天下苦 A 社久矣。

这是前段时间 Anthropic 持续推出各种功能，但是一边又不断加强使用限制，读者在评论区最普遍的反应。

本身就是御三家（OpenAI、Google、Anthropic）里对使用限制最严格的一个，另一边又加码推出身份验证，实名制才能使用。今天凌晨，再把 Pro（20 美元/月）用户的 Claude Code 使用权给砍了。

Anthropic 的增长负责人出来回应，提到他们正在对约 2% 的新专业用户注册者进行小规模测试，现有 Pro 和 Max 用户不受影响；并表示目前的订阅计划无法应对用户大量的 Token 消耗，他们在研究新的付费方案。

OpenAI 这边也立马回应了 Claude Code 踢掉 Pro 会员的争议，一位 Codex 负责人 Rohan Varma 直接怼脸和 Claude Code 竞争，连发文格式都和 Claude Code 一样。

Anthropic 为 2% 的用户测试更贵的计划，而 Codex 给 100% 用户测试，让免费和付费套餐都能使用 Codex。还特别调皮的加了一句「Claude Code 用户不受影响。」

另一位 Codex 负责人 Tibo，也在 X 发文说 Codex 将继续提供免费版和 PLUS 版（20 美元/月），还提到 OpenAI 拥有足够的算力和厉害的模型来支持 Codex 的运作。

奥特曼也转发了这条推文，表示 「我们希望你们可以有大量的 AI。」

Codex 口碑在社交媒体上一直不算太差，尤其是前段时间 OpenAI「大撒币」，先是说为了让每个人都能体验到 Codex 推出的相关插件，给所有订阅计划都重置了使用限制。

4 月初，Codex 发现用户达到使用限制的频率增加，且未找到背后的原因，干脆就重置了所有用户的额度限制。几天前，为了庆祝 Codex 周年庆和新功能上线，又一次重置了所有套餐的用量限制。

今天，Codex 负责人和奥特曼再发推文，表示不到两周 Codex 增加了 100 万新用户，为了庆祝这件事，Codex 的速率限制又又又重置了。

早在上周 Anthropic 发布 Opus 4.7 的那天，Codex 就更新了一大堆重要功能，Computer Use、内置浏览器、持久记忆，以及 90 多项插件。

这些更新几乎是直接对标 Claude Cowork 的功能，把 Codex 从一个听着就像是给开发者用的工具，重新变成了一个适用于电脑所有场景的效率助手工具。

昨天，Codex 在此前推出记忆功能的基础上，又上线了一项名叫「Chronicle」的研究预览功能，让 AI 能读我们的屏幕，把我们最近做过的事整理成记忆。

Codex 不再只依赖聊天记录来理解上下文，结合它读取的近期屏幕内容，我们给它发送「这个」、「那个」，Codex 能知道我们到底指的是什么。

今天刚刚发布的 GPT Image 2 也已经集成到了 Codex 里。我们可以在 Codex 生成并迭代图像，在一套工作流里，从产品原型、前端设计，到视觉效果图和游戏开发等任务，使用 GPT Image 2 快速生成视觉元素。

如果你的 Claude 账号总是被封，用不了官方的 Claude Cowork、Claude Code 桌面版，又或者是那 2% 的新用户，开通了 20 美元/月的 Pro 会员也用不了 Claude Code，不妨来试试 OpenAI 出品的 Codex。

从代码工具到全能助手

Codex 最近这段时间的更新，最重要的莫过于上周发布的 Computer Use。这项能力并不算新鲜，之前是模型有 Computer Use 的能力，现在是需要工具也要有配套的支持，才能发挥模型能力。

它本质上就是 Agent 工具可以像人类操作电脑一样，通过视觉识别、点击和输入，自主操控电脑上的各类应用程序。

之前的 Codex 操作电脑上的软件，是通过一些命令来执行不同的应用任务，整体更像是我们喊「Siri，明天的天气怎么样」，做这些比较简单的任务。

有了 Computer Use 的能力之后，不仅支持一些调用 API 或者终端命令的工具，还能真的能帮我们完成一些电脑上的实际操作，尤其适合前端调试、应用测试、操作没有开放 API 的软件。

而且支持多个智能体并行在 Mac 上工作，不会影响我们正常使用其他应用。

需要注意的是，Computer Use 的能力只支持 macOS 15 以上的版本，我们的电脑（macOS 14.6.1）在测试 Codex 时，会自动弹出一个 SkyComputerUseClient 的问题报告。

另外，现在 Codex 支持内置浏览器，能更好地处理 Web 场景。我们在 Codex 里生成的网页，可以直接在网页上标注，给 Codex 更精准的操作指令，对一些前端、应用和游戏开发的快速迭代非常有用。

这次的更新还新增了 90 多个插件和更丰富的工具集成，让 Codex 能接入更多工具、获取更多上下文，并跨平台执行操作，提到的热门插件包括 Atlassian Rovo（JIRA）、Microsoft 套件、Neon by Databricks、Remotion、Render、Superpowers 等。

在 Codex 应用里，我们只需要输入斜线就能快速进入一些关于 Codex 的配置，输入 $，则可以选择不同的 Skills，包括我们安装在本地的各种 Skills。

