铃阅
❌

阅读视图

豆包工作这次,让我想起了 Office 当年的神来之笔。

原创 阿颖 2026-11-16 12:52 北京

从产品经理的视角来看,我判断接下来通用 Agent 产品之间的差距,会越来越多来自 UX。

现在使用 AI 的人大致有两类。

一类是深度的高级极客用户,他们愿意花时间配置工具、安装 Skill、研究各种玩法。另一类则是没有那么多时间或者兴趣折腾这些东西。

之前,受朋友邀请,我去他们公司做过一场 AI 培训,发现很多人连电脑的重度用户都算不上,更不用谈 AI。

你可能不相信,他们电脑里还装着各种杀毒软件,平时工作主要就是打开微信、飞书这些 IM 工具,再用用 Office,其他软件基本不怎么接触。

文章图片

所以,很多我们觉得理所当然的操作,对他们来说其实都有门槛。

比如,我觉得安装 Skills、配置插件、做 HTML 版的 Slides、理解 Context 的限制,都是再平常不过的事情。但不好意思,他们连这些名词都没听过。

那次培训,让我意识到,Agent 的用户体验和底层技术同样重要。过去我们总是在讨论模型、Harness 等等,但其实,对于绝大多数的用户而言,最重要的仍然是使用门槛。

文章图片

#01

Agent 需要进一步产品化

最近大家应该也看到了,像 Muse 这样的产品还在进一步的做产品化,甚至开始淡化新建会话的概念。

因为从用户的角度来说,我只是想让 AI 帮我处理事情,为什么每次都要新建聊天?连新建会话这么简单的操作,其实都有继续优化的空间。

上周,豆包工作除了支持第三方模型、换回豆姐的 Logo 外,还上线了一个非常重要的功能,叫工作台。可能很多人都没注意到。

文章图片

我当时发现之后特开心,因为之前就有同事跟我提过,希望能有类似的功能。

简单理解,工作台可以把某类工作经常用到的 Skills、插件和专业要求提前配置好,以后再做类似的任务,就不用每次都从头折腾了。

比如,最近又到了大学生准备毕业论文的时候。

其实,写论文本身就是非常典型的垂直场景。我相信,大部分大学生在写论文时,需要用到的 Skills、提示词以及 Agent 的配置,都有很多共通的地方。

当然,不同学校、不同专业对论文的要求可能不一样,但很多基础工作,比如文献检索、资料整理、论文格式检查等,其实都差不多。

社交媒体有很多人分享论文相关的 Skills、提示词和使用经验。大家折腾来折腾去,其实就是在解决同一个场景中 Agent 初始化配置的问题。

文章图片

但如果这些常用的 Skills、工具和工作要求,产品已经提前帮我们预置好了,用户只需要补充自己学校和专业的具体要求,就可以直接开始工作。

这不就把使用门槛进一步降低了吗?

这是豆包工作的工作台想做的事。本质上还是缩短普通用户的上手时间。

目前它预置了 20 多个专业场景的工作台,包括金融投研、营销、写作、医生、老师、HR、剧情创作、求职等等。

下面截图是求职发展的工作台,圈红框的地方是这个工作台已经预置的 Skill 和插件。

文章图片

在这个工作台中,我直接把亲戚家孩子的简历发给它,让它给出一些具体的求职建议。大家看下面截图具体的执行过程:

文章图片

因为工作台已经提前配置好了相关的 Skills 和插件,所以接到任务之后,Agent 就可以根据具体需求,调用预置的 Skills 来完成分析,省去了自己寻找和配置工具的麻烦。

为了看看工作台到底有什么不同,我又做了次对比测试。

这次不使用职业发展工作台,直接在豆包工作中,选择同样的模型,输入完全相同的提示词和简历。豆包工作,首先建议我安装一个简历优化和职业发展的 Skill。

我选择没有安装,即便这样,它最后也能完成任务,给出求职分析报告。

文章图片

大家看看生成的结果。

文章图片

再对比一下,这是使用职业发展工作台生成的分析报告。

文章图片

两份报告的差别非常明显。

职业发展工作台的分析明显更深入。它会先根据简历评估求职者目前的竞争力,再分析哪些岗位方向比较适合他,以及为什么适合。甚至给出了具体的求职节奏建议。

文章图片

也就是说,像豆包工作这样的通用 Agent 本身已经具备完成任务的能力,但如果提前配置好相关的专业 Skills 和工作要求,就有机会让它按照更加专业的思路完成任务,最终给出更有针对性的结果。

我也可以根据自己的需求,编辑对应的工作台。

文章图片

所以,工作台这个功能本身并不复杂,思路其实非常简单。说白了,就是把不同职业和场景需要的 Skills、插件和专业要求提前配置好,省去用户自己从零折腾的麻烦。

我觉得,这相当于提前帮用户完成了面向职业场景的 Agent 初始化。

#02

开箱即用的 Agent 交互设计

再举个例子。假设我是金融行业的从业者,平时经常需要用 AI 分析上市公司的财报。

如果直接打开通用 Agent,我可能需要告诉它,我想分析哪家公司的哪些财务指标,按照什么口径计算,最后生成什么样的研究报告。

但仅仅交代这些要求,很多时候还不够。

毕竟真正做金融研究,还需要查阅专业数据、比较不同报告期的财务指标,甚至完成估值建模。如果最后还要整理成 PPT,可能又涉及其他工具和技能。

这些东西都需要根据实际任务进行配置,才能取得比较好的效果。

但现在,作为一个不太懂 AI 的普通用户,我不用再自己研究应该安装哪些 Skills、连接什么数据服务,或者怎么把这些工具组合起来。

直接进入金融投研工作台,常用的专业能力就已经提前配置好了,包括财报分析、行情数据查询、估值建模、研究报告生成等。

如果有相应的数据服务授权,还可以接入万得、同花顺等专业数据源。

文章图片

接下来,我只需要在工作台中表达自己的任务需求就行。不过这里也提醒一句,大家用 AI 分析的投资或者医疗建议,一定要注意甄别核对。无论是哪个 AI,都不要盲信。

文章图片

从产品经理的角度来看,这些配置工作,本来就不应该让普通用户自己去折腾。

什么 Skills、插件、MCP,本质上都是产品为了完成任务所需要的技术能力。用户只关心自己想做什么,至于背后需要调用哪些工具、怎么组合,应该尽可能由产品来解决。

过去很多 Agent 产品,其实是把这些复杂的配置工作扔给了用户......

可能有读者会说,既然工作台就是预置 Skills 和插件,那为什么不直接把所有 Skills 都装进通用 Agent,还非得按职业和场景划分?这不是又增加了用户的选择成本吗?

理论上,我们确实可以给通用 Agent 安装大量的 Skills,比如金融分析、教学、写作、设计等等。

但 Skills 装得越多,Agent 在执行任务时,就越需要判断应该调用哪个。如果不同 Skills 的适用范围比较模糊,或者存在重叠,就可能出现调用不准确的问题。

另外,虽然现在的 Skills 普遍采用按需加载机制,不会在初始化时把所有内容都塞进 Context,但大量 Skills 的名称和描述,依然会增加模型选择工具的复杂度。

所以,按照职业或者任务类型,提前把相关的 Skills、插件和专业要求组织到一起,是目前比较合理,也比较优雅的产品设计。

而且,工作台是按照职业和工作场景划分的。对于绝大多数用户来说,日常工作相对固定,真正需要用到的工作台可能也就那么几个。

比如金融分析师,平时大部分时间都在处理金融研究相关的任务,根本不需要频繁切换工作台。

我建议,大家可以在官方预置的工作台基础上,继续加入自己的工作流程、常用工具和专业要求。

文章图片

过去我在使用 Agent 的时候,经常会担心它有没有调用我预期的 Skill。

因为我的 Agent 里装了大量 Skills,但装了不代表 Agent 就一定能准确调用。尤其是不同 Skills 的功能存在重叠时,Agent 可能根本没意识到应该使用哪个。

工作台其实可以解决这个问题,毕竟它按照场景隔离 Skill 和插件。

文章图片

毫不夸张的说,这一定是通用 Agent 产品化最值得探索的方向。

Agent 底层可以共享读取文件、分析数据、生成文档、Computer Use 等通用能力。

但面向具体职业时,产品应该提前组织好相应的工具和工作方法,尽可能减少用户自己配置的麻烦。

#03

写在最后

通用 Agent 一定会成为下一代 Office,这个判断我坚信不疑。

只不过,目前整个产品形态还非常年轻,真正面向普通用户的通用办公 Agent,也就经历了不到一年的快速迭代。我觉得在产品化方面,还有太多值得探索的空间。

其实豆包工作工作台的这个功能,让我想起当年 Office 里的模板。

文章图片

现在看来,模板已经是再平常不过的能力了。但我觉得,它绝对是 Office 能够走向大众用户,非常重要的产品设计。

大家想想,如果每次做 PPT,都要从空白页面开始设计排版、调整字体和配色。每次做 Excel,都要自己设计表格结构、设置公式,那使用门槛得有多高?

从这个角度来看,我甚至觉得,工作台有点像 Agent 时代的模板。这个设计本身并不复杂,甚至简单得有点不起眼。

但恰恰是优秀的产品设计应该做的事情。毕竟,AI 的能力已经这么强了,凭什么还要让用户先配置一通,才能把它用好?

另外,豆包工作已经支持第三方模型了。

文章图片

上周我专门做了次对比测试。在使用同样的模型、输入相同提示词的情况下,豆包工作完成任务的时间和 Token 消耗,差不多都只有 DeepSeek Harness 的一半。

再叠加最近部分任务免积分的优惠,整体性价比确实高出不少。

大家有空可以试试。

跳转微信打开

  •  

实测完百度文心的新 Flash 模型,我有点意外。

原创 阿颖 2026-11-14 10:33 北京

沉寂了六个月之后,百度终于发布了新的基础模型。

这周,百度正式推出了文心 5.5 Flash Preview。

这个模型在几个重要的 Benchmark 上表现不错,推理速度很惊艳,编程能力、视频编排也是一大亮点。

特别是在最新 CodeArena 的 WebDev 榜单评测中,拿到了 1668 分,开源第二、中国第四,和 Qwen3.8-Max 的成绩非常接近。但文心只是个 Flash 模型。

文章图片

毫不夸张地说,文心 5.5 Flash Preview,已经是目前市面上最有竞争力的 Flash 模型之一了。

现在,文心重新回来了。

#01

百度的底子

过去这段时间,我陆续写过美团、小米、腾讯、阿里、字节、Kimi、MiniMax、阶跃等公司的模型。LLM 发展到现在,我觉得基本可以下这么一个判断。

目前大家在模型架构方面,整体上已经大差不差。

虽然各家公司都有自己的技术创新,但主流模型基本还在 Transformer 这套体系上往前走,包括 MoE、注意力机制等方面的优化。

当然,各家公司也会在这套架构上做一些自己的创新,比如说改进注意力机制等等。但这些改进,我认为它只是在提升效率,并没有改变整体的基本面。

LLM 目前的竞争仍然还是那几个关键因素:人才、芯片、数据和基础设施。

而这几个方面,百度都有相当不错的家底。有这些家底,都不用出奇,只要守正,模型能力就不会差到哪里去。

从今年 5 月份发布文心 5.1,到这次文心 5.5 Flash Preview,中间差不多隔了 6 个月。这次新模型出来之后,我推测应该内部产生了一些变化,类似腾讯年初那样。

#02

文心 5.5 Flash Preview 的基本面

给大家介绍一下文心 5.5 Flash Preview 的基本情况。

1)模型总参数 280B,MoE 架构,100 万上下文。

2)推理速度很快,每秒 200 Token。

3)重点提升了编程和 Agent 能力,尤其是前端开发、3D 建模、游戏开发,以及通过代码完成视频创作等任务。

4)普通输入、输出的价格和 DeepSeek V4.1-Flash 一样。缓存命中比 DeepSeek 贵。

5)模型会开放权重。Apache 2.0 协议。

文章图片

#03

具体的 Case 测评

我用文心 5.5 Flash Preview 做了一个可以自己布置的 3D 小岛,叫晴雨岛。

岛上有小屋、池塘和花园,可以拖动视角,拉近看里面的细节。右边还能选树、花丛、长椅、路灯这些物件,放到岛上。

除了换天气,底下的滑杆也能控制昼夜和四季,自己种下去的树也会跟着变。

大家先看最后的效果。

这次我让它用 Blender 建模,再导出模型,接进网页。它编写 Python 脚本,调用本机 Blender,分别生成岛屿和可放置的物件。

小屋、池塘、树木这些模型都有保留下来的工程文件,后面想改造型,还能继续在原来的基础上调整。

文章图片

过程中对物体的外观形象效果改了好几轮。比如,早一版的樱花树和枫树,看着没什么区别,绣球花和普通灌木也有点像。我就让它继续改,几种植物得有各自的样子。

文章图片

后来测试交互效果时,我又发现一个问题。原来的放置规则要求所有物体都必须放在岛上,结果木桥也没办法放进池塘里。

我就让它单独给木桥设计放置规则,解决落点、高度和水面衔接的问题。

它后来给木桥加了专门的规则。拖到池塘里,桥面要高于水面,桥墩往下接到池底。靠近岸边,桥台和岸线也得衔接。

转动方向以后,放置预览和碰撞范围会跟着转。最后,它还专门做了测试,确保木桥可以放进池塘,而其他物体仍然受到原来的放置规则约束。

文章图片

中间过程中虽然需要持续提意见,但建模、网页里的交互等,文心 5.5 Flash Preview 完成的都还不错。

接着,我又让文心 5.5 Flash Preview 做了一段科普动画,讲埃拉托色尼怎么测出地球的周长。

要求是约 75 秒左右,有中文旁白和字幕,采用米白纸面、手绘线条的风格。除了讲清楚故事,还要演示木杆、影子、太阳光和地心角之间的关系。

先给大家看最后的效果。

这个 Case 有意思的地方,是它需要考虑观众能不能跟着画面理解原理。

同样是正午,为什么一座城市的阳光能照到井底,另一座城市的木杆却留下了影子。

动画先展示这两个现象,再从木杆的特写逐渐拉远,露出完整的地球,解释测得的角度为什么能用来计算地球周长。

背后的制作过程也挺完整。它用 HTML 和 SVG 编写动画,生成中文旁白,再根据时间轴安排镜头、字幕和标注,最后逐帧渲染,合成 MP4。

文章图片

同步做了个 Skill,又生成了个视频:

这是价格锚定的视频(音频部分我接入了 TTS 模型):

最后,再给大家看一个我用文心 5.5 Flash Preview 做的小场景。午后的庭院里,晾着一件米白色的成人衬衫和一件浅杏色的儿童开衫。风吹过来,两件衣服轻轻晃动。

这个场景是纯代码做的。虽然效果看起来只有两件衣服,但是做起来却需要兼顾很多细节。

衣夹固定的位置应该稳住,肩部和袖子要自然下垂,风吹时各个部位的反应也要有区别。

最初几版,衣服就有些硬。肩膀撑得太开,衣身还有明显的胸腰轮廓,看着像穿在隐形模特身上等等,我让他继续完善。

文心 5.5 Flash Preview 检查后发现,衣身前后留出的厚度偏大,正面又比较平,所以容易显出人体的轮廓。领口内部没有合适的受光,也成了一块很深的黑洞。

