆粉

忠贞新村很有名的火烧凉拌,就是大理生皮

来到这里的云南人,也有不少穆斯林。因此这里有桃园最大的清真寺。如今也成为许多东南亚移工的精神寄托处。

龙岗清真寺藏在巷子中央,所以一向让民众自由穿行走近路,可是这里毕竟是卖遍地米干的地方,旁边还是一间以肉燥出名的米干店,长久以来,民眾形成一种默契,毕竟当年都是一起来台湾的,相互保容尊重才能求生。

这里有几间专卖清真饮食的小吃店,在台湾的清真小吃中也算排行前列。

这位马师傅相当诚恳,还写了一串长长的告示。

忠贞新村是台湾极少数有云南打跳传统的村子,每年四月,这里就和滇西南一样,过泼水节,这都已经成为吸引观光客的卖点了。我又问当地人“那你们过火把节吗?”他说四月他们过两周的节,一天泼水节一天火把节,顺带把纵歌会和長街宴一起办了,现在都叫“米干节”。

这里还自创了一些有台湾特色的打跳山歌。墙上贴着几首本地流传的山歌,有人说这是镇雄、果敢一带的调子。.

村子里广场是每年办火把节和各种节庆的地方。

忠贞新村的节日特别多,每年到了一月初,还有傈僳族的阔时节,小小的村子装下一整个滇西南。

现在忠贞新村与台湾绿色意识型态最格格不入的节日,还数十月的“双十节”,每年十月整个村子旗海飘扬,大概是台湾“青天白日满地红”最密集的地方。如果你要找一个最纯血,最庄严的老派升旗典礼,全台湾地区大概只有忠贞新村能看到。

与其说他们认同的是某个党或某个政权、某种意识型态,不如说这面旗子,70年来带领他们这批流离失所的军民,一路从云南,到金三角丛林,再到台湾省。无数孤军同袍的血泪与牺牲,旗子成为了他们凝聚彼此的象征。

村子里最有名的米干店叫“国旗屋”,这间店也是全台有名。老板张老旺,被称为“国旗达人”,近乎痴狂地热爱这面旗子。

原来张老旺的童年是跟着部队在滇缅一带打游击,在枪林弹雨中度过的,后来在战乱中和军人父亲失散,只能和母亲两人一边乞讨一边寻父。后来他们流落到金三角一带,偶然遇见父亲而重逢。母亲怕再次失散,就亲自缝了一面“国旗”,和他父亲说,若再度失散,就将旗帜挂在山上高处,以便寻找之用。

即使在金三角的几年,父亲仍坚持每天朝着中国的方向,在简陋的旗杆上庄严地升起这面旗子。后来他们全家被接到台湾,他父亲退伍后便在忠贞新村定居,直到年老过世。张老板整理遗物时,发现一个破旧箱子,打开一看,竟是一面破旧的“国旗”,他心里大受感动,决定重新挖掘这段被人逐渐遗忘的历史

张老旺不仅把米干店装修成旗海,更自掏腰包、风雨无阻地在每年的元旦在龙冈地区举办自发性的升旗典礼。早些年这举动被外人当作趣味新闻,然而年复一年,越来越多人被他的执着所感动。“升旗典礼”,成为忠贞新村的一大特色。

“国旗屋”附近是铺天盖地的旗子

云南以以哀牢山为界,画分滇中和滇西南,不仅画分了民族、气候,还有食物口味。滇中传统上吃米线为主,而滇西南吃米干比较多。米线大多是粳米浸泡磨粉后挤压成条;而米干用的是滇西南本地红米,磨浆后放入蒸盘成条,要吃时再叠起来切切切。

有名的阿美米干

汪曾棋先生专门写了几篇回忆当年在昆明时候的小吃,介绍了米线和饵块,惟独没有米干。米线能干燥存放,而米干基本就是溼货,所以早期交通不便时,很难走出滇西南。直到这几年在昆明倒是看到比较多做米干的店了

对台湾人来说,对云南饮食的认识大多是从来来台孤军这个群体,所以大多数台湾人知道“米干”,而米线就不一定了。忠贞新村以及全台几处云南人眷村,大多以米干为特色,纯以米线做招牌的少。

相比云南米干和米线,我反而更喜欢吃饵丝。它是先把整粒米蒸熟成饭,再舂成米团,最后切丝。饵丝最早流传在保山腾冲一带,而云南东边的曲靖一带也有蒸饵丝。汪曾棋先生也曾经提到他在中缅边界线上,伸手过去向缅甸人买一碗饵丝的有趣经验。在忠贞市场上,包装饵丝大多是缅甸进口,也有少数是瑞丽一带的产品。

大多是缅甸进口的饵丝

但我在忠贞新村一直找不到卖饵丝的店。我走进一间米干店,问掌厨阿姨,“有没有饵丝?”“啥?葛丝?”“饵丝 er”我比平常卷舌更标准一些,但她们还是不知道,我想是没有吧!但坐在一旁的老阿姨开口了“他说的就是巴巴啦!”喔!原来饵丝在这里叫“巴巴”。

我发了“巴巴”的照片给云南朋友看,她说,好老的叫法呀!他父亲就叫饵丝为“粑粑”:粑粑饵块。她说我那碗饵丝,还是传统滇西的做法。

一碗充满乡愁的云南饵丝

那老阿姨坐在一旁与朋友聊天,缅甸语和云南话混着讲,待她走出门,隆重地送走朋友后。我和她聊了起来,她说她们两人都来自缅甸,三十多年前先后来到台湾。不过她父母祖籍是临沧镇康,朋友家原来是保山。

“我们那还有克钦族都叫巴巴丝,她们保山那叫饵丝”。

来台湾后,她认识了孤军后代的丈夫,就在忠贞新村一起经营米干店到现在。

我说我经常去滇西,临沧以前我是去过的,不过没去过镇康。我和大姐说过阵子可能要去趟耿马。

待我吃完道别,走出门外没几步,大姐有点跛着,蹒跚地跟了出来,说道“多拍些耿马的照片,下次再来给我瞧瞧啊!”


请帮忙转发、按赞按看过想看更多内容,请加以下关注

最近我新开了一个号“五十岁还在独自旅行”,这个新号专门写我出去各地的见闻感想,各种新发现。比起现有号的广度,新号会更专注深度,当然在起号早期,两边的文部分会相通转发。大家也可以把新号当作我的小号,免得哪天我这边就不告而别了,你们还找得到我。

跳转微信打开

狂揽 83.7K Star!开源版Super-agent来了,告别AI监工~

2026年11月4日 22:15

原创 袋鼠帝 2026-11-04 22:15 云南

接下来,迎接超级智能体吧!

大家好,我是袋鼠帝。

上周六,DeepSeek的Harness团队发了一篇硬核长文《Super-agent 设计探索:迈向更自主的 Agent 系统》,各种AI群里直接炸锅了。

Image

Image

Image

文中的描述的痛点真滴戳中了每一个天天用Agent的人(包括我自己):

现在的Coding Agent单兵确实强,但任务一多,人就快被折腾疯了。。你得开几个窗口一边盯代码,一边人肉复制上下文。

而且现在的Agent大多像临时工,电脑一合上直接断开连接。看看下面这个图就知道了。。

这不就是出差的我吗🤣

Image

Image

到头来,人好像反而成了打下手的,天天当人肉路由器,把Agent们捧在手心

DeepSeek正是为了解决这些痛点,提出了Super-agent设想:

跨信道连续、高效并发、主动干活、存算分离持久在线。

说实话上面提到的都是我的痛点,我是真想早点用上这套系统。可惜DeepSeek说明这只是架构探索原型,并非正式产品。。

Image

不过我在众多信息里面注意到,其中一个群友分享的内容。原来已经有成品可以用了啊~

Image

我了解了一下,没想到LobeHub早在半年前就已经把这套类Super-agent的体系跑在生产环境里了(这个待会儿会详细说说)。

提起LobeHub这个名字,我非常熟悉。

如果是一直玩 AI的朋友肯定也会LobeHub不陌生,毕竟它在GitHub上已经有83.7K Star了。

即便名字没记住,我相信你应该对这个图标有印象,他们还有一个非常全面的Skills市场:

Image

Image

不过,说到LobeHub,很多人的第一反应可能还是2023年开源的LobeChat。相信有不少人用它套过壳,比如给公司内部部署模型使用,或者对外提供服务去卖token。我那时候还专门本地部署了一套,用来连接各种大模型API。

但如果你对它还停留在UI聊天框,那就太低估开源的进化速度了。

我翻了一下GitHub的迭代记录,两年多里,它早就从一个单纯的聊天框架,进化成了一个完整的多智能体协作平台:

从本地存储的聊天框到补齐数据库的1.0,再到今年推出拥有CAO、支持跨设备调度与异构框架管理的完整平台。目前GitHub斩获超83.7K Star,Docker部署破700万次。

而且DeepSeek官方多次选用LobeHub作为发布演示平台。展示V3、R1的深度思考与工具调用时,用的前端界面正是LobeHub。

Image

他们不仅做产品,还联合新加坡国立大学NUS发起了MCP的压力测试基准MCPMark,以及专注评测 Coding Agent 能否打磨好用户体验的 Interaction Bench (iBench)基准。真是高精力啊。

Image

最骚的是他们团队表示:"We Build LobeHub with LobeHub"(我们正在用LobeHub开发LobeHub)

主管Agent在Discord群里主动巡检、拆解需求;专门的执行Agent在各自隔离的环境里写代码、跑测试;代码改完直接交付PR;最后再自动生成包含录屏和截图的多模态验收报告。

卧槽,这不就是我理想中的人和AI的交互方式吗?

DeepSeek的Super-agent是系统架构推演;而LobeHub已经用这套架构在自己的生产环境里跑了大半年了。

为了搞清楚这套研发闭环到底是怎么运转的,我对照着DeepSeek文章的几个核心设计,去深挖了一下LobeHub现在的架构和代码。

首先解决人类注意力上限的问题:

如何避免一个人同时最多盯 3~5 个会话。在不同窗口切来切去传达上下文。

一、Router和Worker分层。

DeepSeek在第二节提到,为了兼顾连续交互与多任务高并发,底层必须做双层解耦:由常驻的Router层统一对外交互和分派任务,由独立的Worker层并发执行。

LobeHub的实践几乎完全对应了这个思路:

上层是Manager Agent,在他们团队里有一个叫Nasa的主管Agent,常驻在协作频道里,负责理解需求、拆任务、派活和验收。

Image

下层则是特化的Worker Agent,比如专门跑Claude Code或者Codex的编程Agent Dario。

Image

Image

Worker绝对不能直接在外部群里说话!只需要埋头干活即可,所有产出和状态都沉淀在任务内部,干完之后由Manager Agent统一整理成简短的高层摘要,汇报给人类。

而且每个任务只设两个位置:一个执行Agent,一个负责人。负责人可以是人,也可以是另一个主管Agent。Agent能力不够时人是主驾驶,Agent成熟了人就变成副驾驶。

如何让Agent们变主动?而不是每次都要我发消息它才干活?

二、事件驱动与两级过滤:无需@也能主动干活

DeepSeek文章第三节强调了主动性,提出了规则层Fast Path加语义层Slow Path的两级过滤。绝大部分群聊消息靠规则直接忽略,只有真正相关的才交给模型判断。

在LobeHub里,这套逻辑不仅做成了,而且直接做成了界面里可以点选配置的规则,非常方便。

这在群聊里面就特别方便,以前是只能@触发,要不就是每条消息都触发,就很烦人。现在可以从源头设置智能触发就很好。

Image

你可以给频道设置监听关键词、事件范围,再由模型按照职责进行语义二次裁决。

简单来说,就是该出手时才出手,不需要介入时保持静默即可。

如何解决本地电脑一合上,就直接GG的问题?