同时，在自动化任务上，Codex 的 Automation 功能升级后，可以复用之前的对话线程，保留已有上下文。新的自动化还支持 Codex 自主规划后续工作、自动在未来某个时间继续执行任务，以及支持持续数天甚至数周的长期任务。

官方提到这项更新主要用于代码的提交合并、跟进日常工作生活的待办事项，以及跨越不同平台和工具的信息追踪等任务。

还有一些对于桌面应用交互的小更新，像是增加了多标签页的终端窗口，侧边栏可以直接打开文件，预览 PDF、表格、PPT 等文档。

新的摘要面板，也可以持续跟踪当前执行任务的计划和进度、参考信息来源，和输出结果等。这些应用上的增强，也让 Codex 在整体上更像是一个统一的工作台，而不再是单一的对话窗口。

用定时截屏的方式来维护 Agent 记忆

个性化的记忆功能向来就是 AI 的一大难题，虽然 AI 博古通今能记住所有的知识，但是对于每个用户的私人记忆处理，工作记忆等，AI 需要用不会占据大量的 Token，同时又能记清楚的方式来处理日复一日的对话。

尤其是现在到了 Agent 这类巨消耗 Token 的任务上，每个用户每天产生的上下文，如果 Agent 要全部记住，估计再来一百万 Token 上下文也难顶住。

上周 OpenAI 就已经为 Codex 带来了记忆功能，它可以记住我们的个人偏好、之前做过的修正，以及一些不容易获取但很重要的信息。

而为了获取更多的记忆，更快地处理我们的工作流。Codex 这次推出的 Chronicle 功能，说白了就是看我们的屏幕，记住我们的工作，再把这些记忆喂给 AI。

具体来说，在 Codex 设置>个性化里面，开了 Chronicle 功能之后，会自动执行这些操作：屏幕上下文捕获 → 本地临时截图 → 后台代理分析 → 临时 Codex 会话总结 → 生成本地 Markdown 记忆 → 后续会话中作为上下文使用。

Codex 获取了屏幕录制和无障碍权限之后，Chronicle 会在后台运行一个沙箱 Agent，这些 Agents 使用默认模型 GPT-5.4-mini，基于捕获到的屏幕图像，周期性地启动一个临时的 Codex 会话，把最近的屏幕上下文整理出记忆。

屏幕截图只会临时保存在本地，Codex 提到运行期间，超过 6 个小时截图会被自动删除。

以后我们和 Codex 对话，它会自动检索这些记忆文件，作为上下文来使用，减少我们重复描述背景的需要。

OpenAI 官方也给了多个案例，像是如果不开启 Chronicle，Codex 不知道我们说的「这里会失败」，是指的什么。

以及针对一些个人任务中出现的人名、项目名等，在通用知识外的内容，Codex 也会根据 Chronicle 获取的信息，自动补充上下文。

能够捕获屏幕图像，也意味着使用 Codex 处理任务的全流程，Chronicle 都能记住。包括我们的工作流，常用的工具。像下面的例子里，使用了 Chronicle 的 Codex 会知道这份宣传材料使用何种格式，以及何种工具，是 Google 文档还是 Markdown 文档。

不过这项功能也面临着一些争议，例如视觉识别的方法会消耗大量的 token，更严重的是这些截图可能包含我们屏幕上可见的敏感信息。

虽然 OpenAI 说所有保存的记忆都会存放在本地的 markdwon 文档里，用户可以随时查看，Codex 根据这些截屏获取到了哪些信息。但是他们也提醒用户，当 Chronicle 截屏到一些有风险的网站时，网站可能通过提示词注入的方式，在屏幕上隐藏一些恶意指令，让 Codex 执行。

Chronicle 这项功能目前仅向 ChatGPT Pro（200 美元/月）用户开放，支持 macOS 版本的 Codex 应用，作为研究预览版推出。待 Chronicle 正式上线之后，相信 Codex 会把它开放给更多用户使用。

手机遥控、电子宠物、「Hermes Agent」都有机会上线

这段时间，Codex 被网友们称作是一款正在用力追赶 Claude 的产品。虽然一方面是在说 OpenAI 没有主见，随大流。但另一方面，能看到好的产品之间展开你追我赶的竞争，对我们用户来说未尝不是一件好事。

Codex 开发者在 X 上问大家对 Codex 有何意见，网友们非常积极的表示，要加上手机控制功能，还有人说 Codex 也应该从 ChatGPT App 里面进入。而这些都是 Claude 目前已经做到的功能。

也有网友在下面反馈 Codex 存在的各种 Bug，像是内存泄露、会话只能存档不能删除等问题。

最新的 Codex 更新爆料里还提到，Codex 也打算做一个小小电子宠物，放在 Codex 桌面上，来提示用户目前会话的各种状态。

这个电子宠物共有 8 种预设形象，用户还可以创建使用自己的虚拟形象。

另一个爆料则提到 OpenAI 正在为 ChatGPT 开发智能体（代号 Hermes），其中包括智能体构建器、模板、日程安排、在 Slack 中使用智能体的选项、添加应用程序、技能、文件、内存、指令等功能。