后面它继续调整衣身的厚度和轮廓,减少刻意的收腰,让肩部自然落下来。领口补上内侧布面和柔和的阴影,袖子也跟着下垂。空衣服晾在绳上的感觉,才慢慢出来。

文章图片

衣服的形状调整好以后,接着就得调整环境光。

我希望有午后晒衣服的感觉。浅色布料迎着阳光的地方稍微透亮,折叠和重叠的位置仍然偏暗,领口、纽扣和门襟也要看得清。

文心 5.5 Flash Preview 随后调整了右后方的阳光和正面的补光,又检查布料透光是否真的跟着光源方向变化。

交付前,它分别查看儿童开衫朝向太阳的一侧和背光的一侧,比较亮度与颜色,再检查成人衬衫的亮面和褶皱暗部。

除了整体亮起来,还要留下布料折叠后的明暗变化,两件衣服才不会糊成一片。

文章图片

背景也做了几轮调整。前面有些树丛像几块绿色山丘,矮墙又太亮,容易抢走衣服的注意力。

后面它降低了矮墙的存在感,重新安排草地和后方树丛的距离,让背景退远,两件衣服留在画面里最清楚的位置。

到了风动部分,衣夹保持固定,衣身、袖子和下摆各自轻轻摆动,褶皱也随之变化。袖口靠近时,衣服的连接处还得保持完整,不能一动就脱开。

最后,它选了循环里的几个时间点分别渲染,再拼成一张图检查,确认衣服摆动、袖口靠近和接触时,整个构图都能保持稳定。

文章图片

这个 Case 前后也改了不少轮。最花心思的,还是衣服质感和环境光。两件衣服在风里轻轻碰一下,画面中就带了点脑补的余地,我还挺喜欢这种感觉。

#04

技术创新

效果就是这些,这次文心 5.5 Flash Preview 在架构和推理效率方面,也有很多值得一说的技术创新。

比如混合稀疏注意力、多路由器 MoE,以及 ECHO 多 Token 预测,主要都是为了在提升模型能力的同时,降低计算和显存开销。

文章图片

混合稀疏注意力这块,文心的思路是把 HCA 和 MLA 两种已有的注意力机制结合起来,用在模型的不同层。

具体来说,整个模型有 43 层 Transformer,其中 37 层采用 HCA,把每 128 个 Token 压缩成一条缓存信息,同时保留最近一小段未经压缩的内容。

剩下 6 层采用 MLA,保留对历史 Token 的细粒度访问能力,再通过稀疏注意力,从历史信息中挑选最相关的部分进行计算。

这样做的好处是,大部分注意力层只需要处理压缩后的历史信息,KV Cache 的显存占用就能大幅降低。

而少数 MLA 层仍然可以访问完整的历史 Token,需要查找具体信息时,也不至于因为过度压缩而丢失关键细节。

其实 HCA、MLA 本身都不是什么新技术,百度这次主要的创新在于怎么把它们组合起来,以及怎么分配 KV Cache。

包括 MoE 本身,它也针对性做了一些改进。

我们都知道,MoE 模型采用的是混合专家架构,每个 Token 只会激活一部分专家参与计算,具体调用哪些专家,由路由器根据当前 Token 的特征来决定。

传统的单路由器方案有个问题,如果某个专家没有被选中,就拿不到对应 Token 的训练信号,后面也更难被选中。

文心这次引入了多个路由器,让它们共同给专家打分,减少单个路由器判断失误的影响,让专家选择更加准确。

在提高专家选择准确性的同时,它把输入专家网络的特征从 4096 维压缩到 2048 维,让专家在更小的空间里完成计算,最后再映射回原来的维度。

这样既不需要增加每个 Token 激活的专家数量,又能通过降低专家内部的计算维度,进一步控制计算成本。

ECHO 多 Token 预测这个技术,也能看出技术功底。

大语言模型通常采用自回归的方式生成内容,每次根据已有的上下文预测下一个 Token,再把新生成的 Token 加入上下文,继续预测下一个。

为了让模型能够提前预测后续的 Token,业界已经有不少 MTP 技术,通常是在主干网络之外,额外增加专门负责预测后续 Token 的模块。

文心这次换了个思路,直接复用主干网络的最后一层,让它同时承担后续 Token 的预测任务,省掉了独立的 MTP 模块。

这里面有个很重要的区别。

传统 MTP 虽然也会把训练信号传回主干网络,但预测后续 Token 的任务主要由额外增加的模块承担。

而 ECHO 直接让主干网络最后一层接受多步预测的训练,原本负责预测下一个 Token 的参数,现在还得学会预测更远的内容。

这样做,相当于让模型在训练的时候,就学着多往后考虑几步。

根据文心公布的实验结果,这种方法对数学、推理和代码任务都有明显帮助。

而且还有个好处。主干网络的最后一层经过这样的训练,本身就具备了预测后续 Token 的能力,可以直接充当推测式解码的草稿模型,提前生成候选 Token,再交给主模型验证。

这样既省掉了额外的预测模块,也能利用推测式解码提高生成速度。

#05

写在最后

其实除了这次模型本身,我还想聊聊文心最近在 RSI 方面的进展。

文章开头我提到,大模型竞争有几个关键因素,人才、芯片、数据和基础设施。但从今年下半年开始,我觉得可能还得加上 RSI。

因为大模型的研发,本身就是不断做实验、验证结果、调整方向的过程。研究员提出一个想法,跑完实验发现效果不好,就得重新分析原因,再换个方案继续尝试。

而模型的每一次进步,背后可能都是成百上千次这样的试错。

所以,谁能在同样的时间和算力条件下,做更多有价值的实验,更快找到有效的改进方向,谁就有机会把模型迭代的更好。

文心披露了一套叫 ERNIE Evolve 的自动研究系统。这套系统功能的架构如下。

文章图片

它这次已经参与了文心 5.5 Flash Preview 模型的研发工作。比如 GPU 上的确定性推理优化。

这个任务百度的工程师此前已经做过专项优化,剩下的提升空间很小,有些改动单独来看,只能带来 1% 到 2% 的收益。

后来,ERNIE Evolve 花了大约 3 天时间,尝试了三个研究方向,最终在保持确定性不变的前提下,又把推理吞吐量提高了 33.7%。

在真实的模型研发中,很多容易解决的问题,工程师早就已经解决了。

还有一些非常细碎、很难发现的性能瓶颈,需要反复尝试不同的方案,才能找到一点改进的空间。

如果这些事情都由研究员自己来做,时间成本非常高。

而现在,ERNIE Evolve  已经可以参与整个过程,从分析问题、提出假设,到修改代码、验证结果,甚至决定下一步应该研究什么。

也就是说,文心在 RSI 这块的探索也已经初见成效了。

确实,百度从来不缺做好 LLM 的条件。国内还在 AI 模型牌桌上的互联网公司,几年过去了,百度的储备仍然是第一梯队的。

而且这次从文心 5.5 Flash Preview 的模型表现,到 ERNIE Evolve 在 RSI 上的探索,能看出来,百度在技术研发上还是有不少真东西。

李彦宏也回应了大家起大早赶晚集的调侃。

文章图片

逻辑上是这样,在 LLM 的技术层面,百度过去确实做了一些探索,比如原生全模态、弹性训练、异构多模态 MoE。

所以你要说百度这几年在模型研发上没干什么事,我觉得肯定不客观。但另一方面,文心过去几年的模型表现,确实还没有完全体现出百度的技术积累。

这才是我觉得比较可惜的地方。

不过,文心 5.5 Flash Preview 现在开了个好头。

除了基础模型,文心最近在应用模型上也有新动作。

昨天在百度世界 2026 主论坛上,百度还发布了文心闪电深度思考模型和文心一镜微表情大模型,目前都已上线千帆平台,开放 API 服务。

从基础模型到应用模型,再到 RSI,文心最近确实有不少新进展。接下来,就看百度能不能保持这个势头了。

跳转微信打开

  •  

豆包工作接入DeepSeek,实测成本居然比DeepSeek Harness低一截。

原创 阿颖 2026-11-13 12:04 北京

豆包工作正式支持第三方模型了。

昨天看到这个消息,我突然琢磨明白一件事,多模型已经是 Agent 的标配了。我猜接下来,其他还没有接入多模型的 Agent,也会陆续跟上。

文章图片

其实开放支持第三方模型,也并不意味着对自家的模型能力不自信。要这么说的话,难道 OpenAI 允许 Codex 使用第三方模型,就说明它对自家的模型没信心吗?

显然不是这个逻辑。

Codex 的负责人 Tibo 曾经聊过这个话题。他说,他们希望 OpenAI 能够凭借优秀的模型、效率和产品体验赢得用户,而不是通过强制绑定,让用户不得不使用自家的模型。

这个逻辑非常清晰。

今年上半年,社交媒体上经常有人分享,怎么在 Codex 里接入 DeepSeek 或者其他模型。

至少从我当时的使用体验来看,DeepSeek 的模型能力肯定不如 OpenAI 的头部模型。

但事实是,用户各有各的需求。有人觉得 DeepSeek 便宜,而且平时处理的任务没那么复杂,所以不需要特别强的模型。或者也有的用户就是对某个模型有自己的偏好。

既然用户有这些需求,那 Harness 就应该提供相应的选择。

所以,今天豆包工作也正式支持了 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等第三方模型,基本覆盖了国内几家主流大模型创业公司的产品。

支持第三方模型,已经从 Agent 产品的差异化卖点,变成 Agent 产品的基本能力了。

豆包模型早就对外提供 API 了,开发者可以把它接入自己的应用和 Agent。现在反过来,豆包工作也开始支持 Kimi、GLM、DeepSeek 等第三方模型。

相当于模型和 Harness 两端都开放了。

如果用户喜欢豆包模型,但觉得其他 Agent 更好用,那完全可以去用其他产品,同时接入豆包的模型。

如果你喜欢豆包工作的产品体验,但觉得 Kimi 或者 GLM 的模型更适合自己,那也可以直接切换。

这样一来,大家就得各凭本事了。

但同时,字节自家的模型和 Harness 肯定还是要做 Co-design,通过协同设计、不断优化,让整个产品的体验越来越好。

理想的情况是,用户进入豆包工作之后,会明显感觉到,同样是豆包模型,在自家的 Harness 里就是能发挥得更好。

这也是为什么行业里经常把模型和 Harness 放在一起讨论。因为从最终的产品体验来看,这两件事其实很难完全分开。

所以说起来,就是既开放,又协同。技术上深度协同,产品上又允许用户自由选择。解耦和耦合,并不矛盾。

我觉得,这才是真正对自己产品有信心的表现。

豆包工作这个 Harness,我可是肉眼可见地看到了它的迭代速度。作为创业公司,看到字节这种迭代速度,真的有点窒息。实在是太快了。

它的发布不算早,但到现在,包括图片画布、云电脑、Computer Use、记忆、多 Agent 等等,这些功能单独拿出来都足以支撑一家小创业公司的产品方向,豆包工作都在很短的时间里迅速补齐了。

模型决定了 Agent 能力的上限,但 Harness 在很大程度上决定了这些能力究竟能发挥出来多少。

接下来我给大家看一下豆包工作这个 Harness 的真实水准,我会直接拿同样的任务、同样的模型来对比下 DeepSeek Harness 和豆包工作。

任务很简单,让它们都研究一下 DeepSeek 最近公布的 Super Agent 架构设计,然后给我做一个简约精美的 PPT。

下面截图是 DeepSeek Harness 的执行情况。能看到它一共用了 40 多分钟。

文章图片

这是一次直出的效果。注意,两个 Agent 都没有额外安装专门的 Skill。

PPT 搞定之后,DeepSeek Harness 会逐页把 PPT 转成图片检查,比如,第 7 页的卡片中间留白太大,第 13 页的卡片高度和内容不匹配,发现以后它就继续调整。

文章图片

再看豆包工作。同样的任务,它用了 19 分钟。耗时不到 DeepSeek Harness 的一半。

文章图片

下面这是它生成的效果:

同样我翻了一下制作的过程,豆包工作的习惯是在每生成完一页 PPT 都做一次检查,对比前面 DeepSeek Harness 的逻辑是统一生成完 PPT,最后再统一做检查。

我也没办法说这两种方式哪种更好。但至少我们能够看到,在 Harness 这一层,大家的处理链路上是有区别的。

文章图片

两个 Harness 生成 PPT 的过程,我都录了屏。

从内容的详细程度来看,肯定是豆包工作做得更好。看完这份 PPT,我立马就能理解 DeepSeek Super Agent 这套东西的核心脉络。

而 DeepSeek Harness 生成的 PPT,大家可以看看,内容会精简很多,感觉更适合拿来做演讲展示。

另外,豆包工作还有一个我挺喜欢的地方,生成 PPT 之后,可以直接在里面继续编辑,不需要再切换到其他工具。

这其实也是大厂做这类产品的一个优势。很多时候,AI 生成 PPT,大家的差距可能没那么大。

但生成之后,能否方便地修改内容、调整排版,这些看起来很基础的功能,其实特别影响使用体验。

文章图片

再对比下费用,下面这是豆包工作的消耗。

文章图片

大概相当于 0.76 元。

文章图片

DeepSeek Harness 的花费是 1.71 元。对比下来,至少在这次测试中,同样的任务、同样的模型,豆包工作的执行速度更快,费用也更低。

文章图片

仍然还是前面的任务,我又在豆包工作里换成 Kimi K3.1 Pro 跑了一遍,也是一次直出的。我同事就比较喜欢这个版本,而我还是喜欢前面的版本。

从这种争论也能看出来,确实各花入各眼,大家对于不同模型的需求和喜好是不一样的。

继续跑第二个 Case。我让它结合今年 AI Maker Summit 深圳站的复盘和参会者反馈,帮我们选择明年的会场。还是用的同一个模型 DeepSeek V4.1 Flash 的 High 模式。

文章图片

这次任务花费了约 2.5 元。

文章图片

一次直出的效果:

文章图片

DeepSeek Harness 先读取复盘和问卷,再查场地,也做了评分、费用测算和踏勘清单。

生成 Excel 时,它发现后面的表格覆盖了前面设置的列宽,就重新整理布局,让每张工作表只放一张主表。接着又处理了合并单元格以后样式丢失的问题。

文章图片

这里能看到,DeepSeek Harness 遇到表格制作中的问题以后,会继续检查和修正。

豆包工作这边,用了 13 分钟,完成了任务。

文章图片

这个任务赶上了订阅用户午间限时免费。

文章图片

一次直出的效果:

文章图片

同样,豆包工作也是从复盘和反馈的材料里读取整理出具体的问题。然后带着问题去查找场地。

过程中有个细节我很喜欢。

它还确认了上届用的是深圳机场凯悦酒店,所以离市区远、外卖进不来等等的反馈也能和实际场地对应起来。查完候选场地以后,再按这些痛点建立评分和预算表。

文章图片

它还单独提醒了统一供餐这笔账。按照它给出的测算,增加餐饮以后,能留给场地租金的额度会缩小,这会影响哪些场地值得继续谈。

文章图片

两边都做出了很不错的 Excel,相比之下,豆包工作这版的阅读体验肯定更好。蓝色表头、加粗的场地名和浅绿色的综合评分列,几个层级分得比较清楚。

还有一个实用细节,它把左边的两列冻结了。这样向右滚动看更多信息的时候不会乱。

所以看到这里,大家能感受出来,Harness 对模型能力和最终结果的影响。而且,Harness 层面的产品设计也会直接影响易用性。

接下来,我在豆包工作中,给它一份还款计划的 Excel 表,让 Kimi K3.1 Pro 帮我做一个 HTML 的还款管理工具。

文章图片

金额、首付比例、期数和日期都能改,每期实际还了多少也能登记,方便查看待还和逾期情况。这是还款工具最后的效果:

这是我朋友公司的业务。表格还是挺复杂的。他原本是在 Excel 中做了一些公式,然后每次有新客户,就通过公式计算出来具体的还款计划。

文章图片

现在我直接帮他把这套东西做成了 HTML 的工具。

我发现,对于一些比较复杂、需要深度推理的任务,K3 这类模型的表现确实还是更好一些。

所以我的建议是,在豆包工作里,如果大家嫌麻烦,仍然可以把模型选择调整为自动模式,让系统自己去匹配。

但如果遇到特别复杂的任务,发现自动模式反复尝试都搞不定,那也有可能是系统匹配的模型不太擅长这类任务。这时候就可以手动切换模型,再试试看。

文章图片

写到这里,自然而然想到一个新问题。

如果接下来所有的 Harness 都开放第三方模型,大家都能接入 DeepSeek、Kimi、GLM 等等模型。

当模型层面已经没有太大区别的时候,用户为什么还要选择豆包工作?