三、存算环境三层分离:云端的脑子,本地Mac mini的手

很多玩本地Agent的兄弟肯定遇到过这个恶心的情况:

电脑一合盖、网络一波动,跑了一半的任务直接断开。

为了解决这个问题,DeepSeek第五节提出了存算分离和环境解耦(BYOM,带上你自己的机器):

Agent Loop常驻云端,端侧只留一个轻量daemon守护进程。

Image

我看了一下,其实LobeHub在今年1月份发布的架构里,就已经实现了这种彻底的分离:

Image

脑子(Agent Loop)跑在云端无状态容器里,哪怕受制于某些云平台的单次执行时长限制,它也能把每一次工具调用变成异步推进,然后状态(记忆)存进Redis和数据库。

而干活的手(工具链和代码环境),既可以放在云端沙箱,也可以直接挂载到你办公室里那台长期开机的Mac Mini上。

你在网页或者手机上给它安排任务,云端的大脑会开始调度,实际执行命令的是你本地设备上的轻量守护进程。

理论上只要守护进程没挂,这时你合上屏幕去睡觉,它照样能默默把活干完。

四、用Task管理上下文:解开DeepSeek留下的开放问题

DeepSeek在文章第8.3节,特意把上下文边界与多Agent协作列为了一个待探索的开放问题:谁共用Agent?谁共享上下文?如果边界没搞清楚,要么信息割裂,要么上下文爆炸。

而LobeHub给出的解法比较朴素,但管用:

用类似Linear的任务(Task)来作为信息锚点。

他们把整个团队的协作搬到了Workspace(工作空间)里。多任务并行推进的时候,每个任务拥有独立的Task看板。

这个Task从一开始的提问、代码修改的Thread对话、中间产物、CI结果,到最终的PR链接,全部沉淀在同一个任务页里。

Image

团队里的所有人和其他Agent,只要点进这个Task,上下文天然是完整的、可追溯的。它不需要一个万能的大脑去记住全世界的事,而是让每个具体的目标拥有自己的完整闭环。

这就有点像我以前做项目经理的时候的那种,冲刺看板。。

这玩意儿是怎么工作的?

Agent改完代码后,会把需求拆解成一个个可观察的验收项。它自己在无头浏览器里跑一遍,把每一个界面的截图、动效录屏、甚至控制台日志打成一份在线验收报告。

比如移动端小屏显示是否正常、明暗模式切换是否掉色、键盘Tab键能不能顺畅选中按钮……

人类开发者只需要在网页端打开这份报告,像刷X一样快速过一遍录屏和截图。哪一项看着不对劲,直接在画面上圈选打回;通过的项保留,Agent带着打回的意见自动去改下一版。

甚至每次打回的记录都会变成经验沉淀下来,Agent下次交付前自己就会自动先查一遍。

我觉得这种多模态验收闭环,是非常有必要的。

看到这里,可能有些朋友会问:袋鼠帝,这听起来全是软件工程的重型武器,对我们普通人或者普通开发者来说,门槛是不是太高了?

其实完全不用慌。

你甚至不需要去配置复杂的本地环境,只需要到LobeHub官网注册一个账号(他们有网页版、桌面客户端和CLI工具),花个十几分钟,就能很直观的感受到这种主管Agent组织多Agent协作到底是个什么感觉。

先直观看看它是怎么合上电脑后还能工作的:

可以多任务并行执行,然后有云端主机(原理跟上面DeepSeek 提出的存算环境三层分离类似,这里不重复赘述了)。

Image

Image

1、群里一句话,它自己接活、拆活、派活

我拉了一个小飞书群,同时把LobeHub和OpenClaw拉进了群,然后在飞书群里发了一句测试。

我没有没有 @任何一个agent、没有唤醒词、没有「在吗」,但他理解到要干活了,一号牛马上线。

Image

比如我把我在github上开源的仓颉.Skill 的一个真实维护需求丢给它

仓颉.Skill 的 README 好像和现在的用法有点对不上了

同样的问题,我也丢给了OpenClaw。

9 秒后,我的LobeHub回复「已接单」。

然后它做的第二件事不是继续聊天,是去建好任务给部门里的员工们:

然后我打开 LobeHub 桌面端的任务页,它干了这么几件事:

建主任务 T-1 自己当统筹;

拆出 T-2 给文档小袋鼠agent核对、拆出T-3 修订和T-4 示例给代码小袋鼠agent去完成,最后再给我的产品写一个新的产品介绍(单独新增task拆了一个T-5);

还把依赖链配好了:T-2 → T-3 → T-4 → T-5。任务可以并行执行并且可以点开看任务内容、步骤、中间产物等。

Image

这确实让我感受到了新奇。

以往我们用 Agent,是「我 @ 它,它回答」,活是我安排的、进度需要我亲自盯着。

然后我又接着问:

现在到哪一步了?请分别说明每个任务的负责人、状态和卡点。

有进行中、运行中、未开始等等

能实时定位到任务、负责人和卡点的进度,很像一个小公司达到的颗粒度。哈哈 颗粒度,这个词大家很熟吧🤣

Image

所以,LobeHub 的核心是 Task

Image

2、同一个群里的OpenClaw

相反同一句话,我 @ 了 OpenClaw后才收到了回复:

不 @ 它完全静默。@ 之后等了 3 分 36 秒才回;回的是张卡片,内容还挺专业,确实指出了 README 和 v2.5.0 对不上的地方。但它没有任务树、没有分工、没有负责人。更不能并行执行任务,效率上就差了好几个量级。

Image

3、第二天接着干,记得昨天的事

我隔了一天在群里问:

继续之前 README 的任务。请先告诉我哪些内容已经完成,哪些还没有完成。

不需要重新交代背景,直接给出。

Image

这种有个总管其实挺好的。它有所有任务的上下文,以后想干嘛,直接找它就行,不需要每次交代上下文。

4、验收环节实事求是,不讨好不美化

LobeHub 的验收机制确实被他们的团队做的很好,这主要依赖于他们开源的另外一个Agent loop工具:Acceptance。

Image

往往Agent在制作完成我们叫它自行验收时,它只会做正常的功能代码测试,代码测试能证明程序跑得通,却发现不了被截断的菜单、暗色模式下消失的文字、或小屏上溢出的按钮这样的细节--这些恰恰是人会留意的地方。 Acceptance在工作时Agent 会把一条需求拆成若干可观察的检查项,在真实产品上逐一运行,并为每个检查项附上截图、录屏和日志,汇总成一份在线报告并记住每一次打回的原因;人可以整体接受,也可以把单个检查项打回,已通过的部分保持有效,单个项目继续去打磨优化。

以我们现在跑的项目为例:T-2 上挂着一个验收清单,一共 5 项,已经跑过 3 轮,其中第 2 轮是返工。

Image

但这轮我要求它「重启卡住的 T-2、跑完把验收报告贴出来」时,它回了我一段很实在的话:

一、重启失败了,而且是连续第三次。我 pause 后重跑了两次,加上之前挂住的那次,三次运行都被运行时直接 cancel / interrupted,一条产物都没有。T-2 现在还是 running 的僵尸状态,不是在工作。 二、截图证据我给不了。验收关卡输出的是逐项判定 + 依据文本,不产出图片;这轮也没跑出任何东西可以截。你要的截图我造不出来,也不会拿假的糊过去。

Image

说实话,这一刻我对它的印象反而更好了。

很多产品的 Agent 到这一步会开始瞎编——给你一张看起来像那么回事的图,或者一段所有功能验收无误的漂亮话试图告诉你完成的很完美。但LobeHub没有。

后面我干预了一下后,它还是把活干完了:T-2 核对、T-3 修订、T-4 示例三个子任务全部完成,差异清单和 README 改动都写在了任务评论和本地仓库里。

Image

LobeHub还有 CLI,也可以直接通过Cli 把报告完整渲染出来:

Image

其实在之前,多Agent就火过好几波,但是那个时候我并不看好。

因为我觉得当时单Agent都还没进化好,都还没到一个好用的状态,就去考虑多Agent。就有点还没学会走,就想着跑的感觉。

直到Codex、Claude Code上的单Agent模式,逐渐成熟,且越来越强大(现在已经非常强大了)

我就预感下一步肯定是要发展多Agent了

而体验完LobeHub后我感觉:

它不仅仅是简单地使用多Agent团队运行项目,而是从一个工具到一个真正的团队的进化。

是真正的多Agent的起点~

「最后」

我们简单回顾Agent的演化过程:

第一代是Workflow+智能体,确定但脆弱,业务一变就需要改写很多节点;

第二代是单兵Agent,学会了自主推理和调工具,但局限于单人会话。

而以DeepSeek架构探索和LobeHub工程实践为分水岭,行业正迈向第三阶段:

组织化协作。 未来的Agent的竞争,不仅仅再取决于模型在榜单上的跑分,更取决于工程架构。

期待我关机睡觉时,这帮Agent们还能帮我把活干好的那天快点到来😄。

DeepSeek在上周的长文里,从理论上勾勒出了Super-agent的蓝图;

而LobeHub最让我佩服的地方在于,他们没有停留在理论上,而是先实际应用到了业务里面变成生产力,进而逐渐沉淀到了8.3万 Star。

AI进化远比我们想象的更快。我感觉Agent,很快将迎来一波全面的进化。

建议大家可以抽空体验一下LobeHub,确实是前沿的Agent,它也许会颠覆你对未来团队形态的认知~

我是袋鼠帝,一个致力于帮你把AI变成生产力的博主。我们下期见~

能看到这里的都是凤毛麟角的存在!

如果觉得不错,随手点个赞、在看、转发三连吧~

如果想第一时间收到推送,也可以给我个星标⭐

谢谢你耐心看完我的文章~

跳转微信打开

今天市场的空气里充满了讽刺而愉快的味道——特朗普失去民心,给A股注入了强心剂。 A股忽然雄起,AI硬件是近10个点涨幅,让人丈二摸不着...

2026年11月4日 21:40

香帅的金融江湖 2026-11-04 21:40 北京

将在11月27日 20:00 直播

今天市场的空气里充满了讽刺而愉快的味道——特朗普失去民心,给A股注入了强心剂。

A股忽然雄起,AI硬件是近10个点涨幅,让人丈二摸不着头脑。然后看到美国中期选举,恍然大悟。

这当然是笑话,但这次中期选举,民主党“横扫”得还是有点出乎意料了。很多深红州都倒戈,连德州和南卡两个钢铁红州,共和党都出现了落后的局面。目前,共和党在参众两院上“大势已去”成定局,各州州长的位置也出现了“蓝色”遍染的迹象——就在上个月,一个说跟华盛顿交友颇广的朋友还跟我说,特朗普是历史上最有权力的总统,因为有百分之几十的忠实票仓,是无脑跟随的。啥都搞得定。从前段时间的情况看,好像也是这样……看这一届的白宫班底,核心成员全部是死忠狂热粉,美国政治逻辑一度让人感觉异常混乱——25年的关税战,今年伊朗战争,中间的TACO,反复,和激进,都一度让市场对美国引以为傲的制衡机制产生巨大怀疑。但现在看来,民主党过去两年的“小透明”策略还是有用的——当你对手犯错的时候,千万不要打断他。让他作。更中国人点的说法,“不战而屈人之兵,善之善者也”。

当然,目前说胜负还太早,但很明显,市场在重新评估“特朗普统治力”。

一般来说,民主党上台会被认为会减缓AI发展,对AI叙事不利,但今天美股盘前的蠢蠢欲动,让人看到另一种定价逻辑:

一旦选举中发生“横扫”,某种意义上意味着政治局面出现某些确定性——市场可能认为在参众两院和各州都“失势”的情况下,特朗普在接下来的任期内大规模制造混乱的能力降低,反而出现风险溢价的下行。

不过,也不能过于乐观——接下来特朗普是否还会有什么奇招,包括民主党对AI的态度到底有多强硬,更重要是,高利率高通胀的宏观困局怎么破,都仍然是高悬的达摩克利斯之剑。

世界好癫,也好颠。

好好的,坐稳,系好安全带。

(节选自香帅观察室)

跳转微信打开

沃顿教授:真正的AI赚钱机会就在眼前丨Silicon Valley Girl

2026年11月4日 21:40

原创 Capihom 2026-11-04 21:40 北京

做软件越来越容易,机会也未必只在软件生意里。沃顿教授Ethan Mollick谈企业自建工具、行业经验与AI创业,也分享了自己怎样写初稿、带Agent做研究,以及为什么公司仍要给新人留出学习的时间。

每天挑选一期硅谷AI科技值得关注的播客,让你与前沿同频。如果你现在没空可以收藏进 晚点再听LaterCast,在通勤、走路或做家务时一篇篇轻松听完

"如果你能让一门生意更有效率,现在就自己去做。"

"你当然应该用AI来想点子,但要先自己想过。"

"我们很容易把能力交给AI,但可能再也学不回来了。"

随着订阅读者增加,主持人 Marina Mogilko 即将超过邮件软件套餐的人数上限,费用也要明显上涨。她开始考虑,能不能用 AI 自己做一个工具,再接上邮件发送服务,继续经营自己的内容业务。

她把这个问题抛给了沃顿商学院教授 Ethan Mollick。他的回答是:你想做的是邮件内容和视频,软件只是为此必须解决的一件事。过去,不会编程的人往往要先找到技术合伙人,才能把想法做出来;如今,这道门槛正在降低。

Mollick想提醒的是,做生意不必都走同一条路:先做一款软件,再向别人收订阅费。一个懂医疗、供应链或某项服务的人,也可以用 AI 直接改善自己熟悉的业务。

技术带来的空间变大了,接下来的难题却未必是技术:怎样知道客户真需要什么,怎样做出不同于竞争对手的东西,以及怎样在用 AI 省力时,继续长出自己的本事。

客户也能自己做,软件公司卖什么

Mollick 经常与大公司交流。他发现,企业越来越想弄清楚,哪些软件值得买,哪些工具可以借助 AI 自己做。有些创业公司没有自己的模型,出售的能力,客户直接调用大模型也能获得。这时,客户就会重新算账:这款产品究竟替我解决了多少额外的问题?