眼下的 Codex 是一个活跃开发的产品，OpenAI 必然不会把本地 Agent 产品这一块的市场拱手让给 Claude。

别说 OpenAI 这位 AI 界的老大哥，前几天，Gemini 也不声不响地发布了桌面版应用，但是被一众网友评价「拉爆了」。

只能鼓励一下 OpenAI 和 Gemini，赶快结束 Claude 在本地 Agent 助手和代码这块的领先地位。

天下苦 A 社久矣。

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

在互联网上吃瓜、维权、实锤一件事，过去我们靠的是五个字：有图有真相。

哪怕 AI 生图已经铺天盖地，但只要图里出现复杂的中文排版，或者某款软件的真实界面，AI 就会立刻露馅，变成一个彻底的「文盲」。

但现在，这个时代到头了。

那个靠找错别字、找 UI 漏洞来鉴别 AI 图片的年代，随着 ChatGPT 旗下图像模型 GPT Image 2 的全量推送，已经轰然收场。

APPSO 第一时间用最刁钻的中文场景和商业需求对它展开了压力测试，不用抽卡，每张都出乎意料的好。

打开 ChatGPT，点击 + 号，选择「创建图片」，或在右侧边栏更多中找到「图片」，就可以使用 GPT Image 2。目前，任何订阅计划，包括免费用户，都可以直接使用。

数学试卷都能伪造，中文渲染新王

当初 Nano Banana 就是靠着文字渲染，一举成为 AI 生图界的「神」。但尽管 Nano Banana 在文字处理上比其他模型强上不少，面对一些超量文本时，Nano Banana 的表现，还是会出现个别文字的错位，以及对文字的排版布局比较生硬。

现在，GPT Image 2 的出现，把这个局面彻底翻过去了。它不仅懂中文字形，还懂极其复杂的中文排版。

使用 GPT Image 2 甚至不太需要过于复杂的提示词，我们的测试都是一两句简单的画面描述。

例如让它生成广州市小学数学试卷。

结果相当震撼。卷头标题、填空题下划线、几何图形标注，以及试卷特有的宋体 / 楷体排版风格，全被精准还原。第一眼看，这完全就是一张拿手机对着真实考卷拍出来的照片。

如果这种统一字体的文字，算不上有难度的话，我们尝试继续用中国传统书法去难倒它。

GPT Image 2 表示，这仍然难不倒我。生成的书法真迹图片，里面的文字不仅准确，还做到了书法作品应有的行云流水、笔锋苍劲。甚至连纸张的做旧纹理，一些印鉴都到位了。

对于一些图文并茂的排版测试， GPT Image 2 的表现同样严丝合缝，没有任何乱码或字体重叠。

当一个 AI 模型能以假乱真地生成带题目的试卷、完美渲染中文日历，这句过去的成语「眼见为实」，真的彻底被击破了。

相信把那张四年级的试卷给小学生看，真的会找不到破绽。

配合文字，可以 1:1 还原整个数字世界

中文渲染只是基本功的补全，GPT Image 2 更惊艳的，是它展现出的世界知识的厚度。

包括前段时间 GPT Image 2 爆料中疯传的那些图片，马斯克在抖音直播买老干妈、奥特曼同平台竞争，都是基于 GPT Image 2 强大的文本渲染能力和世界知识。

世界知识这个概念，在 Nano Banana 爆火的时候，就开始流行，意思是就是生图模型也会有通用模型的知识，可以联网搜索，会思考，它真的知道我们每天盯着的屏幕、玩的游戏、看的直播，到底长什么样。

我们随手输入了一个极具互联网特色的场景。

出来的图里不只有人物，更恐怖的是它完整复刻了抖音的 UI 界面。左下角的评论区、右侧的点赞和分享按钮、顶部的观众人数和跑马灯，所有交互元素的层级逻辑全部正确。

游戏玩家可能感受更深。当我们让它还原英雄联盟的团战画面，它不仅画出了峡谷地形，英雄头顶的血条、技能特效的光影、小地图的 UI 框，也一并安排到位了。

甚至科技圈的名场面，它也了如指掌。一句话，就能精准还原 Sam Altman 的面部特征、OpenAI 极简的舞台打光，以及套着视频播放器外壳的直播界面。

GPT Image 2 对这个数字世界视觉规律的掌握程度，比我们想象的都要更深。

XX is Dead，再一次颠覆设计、营销、广告……

技术的快速推进背面，是一批旧工作流的终结。

AI 跨过了文字和 UI 的门槛，生图这件事就彻底脱离了「艺术创作」的范畴，成了一种硬核的商业生产力工具。这次实测里，GPT Image 2 的商业落地能力，足以让许多设计师坐不住。

工业与产品设计领域，复杂的机械结构和建模往往耗费大量时间，而现在只需几秒。

悬浮的零件排布、极具科技感的光影，这种过去需要 3D 建模师肝上几天的图，它能瞬间给出高品质的原型参考。

电商和广告视觉方面，苹果那种冷峻高级的质感，或者电商平台要求的高饱和度、带中文促销文案的网感图，它都游刃有余。

宣发和 IP 创作上，GPT Image 2 的排版逻辑和特征抓取同样表现出现。中文字体排版直接可用，分镜逻辑清晰，连各家大模型的 Logo 特征，都能被它做成颇具网感的 IP 延展。