除了前面提到的,豆包模型和自家的 Harness 可以通过 Co-design 深度协同之外,我觉得这个时候,Harness 自身的竞争力就凸显出来了。

同样的模型、同样的任务,谁能够更好地拆解任务、调用工具,用更低的成本交付更好的结果,谁就能带来更好的使用体验。

而且,我们平时讨论 Harness,更多还是围绕模型能力怎么发挥。但像前面提到的 PPT 编辑、图片画布这些功能,其实也无比重要。

因为豆包工作这类办公 Agent,本身就是下一代 Office。它需要成为一款足够易用、普通人也能轻松上手的产品。使用门槛不能太高。

我之前给一些非互联网行业的公司做过分享,发现很多人对电脑和 AI 的使用其实没那么熟悉。稍微有点操作门槛,他们就很容易卡住。

模型可以自由选择之后,用户对 Harness 的要求只会更高。看来字节这是铁了心要拿下通用 Agent 这个市场。

跳转微信打开

  •  

所有 AI 应用创业者,都应该听的年度干货播客。

原创 阿颖 2026-11-12 11:13 北京

必须得给大家推荐下美图 CEO 吴欣鸿的这期播客。非常接地气。

美图算不上现在的明星公司,毕竟大家平时聊的都是 DeepSeek、Kimi,或者字节、腾讯、阿里这批大型互联网公司。

但对于我这样的草根创业者来说,这期播客实在有太多能直接拿来用的经验和判断了。

我创业的前十年,基本一直在做工具类产品。但这两年,多少有些迷失。之前的工具类 APP 流量一直在跌,新的产品没什么头绪。

作为 CEO,我自己也信心不足。

总觉得现在好多 AI 产品,例子我不举了,得罪人,反正我觉得他们家的产品解决的问题,ChatGPT 也能做。

而且我们尝试调研过几个场景,发现用户的订阅费根本覆盖不了 Token 成本。除非再继续走融资的道路。

恰好年底做新一年规划的时候,听到这一期播客,我还是清晰了很多很多。

#01

创业公司做 AI 应用,机会到底在哪里?

2013 年那会儿,正是移动互联网创业热闹的时候。当时创业者聚到一块,基本聊的就是你想做什么方向的 App。

但到了这一轮 AI,我不觉得随便再做个什么 App 能有机会。

大家可以观察一下,现在有多少独立开发者,真正能够靠 AI 应用本身赚到钱?

很少。很多人最后还是靠做自媒体、咨询或者培训来变现。

应用的开发门槛大幅降低之后,商业闭环的门槛也随之抬高了很多。这是之前我在一个朋友微博评论区看到的评论,非常共鸣。

以前我还会给各种工具 App 付费买会员,现在很多都不需要了,直接让 ChatGPT 帮我搞定就行。

而且,很多 AI 应用也很容易被通用模型,或者 ChatGPT 这样的超级 AI 应用吃掉。

比如我之前用过的一款创作类产品,其实就是接入了行业里几个头部模型,然后在上面封装了一层具体场景,再加上 Skill 商店、模板等功能。

这玩意我用了几次之后发现,没有我直接用 ChatGPT,加上自己定制的 Skill,再配合飞书这套工作流来得顺畅。

而且,更关键的问题是,我都已经为 ChatGPT 付费了,在额度够用的情况下,为什么还要每个月再花 20 美元,为一件 ChatGPT 本身就能搞定的事情付费?

这逻辑说不通啊。

美图 CEO 吴欣鸿的经验是,必须得找到那些通用模型很难直接替代,同时用户又愿意付费的场景,然后扎进去,把这个场景做得足够深。

比如他们做的开拍。

这款产品最早只是美颜相机里的一个提词器功能。但他们分析数据发现,这个小功能居然排到了所有付费功能的第三名。

于是,产品经理就专门去访谈用户,才意识到很多人是房产经纪人、保险经纪人,或者做知识付费的创作者。这些人需要通过口播视频做营销、获客。

于是,美图这才把提词器独立出来,做成了开拍。

但这还没完。

随着产品发展,他们又不断深入这些行业,研究不同用户的工作流程和具体需求,甚至跑到保险行业的展会上推广产品。

吴欣鸿说,他们最初也不懂这些行业,很多行业知识都是用户慢慢教会他们的。

我听到这里,真的特别有感触。

因为回头想想,过去一年我自己做 AI 产品,好像越来越不愿意吃苦了。

以前创业的时候,进入一个陌生领域,我们会愿意花大量时间去研究用户,搞清楚他们每天在干什么,有什么痛点,然后再琢磨怎么把产品做好。

但现在,有了 AI,开发产品太容易了。看到一个场景,几天就能把 Demo 做出来。做完发现好像没什么人用,或者模型成本太高,就赶紧换下一个方向。

反而很少愿意像以前那样,真正扎进某个行业,把用户的需求研究透彻。

听完吴欣鸿讲开拍的这个案例,我特想给自己一巴掌。这方面,过去一年我确实做得不好。结合播客的分享,我总结了几点小团队做 AI 应用的思路:

1)深入到团队擅长或者感兴趣的领域,在这个领域内找刚需的痛点。

2)ChatGPT + Skill 能够搞定 70% 的场景,坚决不碰。

3)找那些 ChatGPT 只能解决 30%,但用户又有强烈需求的场景。

4)做深,靠行业的 Know-how 来建立壁垒。

#02

敢于放弃,及时止损

这一点也是让我特别佩服的。

因为过去我们听到的创业故事,往往都是谁谁谁押注了一件事,最后排除万难,终于把这件事做成了。

但其实大部分创业公司的经历,可能恰恰相反。

就说美图这件事。

ChatGPT 发布之后,大家都看到了生成式 AI 的机会。美图本身就是做图片、视频类应用的,有足够多的用户,也有多年的行业 Know-how。

那为什么不再往前走一步,自己做模型呢?

其实在 ChatGPT 走红之前,美图就已经开始把生成式图像模型应用到产品里。

后来,他们又开始自研奇想大模型,先做图像,到了 2023 年、2024 年,又开始投入视频大模型。

毕竟大家都知道,视频模型可能比图像模型有更大的商业机会。

但做着做着发现,几个大厂在很多方面都有碾压他们的资源优势。无论是人才储备,还是算力、数据,都不是一个量级的。

这根本不是坚持就能胜利的逻辑。就像打仗,我们经常听到的都是以少胜多的故事,但历史上 99.9%战争,其实都是以多胜少。

吴欣鸿判断,视频基础模型最终很可能集中到少数几家拥有规模优势的巨头手中。

如果美图只有竞争对手十分之一,甚至更少的预算,却要做同样的事情,那胜算实在太低了。

这块肉肯定足够肥,但自己团队没有能力拿到,继续硬撑下去,也没有什么好处。

所以,经过一番权衡,他们最终还是决定收缩视频基础模型的研发,把精力重新集中到自己更擅长的图像模型上。

作为局外人,我觉得这个决策肯定是 100%正确。现在我们再去看,国内视频模型战场上,确实基本就是字节、快手和 MiniMax。

能意识到自己打不过,还能在已经投入大量资源之后果断放弃,我觉得这比押对一个方向还难。毕竟人是有 EGO 的.......

吴欣鸿在播客里说,公司制定的目标,应该和自己的能力相匹配。

这话听起来很简单,但真正创业过的人应该都知道,有时候最难的就是承认自己做不成。尤其是已经投入了那么多钱,团队也干了那么久,谁愿意轻易放弃?

#03

为核心场景自研模型

收紧视频大模型之后,美图就把研发资源更多地集中到之前一直在做的图像模型上。

其实我也在琢磨,你看 Midjourney,人家把图像模型做好了,这个市场也不小。虽然可能没有视频模型的市场空间大,但也有很大的机会。

事实证明,把精力和资源投入到图像模型,还是带来了很大的收益。

目前美图的相关产品,大约 96.5% 的能力,都是由自研模型提供的,真正调用外部 API 的只占很小一部分。

按照他们的测试,在实现同等效果的情况下,自研模型的成本只有外部商业模型的二十分之一。

而且自研模型还可以针对特定场景进行优化,和竞争对手拉开差距。

比如人像修图,美图可以针对人像美容、光影调整、画质修复等具体需求做专门的训练和优化。

毕竟,如果大家都调用同样的外部模型,模型只能做到 70 分,那大家可能也就只能做到 70 分。

但通过自研模型,就有机会把某些特定效果做到 80 分、90 分,同时,还能节省成本。

这里给我的启发是:

1)核心场景上,还是应该考虑自研模型(在开源模型基础上后训练)

2)自研模型可以降低成本

3)通过针对性的后训练,自研模型也可以提升核心任务上的效果

当然对于起步期的创业公司,我觉得也没必要。大模型更多还是找到 PMF 之后应该考虑的事。

#04

AI Native 的组织

AI Native 也是今年讨论比较多的话题了。至于什么是 AI Native 组织,以及打破原来的岗位分工,让每个人都成为超级个体,这些已经有很多共识了,我就不重复解释了。

从 2025 年初开始,美图借鉴 Supercell 等游戏公司的经验,在内部成立 AI 创新工作室。

目前已经有十几个工作室,每个团队尽量控制在十个人以内,负责从产品立项到 PMF 验证的整个过程。有些团队甚至只有两三个人。

工作室的负责人类似于游戏行业的制作人,拥有比较大的决策权,可以自主决定产品怎么做、资源怎么分配。

而且,他们还借鉴了游戏行业的激励机制。

比如,会给通过立项的工作室提供启动资金,让团队自己配置人员和推广资源。如果产品跑通了,核心成员还能获得相应的利润分红。

整体的思路就是希望让这些小团队尽量独立运转,像创业公司一样去开发和验证产品。

具体怎么运作呢?

首先,他们改变了过去的产品立项方式。

过去研发一款产品,不管多大的公司,通常都需要先进行大量的内部论证,反复开会讨论,写各种文档和计划书,然后才能开始行动。

但现在,AI 已经把做 Demo 的成本降得非常低了。

吴欣鸿举了个例子。

美图一位产品经理,之前完全不会写代码,但有了产品想法之后,借助 AI Coding,可能三天就能把整个 Demo 做出来,自己先跑起来看看。

所以,他们现在更倾向于先把产品做出来,再讨论值不值得正式立项。

不过这也并不意味着谁随便做个 Demo,公司就会给钱立项。他们有几个基本的要求:

1、产品必须符合公司的业务方向,不能看到什么机会就做什么。

2、要尽量复用公司已经积累的技术能力。毕竟美图做了十几年影像,没必要每次开发新产品都从头开始。

3、场景必须足够深入,不能只是做个简单的 AI 功能。

公司会结合这些条件和实际做出来的 Demo,决定要不要正式立项。

立项之后,也不会一次性投入大量资源,而是分阶段验证。产品跑得不错,就继续加大投入。如果发现方向不对,就及时停止。

当然,有创业的机会,也得承担创业的风险。

如果项目做得不好,就会及时停止,不拖泥带水。公司不可能让一个没有潜力的项目一直消耗资源。

项目停掉之后,团队成员可能回到原来的岗位,也可能加入其他项目,重新开始。

#05

AI 应用商业模式

再聊聊 AI 应用怎么赚钱。

这部分也是我目前特别头疼的问题。过去做工具类产品,商业模式很简单,用户每个月花几十块钱买个会员,就能使用各种高级功能。

但现在做 AI 应用,这套模式不一定行得通了。

因为传统软件的边际成本很低,用户多使用几次,基本不会增加多少成本。但 AI 不一样,每次生成都要消耗算力,特别是图片、视频等任务,成本可能相当高。

如果用户每个月只交几十块钱,却消耗了上百块钱的 Token,公司岂不是越做越亏?

吴欣鸿的思路是,保留基础订阅,同时增加按服务收费的模式。

基础功能继续通过会员订阅提供。对于那些需要消耗大量算力,或者能够直接帮用户完成某项工作的需求,可以单独收费。

说白了,就是把 AI 的能力封装成用户能够理解的服务,直接帮用户交付结果。

这也让我意识到,自己之前考虑 AI 产品商业模式的时候,思路还是太局限了。一直在琢磨用户每个月愿意付多少钱,Token 成本能不能覆盖,毛利率能做到多少。

但换个角度,如果用户原本需要花几千块钱、几天时间才能完成的工作,现在 AI 可以用更低的成本直接搞定,那用户愿意支付的价格,可能就不一样了。

不过这又绕回到前面第一点提到的话题,核心还是要去把垂直场景做深,因为浅浅地做一层应用,很难直接交付结果。

#06

出海的具体经验

这部分吴欣鸿分享的,全是实操的经验。我直接用列表的方式来总结。

1)AI 生产力应用应该从 Day One 就面向全球市场。过去很多互联网公司习惯先在中国把产品做起来,验证成功之后再出海。

但吴欣鸿认为,现在可以从立项第一天就考虑全球用户。尤其是生产力工具,各国用户的工作需求有很多共性。

比如跨境电商卖家,无论在中国还是美国,很多工作流程和需求都差不多。

2)生活类产品和生产力产品,全球化的难度不太一样。生活类产品受文化、审美和社交热点的影响很大。比如东亚用户可能喜欢美白,欧美用户未必认同这种审美。

但生产力工具的需求通常更接近。这类产品更容易找到全球用户的共同需求,适合从一开始就面向全球开发。

3)出海不能简单地把国内产品换个名字,翻译一下界面。美图早期也尝试过这种做法,后来发现效果不好。

于是专门面向欧美用户开发了 AirBrush,由独立团队负责,从产品界面、交互到具体功能,都根据当地用户的偏好重新设计。现在这款产品已经成为美图海外的主力产品之一。

4)海外市场应该按照文化圈划分,不能只看地理位置。比如泰国、印尼和马来西亚虽然相邻,但用户的审美习惯差异很大。

美颜相机推出 AI 换装功能时,泰国用户比较喜欢大胆的服装风格,而印尼、马来西亚的部分用户更偏好保守的穿着,因此美图会针对这些市场增加符合当地文化习惯的服装和头巾。

类似的文化差异,需要体现在具体的产品功能里。

5)不要盲目追求海外用户增长,更重要的是付费能力和长期留存。美图在 2016 到 2018 年就踩过这个坑。

当时为了追求月活增长,在一些付费能力较弱的市场投入大量资金买量,结果用户留存和变现都不理想。

印度市场的用户规模一度仅次于中国,后来又受到当地政策限制,前期投入损失很大。

过去互联网行业很流行先做用户规模、以后再考虑赚钱,但现在,大家对这种逻辑应该更理性一些。

6)可以利用不同市场验证商业模式,再把成功经验推广到其他市场。 美图最早就是在海外验证了订阅模式,后来才把这套模式带回中国,发现国内用户的付费意愿同样在提高。

现在美图仍然会优先选择规模相对小的市场,测试新的商业化策略。因为中国市场用户基数太大,如果策略不成熟就直接大规模上线,可能带来大量负面反馈。

7)不要忽视那些没有重点投入,却自然增长很好的海外市场。

比如美图最初并没有在巴西投入太多资源,但因为当地用户非常喜欢在社交平台分享内容,部分产品的巴西用户已经成为第二大、第三大,甚至第一大用户来源。

美图专门在圣保罗建立了运营中心,进一步开发巴西和拉美市场。他们现在很重视从自然增长的数据里寻找新的市场机会。

8)海外市场需要本地团队,但研发不一定要搬到海外。美图在硅谷、伦敦、悉尼、新加坡等地设立了办公室,在巴西等市场建立了本地运营中心,运营人员以当地人为主。

但研发团队仍然主要放在中国。因为中国工程师的专业能力和工作效率很有竞争力,而且硅谷的人力成本高得多,没必要为了全球化而把研发团队全部搬出去。

9)做全球化,创始人和核心团队需要亲自到海外了解市场。吴欣鸿过去两三年,每年有一百多天在海外工作。

除了与当地团队交流,还会拜访创业公司、参加行业沙龙,与当地的研究人员交流。

他的逻辑是,AI 时代技术和市场变化太快,核心团队需要直接了解全球正在发生什么,而不只是依赖国内获得的二手信息。

好了,就先总结这么多。

这期播客真的有太多真知灼见了。难得听到这么有实操性的 AI 应用创业经验,比现在很多网红创业者分享的内容,干货多太多了。

下个月,正式确定公司 2027 年规划前,我肯定还会再完整地听一次这个播客。

跳转微信打开

  •  

特想聊下美团的模型水平和逻辑。

原创 阿颖 2026-11-11 15:19 北京

可能很多人都没注意到,月初,美团发布了新的 LLM 模型 LongCat-2.5,然后这周又正式开放权重。

文章图片

昨天晚上,和同学聚会。有个哥们在美团外卖的业务当程序员。他说,美团的这个模型,真的是在没人注意的角落里,慢慢追了上来。

虽然整体能力距离全球最头部的几个模型还有差距,但已经相当不错了。

我看了一下官方的 Benchmark,他们拿 OpenAI 和 Anthropic 的上一代模型,比如 GPT-5.6 Sol、Claude Opus 5 做对比,LongCat-2.5 已经能够接近这些模型的水平,部分指标甚至还要高一些。

当然肯定不是说这个模型已经能够到达 5.6 Sol 这样的水准,国产模型的爬坡还是需要一段时间。尤其是 LongCat 训练全部用的是国产芯片.......