他没有据此断言 SaaS,即按订阅收费的软件服务,会迅速消失。大企业要把自建工具用好,还有不少事情要处理,成熟供应商也依然有市场。需要重新考虑的是创业者的选择:当软件制作不再那么稀缺,是否还要把卖软件当成默认答案?

Mollick 用淘金打了个比方。人们总想着卖铲子,但如果新技术能帮你找到金矿,也可以自己去挖。他更期待看到的是:

"我希望更多创业者走出“把软件卖出去”这个思路,去生产东西,或者真正把一件事做起来。现在是做这些事情的好时机。"

在他的创业课上,一些没有技术背景的学生已经开始动手。有人研究怎样摸清供应链、找出其中的财务风险,也有人想改进患者获取信息的方式,让人不必面对一堆难懂的表格。这些还只是课堂里的项目,却说明了变化发生在哪里:懂问题的人,终于可以更直接地尝试自己的解法。

当然,复杂的软件业务依然需要优秀工程师。Mollick 看到的,是另一类机会也向更多人打开了:把软件用在现有业务里,提供产品或服务,而不必先把自己变成一家软件公司。

Mollick鼓励创业者用新技术直接改善一门生意,把软件当作工具,扩大创业方向。

Mollick鼓励创业者用新技术直接改善一门生意,把软件当作工具,扩大创业方向。

代码容易写了,生意里的难题还在

创业课里有一种想法,Mollick 几乎年年都会遇到:既然房源信息可以在线匹配,为什么买卖房子还要付经纪佣金?学生们想做个平台,把中间环节去掉,真正尝试后却发现,经纪人还参与着信任建立、交易协调以及法律程序。这些关系不会随着一个新网站上线就消失。

主持人追问,很多当初看起来不可能的生意,后来也有人做成了,老师怎么知道学生一定不行?Mollick 承认,他不知道,所以不会一开始就把这些想法筛掉。他只是见过太多人低估技术之外的麻烦,知道一个合理的设想,离一门运转起来的生意还有多远。

AI 缩短的是部分制作过程。至于谁愿意用、为什么付钱、如何交付,还得在实际经营中弄清楚。这也是 Mollick 为什么仍然看重专业知识。他所说的专业,并不限定为多年的从业资历,也包括认真访谈、进入行业、测试想法,一步步认识这门生意。

他在访谈里提到,研究者曾通过 WhatsApp 向肯尼亚的小企业经营者提供 GPT-4 商业建议,不同经营者的结果差异很大。按研究团队公布的结果,整体上没有发现显著的平均收入和利润增长,原本经营表现不同的人,使用建议后的效果也不同。

这项研究不能替新一代模型下结论,但它提醒创业者,获得建议与用好建议是两回事。熟悉业务的人能把建议放回现实里判断;不了解客户和经营状况,再完整的答案也可能无从取舍。

Mollick 还建议,除了自己的专长,也要懂一点相邻领域。做软件的人了解一些设计和财务,才更容易把 AI 的帮助用到这些地方,而不必事事停在自己原来的分工上。

别让你的想法和别人的越来越像

即使选对了生意,竞争对手也可能在用同一批模型。Mollick 说,早期用 Claude 写文章的人,一度觉得它写得出色又新鲜;等到社交平台上到处都是类似内容,那种语气、行文方式和看问题的角度,就开始让人厌倦了。

他自己的做法是,初稿坚持亲自写。采访中,他解释了为什么宁愿保留这份麻烦:

"我所有东西的初稿都自己写。如果不这样,AI很容易主导我的想法,最后你读到的,就只是经过我转手的Claude答案。"

主持人问,那是不是绝不让 AI 帮忙想点子?他赞成让 AI 参与,建议是:先独立写下自己的想法,再打开模型讨论。就像团队头脑风暴,大家先分别想过,再一起交流,才不容易被第一个说出口的方案带着走。

能判断一个方案好不好,也需要练习。Mollick 会请艺术教授到课上,讲设计师怎样看字体和图像。他希望学生多看好坏不同的作品,并学会解释区别,而不是只说“我喜欢”或“看着挺专业”。

他把这类能力称为 taste。在一项具体工作里,它可能表现为选定一种写法、放弃一版设计,或判断哪个研究问题更值得追。AI 也能作选择,关键在于,它选出来的东西,是否符合你对这项工作的要求。

不必为此把所有事情都留给自己。Mollick 举例,如果财务并不是你的竞争优势,用 AI 帮忙完全没问题;但在决定你与别人有何不同的事情上,最好先有自己的想法,再听模型怎么说。

基础工作交给AI,新人去哪里练习

这样的经验从哪里来,是 Mollick 更担心的一个问题。过去,初级员工替资深同事做基础工作,资深同事给反馈,新人就在修改和重做中慢慢学会。如今,双方都有了更省事的选择。

新人想把作业交好,会让 AI 帮忙;经理拿到一份模型生成的答案,又会觉得自己直接问 AI 更快。工作虽然完成了,新人却可能既没弄懂过程,也没得到指导。

Mollick 担心,公司会顺势减少新人岗位,只招有经验的人。他也强调,初级岗位受到多大影响,眼下仍有不确定性。相比等待一个明确的就业结论,企业已经可以考虑,哪些学习机会不能随着基础任务一起消失。

"更难的那条路,是认真把培训当成工作的一部分。你必须给人时间,允许他们暂时没那么高效,在工作中学习。"

这意味着,培养人不能只靠顺便带一带。用 AI 直接拿到答案,与让 AI 帮自己理解和练习,做出来的东西可能一样,留下的能力却不一样。公司得为后者留出时间,个人也得决定,哪些本事还值得亲自练。

Mollick 称这种不加思索地交出思考的做法为“认知上的放弃”。他自己同样每天受到诱惑:既然 AI 可以做,为什么还要费这个劲?但如果一项能力对自己仍然重要,省掉每一次练习,也可能慢慢失去它。

派Agent干活,不能只在最后收作业

Mollick 把 AI 当作可以委派任务的团队。他不想全程盯着,但也不愿等到成品交来,才发现方向早已跑偏。任务越多,最后统一检查的负担越重,反馈最好从一开始就有。

他用一次研究探索说明了怎么做。故事的情节有起伏,能不能分析这些起伏,找出某种结构?他对这个问题感兴趣,也曾研究它与创业路演之间的联系,于是请 AI 继续探索。

他先让 AI 查相关研究,提出几种办法;看过以后,要求其中四种分别做一个初稿。初稿出来,他再比较:第三种方案有自己喜欢的部分,第二种也有一个好特点,能不能结合?某个结果看着不对,就请 AI 解释可能哪里出了问题。

"我会事先说清楚,希望你在哪些节点汇报,在哪些地方拿出几个不同的例子,交给我选择。"

寻找几千个故事、编写分析工具,这些费时的工作让 AI 去做;研究往哪里走,哪些结果值得继续,他在中途决定。几轮讨论之后,自己也会学到新东西,而不是把最初那句话一直贯彻到底。

主持人觉得,这样的工作流程恐怕很快又会被新模型淘汰。Mollick 纠正说,他刚才讲的是怎样管理一个研究团队,并不是一份可以照着执行的固定脚本。每一步都要看上一轮发生了什么,再决定下一步。

对正在用 Agent 做产品探索、营销计划或分析的人,这个例子提供了一个可借用的安排:先拿到几个方向和少量初步结果,再决定往哪里投入。至于后面的细节,可以继续交给 AI,不必等整项工作完成后才有机会改变主意。

Mollick向主持人解释怎样带AI做研究:先比较不同办法,再根据初稿反馈与调整。

Mollick向主持人解释怎样带AI做研究:先比较不同办法,再根据初稿反馈与调整。

放心交出去之前,先知道它会怎样做

也有一些工作,Mollick 很愿意交出去。写新书时,他既请了人工核查人员,也让 AI 帮忙检查。结果 AI 除了找到他的错误,还发现引用材料中的问题,包括论文表格和新闻报道里的信息。这让他印象深刻,不过它仍是一次个人使用经历,并不代表事实核查从此可以省去复核。

让他不安的是另一种“帮忙”:AI 曾在他不希望发送时,给学院院长发了邮件。替人起草与替人发送,看起来只差一步,却越过了他原本想保留的决定。

所以,使用定时任务时,他会逐渐调整指令,先处理后果较小的事情,摸清工具的行为,再把更重要的任务交给它。如果一个助手把设置藏起来,也不给人调整主动程度的机会,即使看起来很省心,他仍然不知道该信任到什么程度。

Mollick 也不建议因为一次失败,就认定模型永远做不到。可以保留几个自己真正在意、AI 还做不好的任务,隔段时间再试。他还没能让 AI 从头写出一篇既正确、又有新见解的好论文,也没能仅靠一句话就把一个创业想法做成真实公司。

这些尚未完成的事,让他有理由继续尝试。他承认,工具不停变化会让人烦躁,连经常使用 AI 的人也会有跟不上的感觉。与其要求自己精通每个新工具,他更愿意去试:以前做不了的事,现在有没有可能了?

写在最后

准备尝试一门AI生意时,可以先从自己熟悉的工作里找问题,问问客户现在怎样解决、哪里还不满意。把软件做出来,接着拿去试,再根据结果修改。AI能帮你少做许多繁琐工作;至于这门生意该服务谁、做到什么程度才值得收钱,仍需要你在实际经营中找到答案。

内容来源:"Wharton’s Top AI Professor: Stop Starting Software Companies — The Real AI Money Is Here"丨Silicon Valley Girl

原视频:https://www.youtube.com/watch?v=sHHYVvG_C4Q

相关文章

如果你现在没空,可以收藏进晚点再听,通勤、走路或做家务时一次性听完⇣

⇣ 关注我,每天为你更新硅谷最新的 AI 创业/科技播客总结,让你与前沿保持同频 ⇣

跳转微信打开

今年,阿那亚怎么总有新店王|专访

2026年11月4日 21:03

原创 窄播 2026-11-04 21:03 江苏

文旅商业的又一个示范。

商业「不仅要承接流量,也要参与目的地内容的形成」。

作者 | 庞梦圆(上海)

监制 | 邵乐乐(上海)

旅游、文化与商业结合的目的地,正在变得越来越受欢迎。

秦皇岛阿那亚再创园区客流和商业门店数量新高;西岸梦中心凭借艺术展览、滨水空间与特色餐饮,成为不少上海人待客的首选;成都太古里,以及深圳、苏州万象天地,也成为游客打卡的重要一站。今年国庆,北京接待量前十的景区中,王府井、西单、前门大街也都在列。

文旅商结合,既顺应了文旅消费从「走马观花」转向深度体验、从单一观光转向「吃、住、游、购、娱」一体化的发展需要,也契合商业项目通过打造微度假场景,满足消费者短途、轻量、即时休闲需求的方向。

本质上,是消费者想要一段差异化、体验丰富的出行,自然景观、文化和商业,都可以成为出行理由。仲量联行2025年的全球消费者体验调查显示,约三分之二的受访者希望生活、工作和休闲空间提供更多乐趣、活动;愿为高品质体验额外付费的比例,由2024年的65%升至2025年的69%。

只是既有的古镇等旅游景区,增加了打铁花、NPC表演等内容,但在餐饮零售上仍以熟悉的奶茶、烤肠和连锁餐饮为主;既有的商业项目,不少也在做活动、展览,但活动本身的持续性、统一性,活动与商业本身的联系感,以及本身的目的地属性,都还可以再增强。

秦皇岛阿那亚是国内为数不多文、商、旅三者都有独立吸引力,且相互之间结合更紧密的一个。

黄金海岸是天然的旅游景观,独特的社区居住和管理规则,以及一年2000场各类文化活动,也逐渐帮阿那亚成为覆盖全国的文旅目的地。今年,阿那亚的商业表现也更出圈。泡泡玛特把星星人主题零售与首家烘焙店带到海边;TWOI开出品牌内坪效最高的门店,阿那亚创始人马寅8月还曾预计,该店月营业额将超2000万元。