过去设计师对齐需求时，找各种参考、搭复杂的设计框架、排版修字。现在，一段清晰简单的提示词进去，一张可以直接用于商业提案、电商投放甚至直接出街的成品就出来了。

在我们测试过程中，无论是 Plus 账号还是免费账号，都已经上线了 GPT Image 2，大家可以在自己的 ChatGPT 对话框里试试。

不过，目前仍然会有速率限制的提示，当我们频繁发送提示词，要求 ChatGPT 生成时，他会直接回复一段错误代码，显示「你的图片生成速度太快了，为了保证所有人最好的体验，我们有速率限制，请在 13 分钟后生成。」

不得不说，每当我们觉得 OpenAI 陷入停滞，它总能在你毫无防备的时候甩出一张新牌。

过去几个月，外界吐槽它发新模型是挤牙膏、Sora 关闭、ChatGPT Atlas 浏览器爆冷，仿佛那个曾经不可一世的 AI 霸主真的变菜了。

今天 GPT Image 2 的出现，也算是给了这些唱衰一次有力的回应。

当一个模型能以假乱真地生成数学试卷、完整复刻抖音直播界面，「这是 AI 做的」我想很难是一眼能看穿的事了。

那个「有图有真相」的时代，是真的回不去了。

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

所有你能想到关于设计的工作，Claude Design 现在都能做。

无论是惊艳复杂的动效模拟，用简单的一句提示词，就能创建一个能互动的着色器壁纸库。

还是能套在应用开发过程中的打字机效果，以及文字爆炸。

用一句提示词，Claude Design 就能给我们设计打字机、单词渐隐、单词滑入、字符模糊、点转文字、打乱、交错下落、上升进入、字符弹出、加粗进入、倾斜进入共 11 种文本流格式。

Claude Design 实现的文本粒子特效，包括对 火 Fire、烟 Smoke、金属 Metal、风 Wind、雪 Snow 等单词添加了对应的视觉特效。

甚至可以说，Claude Design 一发布就导致 Figma 股价大跌的原因，是因为现在用它做原型设计，不仅审美高，而且完全不需要手工干预。

想要给共享单车应用创建一个简单的 iOS 注册流程，过去用 Figma 要先找到 iOS 对应的应用套件，然后自己想合适的配色逻辑，添加对应的布局，现在用 Claude Design 直出可交付的方案。

我们从网上找到了 Claude Design 最全的玩法，以及上手使用 Claude Design 的保姆级教程。可以说 Claude 这次的更新，让过去一年那些做 PPT、做精美网页设计的工具，瞬间黯然失色了。

Claude Design 体验地址：https://claude.ai/design

玩法一：真正的 Vibe Coding 上线

让 AI 做一个网页似乎是检查模型代码能力，最重要的一项测试。一些 Agent 产品也利用现有的模型，进行优化组合，来控制模型的输出，以得到更精确、更遵循提示词指令的网页。

但现在当 Claude 自己下场来做设计类 Agent，基本上就没有给别的产品留任何空间了。

有网友用一句话就做出了一个高品质的公司官网，生成的网页内容 UI 精美、色彩搭配高级，配有符合场景特征的动效，和其他产品的渐变紫完全不在一个等级。

并且，Claude Design 生成的网页，可以无缝衔接到 Claude Code 进行项目的优化和迭代。

除了落地页，还有网友生成了一个个人仪表盘，把每天的日程、健康信息、以及待办事项等信息放在一个页面，并且能自动切换夜间和白天模式。

功能性的网页，Claude Design 能自动编排好信息，并且以高品质的 UI 设计呈现。对于一些单纯是用来「炫技」的网页设计，Claude Design 的表现也比其他工具要好。

像这个地球加载系统，也是只用一句提示词，就能得到可用的结果。

玩法二：不只是设计，办公人的 PPT 也可以做

有网友分享了自己使用 Claude Design 做 PPT 的经历，在 Claude Design 工具里，也有专门一项是用来生成 Slide Deck（幻灯片）。

其他的办公场景，像是营销邮件的设计，通过上传自己的图片素材和商业广告信息给 Claude Design，它会自动编排好所有的内容，再简单的迭代优化之后，能得到可以直接发给潜在用户的广告邮件。

还有网友用 Claude Design 做了一本电子指南，她提到自己仅用一次提示就完成了这本书的设计。

玩法三：产品、UI 设计、画原型图

在软件开发的过程中，前端一般负责实现产品经理+设计的想法，过去的 AI Coding 告诉我们「前端已死」，但设计的「Taste（品味）」无法被替代。

现在的 Claude Design + Claude Code 就是要设计+产品经理+前端，统统承包，并且让生成的内容有「taste」。

原型图一般是产品经理在拿到设计的方案后，给出一款产品成型之前的一个简单的框架，将页面的排版布局展现出来，每个功能键的交互，使产品的初步构思有一个可视化的展示。

社交媒体上大量的网友分享了自己用 Claude Design 完成的 APP 原型设计，其中不乏交互友好、赏心悦目的各种实例。

无论是何种类型的 APP，Claude Design 都能找到最适合对应主题的设计方案。有网友设计了一个简单的、基于 AI 的游戏化生活管理应用程序，在生成的原型图里，有经典的热力图、各种成就等级系统，和课程等详细内容