其实最打动我的不是和其他模型对比。大家看看下面这个截图,深绿色是 LongCat-2.0,浅绿色是 LongCat-2.5。可以明显看到,短短一代模型,进步非常明显。

文章图片

确实,美团慢慢追上来。加速度还可以。

姚顺雨之前说过,今天做大模型从某种程度来说比较 Trivial 的事情,没什么秘密。本质就是把基础设施、数据和评测做好。至于算法,反倒相对简单。

美团模型的进步,我觉得也很好说明了这一点。

另外,最近经常刷到一些自媒体吐槽,说国外就两三家公司做大模型,为什么国内这么多公司都在做?

这个问题本身就问错了。

#01

为什么美团要自研模型?

因为我们生活在国内,所以国内哪家公司发布了新模型,很容易就会注意到。但国外很多模型公司的进展,大家可能根本不知道。

除了 OpenAI、Anthropic、Grok 和谷歌,亚马逊、微软、IBM、英伟达、Meta 等等公司,也都在研发自己的模型。

我查了一下斯坦福大学今年发布的 AI Index 报告。2025 年,美国发布了 59 个 AI 模型,中国是 35 个。

这个统计范围比我们平时讲的通用大语言模型更广,但至少能说明,美国做模型的公司和团队远比很多人想象的多。

回到美团,为什么要自己做模型?为什么不直接用别人的 API,或者基于 DeepSeek、Qwen 这些开源模型做微调?这样不是可以省下大量的研发投入吗?

这个问题,我上半年也想过。

王兴在今年 3 月的财报电话会上,解释过美团为什么坚持自研 LongCat。

美团从 2023 年初就开始大规模投入算力和人才,做自己的基础模型。

美团为什么要花这么多钱做模型?

其实很简单,美团手里有大量真实业务数据,要想充分利用这些数据,让 AI 更好地理解现实世界,就得掌握自研模型的能力。

如果我们认为未来每一家大型互联网公司,都可能逐步变成一家 Agent 公司,那么模型很可能就是 Agent 最重要的核心壁垒之一。

对于美团这个量级的公司来说,当然有动力在模型层面投入。

否则,未来 AI Agent 真正成为用户使用本地生活服务的重要入口,底层模型的能力、成本和升级节奏,都会直接影响美团的产品竞争力。

我觉得这个逻辑没毛病。

从美团的路径来看,美团做基础模型,核心还是为了跟上整个 AI 的发展趋势,更好地服务自己的业务。如果模型能力足够强,未来也可以进一步服务外部客户。

而且,美团的业务本身就有大量适合 Agent 的场景。特别是这一轮 Personal Agent 的发展,我觉得美团其实很有机会。毕竟,它连接着大量真实的商家、商品和服务。

#02

LongCat-2.5 的情况

照例,我还是想说一下 LongCat-2.5 这个模型的基本面。

1)总参数 1.6T,MoE 架构

2)原生多模态

3)1M 上下文

4)主要方向是 Coding、长程 Agent、Visual Coding

5)训练+推理全国产

LongCat-2.5 和此前发布的 LongCat-2.0,参数规模完全一样,都是 1.6T 总参数、48B 激活参数。

这次的新版本,美团主要在中训练、后训练,以及原生多模态上花了不少功夫。

先说原生多模态。

之前的 LongCat-2.0 是纯文本模型,这次 2.5 加入了原生视觉理解能力。

不过,美团其实早就在研究多模态了。今年 4 月,他们发布过 LongCat-Next,尝试用统一的方式处理文字、图像和音频。

这里稍微解释一下。

现在很多模型,比如 Kimi、Qwen,都具备原生多模态能力。但具体的实现方法不太一样。

像 Kimi K3,采用的是视觉编码器,先从图片中提取特征,再交给语言模型进行处理,同时在训练过程中学习视觉和语言之间的关系。

美团则选择了另外一条路线,把图片转换成多层级的离散 Token,让语言模型能够像处理文字一样处理视觉信息。

你可以简单理解为,给图片也做了一套分词系统,而且通过多层级的编码,尽量保留图片的语义和细节。

它有个挺实用的好处,就是可以提前把图片处理成 Token,缓存起来。这样在训练的时候,就不用反复运行视觉编码器,能够节省计算开销,也方便处理大规模的图文混合数据。

另外一个重点,就是 Agent 的强化学习。这部分其实和头部模型公司的思路差不多。

美团会从 GitHub 上收集真实的 PR、Issue,以及内部的代码开发任务,再利用 Agent 自动构建训练环境和测试用例,让模型在这些环境里反复练习。

包括 Agent 执行任务时的失败记录,也会被整理成可以重新执行、验证结果的训练任务,用来提升模型比较薄弱的能力。

说实话,这套方法也已经是共识了。现在大家基本都知道,想提升模型的 Coding 和 Agent 能力,就得有大量真实的任务,以及能够准确判断任务有没有完成的测试环境。

尤其是长程 Agent 的训练,模型可能需要反复阅读代码、修改文件、调用工具,有些任务执行很长时间也未必能成功。

这对训练数据、环境和算力的要求都非常高。

所以,美团还优化了异步强化学习。简单理解,就是不用等所有任务都执行完,已经完成的可以先用于训练,没完成的先保存下来,下次接着执行,减少训练过程中的等待时间。

当然,还有国产算力。

就这一点,我觉得美团还是挺有魄力的。

当然从美团的角度来看,这肯定不是什么情怀。美团选择国产算力,主要还是考虑长期的成本,以及对底层基础设施的掌控。

不过,这条路确实没那么容易。

因为现在很多大模型的训练和推理技术,都是围绕英伟达 GPU 发展起来的。换成国产芯片,很多东西都得重新优化。

比如显存怎么分配,多张卡之间怎么传输数据,怎么让芯片尽可能高效地运行。模型规模越大,这些问题就越麻烦。

所以,美团这次的技术博客,花了相当大的篇幅讲这些工程优化。

举个例子,他们做了 W4A4 量化,把模型的专家权重和激活值都压缩到 4 bit。

简单理解,就是让模型在计算和传输过程中,尽量少占用资源,同时还得保证精度不出现明显下降。

按照官方公布的测试结果,相比 W8A8,Prefill 和 Decode 的吞吐量都提升了 43% 左右。也就是说,在相同的测试条件下,单位时间内可以处理更多 Token。

这些工作还是挺有价值的。

#03

实测 Case

前面把模型的整体情况给大家过了一遍,接下来再 Share 一些我们团队做的 Case。

网上关于 LongCat-2.5 的评价还挺多。从我们自己的测试来看,它和全球最头部的几个模型相比,肯定还有差距,有些任务上的差距甚至挺明显。

但如果从可用性的角度来看,我觉得 2.5 应该是个挺重要的分水岭。

因为 LongCat-2.0 刚发布的时候,我也测过。当时的体验,怎么说呢,确实普通。但到了 2.5,我明显感觉到,它已经逐步跨过了可用的门槛。

这也是为什么,我愿意花这么多时间写这篇文章。

我们团队拿它跑了一些真实的后端开发任务。不过,考虑到要给大家直观地展示模型的长程任务能力、视觉理解和审美水平,还是前端的 Case 更合适一些。

所以,我照例找了几个之前测试其他模型时用过的中高难度 Case,让 LongCat-2.5 也跑一遍,大家看下它的水准。

第一个,我用 LongCat 做了一个汾酒瓶各种包装的 3D 展示页。我喂给了它一张网上找的出口日本版汾酒的照片,让它做成一个可以交互改变汾酒瓶的效果。

除了切换镜头角度,还能调整瓶身的样式,还有一些细节等等。大家先看最后的效果。

一开始做的时候,LongCat 先从原图片里裁出瓶标和瓶颈的蓝白纹样。对瓶标做了透视校正和去底,再贴到用 Three.js 做出来的瓶身上。

文章图片

等到第一版跑出来的时候,我看了下效果,瓶身偏瘦,瓶标又有点宽。然后,还有个更明显的问题。印花的图案位置搞反了。我就让 LongCat 接着调。

它检查了图案在瓶身上的位置,发现左右的映射写反了。改完以后,它又分别检查了左侧、右侧、两侧和环绕四种摆法。

还有一个细节,印花和瓶标有时会叠在一起,它就调整了绘制顺序,让汾酒的标识留在上面。瓶身比例和瓶标大小也在这几轮里一起调了。

文章图片

这个 Case 交互效果最难的一点是,酒瓶的造型要跟着滑条随时变化。我在这块费了不少时间。

比如,瓶身宽窄、肩部高低单独拖动滑条调整时,画面里的酒瓶要跟着变化。还有直筒型换成葫芦瓶,瓶身的曲线变了,原来的瓶标也要贴合新的轮廓。

LongCat 在这里做了一个处理。连续拖动滑杆时,它每帧最多重建一次瓶身,避免滑条一动就反复重新计算。印花也可以调大小。这样就能一边改瓶型,一边看图案的效果。

文章图片

接着,我让 LongCat 做了一场 3D 像素风的羽毛球比赛。开场时裁判走到球网旁就位,两名选手从场边走进各自的半场,然后开始比赛。

右侧能切换场馆风格、镜头,还能查看比赛数据。

刚开始做成了一个像大型的室内球馆。我想让它更像一座摆在桌上的微缩球场,就让 LongCat 保留底座、看台、裁判椅和灯柱,拆掉四周的墙,改成露天场馆。

镜头从球场一角斜着能看到四条边线、球网和两名选手。

文章图片

这个 Case 费工夫的是双人对打。球飞过来了,选手开始挥拍,但人还没移动到能接住球的位置,或者是打上两下,然后一回合就结束了,没有观赏性。

我就让 LongCat 继续优化。

它是这么处理的,通过让选手在挥拍途中朝预计的落点探一步,让球拍在触球的那一刻能接上球。比赛中也加入了选手会后撤打高远球,也会上网挑球,碰到机会还会起跳扣杀。

它同时调整了镜头。场边机位抬高一点,裁判椅就不会挡住选手。切到近景,镜头从持拍手那一侧拍,脚步、手和球拍能同时入画。

上一分打完还可以回看,回放中能切近景、用半速看等等。

文章图片

最后就是对所有模型都会出现的一个老问题的修改了,就是人物之间的相对比例不正常,大的大,小的小。

LongCat 用网的高度当做参考,让选手、裁判和观众用同一套成人比例,还对转肩引拍、起跳、落地和跨步救球的姿态进行了重做。

文章图片

继续,我用 LongCat 改了一下我们 AI Maker Summit 大会的后台概览页的效果。主要优化了一下经营趋势的柱状图、折线图。

图表的交互我给了参考视频。LongCat 从里面拆出了几个细节。比如鼠标移到某一天,当天的柱子会亮起来,其他柱子变淡,同时浮层显示日期和数值。

还有折线下方的渐变填充,以及柱状图的峰值高亮。

文章图片

#04

写在最后

我想了一下,目前做大模型的公司,大概可以分成三类:

1)像 Kimi、智谱、MiniMax 这样的 AI 创业公司。

2)阿里云、火山、腾讯这样,本身就有云计算和算力基础的大厂。

3)美团、小米这一类,本身有大量应用场景的互联网和硬件公司。

从今年的情况来看,互联网应用公司也跟上来了。

所以未来整个模型市场到底会怎么分化,我现在也不敢下结论。

也许通用大模型最后真的只剩两三家头部公司,那其他公司的模型怎么办?会不会更多转向自己的业务场景,做更贴近内部需求的模型?现在还不好说。

但第三类公司自己做模型,确实可以原汤化原食。

因为它本身就有大量真实业务,有用户、有数据。模型训练出来以后,不需要再满世界去找落地场景,直接就可以塞回自己的业务里不断迭代。

对美团这个模型,我总体的看法是,大家可以再多有一点点耐心。毕竟从训练到推理,整个链路都建立在国产算力上,这件事本身难度就相当大。

跳转微信打开

  •  

字节即梦下场做了个 AI 短剧工作室。

原创 阿颖 2026-11-10 17:56 北京

字节跳动旗下的头部 AI 创作平台即梦,正式上线了短剧工作室。这个功能是真好用啊。

文章图片

大家别误会,AI 短剧工作室,可不是什么实体工作室,而是一整套面向短剧创作的工作流。

从最开始的灵感、剧本,再到后面的分镜、视频生成和后期剪辑,都可以在这里搞定。

记得今年 3 月,小云雀就推出了短剧 Agent。

看来,过去半年,这套工具已经成熟,然后进一步整合到了即梦当中。

字节手里有行业最强的视频生成模型,即梦对内容创作领域又有足够深刻的理解。

现在他们把这些优势放到了一起,做成面向专业创作者的完整 Agent 工作流,让短剧创作不仅生成画面精彩,更可以系统管理完整项目。

文章图片

昨天在群里聊天,才发现居然还有很多同学不知道即梦的这个功能。

其实我写过不少做类似方向的创业公司,他们今年前半年都找到了 PMF,增长非常猛。

毕竟视频、图片的应用场景实在太多了,比如电商宣传片、广告视频、产品海报,以及各种营销素材。

即梦的短剧工作室,相当于在 Seedance 视频模型的基础上,向前和向后延伸到了全流程,把整套短剧制作流程都串联了起来。

因为当视频模型跨过可用的门槛之后,创作者真正关心的,已经不只是能否生成一段高质量的视频了。毕竟大家最终想要的是可用的作品,而非片段。

所以,接下来的机会是怎么把整个创作流程变得更简单。

即梦这套创作 Agent 的能力,我就不挨个介绍了。说几个我特别感兴趣的功能。

他们专门做了一个叫 DreamScript 的剧本模型,这也是我目前看到的同类视频创作工具里,比较少见的能力。

文章图片

毕竟当视频越来越容易生成之后,最重要的问题就变成了,我们究竟要拍什么?尤其是短剧,故事和节奏本身太重要了。

为什么要专门做剧本模型?我觉得这跟短剧本身的创作特点有很大关系。

大家可能都知道,现在利用通用大模型写故事,已经不是什么难事了。给它一段提示词,让它写几千字的故事,甚至写一本小说,都能做到。

但把小说改编成短剧,其实是另一回事。

小说可以花很长的篇幅描写人物的心理活动,慢慢交代故事背景,铺垫人物关系。

但短剧不一样。它得把文字里的故事变成具体的画面、人物动作和台词,而且节奏通常要快得多。

比如,小说里写女主角发现丈夫背叛自己,作者可以用几千字描写她的心理变化。但改编成短剧,就得考虑怎么把这件事通过画面表达出来。

是让女主角偶然发现手机里的消息,还是让她在某个场合亲眼撞见?两种处理方式,带来的剧情冲突和观众感受完全不一样。

给大家看下剧本创作功能的用法,我把最近正在看的一段小说喂给了它,最终它帮我生成了一个短剧的剧本。

我认识的做短剧的团队,并非都有专业的编剧。即便有,在现在这样的行业节奏下,对效率的要求比较高。

最近我聊过几个做短剧的朋友,他们无一不提 AI。确实,AI 已经开始成为短剧团队拉开效率差距的关键。

对于没有经验的创作者来说,可以先让 AI 快速生成一份 60 分的剧本,再在这个基础上修改和打磨。

而对于经验丰富的编剧来说,AI 又能帮他们更快地尝试不同的剧情设定,提高产出好剧本的效率。

DreamScript 这个剧本模型,针对短剧剧本中非常重要的题材、核心梗、人物设定和故事结构,做了专门的优化和训练,可以说相比通用大模型,更懂短剧的爆款规律。

大家看下面的截图,生成剧本之后,每一集都有对应的故事设定和具体剧情,我们可以在这个基础上继续修改。

文章图片

这样,创作者可以从最开始的灵感或者已有小说出发,让 AI 帮忙整理人物关系、设计剧情,再生成适合短剧的分集剧本。

或者如果已经有现成的剧本,那可以让 AI 来帮忙分析和优化剧本。

文章图片

下面是我用剧本医生来让它诊断已有的剧本。

文章图片

这个功能挺实用的。因为短剧非常讲究开头,尤其是前三集,主角身份和核心冲突得尽快交代清楚。

如果这些问题在剧本阶段就能发现,那修改起来相对容易。但如果已经生成了大量分镜和视频,才发现故事本身有问题,前面的很多工作可能都白做了。

可能有人会问,为什么不用 ChatGPT 这样的通用大模型来写剧本?

其实我也试过。

但最后深刻的意识到,通用模型虽然什么都懂一些,但对于短剧这种很垂直的创作场景,未必真的了解其中的门道。

有时候生成的剧本看起来挺专业,人物设定、故事结构都有,但仔细读下来,就会发现它对短剧的节奏、冲突和观众喜好的理解还是差点意思。

所以,即梦这个剧本模型真正有价值的地方,恰恰在于模型本身就非常懂短剧。

文章图片

当然,这不意味着 AI 生成的剧本拿来就能直接拍。但至少,我们可以在初稿的基础上继续修改、调整,省去很多从零开始创作的工作。

再比如,DreamScript 可以根据设定的人物小传,逐句检查剧本里的台词。

文章图片

大家想想,写剧本的时候,人物的性格、身份和经历其实都已经确定了。但写到后面,尤其是剧集比较多的时候,很容易出现台词和人物设定不一致的问题。

这时候,就可以让 AI 帮忙检查哪些台词不符合人设,再给出修改建议。

这类工作其实挺琐碎的。过去需要编剧自己反复检查,尤其是剧集多、人物关系复杂的时候,很容易遗漏。现在交给 AI,能省下不少时间。

文章图片

剧本搞定之后,我们一般都会进入到具体的画面生成环节。

因为短剧通常是连续多集的内容,涉及大量人物、场景和镜头。剧本里确定的内容,后面都要逐步变成可以使用的素材。

比如,同一个角色会在不同场景里反复出现,前面穿什么衣服,后面是什么造型,都得保持一致性。

如果这些工作都分散在不同的工具里,就非常麻烦。中间只要修改了剧本,还得检查后面的素材和分镜是不是有问题。

但现在,因为所有的流程都已经统一在一个工具当中,所以,类似的衔接问题处理起来就会比较简单。

像下面的截图,生成剧本之后,我可以直接拆解里面的角色、场景,批量生成对应的图片资产。

文章图片

这些资产后面都可以继续复用。比如,同一个人物要在不同场景里出现,制作分镜的时候,就能直接关联前面已经确定的角色形象,不用每次都重新描述。

如果大家对 AI 短剧比较感兴趣,我强烈推荐,别绕弯路了,直接用字节的即梦短剧工作室。

Seedance 本身就是行业里最强的视频生成模型,底层模型和上层应用都是自家的,完全是原汤化原食。

这两天双 11 活动,官方 Seedance 2.5 的 720P 年卡方案,最低可以做到每秒 0.16 元。对于想尝试 AI 短剧创作的同学来说,门槛已经相当低了。

说到这里,我想起了当年 Anthropic 推出 Claude Code。

大家应该还有印象,Cursor、Windsurf 等 AI Coding 产品,最初就是在 Claude 等基础模型之上做应用,发展得非常快。

后来,Anthropic 推出了自己的 Claude Code,开始亲自做 Coding Agent。再后来,OpenAI 也推出了 Codex,越来越多的模型公司开始进入应用层。

现在,类似的事情也发生在 AI 视频行业了。

即梦的短剧工作室,应该会是今年 AI 视频行业的重要转折点。因为它意味着,行业里最好的视频模型厂商,也正式下场做全栈的视频 Agent。

当底层模型公司开始把模型能力和完整的工作流结合起来,整个行业的竞争逻辑就会发生变化。

AI Coding 经历过这样的变化。现在,AI 视频行业也开始了。

跳转微信打开

  •  

我早就不用传统输入法了。

原创 阿颖 2026-11-09 10:53 北京

我发现,人真的很难被说服。

之前我一直劝同事试试语音输入法。但他很抗拒,说自己社恐。我解释说其实不用担心,在工位上,悄悄的讲就行,旁边的同事听不见。但同事还是无法接受。

我也不好意思再说服。要不然好像我在把自己的想法强加给别人。反正我早就已经卸载了使用多年的搜狗输入法。

结果上周五,我发现这哥们居然开始用语音输入法了。挺意外的,他说,最近终于意识到,语音输入真的能够大幅提升和 AI 沟通的效率......

我特别开心,感觉人到中年,仍然愿意改变之前的工作习惯,尝试新的东西,保持好奇心,这应该是非常重要的品质。

看来,最终还是得自己说服自己啊。

#01

免费的语音输入法

反正我的建议是,如果你还没有真正深度使用语音输入法,一定要试试。虽然改变习惯很难,但改变之后的收益也会非常大。

包括我现在正在写的这篇文章,其实初稿也是通过语音输入法完成。

最近我开始在电脑上深度使用网易有道推出的叭哥说。这个语音输入法挺好用的,有几个优点:

1)官方承诺终身免费

2)不收集隐私,语音和文本云端不留存

3)速度快

4)识别准确,特别是中英文夹杂的场景

5)轻量,不卡顿

之前 AI 的小圈子里头很流行 Typeless,硅谷的一款 AI 语音产品,确实做的很不错。但这个产品是付费的,我也间歇性的用过几个月。

但后来停了,因为这玩意一年下来成本不低。说到这也是一把泪啊,AI 这几年好像啥也没干,光顾着给各种 AI 软件交订阅费了。

如果你之前习惯使用 Typeless,基本可以无缝切换到叭哥说。而且,就我个人的体验来说,叭哥说的转写比 Typeless 要快。

或者如果你之前一直用百度、搜狗、微信输入法,也没有关系,完全可以搭配着使用。我现在就是这样。正常敲字精准修改的时候,还是使用传统的输入法。

但只要需要和 AI 深度沟通,我就直接使用叭哥说。

叭哥说的交互方式我特别喜欢。

只需要按一下快捷键,就可以开始说话,不用一直长按。等说完之后,再按一下,它就会自动转写,把你刚才说的话整理成一段完整的文字。

文章图片

有些同学可能会问,很多语音输入法都是长按快捷键,说话的时候就能实时看到文字。

我自己其实更喜欢按一下说,然后按一下停止,开始整理文字的交互。

因为很多时候,我们需要连续说好几分钟。如果一直长按某个键,反而不太方便。

另外,可能有人会担心,万一说了一大段话,最后转写失败了怎么办?我用了这么长时间,很少遇到转写失败的情况。而且叭哥说的输入历史会保存在本地,可以随时查看。

至少到目前为止,我还没有碰到过说了半天,最后文字全部丢失的情况。

文章图片

#02

我平时是怎么用叭哥说的?

我公众号的评论区,经常有用户说自己文笔不好,写东西难如登天。

其实对于我而言,写文章本身就是一种倒逼自己思考的方法。很多时候写不出来,核心是自己还没有想明白。反正我的习惯是,只要想明白了,我就可以直接通过语音把它表达出来。

比如下面的 Gif 图,前面这一大段话,如果让我用键盘敲出五六百字,我需要非常专注,保持心流。但是用语音输入就轻松很多。

因为人在说话的时候,可以把注意力集中在自己想表达的内容上,不需要分心考虑打字、标点、分段这些事情。

文章图片

叭哥说这个语音输入法,不是简单的语音转文字,它可以自动处理大量口语化的内容。

比如我在说话过程中,可能会有很多嗯、啊、那个,也可能突然停顿,或者说错了重新表达一遍。这些都没关系。

它会根据上下文理解我的意思,自动删除多余的口头禅、重复的内容,再把文字整理好。

下面这是我用语音输入回复公众号留言:

文章图片

我在说这段话的时候,中间有非常多的停顿、重复和口误。但最终生成的文字,已经相当流畅了,不用我再去修改。

前段时间参加一个活动,有朋友问我,AI 是不是大幅提升了我的写作效率?我回答,AI 带来的提升没有想象中那么大。反而是语音输入法,至少帮我提升了 3 倍的写作效率。

这是实话。

我在我们公司是极力推荐大家用语音输入。如果担心坐在工位上说话会打扰别人,可以配个收音设备。其实用苹果电脑的话,完全不用买,MacBook 的拾音水平还是非常强。

再或者如果你仍然极度社恐,不习惯在工位说话。也可以在需要重度输入的时候,找个空会议室,花几分钟把自己的想法说出来。

我们现在和 AI 交互的时候,经常强调 Context,也就是上下文。Context 的质量,会直接影响 AI 最后生成的结果。

当然,有些 Context 可以通过连接飞书、知识库、本地文件等方式获取。

但还有大量的 Context,其实就在我们自己的脑子里。

比如我们对于一件事情的理解,为什么想做这个项目,之前尝试过什么,遇到了哪些问题,以及希望 AI 最终做到什么程度。这些信息,很多时候都需要我们自己表达出来。

下面这是我日常和 Codex 沟通的场景。

文章图片

你想想,如果要把这些东西完整地敲出来,可能得写七八百字。对于大部分人来说,这绝对不是一件轻松的事情。

有时候,写八百字可能需要半个小时。但如果用语音输入,三分钟就可能讲完了。叭哥说能把这些口语化的表达自动整理成结构清楚的文字。

同样是把自己的想法交给 AI,别人可能需要花半个小时,你只需要三分钟。光是输入这个环节,效率就相差十倍。所以,我是真心觉得,大家应该尽早适应这种工作方式。

文章图片

还有,像我平时和 AI 沟通,经常会遇到中文、英文混合的情况。比如 Session、Anthropic、OpenAI、Claude 等等,这些词在我的日常工作里特别常见。

给大家看看叭哥说的识别情况。

文章图片

中英文夹杂的场景识别还是很准确。另外有些语音输入软件,听到 Claude,可能会识别成克劳德或者 Cloud。至少对于 AI 行业常用的一些词汇,我感觉它做过不少优化。

当然,也不是所有词都能一次识别对。比如昨天我在写 MiniMax 创始人闫俊杰的文章时,发现它总是把闫俊杰的闫,识别成严格的严。

这种情况我的解决方法是把对应的词汇加入到词典里。

文章图片

再比如,我有一位朋友叫柴小同,但语音输入有时候会识别成柴晓彤。遇到这种情况,同样可以通过添加词库来解决。

#03

写在最后

在 AI 时代,表达能力真的非常重要。但我觉得,也不需要什么事情都想得特别明白了再开始表达。这样就会陷入拖延症。

我的习惯是边说边想。

有了初步的想法,就直接讲出来,在说的过程中继续思考。反正对面是 AI,又不是同事。说得啰嗦一点,中间有停顿、改口、错乱,都没有关系,AI 不会不耐烦。

目前,我们和大部分 AI 的交互,还是通过文字完成的。但很多人明明有自己的想法,却未必能很好地用文字表达出来。

这也是我为什么一直推荐 AI 语音输入法。既然写出来有困难,那就先说出来,再让 AI 帮我们整理成文字。

文章图片

习惯以后你会发现,很多原本懒得敲出来的想法,现在都愿意完整地告诉 AI 了。

想起去年刚开始推荐语音输入法的时候,评论区就有不少人问我,如果长期用语音输入,会不会导致文字表达能力,甚至思考能力下降?

我觉得这完全是杞人忧天啊。

毕竟无论是用键盘打字,还是通过语音输入,都只是表达想法的不同方式。真正重要的,还是思考能力。要是没想法,什么输入方式都白搭。

语音输入最大的好处是,我可以轻松地把自己的想法讲出来。如果讲到哪里觉得讲不下去了,那就继续思考、补充,然后重新再讲一遍。

所以我反而觉得,当表达的成本大幅降低,我们可以把更多时间和精力花在思考本身,而不用费那么大劲把每个字敲出来。

其实本质上语音输入法是降低了我们组织语言和整理想法的成本。

大家今天有时间,强烈推荐可以试试网易叭哥说这个产品。它的速度是真快啊。好用。

跳转微信打开

  •  

MiniMax 闫俊杰的这个访谈太犀利了。

原创 阿颖 2026-11-06 11:29 北京

MiniMax 创始人闫俊杰的这期新播客,非常不错。有不少增量信息,能帮我理解国内大模型的发展态势,以及 MiniMax 的思路。

如果没记错的话,这也是近半年来,国内几家头部大模型创业公司中,唯一的一次创始人深度访谈。播客的主持人是英国知名投资机构 BG 的投资人。

BG 这个机构可能很多国内用户不熟悉,但在海外还是很有影响力。

它成立于 1908 年,那时候国内还是清朝。

BG 这家机构长期以来的投资思路是,寻找那些有可能改变整个行业的成长型公司,所以,他们曾经投资过亚马逊、腾讯、特斯拉、英伟达……

并且,也投资了 MiniMax。所以,这期播客我听着听着就感觉,有点像 BG 对被投公司创始人的内部访谈。

BG 的投资人问的很直接,现在 AI 行业竞争这么激烈,MiniMax 的壁垒到底是什么。为什么一家创业公司要坚持做多模态,而不是像 DeepSeek 只做 LLM?