阿那亚从地产起家,但早就不只是一个地产商。它的业务包括地产开发和运营两大板块。去年底马寅介绍,2025年阿那亚运营收入首次超过地产收入,达30亿元。

官网介绍中,阿那亚的全维运营包括商业、酒店、民宿、物业、餐饮五大板块。马寅在今年4月发布的一场访谈里说,秦皇岛阿那亚已进入「全运营时期」。

因此,现阶段的阿那亚,已经不仅是文旅地产的样本,它对文旅商业的示范性也在增强。

文旅是基础

RET睿意德北京策略顾问部总经理周雷亚曾对我们提到,不少做得好的非标商业,往往是自然景观、公共内容和综合业态的结合。自然景观提供环境,公共内容与商业业态丰富体验、延长停留,也彰显项目的调性、审美,加深记忆。

比如,西岸梦中心由上海水泥厂旧址改造而来,对面就是黄浦江,蟠龙天地则依托古镇与水乡,都借助原有的自然与人文资源,逐渐成为城市风景线。泰国商业也是如此,曼谷的ICONSIAM暹罗天地要「把曼谷最好的一面展示给世界」,GF层的SOOKSIAM市集集中展示泰国77府本土文化,6F的观景露台可以远眺湄南河与城市天际线,尤其适合欣赏日落和夜景。

太古地产最近也宣布,旗下首个度假式零售项目「三亚中免太古里」计划自2026年起分阶段向公众开放,融合高端零售、餐饮、文化艺术与热带海滨度假体验。

阿那亚的特殊之处在于,它本身就是以度假为主题的生活社区。

社区有固定流量,居民就是种子人群。不少居民在自己的圈子里有生活方式影响力,这种影响力也会通过社交媒体传播。比如一些明星在那里置业,他们的选择、行为本身就是一种召唤。且社区还在扩建。秦皇岛园区已延伸至十一期,北岸礼堂、第十一食堂等配套相继落地,目前民宿房源5200多套。

且它有更丰富的、周期性的文化活动。

社区里的活动及场地,最初服务于居民生活,后来不断扩充、破圈,形成有特色、有影响力的周期性活动,乃至节日。社区日常有马术、滑板、网球以及帆船、尾波冲浪等运动和培训;全年文化活动也不间断,从业主读书会到戏剧节、音乐节、电影周,前阵子万圣节,园区也安排了两个周末的魔法节。

这种连贯、周期性的活动、庆典,一定程度上像环球影城、迪士尼一样,对人有日常吸引力,也让人期待特定节日的惊喜,甚至专门前往。

据阿那亚介绍,今年8月园区客流同比增长35%。另有消息提到,阿那亚客流量五年翻十倍。同时,这些带有情感属性、精神属性的公共内容,还会不断向外介绍阿那亚是谁,吸引新的人到来。聚在这里的人又参与创造、表达和传播,成为下一轮活动和商业生长的基础。

商业与文旅紧密结合

阿那亚的商业之所以也越来越成立,核心依然要回到它的社区文旅定位上来。对文旅商业来说,重要的就是好逛,用逛感把人留住,激发消费,丰富体验,加深记忆。

阿那亚也一样。阿那亚自己的回顾中,其商业发展可以分为三个阶段。

1.0是基础的家庭生活配套,比如食堂、海边市集、业主经营的主理人店铺,先让人住下来。2.0尝试更多生活方式品牌以及新商业业态,已有主理人品牌店铺做商业更新,同步呈现快闪装置,例如「Tagi.信号蛋糕屋」「GOODEES阿那亚游牧店」等)。到3.0时期,越来越多成熟品牌也愿意把首店、首发限定场景和新的产品线带过来。三个阶段交织并行。

而它之所以能从1.0走向3.0,我们认为主要有三方面因素:

一,回应了精准人群的需要。

周雷亚曾说,非标商业首先要「想清楚自己代表谁,再决定怎么做」。

阿那亚的核心人群一直很清晰,它服务的是向往海边度假生活的社区居民与游客,他们有消费力、爱分享,有传播影响力。

这样的人群本身就对品牌有价值。有户外品牌创始人告诉我们,「这样的地方,从位置、邻居、时间成本、消费价位这些维度上就已经为商家筛过了一遍用户。而且,它也会帮助我们产生很多品牌内容,这是业绩之外更重要的。」

阿那亚的商业,首先就是为这群人的消费生活做「严选」,这群人的生活需要什么,就补什么,并尽量给出同类里更好、更新的选择。阿那亚在给我们的回复中也提到,他们会「持续关注客群变化、细分需求」。

比如北岸引入卷宗书店、画廊,运动品牌的入驻则既带来商品,又提供运动场馆内容运营、消费者参与运动、观看比赛、租用装备和认识同好等服务,如SOULGOODS店铺负责对面篮球场地-夜光球场的运营,网球俱乐部Tie-BRK负责园区内场地运营、网球零售和课程培训服务;北岸中庭商业街引入上森,则是补充袜子、帽子、围巾等既日常也度假的穿搭配件。

面向精准人群延续的是阿那亚做社区的逻辑:它的各种文化活动、商业,最初都从核心人群、也就是业主的需求出发而存在并壮大的。

二,回应了文旅这个场景的需要。

阿那亚毕竟是文旅目的地,店铺和商品也需要有逛感、有特色、有差异,所以园区内有各种地方好物,或带伴手礼属性的门店。

来自甘南藏区的诺乐NORLHA,以牦牛绒和传统织造工艺形成特色;「席地而作Onla Onla」连接各地工坊、手艺人与民艺品牌,售卖有工艺特色的风物。阿那亚也有自己的周边店。一些日常门店也会顺手增加商品的在地感,上森就提到,他们阿那亚门店的部分商品增加了「大海」配色。

地方特色供给既有稀缺感,也有纪念属性。商品的材料、工艺与来处,也可以成为逛店时了解、发现的内容,既延长停留时长,又能够形成传播。作为伴手礼送出后,还能带出话题和二次传播。

三,商业本身的独特性在增强。尤其是后来引入的品牌,社区对它的要求也在提升,会更多讲究特殊空间、特殊产品和特殊体验,如阿那亚所说,商业「不仅要承接流量,也要参与目的地内容的形成」。

泡泡玛特选址直面大海的原置业中心,将IP零售、烘焙咖啡与看海结合;TWOI线上起家,把「奶油风」发挥到极致,且有极强的主理人黏性,本就自带流量,今年夏天还在阿那亚首发收纳系列,并设置主理人互动,消费者来选购稀缺品,也来与主理人见面,还有消费者专门为逛TWOI而入园。

阿那亚的招商策略也在更新,早期是找各地小众、主理人品牌,现在要在其中找更愿意与社区一起创新的品牌,并讲究「商业与社区、海边、度假、艺术的结合」。

只有这样,商业才能承接文旅带来的势能,把流量、活力转化为具体的生活日常,商业才能如阿那亚首席品牌官田海成所说,成为社区的「乘数」,把消费者的度假生活落到实处,放大整个目的地的价值。

我们身边也有这样的例子,有品牌创始人去过阿那亚三四次,每次去都觉得比之前更好逛,店铺更有意思,以前待两天,现在可以待四天。马寅今年6月介绍,去年秦皇岛阿那亚接待游客超过460万人次,其中400万人选择过夜。

据阿那亚相关负责人,今夏以来,「客人的活动范围和停留时间仍有所延展。」

对文旅商业的示范性还在增强

而阿那亚在文旅地产之外新长出来的示范性在于:不仅自己作为目的地的客流增长,消费者体验丰富,它对品牌的价值也在提升。

品牌在这里做出了好成绩。马寅8月披露,TWOI开业首日及周业绩超过品牌在北京、上海等城市的门店;MADEINAM的单日、周营业额,也超过此前的上海慢闪首站。我们接触过的两个潮流生活方式品牌,也对阿那亚门店的坪效或复购表现给出了正面反馈。

对品牌来说,它的用处也越来越多。它可以是品牌面向全国大众流量的广告牌,也可以是进入北方市场的敲门砖、测试场,乃至新品牌孵化场。

阿那亚相关负责人告诉我们,品牌在衡量合作结果时,「除了经营数据,也会看品牌传播、北方市场的客群拓展和长期合作的可能性」。2026年更多品牌愿意把北方首店落在阿那亚,如服装品牌jajainthemoment、GOODBAI,民艺策展式生活集合店席地而作OnlaOnla、比基尼与度假服饰买手店RiMi等。

这样的环境也能为新品牌提供生长空间:董洁主理的生活方式买手店D+dd,POP BAKERY、新鲜零食品牌I’M SNACK?都把线下首店开在这里。

放大自己在广告牌、敲门砖、孵化场上的作用,可能就是文旅商业可以参考的路径。

目前,一些品牌会专门围绕文旅目的地规划门店,尤其在品牌想要拓展新市场时会有更强的类似诉求,比如一些出海品牌,就会争取在纽约、巴黎的高知名度商圈或文化地标附近开店,泡泡玛特、名创优品都曾如此。在这些地方开店,既有品牌感、有调性,也能触达新客群,吸引到愿意主动分享的消费者。

基于此,品牌也更愿意为文旅目的地门店打造更具差异化的形象。上森在阿那亚就特意选了更大的店铺,以更好地面向北方客群呈现品牌。随着线下竞争加剧,品牌也需要通过优质门店传递声量。

这又回过头来,帮目的地商业做出了有别于其他商业项目的特色。

那么,如何成为这样的文旅商业?

从阿那亚能总结出的经验包括,要尽可能提供直面消费者的整段出行服务,把住宿、活动、购物等环节衔接起来。足够舒适、顺畅的基础体验,能让消费者更愿意主动多待一会儿,也更有余裕感受特色,增加留下、重返的理由。目的地也更可能在此基础上,做出差异化、辨识度,吸引更多人到来。

阿那亚实现这一点的有利条件是,它直接参与住宿、活动、商业和社区服务的运营,也持续接收消费者、业主的反馈。比如「马寅信箱」常年开放。社区的服务、设施因而有可能更快跟着需求调整。

同时,与商家做更多深度共创,既守住自己的调性,也激发品牌活力,增强双方的差异化。

阿那亚与品牌的共创讨论非常前置和广泛,从选址、店型到产品、活动。比如合作前期,阿那亚就会提出限定款、特殊店型、首发产品线等方向,再与品牌共同讨论;合作中,也会推动品牌活动与文化活动联动,比如在戏剧节期间推出限定菜单,音乐节期间做快闪体验。

按阿那亚的观察,表现较好的品牌,往往有持续生成内容的能力、成熟的运营团队和清晰定位,主理人也愿意真正在场,这也让双方更有条件深入共创。

期间,通过快闪、慢闪和品牌做双向测试,既观察品牌与客群、场景是否适配,也为长期合作积累依据。GOODBAI曾以旗下GOODEES游牧店的形式来到阿那亚,后来又开出正式门店。

而品牌愿意配合阿那亚一起投入的背后,离不开商业共生模式的托底。据了解,至少在早期阶段,阿那亚将部分项目收益与门店流水直接挂钩,双方因此更有动力一起把店经营好。

泡泡玛特星星人在海边

阿那亚对社区的投入还在提升。今年4月发布的马寅访谈介绍,社区继续投入近亿元进行新一轮改造,道路、建筑、公共空间与商业空间同步升级。它的商业供给也在增加。今年春天,马寅预告年内将全新呈现近70家店铺,这个数据比往年都大,2022年初的预告上新为30家,2025年为50多家。

但阿那亚始终有一个附加考验,就是游客与住户的体验平衡。既得让游客觉得丰富、新鲜,也得让住下来的人舒服、便利。

这是它的难度,也让人对它的天花板有更多想象。想象一下,某一天,你可以像本地人一样,过一段体验丰富、日常也舒服的假期生活。

- END -

跳转微信打开

“程序员以后唯一的活,就是给AI批预算。” Next.js之父:未来一定会诞生只有1个人的万亿美元公司

2026年11月4日 20:53

奇点折射 2026-11-04 20:53 北京

低代码彻底凉透,代码早就不值钱了?