玩法四：视频动画也能生成

基于强大的代码能力，Claude 能组合不同的动效库，生成各种各样的动画。例如在 Claude Design 的官方案例展示里，他们使用一句提示词，生成了一段宇宙运动的模拟动画。

也有网友输入提示词「请制作一个基于精灵图的动画，介绍任天堂的历史趣闻。将各种动画与文字动画结合起来。使用符合任天堂品牌风格的配色方案和字体。」

最后生成的动画不仅详细介绍了任天堂的历史趣闻，同时采用了动画设计来衔接和过渡不同的页面，整个动画时长 1 分 02 秒。

也有网友直接给 Claude Design 的博客文章和一些推文粘贴进去，就生成了这个 30 秒的动画视频。

所谓的精灵图 Sprite，又叫拼合图，是一个计算机图形学术语，也是目前在 Web 前端开发中常用的图像拼合技术，是指当一张二维图像集成进场景中，成为整个显示图像的一部分时，这张图就称为精灵图。

我们看到这些由 Claude Design 生成的动画，都是使用精灵图来切换显示不同的图像、排版、控制纹理尺寸等工作，保证动画效果的同时提升网页的渲染性能。

实测上手，和来自官方的 7 个实用小技巧

目前 Claude Design 仅向 Pro、Max、Team 和 Enterprise 订阅用户开放，并且有每周额度限制。我们在创建三个 Claude Design 任务之后，基本上都是动效风格比较丰富的项目，占据了 37% 的周额度。

通过 Claude 网页侧边栏的 Design 一行，或是直接输入网址 https://claude.ai/design 我们可以访问 Claude Design 的首页。

和一般的网页生成 Agent 工具不同，Claude 并没有在首页放一个大大的对话框，而是大多数的传统设计工具一样。主页左边可以让我们新建不同的项目，原型、幻灯片、从模板开始或者其他类型，还有一个设计系统的设置。

在原型设计中，又分为线框图和高保真内容，幻灯片则可以开启「使用演讲者备注」的功能，以及选择已有的模板，从模板开始设计。

输入项目名字，点击创建，来到项目首页。Claude Design 在左侧边栏为我们提供了对话窗口，而在右边则可以用先画草图的方式，让 Claude Design 通过草图来完成设计。

我们输入了一句简单的提示词，「帮我设计一个 Spotify 2026 wrapped 的年度总结动画」，等 Claude 自动跑完所有的流程，它最后生成了一段 44s 的动画，包括年度歌手、音乐风格、收听时长等信息，并且提供了 Tweak，我们可以直接在右侧边栏进行修改。

在测试 PPT 制作时，我们发送了一句简单的提示词，Claude 会生成一份问卷，要求我们回答，最后的 PPT 是什么形态，例如语言的要求、页数的要求、演讲者备注是否要详细、听众技术背景等等。

最后，Claude Design 生成的 40 页 PPT，在内容上不仅要比一些动不动深度研究几十分钟的工具要全面，并且还直接在下方提供了讲稿，还允许我们对主题进行修改，使用深色/午夜蓝/暖色调，以及对字体大小的修改等。

Claude Design 的设计师 Ryan Mather，在 X 上也分享了一些充分利用 Claude Design 的小技巧。

1. 搭建你的设计系统和核心界面。花一个小时进行设置和完善是值得的。
2. 与工程师实时迭代。通常在一次会议中，就能和工程师一起设计出新功能。因为 Claude 在做原型方面非常快，我们可以把讨论保持在较高层次，一边围绕概念和约束进行头脑风暴，一边看着它们逐渐成形。
3. 使用评论工具进行快速、精准的修改。在完成一个粗略的初稿之后，可能会发现有几十个细节想要调整。用语言去描述所有这些修改会很棘手，所以应该使用评论工具，直接指出并进行修改。
4. 让 Claude 为我们的想法制作视频演示。Claude Design 几乎可以做到我们能想到的任何事情，它更像 Claude Code，而不是一个基于画布的设计工具。
5. 使用连接器（尤其是 docs / slack）。 一旦设置完成，我们可以发送类似这样的提示：「请阅读产品交流会的会议记录，并创建一个演示文稿，探讨所有出现问题的不同设计解决方案」。
6. 让 Claude 即时创建定制工具。通常情况下，不要试图像使用基于画布的工具那样去使用 Claude Design。它是另一种存在，拥有不同的能力。多尝试，玩出点花样！你会发现自己的设计方式已经远远超出了过去的思路。
7.  知道何时放慢节奏，亲手完成。新的图标、点缀插画、命名。有些细节始终会产生超出预期的影响。很容易被 Agent 设计的高速节奏卷入其中。知道何时放慢下来，本身也是一门艺术。

得益于 Claude 目前强大的生态系统， Claude Design 的能力有机会真正融入到 AI 工作流里，彻底改变过去那些 AI 网页生成类工具里，输出过于泛化、忽视现有设计语言，以及很难以在团队流程中复用等问题。