闫俊杰的回答也非常犀利,能看出来没有任何的包装和掩饰,很真诚。

我展开写下对我有启发的观点。

#01

中美模型的差距

关于中美模型的差距,几乎每次有表现不错的国模发布,大家都会提到类似的话题。

YouTube 上很多硅谷的 AI 精英也经常会讨论这事。反正众说纷纭吧,有时候说差距是半年,有时候又说三个月。

都是各自的感受,都不准确。

闫俊杰的判断是,过去三年,中国和美国模型的进步速度已经大致相当。

言外之意也比较清楚,就是硅谷的几个闭源模型仍然还是有领先优势,只不过,国内的模型也已经过了可用的临界点。

话说回来,虽然国内模型进步也很快,但最后 5% 的差距,可能比前面 95% 更难追。

这个道理,我觉得和我们平时做产品非常像。

一个产品从 60 分做到 80 分,可能相对容易。再往后,从 80 分做到 90 分、95 分,需要付出和前面同等的精力。

而且,硅谷和国内的 AI 模型创业公司,已经沿着两条不同的技术路线发展。

硅谷的头部实验室拥有更充足的资本、算力和先进芯片,可以投入大量资源,不断探索模型能力的上限。

但中国的模型公司,从一开始就面临算力不足的问题,尤其是创业公司,所以大家必须想办法,用尽可能少的算力,训练出足够好的模型。

其实这也能解释为什么国内的模型公司,这两年在模型架构、推理效率、训练基础设施等方面,做出了很多创新。

因为只有这样,才有出路。

闫俊杰说他的直观感觉是,算力的限制,确实让国内公司的工程师和研究人员变得更优秀。很多真正有价值的创新,都是这么被逼出来的。

就像我之前经常 PUA 自己的话,资源有限也许是好事。

闫俊杰说,他们内部不会过度关注某个时间点的模型排名,反而更关注长期的进步速度。

如果一个团队太在意短期排名,就很容易焦虑。今天看到竞争对手发布了一个新模型,排名超过自己,赶紧调整方向.....这样折腾下来,动作反而容易变形。

毕竟模型研发有很大的不确定性,谁也不可能保证每个版本都能取得突破,每一次技术选择都是正确的。

有时候你领先,有时候别人领先,这都很正常。

真正重要的,是能不能长期保持进步。

#02

MiniMax 名字的由来

还有一个很有意思的点,就是 MiniMax 这个名字的由来。我也是第一次听闫俊杰讲起。

之前知道月之暗面这个名字,来自杨植麟喜欢的摇滚乐队 Pink Floyd 的经典专辑。

但 MiniMax 这个名字,之前只是觉得挺酷,却没想过它背后有什么含义。

闫俊杰说,他们公司的名字里已经包含了他们创办这家公司的使命。

Mini 的意思是尽可能降低推理成本,让更多人能够用得起 AI。Max 则是尽可能拓展智能的能力边界。

这两件事,是他们创业之初就想清楚的。

而且,MiniMax 还有一句很重要的口号(我理解是使命),叫 Intelligence with everyone。

闫俊杰专门解释了,为什么用的是 with everyone,而没有选择 for everyone。

看起来只差一个词,但意思有明显区别。

For everyone,更接近于一家公司向所有人提供智能服务。With everyone,则强调所有人都能够参与进来,共同拥有智能。

这背后其实还有他们对 AGI 的理解。

闫俊杰说,他从一开始就觉得 AGI 最终不应该只属于某一家企业、某一个国家或者某个组织。

其实这也能解释,为什么 MiniMax 如此重视开源。

因为开源之后,更多开发者就可以基于模型继续研究、优化,开发自己的产品。企业也可以把模型部署在自己的环境中。

我对这一点还挺有感触的。

因为很多人可能觉得,公司叫什么名字,有什么使命、愿景,这些东西都挺虚的。

上周末,和一个刚刚创业的朋友聊过这个话题。他问我,创业最重要的是什么?

我说,讲得虚一点,我觉得公司的文化、愿景这些东西,其实非常重要。

十多年前,我刚开始创业的时候,也觉得这些东西没什么用,根本没当回事。

但这么多年下来,慢慢发现,尤其是我们这种小公司,大家能够长期合作,除了薪资、工作环境这些因素,很重要的一个原因,就是彼此有相近的价值观,认可公司正在做的事情。

如果除了赚钱之外,大家还有一些共同的追求,就更容易把一群人凝聚起来。

另外,我觉得公司的使命还有一个很实际的作用,就是能够指导日常决策。

因为创业过程中,每天都要面对各种选择。哪些事情值得投入,哪些事情应该放弃,很多时候就取决于你到底想做成一家什么样的公司。

MiniMax 就是一个很好的例子。

假如他们内部有一天讨论说,我们的最强模型不要再开源了。那其他同事完全可以反问一句,我们不是一直在强调 Intelligence with everyone 吗?这不就和公司方向背道而驰。

所以,公司的使命如果真的想清楚了,就会影响到后面很多具体的技术选择和经营决策。这也是为什么我越来越觉得,创业之初,把这些事情大致想明白,非常重要。

#03

为什么一定要做多模态?

MiniMax 只有 500 多人。我印象中,国内类似规模的模型创业公司,还有 Kimi 和 DeepSeek。

但 MiniMax 一直在多线作战。除了语言模型,还在同时研发音频、图像和视频生成模型。所以,人手肯定是非常紧张的。

而且,按照常规的创业逻辑,一家资源有限的创业公司,应该高度聚焦。比如集中资源把语言模型做好,或者专门做视频生成。

但闫俊杰从创办 MiniMax 开始,就决定同时探索语言、图像、音频等多个方向。

这其实非常冒险。因为每增加一个方向,就需要投入更多的研究人员、算力和资金。而且,每个方向都有一大批创业公司和科技巨头在竞争。

闫俊杰在访谈中也承认,如果一开始只专注一种模态,MiniMax 早期的进展可能会更快。

那为什么还要坚持多模态?

因为 2021 年创业的时候,他们相信 AGI 非常重要,但当时谁也不知道,AGI 最终会以什么形态出现。

所以,他们决定先在不同方向上积累技术,等到技术足够成熟,再把这些能力结合起来。

但后来做着做着,他发现多模态对于实现 AGI 非常重要。

感觉这个东西大家也是兼听则明。我记得之前梁文锋说,他们不做视频模型是因为这不在 AGI 的主线上。

闫俊杰的思路不一样。他认为,多模态能够提供更加丰富的数据,也是未来继续 Scaling 的必经之路。

如果模型只学习文字,那么它能够接触到的信息,主要还是文本。但现实世界中,还有大量信息存在于图像、视频和声音里。

比如,物体是怎么运动的,两个事件之间是怎么连续发生的,人的语气和情绪又是如何变化的。这些信息,很难只靠文字完整表达出来。

所以,如果未来还想让模型变得更强,就需要让它学习和理解更多不同类型的信息。这种设计虽然早期可能会慢一些,但这些技术积累,未来有机会在统一模型中发挥更大的价值。

MiniMax 目前有两条主要的模型系列。

一条是 M 系列,主要发展语言理解、推理、编程和 Agent 能力。另一条是 H 系列,主要发展视频等多模态能力。

闫俊杰的判断是,这两个领域未来不会一直分开。

这点我非常认同。

其实最近大家已经看到了一些类似的趋势。之前我还专门写过 Video as Code 的文章,讨论代码和视频之间的关系。

随着 AI 的发展,语言理解、编程和视频生成,未来完全有可能更加紧密地融合在一起。

现在的视频模型可以生成视频片段,但如果让它像专业剪辑师一样,理解完整的制作需求、反复修改镜头、调整内容,仍然很困难。

这时候就需要语言模型的理解和推理能力。

如果把两种能力结合起来,AI 就有机会从生成短视频片段,进一步承担广告、电影和设计领域的完整项目。

所以,MiniMax 接下来的计划,是继续提升两个模型系列的能力,在合适的时候,再把它们整合成一个统一的模型。

#04

壁垒是什么?

最后再聊聊我最关心的问题,像 MiniMax 这样的模型创业公司,壁垒到底是什么?我觉得顺着这个问题,也能理解国内不同模型公司这两年在忙什么。

首先是基础设施。

之前我写过,国内很多模型公司都想把模型规模扩大到 1T、2T,甚至更高。但模型参数越来越多,对基础设施的要求也会越来越高。

这有点像盖楼。

往上盖楼的方法,大家基本都知道。但楼层越高,对地基的要求就越高。地基撑不住,上面根本盖不起来。

大模型也是类似的道理。

我记得姚顺雨之前接手腾讯混元,做 Hy3 Preview 的时候,就反复强调要重建基础设施,包括预训练和强化学习的基础设施。

闫俊杰说,MiniMax 在研发过程中,一直坚持两个原则。

第一,尽可能保持模型架构和基础设施简单。

第二,持续投入基础设施建设。

因为建设基础设施,有时候确实会牺牲短期的产品发布速度。但模型规模越大,这些投入就越重要。

比如,一家公司能不能稳定运行大规模训练任务,能不能提高 GPU 的利用率,减少不必要的工程开销,这些都需要基础设施来支撑。

而且,这些能力很难靠某一次技术突破就彻底解决,需要长期积累。

其次是推理效率。这个问题我们感觉应该会更加直观。今年国模的额度,大家经常也吐槽。你会发现这个问题的根源,除了算力受限之外,本质上就是推理效率。

闫俊杰判断是,AI 公司的盈利能力,应该来自技术创新带来的成本下降,而非不断提高模型价格。

他认为,低推理成本是 MiniMax 在收入和利润方面的护城河。

因为推理效率高,可以直接带来两个优势。一方面,能够用更低的成本向客户提供 AI 服务。

另一方面,同样的算力预算,可以开展更多强化学习和数据合成,进一步提升模型能力。

也就是说,推理效率同时影响着模型公司的成本结构,以及下一代模型能够获得多少训练资源。

其实,我觉得从 MiniMax 的 H3 视频模型上,就能理解他们为什么如此重视推理效率。

大家看看 H3 的视频生成价格,就知道视频生成的门槛已经降到了什么程度。

因为对于很多小商家来说,以前花几千、几万块钱做一条宣传片,确实挺肉疼的。但如果现在花几百块钱,就有机会搞定一条宣传片,那很多原来舍不得花钱的商家,就愿意尝试了。

价格降到大家可以接受的范围,新的需求也就随之而来。

但问题是,谁不知道低价好卖啊?

对于模型公司来说,你不能为了吸引用户,一直贴钱提供服务。价格降下来了,还得保证自己有合理的利润,这个生意才能长期做下去。

所以,真正考验模型公司的,就是能不能通过技术创新,降低推理成本。

第三个壁垒是技术判断。

硅谷的前沿实验室拥有比较充足的算力和资金,可以同时开展大量实验,寻找有效的技术路线。

但像 MiniMax 这样的创业公司,没有那么多资源可以挥霍。

所以,他们必须尽可能缩小实验范围,提前判断哪些技术方向值得投入,争取用更少的实验取得好的结果。

而且,现在模型研发的成本越来越高,一次错误的技术选择,可能意味着大量算力和几个月的研发时间都打了水漂。

这其实非常考验一家公司的技术一号位。

因为很多技术方向,在刚开始探索的时候,根本没有明确的答案。但资源就那么多,你必须做出选择。

如果大家看过最近的那一篇公众号文章《中国 LLM 讨论纪要》,应该会更能理解这些技术选择背后的难度。

不再过多展开了。上面这些只是我自己比较感兴趣的几个话题,其实整期播客的信息量非常大。

而且,我个人还挺喜欢听闫俊杰的访谈。去年他和老罗的那期,以及这次 BG 的访谈,我都是没有开倍速,完整听了两遍。如果大家有时间,我还是强烈建议去听听原版播客。

因为很多时候,文字只能传递一部分信息。一个人说话时的语气、停顿,以及回答问题时的状态,其实也包含了很多信息。

至少我自己的感受是,闫俊杰的表达非常真诚,也能感觉到他对当下模型竞争有自己独特的判断。

明年模型的竞争应该会比今年更加激烈。

因为现在大家已经看到,字节、腾讯这些传统大厂也逐渐追了上来,模型创业公司过去靠押注 Coding 建立的一些先发优势,也会慢慢被削弱。

咱们评论区交流。

跳转微信打开

  •  

惭愧,我才真正看懂这个 AI 开源产品。

原创 阿颖 2026-11-05 19:57 北京

惭愧惭愧,我才真正看懂 LobeHub 这个产品。

虽然之前经常在开源社区看到有人提起这个项目,DeepSeek 官方在展示模型能力的时候,也好几次用这个产品作为演示平台。

但我之前一直是沿着 Codex 的惯性思路理解这款产品,下载过好几次,始终没有 Get 到它究竟想解决什么问题。

直到上周末,DeepSeek Harness 团队发布了一篇关于 Super Agent 的设计探索。我看到不少人讨论,这不就是 LobeHub 一直在做的事情吗?

如果大家没看 Super Agent,我觉得也别焦虑,这玩意其实就是 Personal Agent......换了个潮流的新名字。

我也是昨天才恍然大悟。

先给大家看一下,这是 LobeHub 的 GitHub 仓库,已经有 8 万多 Star 了,也是一个由中国开发者发起的开源项目。

文章图片

作为一个产品经理,我一直很认同张小龙的一个观点,设计就是分类。所以,要理解 LobeHub,我想先从它的产品结构说起。

我们先拿 ChatGPT 来做个对比。

文章图片

左侧最上面是新聊天,每次新建聊天,就会产生一个新的会话,也就是我们经常说的 Session。

下面是项目。比如截图中有两个项目,一个是 wechat,一个是 AI Maker Summit。项目可以简单理解成一个带有共享上下文的文件夹。

我们可以把相关的聊天、文件和资料放到一起,方便管理。

接着再看下 LobeHub。

文章图片

你会发现,它的产品结构完全不一样。

首先,左侧最重要的位置变成了任务,下面还有文档等功能。左下角增加了助理入口,右侧下方还有未读消息,方便查看任务的最新进展。

我说一下自己的理解,不一定完全准确,没有和官方团队求证过。

LobeHub 最重要的设计之一是用任务替代了 Session,毕竟 Session 这玩意严格讲,仍然还是过于繁琐。

就像 DeepSeek 在 Super Agent 那篇文章中就提到的:现在主流的 Agent 设计,单任务的上限取决于模型能力,多任务的上限取决于人的注意力。

什么意思呢?