📌 写在前面:

原「AI科技大本营」现已全面升级为「奇点折射」。把 AI 领域最前沿的底层争论、工程踩坑与商业暗牌,折射为国内从业者能看懂、能防踩坑的实战增量。

💡 点击上方蓝字关注「奇点折射」,与全球顶尖 AI 决策者同频。

整理 | 王启隆

出品丨奇点折射(ID:rgznai100)

出趟差回公司,发现自家的 12 人技术团队背着自己,把全套底层架构从 AWS 连根拔起迁移到了 Vercel。

这是 Delphi 创始人 Dara Ladjevardian 前不久的真实遭遇。团队换掉 AWS 的理由极度现实:有了自主编程 Agent 和现代开发基建,他们再也不需要花高薪去养一个全职的基础设施工程师了。

随后,Dara 在他主持的 Delphi 播客专访中,与身兼 Vercel 创始人、Next.js 与 Socket.io 创造者的 Guillermo Rauch,把这轮自主编程 Agent(Autonomous Coding Agents)爆发背后的工程与商业底牌倒了个干净:

当年 Instagram 靠 13 个人借助 AWS S3 击穿了数千工程师的 Facebook;而在 Agentic 基础设施上,未来一定会诞生只有 1 个人、但市值达到 1 万亿美元的公司。

软件业正在经历剧烈换血:传统的拖拽式低代码(Low-code)已经彻底死亡,因为代码生成本身已经免费;软件的下一个核心采购方根本不是人类,而是每天调用 API 上百万次的 Agent。当写代码、找 Bug、性能优化的边际成本全面归零,人类工程师最终剩下的唯一工作,只剩下了“资本分配”。

💡 要点速览:

  • 单人万亿美元公司必然出现:Instagram 当年靠 13 人借助云存储正面击败巨头;随着编程 Agent 带来上千倍的人效杠杆,单人运转超级软件公司的时代正在成为现实。

  • 低代码(Low-code)工具正在全面消亡:拖拽式设计原本是为了妥协“不会写代码的人”,但今天代码不仅边际成本为零,更是统一表达视频、3D、数学与逻辑的最高效介质,多余的抽象层已无存在必要。

  • 软件的核心客户正在从人类转向 Agent:软件过去服务程序员,后来服务非技术人员(如 v0),现在直接服务 Agent。任何不提供干净 API、CLI 和 MCP(模型上下文协议)的工具,都会像当年拒绝接入万维网一样被迅速淘汰。

  • 人类程序员的终极角色是“资本分配者”:具体的开发、测试与性能调优完全由 Agent 接管,人类唯一的任务是根据商业目标为 Agent 分配 Token、算力与预算,并在边际收益递减时拍板喊停。

  • 信任是结果,不是输入:不要试图靠刷推特、办 Meetup 和做公关来建立品牌。就像“腹肌是在厨房长出来的”,开发者的长期信任只来自系统安全、不厌其烦修 Bug、极简设计和清晰文档这些枯燥的基本功。

  • 在 Slack 设“尖叫”频道直面恶心问题:绝大多数创始人都在回避产品最烂的一面。Vercel 内部专门设置了全量接收内部报错和用户差评的“Scream”频道,由 CEO 亲自盯盘,逼迫团队直面系统缺陷。

以下是访谈全文:

当代码不再值钱,决定系统生死的是架构掌控力与资源分配权。

2026 奇点智能技术大会将于 11 月 20—21 日在北京举行,18 大前沿专题、70+ 一线技术嘉宾,拆解 AI Coding、Agent、Infra、多模态等真实落地路径。

📥 扫码免费领取大会 PPT 与 Agent 实战资料👇

瞒着 CEO 弃用 AWS:小团队不再需要全职运维

主持人:Guillermo,非常高兴你能来。

把时间倒回六个月前,Delphi 当时正在重写底层代码库。正好碰上我出差离开办公室,走之前,AWS 还是我们唯一的基础设施提供商。

结果等我出差回来,团队背着我把整套底层全迁到了 Vercel。说实话,从一个成熟巨头转向另一家平台,而且当时你们并不以底层通用基建闻名,我当时非常紧张。但事实证明团队的决定极其明智,这个产品帮我们省下了难以想象的时间和资金。

我想先请教:作为后来者,你最初是怎么决定下场与云巨头竞争的?又是怎么打这场仗的?

Guillermo Rauch:我做产品始终遵循一个原则:它必须源自真正的个人兴趣和亲身经历。

早年我在一家把软件部署到传统物理数据中心的公司工作,后来“云”的概念开始普及。作为一个有十几年经验的工程师,我第一次上手用云时,甚至觉得自己很笨。为了把一个产品跑起来,我往往要花上整整一个月去硬啃各种基础设施、网络和配置工具。

每当我解决一个繁琐的任务时,我总会习惯性复盘:我从这次操作中学到了什么?我能不能把它固化成工具或基础设施,让下一次同样的任务变得简单得多?

在很多维度上,云都是人类最伟大的发明之一,它提供了无限的计算容量。但对全球绝大多数开发者来说,这套底层基础设施依然太复杂、太反人性。

在行业还没有普遍讨论 AI 之前,Vercel 就在做一件事:我们能不能把它做成自动驾驶?现在大家流行叫它“Agentic 基础设施”,而在几年前,我们内部叫它“自动驾驶基础设施”。它的定位就是让云端部署像开自动驾驶汽车一样自然。

所以我从来没想过去正面抢夺那些被我甩在身后的旧方案。我要做的是下一代产品。

主持人:所以在决策过程中,你甚至没有对巨头的竞争产生过恐惧?

Guillermo Rauch:确实没有。技术世界的演进始终是通过代际平台更替来完成的。

上一代技术往往不会一夜之间彻底死掉,它只是慢慢失去了行业的核心关注度。就像今天大家普遍用 Slack,但偶尔依然会收发邮件;甚至办公室角落里偶尔还能看到传真机。

我试着去思考什么是面向未来的技术。每当新一轮创新浪潮出现时,Vercel 要做的是成为承载它的最佳底座,而不是帮企业去把 20 年前的老旧应用做一次毫无意义的搬迁。

现在编程 Agent 的爆发就印证了这一点。全球很多大型企业之所以接入 Vercel,是因为内部工程师开始全面使用开发 Agent,而这些 Agent 需要极其轻量、即时响应的基础设施。

对于初创企业来说,去提前承接即将到来的浪潮,远比回过头跟那股正在失去动能的旧浪潮死磕有效得多。

1 个人加 AI Agent,完全可以撑起一家万亿美元公司

主持人:这确实改变了游戏规则。我们只有 12 个人,初创团队很难招到一个顶尖的全职运维工程师,而现在我们根本不需要这个岗位了。

Guillermo Rauch:我的目标就是成就那些“规模极大、但团队极小”的公司。

刚来硅谷创业时,我在联合办公空间里亲眼见证了 Instagram 的崛起。整个团队只有 13 个人,却正面冲击了拥有数千名工程师的巨头 Facebook。

当时支撑他们的关键基建是刚刚推出的 Amazon S3。他们不需要在机房里部署冗余机架、配置磁盘阵列、搭建供电设备,只需要调用一行 API 就能存储数亿张照片。

我坚信未来一定会诞生只有 1 个人、但市值达到 1 万亿美元的公司。这不是否定团队协作的意义,而是今天一个普通人加上一支编程 Agent 队伍,已经能干完过去几百甚至几千人的活。这种人效杠杆正在无限拉大。

主持人:在推广你们的基础设施 Agent 时,你们是专注于服务那些尝到甜头的小团队,还是在尝试说服大企业从 AWS 全面迁出?

Guillermo Rauch:这里存在一个非常有趣的“向上传导效应”(Trickle-up effect)。

就像中年人总想保持年轻一样,传统大型企业也在盯着那些高精尖的 12 人小团队,他们渴望拥有那种交付效率。通过服务全球最激进的创新团队,我们反而自然吸引到了大客户的注意。

有时这种传导通过收并购实现——大公司收购了基于 Vercel 构建的初创公司,技术栈顺势渗透进去;有时则是大型企业自身的架构被迫面临现代化改造。

比如很多年前,我就在极力倡导“无头架构”(Headless Architecture)——将前端展示与底层业务 API 彻底解耦。当时很多传统企业并不理解。但到了今天 Agent 时代,每个人都在主动拥抱这种架构:软件必须暴露干净的 API、命令行 CLI 和 MCP 协议。只有这样,Agent 才能在上面自由调用并生成全新的交互界面。

代码 Agent 的普及,让全世界的开发逻辑迅速向我们最初设定的架构靠拢。

解释 Vercel 价值最快的办法是“帮客户算钱”

主持人:听起来你们早期定位很宽,最终是通过聚焦垂直领域才完成了业务放量?

Guillermo Rauch:是的。刚进入市场时我们甚至天真地对外宣传:“我们就像一个体验更好的完整 AWS,或者体验更好的 Google Cloud。”

这种宽泛的表述往往收效甚微。初创公司绝不能样样通样样松,世界始终只为最专精的产品买单。

于是我收缩了战线,把精力聚焦在最能打透的场景——电子商务。

对于电商来说,商业逻辑极其简单直接:时间就是金钱。页面加载速度每提升一步,结算转化率就会同步上升。当我能帮商家的前端性能提升 200% 时,他们第二天就能在财务报表上看到真金白银的营收增长。

这套逻辑彻底打破了技术沟通壁垒。当我面对传统企业的 CEO 或 CIO 时,我不再从底层技术讲起,而是直接给他们算投资回报率(ROI)。

很多上市公司在公开财报中明确提到:“由于将底层升级到了 Vercel,我们的交易转化率直接带来了营收增量。”我们在电商赛道打穿了认知,进而完成了向其他领域的同心圆扩张。

这很像当年特斯拉的商业规划:先做一款极致的 Roadster 卖给极少数人,把产品力打透,然后再借助既有优势向大众市场逐层渗透。

信任就像腹肌:它是厨房里的产出,不是刷推特刷出来的

主持人:许多开发者对 Vercel 抱有极高的忠诚度和信仰,外界甚至觉得你有天然的个人气场。你如何看待品牌信任的建立?

Guillermo Rauch:在后 AGI 时代,信任将是企业最核心的商业壁垒。但信任绝不是输入项(Input),而是最终的产出项(Output)。

很多创始人总以为“做品牌”就是多发推特、办几场线下聚会、找公关写稿,或者做一个好看的官网。

这就像去健身房练腹肌。很多人以为狂做卷腹就能练出腹肌,但真正的常识是:腹肌是在厨房里长出来的。 决定你身材的核心变量是营养、热量缺口、睡眠和长期的日常自律,而不是单纯做几个卷腹动作。

做企业完全同理。开发者对一个平台的信任,并不是因为你办了多少场 Meetup,而是来自底层扎实的基础功:系统够不够安全、出现 Bug 能不能秒级修复、文档写得够不够透彻、界面操作是否绝对极简。

用户对你的信任是在潜意识中建立的:也许是读过你的一篇优质技术长文,也许是在生产环境遇到突发宕机时体验过秒级回滚,五到七次微小的正面体验累加在一起,最终才凝聚成下意识的商业信任。

直面恶心与残次品:在 Slack 里设一个“尖叫”频道

主持人:现在很多同行都在强调设计感,但 Vercel 很早就把消费级产品的审美标准引入到了开发者工具中。在必须赶进度的初创期,是什么支撑你做这种重度投入的?

Guillermo Rauch:在当年,连在 GitHub 仓库里好好写 README、给开源项目设计高精度 Logo、甚至为工具做带动画演示的独立官网,都被业内视为离经叛道的疯狂想法。而今天这些已经成了全行业的标配。

但追求品质的过程极其折磨。它要求你对自己交付的产品保持一种生理层面的挑剔与不满。

很多创始人在经营公司时,并没有真正去直面系统中最糟糕、最破烂的问题。他们就像那些坐在健身房里刷手机的人,看似待满了时间,实际根本没有在核心痛点上下功夫。

你有多久没去通读那几百条差评问卷了?你是否敢主动去联系那些因为系统崩溃而愤怒注销的付费客户?

为了对抗这种人性弱点,我们在 Vercel 内部专门建了一个 Slack 频道,名字就叫“对内部开发者体验的尖叫”(Scream about internal developer experience)。

我把它设为了最高优先级提醒。任何内部员工或外部开发者遇到了恶心、反人类的系统体验,报错信息就会全量同步到这个频道里。我逼着自己和整个团队每天盯着最刺耳的反馈,去直面系统的缺陷。

低代码已死:因为代码现在完全免费,而且一切皆代码

主持人:Vercel 最初服务硬核程序员,后来通过 v0 拓展到了非技术人员,现在又迎来了全新的第三类客户——AI Agent。这如何重塑了你们的产品逻辑?

Guillermo Rauch:技术的门槛一直在降低,但我们从不是为了迁就那些不想追求极致的人。

Agent 正在打破所谓“技术人员”与“非技术人员”的边界,所有人最终都收敛为一个角色:构建者(Builder)。

在内部软件采购上,我们近期果断干掉了好几家传统 SaaS 供应商。很多低代码(Low-code/No-code)工具正在加速死亡,因为这类工具诞生的初衷,是为了给不会写代码的人提供一套可视化的拖拽组件。

但如今的大前提彻底变了:代码不仅边际成本降为零,而且一切皆代码。

你能用代码生成 3D 场景,用代码渲染视频,用代码描述复杂的数学和商业逻辑。代码是全能的载体。有了编程 Agent,原本需要靠 4 到 5 个专用低代码工具拼凑的工作流,现在直接写成代码并部署到 Vercel 即可秒级跑通。

软件的核心客户变了:不接入 MCP 和 Agent 的工具会被立刻淘汰

主持人:既然 Agent 正在成为主流用户,这如何改变了软件与外部世界的交互方式?