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

这周的大模型热点除了 Anthropic 刚刚发布的 Opus 4.7，世界模型成了另一块角力的阵地。

短短几天内，AI 圈几乎是连珠炮式地发布了一系列重磅世界模型。

先是李飞飞的 World Labs 开源了 Spark 2.0，紧接着腾讯在昨天正式发布并开源了混元 3D 世界模型 2.0（HY-World 2.0）。

阿里也马不停蹄，新成立的 ATH 旗下创新事业部团队，刚刚才官宣了 HappyHorse，立刻又发布世界模型 HappyOyster。

最容易忽略的还有英伟达 Lyra 2.0，没有发布会和新闻稿，旗下的空间智能实验室直接甩出一篇论文，「可探索的生成式 3D 世界。」

这种密集程度让人产生一种错觉，那些生图生视频模型是不是都弱爆了。现在的 AI 已经从「生成一张图、一段视频」的平面阶段，大步来到「构建一个世界」的 3D 空间时代。

不仅技术端在狂飙，资本市场也给出了强烈的回应。

今天，群核科技正式登陆港交所。这家空间智能公司一直致力于推动 AI 进入物理世界。它的成功上市，标志着「世界模型第一股」的正式诞生，也向外界释放了一个明确信号：世界模型，真的开始火了。

而在热闹之余，我们也发现虽然这些公司都叫世界模型，但是路线完全不同，只能生成视频的像是一个 Demo 产品；能生成 3D 资产的看似可以融入开发设计的工作流；还有在论文里的未来工作畅想，希望用于机器人的训练。

目前，腾讯混元 3D 世界模型 2.0 已经开放了申请。我们第一时间进去体验了一波，试图从中找到一个答案：这些被认为是 AI 下一阶段的世界模型，到底能解决真实世界的哪些问题？

从看电影到开始游戏

此前我们聊世界模型，大多像在聊一个「更长、更懂物理规律、一致性保持更强的视频」。但这次体验混元 2.0，最直接的冲击力在于，它生成的不再是 MP4，而是真正的 3D 资产文件。

在体验中，我用简单的提示词输入了「吉卜力风格的山间小镇，黄昏」。在几分钟的计算后，出现在屏幕上的画面像是一个大世界游戏。

点击下载，混元 3D 提供了全景图、Splats 的 .spz 文件和 .ply 文件，以及 Collider mesh 一共四种 3D 资产文件格式。

四种文件类型涵盖了 Mesh（三角面片网格）、3DGS（3D 高斯泼溅）、点云等多种格式的 3D 资产文件，这些文件可以直接导入 Unity、Unreal Engine，游戏开发者拿到手之后可以继续编辑、调整、搭建关卡。

在世界生成任务上，除了常见的文生世界，混元 3D 同样支持图生世界。我们找了一张《拯救计划》电影截图，Rocky 最后在波江座人给他搭建的世界里漫步，让混元来还原整个波江座。

当使用 Unsplash 上下载的高清雪山图片时，混元 3D 世界模型 2.0 生成的雪景，画质和真实感都更强。

无论是上传图片还是文字提示词，应用内都有相关的指引，例如上传的图片分辨率不能小于 512*512，避免画面出现人物，不要有动物/人物特写，避免使用纯色、纯纹理图片；以及天空、星空等画面占比较大图片也不适合等。

而文本提示词，最好是场景类别（沙漠、海面、房间等）+ 场景特征（物体、天空等视觉描述）+ 风格（可选，卡通/写实/油画风格等）。

混元 3D 世界模型 2.0 的风格化控制表现也很好，从官网已有的世界案例能看到，无论是温馨的绘本风还是写实的游戏风，它对语义的解析非常精准；墙壁的纹理、地牢的阴影和光感都极具沉浸感。

除了能生成可用的 3D 资产，混元 2.0 真正让我感到「世界」属性的，是它的角色模式。

现在我们可以直接操控一个角色在刚刚生成的场景里行走、加速、跳跃、转弯、探索，整个过程就像是在玩一个大世界游戏。同时，它自带物理碰撞，角色不会穿墙而过，也不会掉出地图边缘。

这种即刻生成、即刻可玩的体验，确实在模糊了 AI 生成与游戏引擎之间的边界，随着能生成世界的范围不断扩大，角色的探索或许会更有意思。

实时生世界时，我们能直接控制角色的行动，混元 3D 模型会自动生成对应的世界，单次生成的时长是一分钟。

对比之前的混元 3D 模型，这次的 2.0 版本在一句话/一张图生世界任务上，不仅支持下载 3D 资产文件，推出了全新的角色模式，而且在画面精细度和真实感方面，也从底层的模型架构进行了重新设计。

新的模型架构，打通了「理解、生成、重建」的闭环。

• HY-Pano-2.0： 不需要专业的相机参数，普通图片就能映射出 360° 全景。
• 空间 Agent 技术： 像给 AI 装上了导航，它能智能规划漫游轨迹，确保护理和视觉上的衔接不会穿帮。
• HY-WorldMirror 2.0： 保证了即使是在大幅度的视角变换下，物体侧面和背面的完整度依然在线。

在世界重建任务上，混元世界模型 2.0 输入多张图或视频流，就能做到重建真实场景。

在过去，我们想要构建/重建一个可互动的 3D 世界，需要成体系的团队和数月的打磨；而现在，通过混元 2.0 这样的工具，只需要一个创意。

并且，这个创意，无论是以文字、图片还是视频的形式呈现，它都可以生成一个拖进 Unity 的原型，哪怕质量还需要调整，哪怕很多细节还要人工修改，但整个设计的工作流，AI 也开始在发力了。