现在 Codex、Claude Code 已经能够独立完成很多复杂任务,但如果我们同时运行十几个甚至几十个 Session,就得不停地切换窗口、检查进度,还要记住每个 Session 的上下文。

Agent 的能力越来越强,人却成了多任务执行的瓶颈。

所以,DeepSeek 的设想是让人摆脱对 Session 的管理。Session 应该成为系统内部的实现细节,不应该再成为用户的认知负担。

过去很多 AI 产品都采用聊天界面,某种程度上延续了早期大模型以对话为中心的交互方式。

但用户真正关心的是自己的任务、项目和目标。至于系统内部调用了多少次模型、创建了多少个 Session,或者由哪些 Agent 执行,其实都不需要用户操心。

而 LobeHub 这个产品,很早之前就这么做了,只是它没 DeepSeek 那么大的影响力。

DeepSeek 现在干啥都有些明星效应,其实,我觉得 Super Agent 也没那么邪乎,几乎都是最近 Agent 的新趋势。

哎,话说回来,这也侧面说明创业公司真的还是应该重视宣传。酒香不怕巷子深的时代过去了。

LobeHub 把任务当成最小的原子单元后,很多问题就迎刃而解了。我截个图,这是我刚创建的一个任务:

文章图片

这样理解就自然多了。

因为我们找 AI,本质上还是以任务为单位。说白了,我们找它,就是希望它帮我们做成一件具体的事。

不知道大家有没有用过一些任务管理工具。比如我们团队很早以前用过 Teambition,当时大家协作的方式就是创建任务、指派任务,再由同事去完成。

现在其实也一样,只不过以前是把任务派给同事,现在是把任务交给 Agent 去执行。

创建完任务之后,LobeHub 会继续澄清需求。比如,交付物是单个的 HTML 文件,还是完整的工程项目?它会通过选项的方式让我确认。

文章图片

再往后,它会自己把这些信息整理成一份更完整的任务描述。就像下面截图这样。

而且我可以直接修改。

比如,它写的是带人物模型的球员做投篮动作,我一看就知道这不准确。因为我真正想表达的,不是一个人在投篮,而是两个人在对打,有进攻,也有防守。

文章图片

最打动我的,是下面截图里的这个交互。

任务开始运行之后,LobeHub 会自动生成一份验收清单,明确这个任务需要满足哪些条件,才算真正完成。

文章图片

我记得今年六七月份的时候,大家特别喜欢讨论 Loop Engineering。最近好像没那么热了,但这个理念其实非常重要。

它有个核心的思想,就是我们给 AI 下达任务的时候,除了告诉它要做什么,还得明确什么样的结果才算成功。

这样 AI 才能在执行过程中,不断检查自己的工作,发现问题就继续修改,直到满足预先设定的验收标准。

所以,LobeHub 其实把这套理念很好地融入了任务管理中。有了任务描述和验收清单,AI 就可以自己 Loop 了。

这类的设计确实是大趋势,这么一想,ChatGPT 的很多设计还是过于技术向了。不是真正的 C 端产品。

让用户管理任务,Agent 系统自己管理 Session(会话)。而且 Skill 的调用这些,也全部是自动管理,不需要人来介入。

比如下面我让它做一个 Slides,它会自己搜索安装 Skill。

文章图片

这是最终的成果,非常非常好看啊。

紧接着,我们再看看 LobeHub 在助理,也就是 Agent 这一块的设计。

点击加号,就可以创建自己的 Agent。而且,它还支持接入我们已经在使用的 Claude Code、Codex 等 Agent,统一管理。

文章图片

或者,也可以直接到助理市场里,找到其他人分享的 Agent,添加到自己的工作空间。

文章图片

助理的逻辑其实很好理解。

还是前面我举的 Teambition 的例子。下面我直接放一张 Teambition 创建任务的截图。大家可以看,创建一个任务,需要填写标题、任务描述、截止时间,还要指定负责的同事。

文章图片

为什么要指定负责人呢?我这问题问得比较二愣子,哈哈哈。

但为了理解这套逻辑,还是解释下。因为不同的同事擅长的事情不一样。有的擅长做产品,有的擅长写文章,有的负责技术开发。我们肯定要把任务交给最合适的人。

LobeHub 也是一样的思路。

只不过,以前我们把任务指派给同事,现在可以指派给不同的 Agent。比如,我们可以创建一个产品 Agent、一个写作 Agent、一个开发 Agent。

每个 Agent 都有自己的角色设定,也可以配置专门的知识库、工具和 Skills。

这样一来,不同的 Agent 就可以承担不同的工作。

而且,一个任务还可以交给多个 Agent 协作完成。比如先让产品 Agent 整理需求,再让开发 Agent 写代码,最后让测试 Agent 检查结果。

整个过程中的任务描述、执行进度和讨论记录,都可以保存在同一个任务里,方便不同 Agent 之间交接。

所以,LobeHub 这套产品设计,本质上就是把我们熟悉的团队任务管理方式,用到了 Agent 身上。

比如,我可以在任务中,通过艾特的方式引入其他 Agent 进来。

文章图片

当然在助理的那个入口,也可以直接创建一个助理群组。也就是一个团队,它会自动创建一系列的 Agent 来分工完成任务。

文章图片

写到这里,我感觉应该说清楚 LobeHub 的基本组织逻辑了。你可以把它理解成一个 AI 版本的 Teambition,或者我们现在经常使用的项目管理工具 Linear。

但如果只做到这一步,显然还不够。

因为任务虽然交给 Agent 执行了,但仍然需要人来创建任务、分配工作、跟进进度。

说到底,人还是在当项目经理。就像之前我们同事用任务协作系统,最烦的就是去建任务。IM 里都已经有任务的背景了,为什么还需要人创建呢?

所以,DeepSeek 在 Super-agent 那篇文章里,除了强调跨 Session 的连续性和多任务并行,还特别提到了两个能力:主动性和持久性。

持久性我就不解释了,这玩意现在大家都比较熟悉了,大致就是说 Agent 可以长期在线,最典型的实现方式就是云电脑。

主动性的话,我得把 LobeHub 的助理接入到飞书中,给大家看看。

每个助理都可以对应到飞书中的一个 ID。

文章图片

其实,DeepSeek 提出的这些 Super-agent 能力,LobeHub 早已经把其中很多核心设计做成了产品。所以,我觉得也没必要把 DeepSeek 这次的探索过度神话。

包括我们最近讨论的 Meta Muse,其实也在沿着类似的思路发展。

Agent 发展到今天,对于普通用户来说,Session 本来就是一个技术概念。大家不应该还要自己琢磨怎么管理会话、怎么维护上下文。

用户的想法其实很简单。

我就把 Agent 当成自己的一个同事,有事情直接交给它,它自己想办法完成。而且,它最好还能长期跟进我的工作,了解我正在做什么,发现有些事情需要处理,就主动去做。

这里,我创建了一个谷雨研发助理,把它接到我的飞书中。

文章图片

在唤醒策略的 Tab 里,可以调整 Agent 主动参与群聊的规则。

文章图片

如果大家看过 DeepSeek  Super Agent 的文章,应该记得他们专门讨论过 Fast Path / Slow Path 两级过滤机制。

因为群里每天都有成千上万条 IM 消息,不可能每条都让大模型判断一遍,这样成本太高了,而且 Agent 也不能动不动就在群里插话。

所以,他们的思路是第一层先通过程序规则,筛选消息来源、群聊范围等条件,把大量无关消息彻底过滤掉。

第二层再交给大模型,结合上下文和 Agent 的职责,判断这事是否需要自己介入。

LobeHub 也是类似的思路。可以设置监听的频道、关键词,以及唤醒的灵敏度,让 Agent 根据自己的职责决定是否主动参与。

所以,我感觉 DeepSeek 这次的 Super Agent,真的是个集大成者。很多人觉得新鲜,其实不新鲜,很多设计像 LobeHub 这样的产品都已经实现出来了。

文章图片

接着,我直接在飞书群里 @它,让它根据谷雨用户反馈的问题,点了回答里的来源,跳到视频以后,突然忘了刚才要核对的内容。

结合现有的资料,给我写一个优化用户体验的改动方案。

它很快找到了对应的反馈,还带出了相关反馈,视频跳转后,偶尔出现一句话已经说了一半的情况。这样,后面修改调整时,考虑的地方就更周到了。

文章图片

而且,还对应写了具体的改进思路。

文章图片

我让它结合目前有的资料和素材,给谷雨这个产品做一条宣传短片。

文章图片

拉了其他 Agent 同事进来,这样他们可以协作。比如,直接问抬杠兄弟的思路。

文章图片

这个感觉真爽。Agent 之间的协作。

文章图片

不需要艾特,对应的 Agent 会知道哪些消息应该他回复。

文章图片

具体的技术细节,我就不展开了,这篇文章已经挺长了。

我也是这周才开始认真看 LobeHub 的开源代码。话说这个项目是开源的,感兴趣的同学完全可以自己去研究。

尤其是正在做 Personal Agent,或者多 Agent 协作产品的团队,他们的实现细节确实很有启发。

因为很多设计看起来很简单,但背后其实都有非常具体的技术取舍。

比如 Router 和 Worker 双层架构,听起来没什么复杂的,不就是一个 Agent 负责协调,其他 Agent 负责执行吗?

但真正做起来,就会遇到很多问题。

比如,为什么不能让 Worker 直接在群里汇报工作?因为多个 Agent 同时输出执行过程,会产生大量噪音,严重干扰人的注意力。

所以,LobeHub 最后选择让 Worker 先向上层 Agent 汇报,再由它统一和人沟通。

再比如,为什么 Router 最好不要亲自执行具体任务?因为它需要随时接收消息、协调不同任务。一旦自己陷入某个耗时的任务,其他任务就可能被阻塞。

看起来只是一个简单的分工机制,实际涉及上下文管理、任务调度、执行效率,以及怎么减少对人的打扰。

类似这样的细节还有很多。这周,我就准备继续啃他们的源代码了。

跳转微信打开

  •  

对腾讯新模型 Hy4 的真实评价。

原创 阿颖 2026-11-04 18:48 北京

Hy4 正式发布了。朋友圈里,能感觉到腾讯同学的兴奋。因为这次官方 Release Blog 的第一句话是:Hy 首次跻身最强开源模型之列。

从 Hy3 开始,混元每一次发布新模型,我几乎都会阅读他们的 Blog,经常看我文章的同学会知道,我的口头禅是,Release Blog 中有最一手的信息。

我听在几个大模型公司任职的朋友讲过,他们每次发 Release Blog,一号位都会逐字审核和修改。

所以,可以推断,这个 Blog 的表达一定程度上代表了模型团队最真实的想法和状态。

文章图片

之前混元的表达一直比较谦逊,即便模型能力有了明显提升,也从没把话说这么满过。比如下面截图是当时 Hy3 发布时他们对模型能力的定位。

文章图片

但这一次 Hy4,很明显,他们还是很有信心。

周末和某大模型创业公司的哥们交流,他说,这几个互联网大厂里,过去一年模型进步最大的,绝对是腾讯。毫无争议。

今年年初,大家对 Hy 的评价,基本上还是路边一条。但后来 Hy3,再到 Hy4 preview,以及今天的 Hy4 正式版,我自己也能明显感觉到,腾讯这一年的进步确实太快了。

之前使用 WorkBuddy,遇到稍微复杂一点的任务,我总是习惯切换到 Kimi 或者 GLM 等等模型。但自从 Hy4 preview 发布之后,我发现需要切换的次数已经越来越少。

从 Hy3 preview 到 Hy3,腾讯主要扩大了后训练的规模,通过提高训练数据质量、增加强化学习的算力投入,提升模型的智能水准。

但这一次 Hy4 正式版,官方明确提到,预训练和后训练的规模都进一步扩大了。

文章图片

也就是说,Hy4 的 Base Model,和 preview 版本已经有所不同了。

他们在原有 preview 模型的基础上,继续投入了更多数据和算力进行训练。

而且,官方也明确提到,这次 Hy4 首次引入了视觉理解和电脑操作能力。

文章图片

所以,我的判断是,这次扩大预训练规模,应该也有一部分投入到了视觉能力和 Computer Use 的能力建设上。

视觉理解能力我也测试了一下,目前主要还是针对图片。

之前的 Hy 版本虽然也能处理图片,但更多是通过其他视觉模型或模块配合完成的,并不是 Hy 语言模型本身直接具备的能力。

这种方式在不同模块之间传递信息时,就会丢失一些细节。

而现在 Hy4 支持了原生的视觉理解能力,可以直接结合图片信息进行理解和推理,尤其是识别图片中的细节、分析复杂图表等任务,确实会有更好的表现。

官方的说法是,他们这次大幅提升了指令遵循、长文理解、长程任务、深度研究等各项综合能力。

我说下自己的感受:

1)幻觉体感上进步不小,特别是金融类的 Case。

2)审美有提升。页面的布局和字体搭配,比之前耐看很多。

3)前端视觉类的任务,因为有了原生的视觉能力,确实效果更好。

4)复杂任务上有时候过度思考的问题解决了。

下面我用 Hy4 做出来的一个卡片效果。之前在 X 上看到的。直接扔视频,它给复现了出来。

鼠标滑过,悬挂的卡片会自动翻转。鼠标悬浮在卡片上面动的话,又会有对应的倾斜角度的效果,以及鼠标指针周围还有一圈光晕的特效。而且还可以左右滑动切换。

这个任务大概消耗了 3000 多万 Token。对比 Hy4 preview,我最明显的感受是,有了原生的视觉理解能力,模型对页面布局、色彩搭配和各种细节的把握确实都更好了。

文章图片

给它视频,虽然它仍然需要先转换成一帧帧图片再进行理解,但至少能够直接分析画面里的内容,理解页面的视觉效果和设计细节。

尤其是在复刻网页或者制作复杂交互时,模型可以参考画面中的实际效果,不断调整代码,最终做出来的东西和参考素材也更接近。

我还用 Hy4 做了一个在街头打篮球的场景。这个 Case 非常复杂。我之前用其他几个模型都跑过,效果不好。

这次 Hy4 搞定了。

可以看到,镜头会一直跟着场上持球进攻的球员移动。球员之间有投三分、突破上篮、盖帽等一系列攻防动作,场边的观众也在不停地加油助威。

这个 Case 之前我用另外一个模型做过,已经有了初步效果,但我不太满意。因为整体看起来有些塑料感,人物的体态和动作也比较僵硬,不够自然。

这次,我直接把整个项目交给了 WorkBuddy 里的 Hy4,让它在现有基础上继续优化,重点调整场景的材质、人物形象和球员的攻防动作,尽量让整个画面看起来更加逼真、自然。

文章图片

后面我继续加要求,让 Hy4 把双人单挑的逻辑补完整。两名球员要轮流进攻和防守,抢到球以后要按规则清球。镜头也得配合动作变化等等。

它重新整理比赛逻辑,再连续运行回合检查。中间发现投丢的球会飞得太远,再被拉回场内。镜头虽然改了缩放数值,实际取景仍然太远。

它就继续修正出界判断和镜头的取景范围。

文章图片

最后,又进行了 16 次进攻测试,顺便还测试了机位组合。

文章图片

当然,中间有一些细节需要几次调整。比如,各种得分的动作细节、不同回合的节奏什么的。我不再啰嗦。

但从这个过程看,Hy4 在这类视觉类的长程任务中,确实还是能做出来让人惊喜的水准。

继续,我用 Hy4 做了一个 3D 的庭院场景,可以看到场景中的亭子、石头、石灯等的建模都很不错,水面有轻微的涟漪,还加了反光的效果,很漂亮。夜晚的景色更美。

先给大家看看最后的效果。

这个任务比较考验所有元素的材质和场景中物体的空间位置关系。

前面有一版处理时,水面一直偏奶白,池底看不清。我让它调整优化时,它就把渲染过程拆开检查,先单独输出池底,再分别检查折射和高光。

最后发现,池边泡沫的计算写反了,把近白色的泡沫混进了整个池面。

文章图片

后面就是反复优化建模和材质,过程中我忽然想到看看 Hy4 能不能调用一下我的 Blender 去搞定。我就问它你能不能调用 Blender。它说可以通过 Python 脚本去调用。

文章图片

之后,它分批编写 Python 脚本,调用本机 Blender 建模,再把模型接回原来的网页。过程中还处理了石头轴向错误、柱梁合并后跑位,以及花瓣背面不可见等等问题。

文章图片

还做了一个马赛克材质透镜的卡片效果。

我提前给 Hy4 准备了三组图片,分别是石屋、人像和空中花园,每组都有两种不同的材质。

就是静止时是一个完整的作品,鼠标放上去以后,局部像被玻璃透镜扫过,露出下面另一种风格的图片,同时带一点折射和像素变化。

这个 Case 其实非常考验模型对细节的处理。比如卡片之间的位置和遮挡关系,鼠标移动时透镜的折射效果,以及两种材质之间的过渡。

尤其是人像,稍微处理不好,五官就容易变形,看起来很别扭。

中间我给它补了一段参考视频,让 Hy4 继续调整。

文章图片

迭代过程中难免会出现效果加得太多的情况,我就让它适当的去掉一些效果。

文章图片

最后,我还做了一个照片上下交替翻转的效果。准备放到我们的官网,用于展示我们和用户的互动瞬间。

这个 Case 的难点在于,照片是围成一圈的,每张照片之间的距离要合适。而且整个照片圈上下交替旋转时,照片的倾斜角度也会跟着变化,Hy4 可以的,能搞定。

文章图片

对了,还有一个细节。

这次腾讯在 Release Blog 里专门提到了 RSI,也就是递归自我改进。

前两天,腾讯刚发布了 Hyra 2.0 这个模型研发脚手架。而这次 Hy4 已经能够配合 Hyra 2.0,自动完成 Jev 模型的训练。

文章图片

Hy4 训练出来的 Hyra-Jev,在 8 项基准测试中,有 6 项成绩超过了官方 Jev 模型.......