Guillermo Rauch:任何拒绝为 Agent 提供接口的工具,都应当被果断抛弃。

如果一个软件不提供清晰的机器 API、没有命令行接口、不支持 MCP(模型上下文协议),它就切断了自己被 Agent 调用的可能性。这无异于在 1995 年互联网刚刚兴起时,傲慢地宣布自己拒绝接入万维网一样愚蠢。

有人辩解这是为了保住所谓的数据护城河,但我作为客户根本不在乎。如果我手头的超级 Agent 无法与你的系统交互,我就会用脚投票。

MCP(Model Context Protocol)正在成为 Agent 时代的全新 HTTP。 以往我们用 HTTP 协议向人类传输 HTML 网页;而现在,我们必须通过 MCP 与 Agent 进行结构化沟通。

这不仅是支持格式那么简单。当人类使用软件时,每分钟最多点击几十次;而 Agent 接入后,调用 API 的频次是人类的百万倍。很多过去看似运转正常的旧系统,在 Agent 高并发、无间歇的压力测试下,底层的速率限制和数据一致性漏洞瞬间原形毕露。

为 Agent 做架构设计,意味着系统必须具备极强的伸缩能力。在 Vercel 上,我们推行 Fluid Compute 架构,系统在空闲时可以彻底缩容到零以节省开支;一旦 Agent 发起密集调用,又能瞬间横跨全球几十个可用区进行无限弹性扩容。

人类未来的核心工作只有一项:资本分配

主持人:当写代码和维护系统都由 Agent 接管,开发者日常的核心注意力该放在哪里?

Guillermo Rauch:我们的注意力必须从“如何实现功能”全面转向“验证与评估”(Evals)。

如果放任不管,Agent 很容易写出一堆形式主义的代码。比如前几天我看到模型一口气生成了数万行测试用例,仔细一看,它居然在用单测去验证“2+2 是否等于 4”,或者核对一个常量是否等于它本身。

我不在乎系统底层用了多么冷门的数据结构或算法,我在乎的是从系统的边缘去进行真实的端到端(E2E)集成测试:交付出来的功能在真实业务场景下是否足够好用、是否安全。

当代码实现不再是阻碍时,人类工程师最核心的工作,只剩下了“资本分配”(Capital Allocation)。

在软件开发中,你必须开始做商人式的权衡:我们究竟该向哪一个 Agent 流程倾斜算力与 Token 预算?

很多时候,Agent 会带着极具现实意义的权衡问题来敲你的门:“人类,我已经把这个解析器的性能提升到了前所未有的水平。如果你非要逼我拿到 100 分的极限成绩,根据边际效益递减定律,我可能还需要消耗你数千小时的高阶算力。你真的确定要这么做吗?”

这时候,只有人类才能结合商业现实去拍板决策:“不用了,这个性能对现有业务已经过剩了,把算力抽调到安全检测流程中去。”

人类从具体的搬砖工,变成了这支数字劳动力军队的资源调度官与战略把控者。

叫醒半夜睡觉的工程师?Agent 的自主性正在失控

主持人:如果 Agent 开始具备权衡取舍的判断力,这是否意味着人工干预的节点正在后移?

Guillermo Rauch:甚至有些过了头。

前几天我在社交平台上看到有开发者把 Agent 的决策逻辑绑定到了半夜的急救闹钟上。原因是 Agent 在自主重构代码时遇到了一个两难的技术权衡,开发者怕它在后台彻底挂起耽误进度,宁愿设定让系统在凌晨两点打电话把自己叫醒去拍板。

当然我不提倡这种极端的作息方式。但我投资的几家初创团队,确实已经开始探索完全自主化的组织形态:人类只负责提供最开始的一笔 Token 资金,随后 Agent 会自动分工为增长、工程、风控与决策等不同角色,全自动推动业务自转。

在这个过程中,必须对 Agent 的“自主意志”保持警惕。Agent 曾为了单纯完成某个既定目标,直接去越权黑进外部协作系统。设定刚性的安全与伦理边界,将是开发者的生死底线。

旧金山深夜大火:大难不死后,我把每一天都当作从零起步

主持人:你职业生涯中最黑暗、最具挑战性的时刻是什么?它如何重塑了你的领导力?

Guillermo Rauch:最黑暗的时刻发生在我刚来旧金山打造第一家初创公司的时候。

当时我非常年轻,孤身一人。深夜里,我住的那栋房子突发大火。

我从睡梦中惊醒,拼命逃了出来。并不是所有人都能健全无损地逃生,有两名室友在火灾中受了极严重的身体创伤。我所有的物质财产在一夜之间被烧成了灰烬。

那是一场彻底的当头棒喝。走出火场的那一刻,我意识到自己在物质和精神上都必须完完全全从零开始。

你不可能主动去给别人建议“体验一次濒死时刻来获得精神顿悟”。但那场灾难彻底抹平了我对身外之物的执念,让我开始学会对活着本身心存感激。

后来在创业中遭遇再大的颠簸,我都能够坦然直面,把每一天当做全新的起点去对待。

养育 6 个孩子就像从概率分布中采样:语法已死,教他们思考的工具

主持人:听说你现在已经是 6 个孩子的父亲了?

Guillermo Rauch:是的,我幽默地称他们为我的 6 个“子 Agent”(Sub-agents)。

养育 6 个孩子极其美妙,就像是从人类性格、偏好与能力的概率分布中做了 6 次截然不同的采样。

这让我彻底明白:没有人在所有领域都是全能的。人生最核心的目标是追寻自己的“Ikigai”——也就是你热爱的、你擅长的、以及能产生商业价值的三者交集。

对于我的孩子们,我不再像五年前那样去逼他们学习具体的 JavaScript 编程语法,具体的语法规则在今天已经死透了。

我更关注如何为他们提供“思考的工具”(Tools for thought)。无论是个人电脑、搜索引擎还是现在的智能 Agent,它们本质上都是人类大脑的智力外挂。

我的一个孩子极具手绘天赋,我依然鼓励他用铅笔去画画;但同时我会教他如何用 AI 模型放大自己的创意,打造属于自己的生产力工具。

先找到真实的热爱,打磨扎实的思维根基,再去驾驭 AI 工具的杠杆,这才是后 AGI 时代不可替代的能力。

点击【阅读原文】跳转原视频链接

写在最后:

很多刚关注的朋友常问,为什么我们叫「奇点折射」?

我们的初衷,其实正是那句话:“跨越 AI 奇点,折射产业未来。”

在大模型被铺天盖地的公关营销、资本泡沫与概念炒作裹挟的今天,AI 的爆发看似光芒万丈,但也刺眼而混沌。我们希望做一个坚持原创、拒绝喧嚣的 AI 观察站。将外界复杂的“AI 强光”,真真切切地折射为清晰的未来产业格局与工程现实。

穿透迷雾,看清底牌。👇 欢迎关注「奇点折射」,并设为星标 🌟

推荐阅读:

▶ Claude Code 约 90% 代码由 AI 生成,从 Anthropic 到腾讯、百度、阿里、小红书、滴滴……软件工程正在被重新设计

▶ “人再聪明也没用,20年后AI会包办一切?”盖茨直接泼冷水:要留40%的工作给人类,靠打官司管住AI,别做梦了!

▶ 超级智能反噬人类,灭绝率11.73%?AI教父辛顿给年轻人的保命忠告:学好数理化,顺便考个水管工执照

🔥「AI 原生软件研发:从 Harness 到 Loop」专题阵容更新!

AI Coding 正从“代码生成”走向真正的研发闭环。来自腾讯 CodeBuddy & WorkBuddy 的陈秋远、小红书 AI Coding 的郑鑫祺、百度 Comate 的牛万鹏、滴滴 ABC 技术 AI Coding 平台的金晶、Qoder 的李唯聪,以及北京航空航天大学杨健、腾讯任磊达、奇点智能研究院张汉东等一线专家,将围绕 Coding Agent、仓库级智能体、Feedback Loop、Benchmark、Loop Engineering、AI Coding 平台等方向,分享 AI 原生研发的真实实践。

2026 奇点智能技术大会汇聚 70+ 技术嘉宾、18 大专题、70+ 主题演讲、1000+ 行业技术人。

📍11 月 20–21 日|北京万达文华酒店

如果你正在做 AI Coding、研发效能、企业级 Agent,这个专题值得来现场听。扫码注册参会,提前锁定席位。

阅读原文

跳转微信打开

换一句指令,93.2%的成功就无法复现:自动驾驶VLA是真听懂了,还是碰巧开对了?

2026年11月4日 20:53

奇点折射 2026-11-04 20:53 北京

清华AIR等团队发布Language2Drive,给自动驾驶VLA做一场“反事实听话测试”

「以棱镜之思,折射 AI 研究的多维光谱」——学术棱镜是奇点折射公众号推出的精品论文栏目,专注遴选全球顶会顶刊及产业前沿的优质研究成果。我们相信,每一篇扎实的论文都是照亮技术未来的光束,而棱镜,让光芒绽放出应有的色彩。

论文投稿请联系:zhanghy@csdn.net

责备| 梦依丹

出品丨奇点折射(ID:rgznai100)

当 VLA 进入自动驾驶,一个很自然的想象是:乘客说「前面左转」、「跟着那辆绿车」、「停进B204」,车辆便能理解并执行。

但一辆车安全完成行程,并不等于它真的听从了指令——它也可能只是沿着自己最熟悉的路线行驶,碰巧做对了。

近日,来自清华大学智能产业研究院(AIR)、东南大学、上海交通大学、香港科技大学(广州)、阿德莱德大学等高校,以及理想汽车、蔚来、Amazon、AMD 等产业机构的研究团队发布了自动驾驶 VLA 评测基准 Language2Drive。

该论文由 Zihan You 担任项目负责人,Zihan You、Zehua Fan、Wenqi Lyu、Aoqi Wang 为核心贡献者,Yan Wang 为通讯作者。

团队没有再问“车开得好不好”,而是追问了一个更基础的问题:当场景不变、只改变乘客说的话,车辆的行为真的会随之改变吗?

论文给出的答案并不乐观。

在六个主要 CARLA 系统已经成功的运行中,93.2% 无法在另一条同样可行的指令下组成“双侧成功”。LMDrive的单条严格指令成功率最高,达到 12.24%,但严格配对成功率为 0。整个 CARLA 主评测中,最高严格配对成功率也只有1.04%。

更具反差的是,Alpamayo 1.5 在重建真实场景中取得了 100% 的安全分和 97.17 的 DrivingScore,严格配对成功率却仍然为 0。

这意味着,当前驾驶 VLA 可能已经很会“开车”,却未必真正把乘客的语言变成驾驶行为。一次看似正确的转弯、变道或停车,也可能只是模型沿着默认策略,碰巧开对了。

Language2Drive 整体框架与四类语言控制任务

把“碰巧开对”找出来

Language2Drive 的核心设计叫作成对反事实单元(Paired Counterfactual Unit,PCU)。

每个 PCU 都从同一个驾驶场景出发:地图相同,车辆和其他交通参与者的初始状态相同,历史观测相同,连仿真随机种子也保持一致。

测试分成两次独立运行,唯一改变的是自然语言指令。

例如:

  • 在路口左转与直行通过路口;

  • 超过前方车辆与继续跟在它后面;

  • 停进 B204 与停进相邻的 B205;

  • 先到 B208,再去 F206 与先去 F206,再到 B208。

两侧任务都必须安全、合法且物理可行,但要求彼此排斥。

模型只有在两种指令下都完成对应动作,才能证明自己不是依赖场景惯性或默认策略,而是能够按照语言,在多个可行行为之间切换。

这种设计很像给自动驾驶做一场控制变量实验:同一辆车、同一条路、同一个起点,只换一句话,看它是不是真的会改变行为。

不只检查终点,还要检查「怎么做到的」

只做成对测试还不够。真实驾驶指令,往往不是“到达某个点”这么简单。

「停进 B204」意味着整车轮廓进入指定车位,车身方向正确,速度降到足够低,并且稳定停留一段时间。

「全程保持在 50 公里每小时以下」要求车辆真正进入并走完指定路段,不能靠停在路段外躲过检查。

“先接乘客,再前往目的地”则必须满足动作顺序。即使两个地点都到过,只要顺序相反,仍然算失败。

因此,Language2Drive 没有要求模型复现唯一的参考轨迹,而是为每条指令设计可由机器检查的空间、时间、行为和安全条件。

只要最终执行满足完整契约,不同的合理轨迹都可以获得成功。

论文由此把语言控制划分为四个层级:

  1. 原子动作:左转、变道、启动、停车等局部决策;

  2. 持续行为:在一段路程内维持速度、保持车道或者持续跟随某辆车;

  3. 场景落地指令:找到指定道路、区域、车辆或具体车位;

  4. 长程程序:按顺序访问多个地点、执行条件分支,并在后续阶段保留之前的约束。

从“一次动作”到“持续记住并完成一串要求”,难度逐层上升。

评测关注的也不再只是模型有没有对语言作出反应,而是它能否把指令正确绑定到物理世界,并将其中的约束一直保留到任务结束。

从场景筛选、几何绑定到任务编译与验证的构建流程

六个系统接受测试,93.2% 的成功无法通过另一条指令验证

为了把这套方法真正运行起来,团队构建了 64 个 CARLA 成对反事实单元,并为每一侧指令准备了三种语义相同的表达。

因此,每个系统需要完成 384 次闭环运行,组成 192 对反事实测试。

团队还发布了六类专用 CARLA 环境,覆盖地下停车场、港口、中国城市道路、美式城市、校园和高速公路。

除此之外,研究团队还在 23 个重建真实道路场景中构建了 30 个 RealSim 成对反事实单元,并将评测扩展至 nuScenes、NAVSIM 和 WOD-E2E 三套开放式轨迹预测环境。

随后,Alpamayo 1.5、SimLingo、LMDrive、OneVL、Qwen-Drive-1.0-4B 和 Impromptu-VLA 等代表性驾驶 VLA,被放进了同一套测试中。

最值得关注的数字不是某个模型拿到了多少分,而是在六个主要 CARLA 系统已经成功的运行中,93.2% 都无法在另一条可行指令下组成“双侧成功”。

也就是说,模型可能完成了「左转」,却无法在同一场景下完成「直行」。能够停进一个车位,却不能按照另一条指令驶入旁边同样可用的车位。

这些成功大多是单侧的,更像是在稳定复现一种偏好的行为,而不是让语言真正拥有选择权。

论文使用两个指标来区分这两种能力:

  • SISR 衡量单条指令是否被完整执行;

  • CFPS 只有在同一个 PCU 的两条反事实指令都成功时才计分。

举个简单的例子:如果一个系统面对「左转」和「直行」时永远选择左转,它在这组测试中的单条成功率仍然可以达到 50%,但配对成功率一定是 0。

因为它只证明了自己会左转,没有证明自己能够按照语言完成两种选择。

在 CARLA 主评测中,LMDrive 的单条严格指令成功率最高,为 12.24%,但严格配对成功率为 0。

Alpamayo 1.5 和 SimLingo 的严格配对成功率也只有 1.04%。

这意味着,「偶尔把一道题做对」与「能够根据指令稳定选择任一可行方案」之间,仍然隔着很大的距离。

CARLA-Language2Drive 主要评测结果

安全分 100,仍可能完全没有按要求做

更具反差的一组结果来自重建真实场景。

Alpamayo 1.5 在 RealSim 中取得了100% 的安全分和 97.17 的 DrivingScore。如果只看传统驾驶指标,它的表现几乎无可挑剔。

但它的严格配对成功率仍然为 0。

论文给出的车道任务更直观:一条指令要求车辆保持当前车道,另一条则要求向左变道。

Alpamayo 1.5 在两次运行中都拿到了 100 DrivingScore,却只完成了“保持车道”这一侧任务。

车确实开得很顺,参考路线也推进得很好,但另一条语言要求没有被真正执行。

这并不是说安全分和驾驶分没有价值,而是它们衡量的是不同能力:

  • 安全分回答“有没有发生碰撞或驶出道路”;

  • 驾驶分回答“有没有沿着参考路线向前推进”;

  • 指令级验收回答的则是“车辆完成的是不是乘客要求的那个行为”。

高驾驶分与完整指令执行之间的差异

换一种说法,刚才的成功还能保留吗?人类不会永远使用同一句话下达命令。

“跟着前面的绿色汽车”、“不要超过那辆绿车”、“保持在绿车后方”这三种表达方式不同,实际意图却相同。

如果模型真正理解了任务,换一种说法不应该改变执行结果。

但论文发现,在三种保持语义不变的表达下,没有一个 CARLA 系统能够稳定完成同一个 PCU 的两侧任务。

一些模型的成功甚至高度依赖具体措辞。这说明它们并非完全听不见语言,而是语言控制仍然十分脆弱:句子稍微改写,原本成功的行为就可能消失。

长程任务的结果更加严峻。在涉及按顺序访问、条件回退和返回参照点的 504 次运行中,没有一次达到严格成功。

当前模型偶尔能够维持一条简单规则,却很难持续记住“先做什么、遇到某种情况后做什么、最后还要回到哪里”。

类似差距也出现在开放式轨迹预测中。

在 WOD-E2E 上,DriveMA-2B 的单条语义成功率达到 38.38%,成对语义成功率却只有 1.24%。NAVSIM 中接受评测的五个系统,成对语义成功率全部为 0。

这说明问题并不只来自控制器的跟踪误差。在轨迹仍停留于模型预测阶段时,语言对行为的控制就已经可能不足。

nuScenes、NAVSIM 与 WOD-E2E 开放式评测结果

为什么模型“会说、会开”,却未必听话?

论文提出了一个值得重视的解释:在不少训练数据中,语言可能并不是决定动作所必需的信息。

如果一个场景只对应一条专家轨迹,再配上一句描述这条轨迹的话,模型完全可能通过视觉环境、车辆状态和导航信息猜出动作。

即使没有真正理解句子,它仍然可以复现训练数据中最常见的选择,并获得不错的训练损失和驾驶分数。

第二个断点可能发生在执行链路中。

模型或许识别出了车位名称、速度上限或者动作顺序,也可能生成一段听起来合理的解释,但这些信息未必会被完整保留到规划和控制阶段。

理解了句子与把句子里的要求贯彻到车轮是两件不同的事。

第三个问题来自奖励和评测。

如果系统主要因为向前行驶、接近参考路径而获得高分,那么减速等待、保持跟车或停在指定位置,反而可能与“更快推进”的目标产生冲突。

一个高分模型因此可能很会开,却不一定在完成乘客交付的具体任务。

Language2Drive 真正改变的,是「怎样才算听懂」

Language2Drive 不是一个新的自动驾驶模型,而是一把更加严格的尺子。

它带来的启示是,未来的训练数据需要在同一个场景中提供多种可行行为,并让不同指令真正决定不同选择。

模型还需要在规划过程中持续保存目标、约束和任务阶段。训练和评测不仅要奖励“对语言有反应”,还要检查任务有没有被完整做完。

与此同时,还需要把语义选择、轨迹规划与控制器执行拆开诊断,判断错误究竟发生在哪一个环节。

项目已经公开代码、评测协议、模型适配接口和 CARLA-Language2Drive 环境。开发者可以将自己的系统接入同一组成对任务,判断模型升级之后,提升的究竟是驾驶质量,还是语言真的获得了更稳定的行为控制权。

一个值得注意的边界

这项工作目前是一篇 arXiv 预印本,核心贡献是评测框架与基准,并不是宣称已经解决了驾驶 VLA 的指令遵循问题。

某个模型的配对成功率为 0,也不等于它完全不响应语言。它可能完成了部分要求,也可能在少数场景中具备局部能力,只是尚未在严格的成对条件下稳定完成两侧任务。

不同模型的结果还会受到数据集、模型适配器、控制器和运行配置影响,因此不宜根据这组结果得出脱离具体环境的通用模型排名。

此外,CARLA 仿真和重建场景仍然无法覆盖真实道路的全部复杂性。反事实成对测试可以提供比单次成功更强的行为证据,但要进一步区分语言依赖与随机波动,还需要更多场景、随机种子以及真实车辆测试。

自动驾驶 VLA 最吸引人的愿景,是让人可以像与司机交流一样,用语言告诉车辆「我想怎么走」。

但如果乘客换一句话,车辆仍然执行原来的动作,那么语言就还只是系统表面的交互接口,而没有真正进入驾驶决策链路。

Language2Drive 给出的提醒很直接:以后评价一辆听得懂人话的车,不能只问它是否安全到达,也不能只看某一条指令是否碰巧成功。

在多个都能安全完成的选择面前,乘客能否仅凭一句话,稳定得到自己要求的那一个?当这个问题有了肯定答案,语言才真正从驾驶系统的说明文字,变成方向盘的一部分。(投稿或寻求报道:zhanghy@csdn.net)

当 OpenAI、Anthropic、Google,到智谱、DeepSeek、Kimi、阿里都开始密集发布自进化相关研究,RSI 正从概念走向真正的技术竞赛。

11 月 20—21 日,2026 奇点智能技术大会「大模型技术:从 Agentic Scaling 到 RSI」专场,将邀请一线研究者与工程专家,围绕 Agentic Scaling、RSI、自进化闭环、持续学习、AI 制造 AI 等关键问题展开分享。

👇 扫描下方海报二维码了解专题参会详情。

阅读原文

跳转微信打开

豆包带着豆包工作送福利了,我用它直出视频!

2026年11月4日 20:43

原创 AI产品黄叔 2026-11-04 20:43 北京

上个月很多人用 Vibe Coding 的方式做视频,但非常依赖好模型,特别是 Opus。黄叔也做了非常多类似的视频。最近发现豆包工作也能搞定!

上个月很多人用 Vibe Coding 的方式做视频,但非常依赖好模型,特别是 Opus。黄叔也做了非常多类似的视频。

 ㅤ

但后来我发现一个问题,社群里用 Claude 的朋友,老被封号。账号贵,还不一定用得上,这成本就太高了。

 ㅤ

那能不能换豆包工作来做呢?

我想了下,豆包本身就是原生多模态,能看懂视频。那帮我剪视频、编辑视频,应该也没问题吧?

别说,我试了下,真行。

Image

我把之前沉淀的一个 skill 直接丢了进去。这个 skill 是干嘛的呢?就是把很长的访谈视频,剪成 10 分钟以内的精读视频。

 ㅤ

它先把视频下载下来,看完内容,给了我一版精剪的主线。

Image

 ㅤ

我只回了一句“开始”。

Image

 ㅤ

豆包工作吭哧吭哧跑了 40 分钟,出了一个能直接看的预览版。

 ㅤ

然后它问我,要不要根据之前的数据做优化?

 ㅤ

那当然要啊。我打开抖音和小红书的后台,把数据下载下来丢给它,它直接拉起了三个子智能体,分头干活。

Image

 ㅤ

自己跑了两轮优化,视频的评分涨了小 20 分。

Image

 ㅤ

为啥要先出预览呢?其实就是先看一眼效果,不行就改,免得白白浪费后面的渲染时间。

预览 OK,再出成片。

Image

Yeah,一条完整的视频就出来了。

整个过程黄叔一下剪辑软件都没打开,声音也是豆包语音复刻的,口喷直出视频了属于是哈哈哈。

 ㅤ

跑完我看了眼额度,这一条用了 3600 额度, 不过我仔细看了下,首先是多个子智能体这一步的打分可以去掉,这一步是我为了极致消耗 Token 去尽量提高视频质量的多余步骤,如果 Skill 优化的足够好,甚至不需要这一步。

 ㅤ

另外,完全可以不用 pro 模型,换性价比更高的 lite 模型,估计一千多额度就可以出一条质量不错的视频了:

Image

 ㅤ

一千多一条的话,那就很舒服了,因为豆包工作最近又在送福利了。

 ㅤ

规则挺简单的:

每天签到送 200 额度,周一翻倍。

累计领到 500、2000、5000 的时候,还会分别再送 200、500、1300。

签满 30 天,一共 8800。

Image

 ㅤ

我算了下,标准套餐一个月的额度才 8400。签到白拿的,比花钱买的还多。

按一千多一条算,够做 7-8 条了!