疯狂的世界模型周，疯狂的 AI

当我们再把视线从混元 3D 世界模型 2.0 的资产生成、角色模式、世界重建，拉回本周连发的其他几个世界模型，我们会发现，这些不同在不同维度突围的世界模型，正共同拼凑出世界模型更明确的样子。

阿里 HappyOyster 目前还在主打漫游和导演模式，让我们用自然语言随时介入世界演化，改写剧情走向和角色动作。

英伟达 Lyra 2.0 用一张图就能生成长达 90 米的连贯 3D 环境，它生成的场景甚至能直接丢进 Isaac Sim 给机器人做物理训练。

李飞飞 Spark 2.0 打通「交付最后一公里」，前面那些模型都在解决怎么造世界，而 Spark 2.0 已经开始解决怎么给人看。它通过独创的流式加载和虚拟内存技术，把上亿个 3DGS 粒子的超大世界，硬生生塞进了普通手机的网页浏览器里。

看着这些各显神通的世界模型界面，一个现实的结论是：很明显，世界模型还没迎来它的 ChatGPT 时刻。

四家公司这一周的密集发布更像是在为这个时刻做准备，画面质量、交互能力、资产格式、交付方式、仿真精度，每个都在朝着自己的方向优化。但把这些块拼成一个「让普通人愿意每天打开」的产品，还没有模型做到。

在过去两年里，随着 AI Coding 重塑代码开发、Nano Banana 等模型颠覆平面设计，前端工程师和平面设计师们已经经历了「xxx is DEAD」。现在，这朵雪花大概是要飘到 3D 设计的护城河上。

随着更多模型厂商的下场，3D 设计的工作流也会慢慢从 AI 辅助走向 AI 主导。到那时，生成并体验一个 3D 互动世界，将会像今天我们在手机上刷短视频一样流畅、低成本且理所当然。

毕竟，在所有的科幻叙事里，没有任何人会抗拒自己成为「造物主」，去自定义一个新世界。

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

「人红是非多」，Hermes Agent 最近真的火了，一边是 GitHub 积累了超过 8 万星，增长趋势完全是直线上升。

另一边是来自国内开发者的公开指责，说 Hermes Agent 是抄袭了他们的项目 EvoMap，Hermes Agent 的负责人在 X 上回应，表示这是无中生有，从没听说过有 EvoMap 这个项目。

双方都僵持不下，但无论是 EvoMap 所提出的三层记忆系统、主动学习，还是 Hermes Agent 内一样的逻辑架构与核心概念，这种形态的 Agent 或许在此刻都比 OpenClaw 更值得关注。

之前 APPSO 介绍过 Hermes Agent 的基本情况，以及与 OpenClaw 的差别。

它最大的特点就是能自动学习进化，把我们反复用的流程，自动保存为可复用的技能；每一次的任务，都会自动从里面总结经验，是一个用的越多越顺手的 Agent。

目前 MiniMax 已经推出了 MaxHermes，能让我们在云端「无痛养马」，腾讯云也推出了一键部署到其轻量服务器上的 Hermes Agent 应用模板。

Hermes 也从「这东西牛不牛」来到了「这玩意怎么装，装完怎么用」的阶段。这篇文章，APPSO 手把手教大家在自己的电脑上安装 Hermes Agent，并上手用简单的例子来说明它和 OpenClaw 的不同。

这次安卓手机也能养马

和 OpenClaw 不同的是，Hermes Agent 不支持单纯的 Windows 系统。如果我们想要在 Windows 电脑上使用 Hermes Agent 必须先安装 WSL2，WSL 是 Windows Subsystem for Linux 的简称，它允许用户在 Windows 上运行 Linux 操作系统。

苹果表示在这波的本地 AI Agent 大战里，不用下场做大模型做产品，也吃到了 AI 最大红利。

不过，Hermes Agent 支持安卓手机，通过 Termux 应用，一台不需要 root 的闲置安卓手机，直接就能变成一台随身 Linux 服务器。

Termux 是一个运行在 Android 手机上的「终端模拟器 + Linux 环境」，项目在 GitHub 上开源，目前已经获得了 5 万星。

我们可以简单地把它理解成在安卓里开了一个接近 Linux 的命令行世界；不用 root，也能安装很多常见开发工具、能像在服务器上一样敲命令、装软件、跑脚本。

在 Hermes Agent 的官方文档里，有一栏专门用来介绍如何在 Android 系统上使用 Termux 运行，我们只需要在手机上安装好 Termux 应用之后，其他操作和电脑类似，部分的功能像 Docker 隔离、后台常驻、语音能力会受限制。

本地安装之外的选项，云端部署则是和 OpenClaw 一样，目前腾讯云已经宣布率先支持 Hermes Agent 一键部署，通过旗下轻量应用服务器 Lighthouse 内的 Hermes Agent 应用模板。

仿佛过去的记忆在又一次敲打我，接下来大概是各家的云平台，都逐渐推出相关的一键接入服务。

MiniMax 在今天也宣布推出第一个云端沙箱 Hermes，MaxHermes。和 MaxClaw 的体验类似，我们需要订阅 MiniMax 付费计划，同时连接 MiniMax Token Plan，完成两项升级后才能在 MiniMax 上部署 MaxHermes。