同时,Hy4 还帮助腾讯优化了内部小模型的预训练系统。也就是说,腾讯也已经开始尝试让 AI 参与模型研发,甚至承担一部分训练和优化工作了。

之所以单独说一下 RSI,是因为我觉得接下来模型公司的竞争,除了拼研究员的能力、应用场景、基础设施和芯片,肯定还要拼 RSI 的水平。

现在头部的开源和闭源模型公司,基本上都已经验证这条路绝对可以快速提升模型的迭代速度。

一旦 AI 能够真正参与到模型研发和训练的循环中,帮助研究员更快地完成实验、发现问题、优化模型,那么模型能力的提升,就有机会反过来加快下一代模型的研发。

如果这个循环真正跑通,不同模型公司之间的差距,很可能会被进一步拉大。

看来,腾讯也已经正式的进入到 RSI 的路径中了。

感觉今年势必会成为腾讯发展历史上非常重要的一年。

去年这个时候,说实话,腾讯在大模型和 AI 应用市场都略显被动。我记得当时坊间有不少讨论,觉得腾讯可能会在这一轮 AI 浪潮中落伍。

毕竟那时候,新一批 AI 模型公司跑得非常猛。但现在,已经没人会这么说了。所以,信心都是自己给的啊。

Hy4 已经跻身全球头部开源模型之列,WorkBuddy 也已经是头部的 Agent 应用。

虽然现在就说腾讯已经拿到了 AI 时代的船票,还为时尚早,但至少到了今年年底,可以非常确定地说,腾讯已经重新坐上了 AI 的牌桌,而且是一个非常有竞争力的玩家。

跳转微信打开

  •  

今年听过最好的 AI Native 思考,真诚又足够接地气。

原创 阿颖 2026-11-03 19:45 北京

周末听了一下午快手关于企业 AI 生产力的技术沙龙,收获非常大。

它虽然从 AI Coding 谈起,但最后讨论的其实是一个更大的问题:当每个人都开始用 AI,企业的工作流、团队协作和组织机制,应该怎么接住这种变化?

先分享几个我的一手笔记。

1、个人提效和组织提效是两回事。

2、AI Coding 的下一步,应该是重新设计软件交付流程。

3、需要有意识地把员工的经验沉淀成 AI 能调用的资产。

4、AI 生成代码越来越快,质量保障可能成为新的瓶颈。

5、建设统一的 AI 基础设施。现在开发 Agent 越来越容易,每个部门都可能自己开发一套。随之而来的,就是重复建设、Token 成本,以及安全和权限管理等问题。

公司需要有一套公共基础设施,让大家复用已有的能力。

6、组织结构也需要调整。

这几个点,我觉得无论对于大公司,还是我们这样的小团队,都非常有参考价值。

快手企业智能体建设负责人、企业AI生产力专家沈浪把快手的企业AI生产力实践概括为四个阶段:

AI 先进入研发环节,解决工程师提效;随后扩展到更多员工;再从个人使用走向团队AI,把专业经验和工作流沉淀为共享能力;目前则刚刚开启组织AI的探索。

这条路径的变化很清楚:AI 的使用范围越来越大,但要解决的问题,也从一个人怎么用好工具,逐步变成一个团队乃至一个组织,怎么重新设计自己的运行方式。

这也是我听完整场分享之后,感受最深的一点。

#01

先蒸馏,再折叠

我最近对个人提效不等于组织提效这件事感触特别深。

现在我们团队基本人人都在用 AI,效率确实提高了不少。但作为一个小老板,我没有明显感觉到整个公司的经营效率有什么大变化。

前段时间,我听其他企业的朋友聊过类似问题。他们发现,随着越来越多的员工开始使用 AI,虽然工具使用数据非常漂亮,但很多团队的整体效率并没有达到预期。

快手在过去两年的实践中也观察到一些问题,总结下来主要有两类。

文章图片

一类叫孤岛区。

大概情况是团队中有几个特别厉害的 AI 高手,他们积累了很多 Skill、知识和工作方法,但这些经验其他同事没法直接复用,结果是少数人越来越强,团队整体的工作方式却没有明显变化。

这玩意我倒是理解,我们团队也有类似的情况,AI 虽然门槛已经很低了,但具体到个体上,还是有的人用的特别好,用的人用的稀烂。差距简直一个天上,一个地下。

典型的二八定律。

另一种叫空转区。

有些团队部署了很多 Agent。结果这些 Agent 需要不断协调、交换上下文,甚至还不如一个通用Agent调用Skill的效果好。

Agent 数量多,也不代表团队效率高,很多 Agent 在那空转严重,消耗 Token。

那怎么办?

快手在大量实践之后,总结出了一套方法,叫先蒸馏,再折叠。

所谓蒸馏,其实就是把员工积累的专业经验、知识和工作方法,沉淀成团队可以共享的 Skill、知识库和工作流。

比如,设计师把设计规范和判断标准沉淀成 Skill,产品经理就可以借助 AI 完成一部分基础设计;研发把常用的工程方法沉淀下来,其他角色也可以在明确边界内完成一些简单、低风险的交付。

这样,过去需要不同岗位接力完成的工作,现在可能一个人借助 AI 就能完成。原来的岗位分工,也就有机会重新调整。这就是折叠。

基于这套思路,他们开始把整个团队理解成一个 Agent,让团队成员共享知识、Skill、工具和工作流。

但这里的顺序很重要。

不是先要求产品学前端、前端学后端,更不是先取消岗位,而是先把不同角色的专业经验变成团队可以调用的能力,再判断哪些等待、交接和分工可以被重新设计。

基于这套思路,快手开始把整个团队理解成一个 Agent。团队成员共享知识、Skill、工具和工作流,数字员工也可以在明确边界内承担一部分工作。

这个视角对中小公司同样有启发:真正重要的,不是公司里有多少人会用 AI,而是少数人的好经验,能不能变成整个团队的公共能力。

文章图片

#02

调整团队的协作模式

现场快手磁力引擎风控技术负责人王东旭把这个问题讲得更具体。

这是一个超过百人,涵盖前端、后端、算法、数据工程等不同岗位的复杂团队。

他们最初也是推广 AI Coding,后来开始推动前后端融合,甚至在一个季度内,把团队的基础全栈覆盖率提升到了 100%。

但即便如此,需求依然在积压。产品经理觉得研发交付太慢,研发又觉得产品需求不清楚、排期不合理,双方仍然会产生摩擦。

为什么会这样?

因为写代码只是整个软件交付流程的一部分。假设编码环节占整个软件交付流程的 20%,AI Coding 可以让编码效率提高了 10 倍。

那么整个软件交付流程的效率,实际上只能提高大约 22%。

这就是阿姆达尔定律。

文章图片

哎,你想想,写代码都快了 10 倍,最后需求交付只快了 22%,是不是挺让人揪心。

即便产品、设计、研发、测试都用上了 AI,各自的工作效率都提高了,整个交付流程依然可能很慢。

毕竟大家还是按照原来的岗位分工协作。产品提出需求,然后研发排期,开发完成后再交给测试。每个环节都可能需要沟通、交接和等待。

这些 Gap,并不会因为每个人都用上了 AI 就自动消失。

于是,他们开始尝试臭鼬工厂的组织模式。

感觉这个模式很像亚马逊的双披萨团队。

其实就是围绕一个明确的业务目标,把产品、研发、算法、测试等不同岗位的人组织成一个小团队,给他们充分的自主权,让团队自己负责整个需求交付。

最近我听 Google 的播客,他们内部也在推行这样的组织模式,就把团队继续拆小,然后让大家快速迭代,像实验室一样。

快手的磁力引擎风控把一部分团队打散为小团队后,把大家工位都搬到了一起。这样有什么问题直接商量,绝大部分事情都不用再跨部门反复协调和排期。

而且,他们团队内部的岗位分工也已经变了。一些简单、低风险的需求,产品经理自己就能搞定,研发只需要负责必要的技术支持和把关就行。

这样调整之后,他们团队的需求吞吐量提升了 130%,需求交付周期缩短了 80%。

需要说明下,这种模式也有适用范围。复杂的存量核心系统、涉及资金安全或者曾经发生过重大故障的业务,肯定还不适合这样干。

#03

质量保证是瓶颈

需求吞吐量上来之后,随之而来的问题是,当越来越多的人能够借助 AI 直接完成需求,甚至不再需要经过原来完整的研发流程时,团队必须清楚,哪些需求可以放心交给 AI,哪些必须经过严格的人工验证。

要不然,很容易带来严重的安全问题。尤其是现在 AI 生成代码越来越快,代码提交越来越频繁,很多变更的影响范围也变得更难判断。

如果所有需求仍然按照过去的方式进行人工测试,测试工程师根本忙不过来。但如果为了速度,直接跳过测试,风险又太大。

快手磁力引擎风控质量负责人吕冬冬的做法,是建立一套 AI 智能分级体系。

简单理解,就是让 Agent 结合 PRD、代码变更、历史故障和业务知识,分析一个需求可能存在哪些风险,再决定采用什么测试方式。

他们把需求分成了高、中、低三个风险等级。

比如涉及核心业务、资金安全、权限管理的高风险需求,仍然由人工主导测试,AI 辅助分析。

中风险需求由人工和 AI 协同完成。

对于一些简单的页面调整、交互优化等低风险需求,则主要交给 AI 自动验证,人工负责抽检。

吕冬冬介绍,在他负责的业务中,大约 60% 的需求属于低风险需求。

这意味着,相当一部分需求可以通过 AI Testing 完成验证,不需要再排队等待测试工程师逐个处理。

而且,他们还把接口测试、UI 自动化、流量回放等能力整合起来,让 Agent 根据需求的风险等级,调用相应的测试工具完成验证。

文章图片

不过,这套方法有一个重要前提,就是 AI 的风险判断必须足够准确。

比如,一个需求看起来只是修改了页面展示,但实际上影响了某个核心业务。如果 AI 错误地把它归为低风险需求,就可能漏掉重要的测试。

所以,他们建立了一套标准评测集。

先让熟悉业务的专家对真实需求进行风险标注,形成一批有标准答案的样本。

之后每次调整模型或者提示词,都要用这套评测集重新验证准确率。如果发现 AI 判断错了,就由人工分析原因,再把错误案例和纠正记录沉淀到知识库中,完善风险判断规则。

这样一来,AI 可以不断参考过去的业务经验,提高后续风险判断的准确性。

但风险等级判断准确了,测试本身就一定可靠吗?

现在很多代码是 AI 写的,测试用例也是 AI 生成的。如果连最后的测试结论都交给 AI,会不会出现自己出题、自己答题、自己判卷的情况?

万一 AI 写的代码存在问题,生成的测试用例又恰好漏掉了这个问题,最后还告诉你测试通过了,那就麻烦了。

针对这个问题,他们也采取了一些措施。

比如,把负责开发和测试的模型分开,降低两边出现相同判断盲区的风险。

同时,保留标准评测样本和必要的人工验证。对于高风险需求,AI 可以辅助完成风险分析和测试,但最后是否允许上线,仍然需要人工判断。

截至当时,他们开展的低风险需求自助上线实践,还没有出现遗漏。不过,这套体系目前是在所属大部门使用,还没有推广到整个快手。

我觉得这套实践还有一个很重要的启发,就是质量工程师的工作也在发生变化。

过去,他们需要花大量时间编写测试用例、执行测试、复现 Bug。

现在这些工作越来越多地可以交给 Agent,而人需要把更多精力放到业务风险判断、测试策略制定,以及最后的质量验收上。

你看,前面臭鼬工厂调整了产品、研发之间的协作方式,现在连测试和质量保障的方法也开始发生变化。

这也让我更加确信,AI Coding 下一步最值得做的事情,就是重新设计整个软件交付流程。过去不同岗位之间的分工、交接、验收方式,都有机会重新调整。

只有这样,整个软件交付流程才有机会真正提速。

#04

自上而下是必要的

但如果把这些实践放到整个公司,事情又复杂了很多。

快手有几万名员工,每个部门都在使用 AI,也都在积累自己的 Skill、知识库和工作流。

比如,一个大型 HR 组织可能有几百名员工,涉及招聘、绩效、薪酬等不同业务,背后还有二三十套系统。

即便每个团队都有自己的 Agent,如果一项工作需要调用多个系统,涉及不同部门的权限和数据,依然会遇到很多问题。

还有重复建设的问题。

现在开发 Agent 越来越容易,每个部门都可能自己搞一套。但如果底层的模型调用、知识管理、权限、安全等能力都要各自建设,成本肯定会越来越高。

所以,快手最近成立了企业 AI 生产力组织 iWork,开始从公司层面整合这些能力。

比如,把内部的业务系统逐步改造成 Agent 能调用的工具,让不同部门可以复用不同的 Skill。

当然,这些事情还在探索中。

另外,我觉得快手在 Token 成本管理上也有一个很聪明的设计。

他们推出了一套 Agent 积分制,把 AI 预算分配给不同业务线,再转换成员工可以使用的积分。

员工可以根据任务选择模型,也能更直观地看到 Token 消耗;平台团队则可以把更多精力放在工具建设、能力复用和实际效果上。

这个设计很聪明。Token 不应该是一笔糊涂账,但成本管理也不能只靠限制使用,而要让每个团队逐步建立投入产出意识。

记得现场还有一句话,让我印象特别深刻。企业 AI 生产力体系和 Harness 的作用,其实有很多相似之处。

大家可以想想,为什么大模型需要 Harness?

因为模型本身再聪明,也未必了解你的项目架构、编码规范,不知道哪些操作有风险,哪些测试必须通过。

所以需要 Harness 给 AI 提供项目上下文、工具、执行规则和质量验证机制,让 Agent 能够更稳定地完成任务。

如果把这个视角从单个 Agent 扩大到整个公司,其实也是一样的道理。

每个部门都有自己的业务系统、知识和工作流程,再加上 Token 成本、权限、安全,以及不同团队之间的协作问题,这些事情显然不可能只靠更强大的模型来解决。

企业同样需要一套组织层面的 Harness,通过统一的基础设施、知识管理、工作流程和组织机制,让 AI 能够在整个公司里真正发挥作用。

文章图片

而这套体系,显然需要公司自上而下地规划。

快手前几个阶段依靠先锋员工和业务团队先行试验;当实践进入跨团队复用、企业上下文、权限、安全和成本治理后,才需要公司级统筹。

自下而上负责验证有效路径,自上而下负责把局部经验沉淀成公共能力。

目前,组织 AI 仍然处于探索阶段。这个分寸反而让我觉得更真实:没有人已经拿到了企业 AI 转型的标准答案,大家都在用局部试点逐步验证边界。

#05

写在最后

对于我自己的公司,我现在也有几个比较明确的想法。

1、团队要小,创业公司也许可以激进地分为两人一组。

2、Token 的消耗不应该是笔糊涂账,应该从公司视角看看 Token 的效率。

3、Skill 的共享和管理应该尽快提上日程。

4、考虑做公司层面的 Agent 知识库。

5、做需求的风险评级,基于此来确定后面的验证策略。

6、质量保证这块,做一个独立的 Agent。

还有很重要的一点,接下来衡量 AI 带来的变化,应该更多从公司的整体经营效率出发,不能只看每个人使用 AI 的数据。

我的小破公司,在听完这次分享之后,确实还有很多事情要做。

恰好年底,我最近正在思考明年的公司战略。这次快手的分享,给了我不少新的启发。下面是视频回放,喜欢的同学可以看看。

有类似感触的同学,咱们评论区交流。

跳转微信打开

  •  
❌