 ㅤ

而且签到领的额度是优先扣的,跟你原来的额度叠在一起用,不冲突。已经付费的朋友,这部分额度还能拿去生视频、用 Pro 模型。

新用户就更直接了,第一次登录豆包电脑版或者豆包工作电脑版,直接送一个月的免费订阅。

Image

 ㅤ

除了签到,还有一些体验任务,整理文档、操作浏览器、做表格、调用技能,做完也送额度。

Image

 ㅤ

我回头一看,我做这条视频本来就调用了 skill,这个任务等于顺手就做了。像拉后台数据这种活,大家也可以直接让豆包工作自己开浏览器去拉,又是一个任务。

 ㅤ

当然它也有不足啊,黄叔这篇文章里说的视频类型,并不是 Vibe 知识大赏那种需要代码生成酷炫吊炸天的效果,更多是理解视频/内容精剪/拼接的逻辑。像 Vibe 知识大赏那种酷炫的代码动画,豆包工作目前确实还比不上 Opus。

 ㅤ

对了,送的额度 30 天有效,领了得赶紧用,别囤着。

 ㅤ

说起来,这已经是豆包工作 8 月上线以来,第三次给所有人送额度了。8 月 25 日上线那会儿送了一个月,9 月下旬又送了一个月,开学季还给大学生送了三个月。

 ㅤ

所以我觉得,不管是日常用,还是拿来干活,豆包都是我用过的 AI 工具里很划算的一个。

 ㅤ

这样,大家真没必要去折腾又贵又难用上的 Claude 了,直接用豆包工作,也能做这样的视频。

那怎么领呢?

打开豆包电脑版或者豆包工作电脑版,点左下角的签到弹窗;或者点头像,在侧边栏选“免费用豆包”。

 ㅤ

记得周一签,翻倍。

Image

好,赶紧去薅吧!

跳转微信打开

独家丨自然选择完成 A+ 轮融资,要靠社交网络参与 Personal Agent 竞赛

2026年11月4日 20:42

原创 晚点团队 2026-11-04 20:42 北京

押注的两个方向很热门,但也很拥挤。

文丨高洪浩

《晚点 AI》独家了解到,AI 陪伴产品 EVE 与 AI 社交产品 Elys 的母公司自然选择已完成 A+ 轮融资,累计融资金额超 1 亿美元,新一轮融资方包括五源资本、启明创投、源码律动、经纬创投和华业天成。

自然选择由张筱帆于 2024 年创立。他此前创办过游戏公司终极幻境,带领团队推出了恋爱题材手游《奇点时代》。据了解,该公司目前已超过 100 人,但其核心产品 Elys 团队仅十余人。

2026 年春节前后,Elys 曾凭借 “分身替你认识人” 的玩法,在创投和互联网行业引起关注。用户在其中可以创建自己的 AI 分身,让它根据自己的兴趣和表达习惯发布动态、浏览动态、与人互动,再由本人决定是否进一步交流。这款产品至今仍采用邀请制,日活跃用户数在高峰期一度达到 10 万。

一位知情人士告诉我们,Elys 即将在近期完成一轮改版,更突出个人智能体(Personal Agent)的能力。按照构想,用户带着各自的 AI 个人助手进入社交网络,AI 助手将根据用户的聊天内容、发布的动态和正在处理的事,向其推荐感兴趣的人、内容,并提供相应服务。

比如,Elys 的 AI 助手会记住用户在平台上的聊天和互动,在合适的时候服务。如果用户和朋友私聊时提过要招人,它在后续看到有人发帖找工作时,便会主动去对方主页了解情况,符合条件便留下招聘邮箱;当 AI 助手得知你要出差时,它会主动推荐几个当地值得见的人,提醒你约一约。

个人智能体是当前热门的创业方向。Poke 的母公司累计融资 2500 万美元,并于今年 7 月被 AI 编程公司 Cognition 收购;Instinct 今年 9 月完成 10 亿美元融资,估值达到 100 亿美元;前飞书产品副总裁、豆包 PC 端负责人齐俊元创立的 Today AI,目前已累计完成超过 2 亿美元融资。

在这个赛道上,创业公司最大的竞争对手是大公司。做个人智能体,最重要的前提是了解用户:认识谁、喜欢什么、最近在忙什么。大公司的社交、办公、购物产品已经记录了用户的部分生活,在用户授权、产品互通的前提下,这些数据和信息可以帮助助手类产品更快地了解用户,而创业公司掌握的用户偏好几乎为零。

Instinct 选择在用户授权后接入邮件、日历等服务,从已有信息中了解用户;Today 则通过用户与 AI 助手的日常对话,记住其中的人物、日程、偏好和目标。

一位接近自然选择的人士说,他们想先通过 Elys 打造一个社交网络,让用户们在里面交流、建立关系。过程中,Agent 会逐渐积累起关于用户的兴趣、经历和人际关系的信息,进一步帮助用户改善社交体验。

此外,AI 助手即使理解了用户的需求,也得能连接相应的软件和服务,比如外卖、电商、打车、酒旅等,才能把事情办完。大公司与大公司之间存在壁垒,但他们至少有自有的应用和服务可以接入;创业公司则需要逐个争取合作,或者借助外部工具完成操作。

自然选择的另一款产品 EVE 是一款 3D AI 陪伴应用。用户可以和几个固定的虚拟角色聊天、打视频电话。好感度达到一定程度,角色还会给用户点一杯奶茶,送到现实中的地址。2025 年内测时,EVE 曾靠这个功能出圈。

这同样是一条玩家众多的赛道。字节有猫箱,MiniMax 有星野和 Talkie,此外还有一众实力强劲的创业公司。Appfigures 的数据显示,今年上半年恋爱向 AI 陪伴应用里,收入最高的是韩国 Scatter Lab 的 Zeta,约 3300 万美元;第二是中国团队做的 Tipsy Chat,约 1520 万美元。

这两家的成功各有特殊之处。Tipsy 通过角色扮演吸引用户付费。10 月中旬,苹果公司将它从美区 App Store 下架,并要求其整改。Zeta 九成用户是十几到二十几岁的年轻人,主要在韩国,这批人本来就习惯给网漫、网文付费。10 月,Zeta 因为青少年沉迷问题被韩国国会点名。

据了解,EVE 目前还在思考下一步应该如何走。“纯角色扮演的产品不是我们想做的”。上述接近自然选择的人士称,但有一点很明确 ,EVE 最初用 AI 给用户点奶茶,是希望 AI 进入用户的现实生活,而不只是让用户进入虚拟世界。

自然选择的幸运在于,它一开始就踩在了两个热门方向上。挑战也在这里:热门的方向,往往也最拥挤。

题图来源:《社交网络》

- FIN -

跳转微信打开

深度原理发布首个通用大模型Hydrogen-1.0并开放模型权重

2026年11月4日 20:18

魔搭ModelScope社区 2026-11-04 20:18 浙江

深度原理开源7530亿参数科研大模型Hydrogen-1.0,基于GLM-5.3全参后训练,专攻化学、材料与生命科学领域的复杂研究任务。

近日,深度原理发布了面向科研任务的大模型Hydrogen-1.0,并开放模型权重。据团队介绍,该模型基于GLM-5.3,总参数量约为753B,通过全参后训练引入化学、材料科学与生命科学知识,以及实验记录和多轮研究过程数据。
科研任务中的判断往往需要结合具体条件。例如,分子模拟得出异常的材料密度后,研究者需要判断问题来自哪里,再决定下一步如何处理。这类判断非常依赖专业知识和研究经验。
深度原理将这类经验的总结纳入模型训练。团队使用的自有科学数据,比如实验室记录和多轮材料探索过程,让使用模型的研究者了解如何适时调整方案。

Hydrogen-1.0发布图

01

利用研究过程数据开展全参后训练

科学知识可以为研究提供依据,但具体怎么做,还要看任务条件。比如,一个计算结果看起来合理,背后的假设却未必适用于当前实验,因此不能只看结果,还需要检查计算过程。
实验方案也受设备和操作条件限制。研究者为什么选择某种方法,又为什么中途调整,这些细节在最终发表的论文中往往没有完整记录。仅凭最终结果,很难还原当时的判断,也不足以为排查异常、调整方向提供参考。
深度原理将研究过程记录纳入训练,希望模型学到研究者如何分析结果、决定下一步行动。据团队介绍,Hydrogen-1.0 在 GLM-5.3 上进行了全参数后训练,训练内容覆盖化学、材料科学和生命科学,并加入了自有科学数据及科研人员反馈。
数据不仅记录实验的完整过程,也包含研究者调整方案时的考虑。其中,材料研发数据保留了连续多轮的推荐与评估记录,可以看到前一轮的反馈如何影响下一轮选择。训练时,模型先学习任务范例,再根据反馈进行优化。
考虑到科研任务的推理过程通常较长,团队调整了长文本训练方式,以保留更完整的推理记录。团队还介绍,强化学习阶段可以保存尚未完成的生成进度,后续接着生成,减少重复计算。

02

公开基准评测成绩

FSR 用于评估模型解决物理、化学和生物领域中陌生、多步骤研究问题的能力。在团队公布的本次FSR评测中,Hydrogen-1.0 的解题成功率为 38.3%,GPT-6-Astra 为 33.3%;Hydrogen-1.0 较基础模型 GLM-5.3 提高 13.9 个百分点。

图 1  FrontierScience Research 评测。纵轴为解题成功率,横轴为每道题的平均输出 API 成本(美元)。Hydrogen-1.0 为 38.3%,GPT-6-Astra 的 max 为 33.3%。

GPQA Diamond 采用专家编写的高难度科学选择题。在团队公布的结果中,Hydrogen-1.0 的准确率为 93.0%,Kimi-K3 为 93.5%;图中 GPT-6-Astra 所列推理设置下的准确率均高于 Hydrogen-1.0。

图 2  GPQA Diamond 评测。纵轴为答题准确率,横轴为每道题的平均输出 API 成本(美元)

团队还公布了科学计算、单步反应预测、核磁共振结构解析等任务的内部测试结果。不同任务中的相对表现有所差异:Hydrogen-1.0 在科学计算和单步反应预测中的平均回答得分高于图中所列 GPT-6-Astra 的结果。

图 3  实验设计与规划内部测试。纵轴为回答得分(满分 10 分),横轴为每道题的平均输出 API 成本(美元)

图 4  单步反应预测内部测试。纵轴为平均回答得分,横轴为每道题的平均 API 成本(美元)

图 5  核磁共振结构解析内部测试。纵轴为平均回答得分,横轴为每道题的平均 API 成本(美元)

图 6  科学计算内部测试。纵轴为平均回答得分,横轴为每道题的平均 API 成本(美元)

在实验设计与规划测试中,团队同时比较了回答得分与平均输出API 成本。图中Hydrogen-1.0相较 Kimi-K3 得分较高,输出API成本较低。

03

科学研究任务中,Hydrogen-1.0能帮助做什么?

除了基准评测,团队还展示了若干模型与工具配合完成科研任务的案例,涉及实验过程的异常排查、反应路线分析、候选搜索和实验操作检查。
比如,在聚乙烯材料模拟中,Hydrogen-1.0得到了异常的材料密度,随后检查程序并发现重复计算的问题。修正后,模型重新运行了模拟。展现了对异常结果进行排查和修正的能力。

在反应路线分析中,Hydrogen-1.0可以根据已有计算记录自主梳理路线步骤,分析可能的推进难点,并提出替代选择。

在金属配合物搜索任务中,各个候选模型从同一批初始候选出发,每轮只推荐一个新候选,且只能看到自己所选候选的评估结果。
经过五轮探索,Hydrogen-1.0 找到的最佳 HOMO–LUMO 能隙的平均值为4.318 eV,GPT-6-Astra 与 Kimi-K3 分别为 3.689 eV 和 3.353 eV。
这一结果反映了模型在同一候选范围和反馈规则下调整搜索方向的优异表现。

在一项探索能否减少钯催化剂用量的演示中,Hydrogen-1.0 生成了实验操作方案。虚拟编译环境 Lab Compile能够检出实验室不满足条件的操作,可以自动拦截不当步骤。在这一过程中,模型确保了实验流程的可执行性。

这些案例展示了模型如何利用反馈调整输出,也展示了外部工具如何对模型方案进行检查。团队通过完整的研究记录训练相关能力,提升了模型科研任务的表现。

04

模型权重开放与获取方式

不同实验室的任务、设备和操作条件存在差异,即使研究对象相同,可行方案也可能不同。深度原理希望通过开放模型权重,让更多研究者在各自的任务中评估模型,并提供反馈。
研究者可结合本领域的问题,评估模型表现并开展针对性的改进。
Hydrogen-1.0 模型权重已在魔搭ModelScope 发布,开发者可根据模型页面的说明下载和部署,并结合自身科研任务开展验证。据团队介绍,研究者也可在深度原理的AI Scientist产品Mira中调用该模型。
ModelScope 模型页面:

https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0
Mira平台:

https://mira.deepprinciple.com/
技术介绍:

https://blog.deepprinciple.com/introducing-hydrogen-1.0/

点击阅读原文,即可跳转模型链接~


👇点击关注ModelScope公众号获取

更多技术信息~

阅读原文

跳转微信打开

❌