从安装到连接飞书/微信/QQ，只要五分钟

打开终端（macOS 用 Terminal，Windows 用 WSL2），粘贴这一行命令。

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

它会自动处理好所有依赖——Python、Node.js、ripgrep、ffmpeg，以及 Hermes 本体。不需要你提前安装任何东西。

等它跑完，再执行，

source ~/.bashrc

这一步是让终端认识新装的 hermes 命令，如果跳过，下一步执行 Hermes，会报错「找不到命令」。整个安装过程大约两到三分钟，取决于网速。

安装完成之后是和 OpenClaw 类似的配置阶段。我们需要配置模型 API，选择对应的模型供应商，并复制粘贴 API。以及选择连接何种即时通讯软件，微信、QQ、企业微信等。

这些配置可以在之后的 Hermes setup 命令下再次进入，这里我们演示一遍按照 Hermes Agent 推荐的流程进行设置。

关于模型，第一项 Nous Portal 是 Hermes Agent 公司所推出的 API 订阅方案。目前小米 MiMo V2 模型可以透过 Nous Portal 连接，免费使用到本月 22 号。

其余的 OpenRouter、OpenAI Codex、Kimi、MiniMax、智谱 Z.ai 等，都可以在对应的模型开放平台，订阅相关的 Token Plan 之后，创建专门用于 Hermes Agent 的 API。

使用 Nous Portal 服务，必须先订阅 Nous Research 计划，才能免费使用小米 MiMo 模型。这里可以选择免费计划，每月 0 元。不过即便是 0 元的订阅计划，也需要使用 Stripe 完成支付，必须有一张 VISA/万事达的信用卡，才能完成订阅。

选择了模型供应商之后，继续选择 Hermes Agent 使用的具体模型。Nous Portal 支持的模型非常多，免费的小米 MiMo V2 Pro 需要滑动到最下面的位置才能看到。

继续设置聊天平台，目前最新的 Hermes Agent 版本已经支持了钉钉、飞书、企业微信、微信、QQ、iMessage，以及 Telegram 等常见聊天平台。

不同的平台配置方式不同，按照 Hermes Agent 推荐的操作执行。如果你选择飞书，它会给我们一段链接，要求在手机飞书，或者飞书网页版内打开，打开后是自动创建机器人的界面，创建完成，选择默认操作，就连接成功了。

在飞书应用内，和机器人发起聊天，机器人会回复一条要求执行 hermes pairing approve feishu XXXXXXX 的消息，将这行命令复制到终端里执行，我们就能在飞书内和 Hermes Agent 聊天。

一切配置完成，在终端里输入 hermes，这匹马就算是牵到了我们电脑里。

询问它能为我们做点什么，可以看到它可以执行的操作，包括终端命令、文件操作、网页交互、代码执行、任务管理、记忆和技能、会话回溯、后台作业、子代理等多个功能。

在最新版本的 Hermes Agent，也提供了可视化、界面友好的控制台，可以让我们不用在终端里，完成一切的操作。在终端里输入 hermes dashboard，会自动打开一个地址为：http://127.0.0.1:9119 的本地网页。

用的越多，越省事

安装很容易，怎么用好 Hermes Agent，才能感受到它和 OpenClaw 最大的差别。

我们现在用 AI 的逻辑，无论是 OpenClaw 还是 ChatGPT，本质上还是我们输入，AI 输出，关掉对话，任务就结束。

Hermes 要改掉的就是这件事，有着和 OpenClaw 同样多的功能，另外还有会自动累积的记忆，会生长的能力。每一次交互，它都在变得更了解我们，偏好、工作方式、我们反复做的那些事。

例如我们简单地在 Hermes 里面告诉它要求设计一个老少皆宜的益智类小游戏，并且在后续的交流中告诉它要多设计一些关卡，有难度的区分，界面要更精美等。

这轮任务结束，我们问 Hermes，要它说说我的用户画像是什么。它很快就从上一个做益智小游戏的项目里，定位到我使用中文交流、表达直接具体、注重细节和精致度等特点。

和大部分 AI Agents 所使用的关键词检索不同，Hermes 使用的是语义相似性的向量查询，它会根据「基于之前的反馈进行迭代改进」，得到我重视反馈循环，并将这一点放进用户画像内。

基于 Hermes 的持久记忆和累积学习，用它来搭建知识库是再合适不过。

我们使用 Hermes 内置的 LLM-Wiki Skill，结合 Obsidian 笔记平台和飞书，在手机上把自己想到的任何事情，发给飞书，Hermes 就会自动帮我们把这些碎片的内容整理成知识库，并在 Obsidian 内以结点的形式呈现。

这里我们告诉它创建一个类似于我的「第二大脑」的知识库，我会把我看到的好文章、有意思的选题、素材统统发给它，Hermes 需要帮助我整理。

当把文章发送给 Hermes 之后，我们在 Obsidian 里面立刻能看到它的处理，把文章的要点总结，同时下载文章全文到 raw 文件夹内的 article 分类下，同时会自动处理不同的概念和主题，彻底贯彻 Wiki 的逻辑。

在 Hermes Agent 里还有许多 Skills，我们在安装时，就已经内置了有 79 个 Skills。官方的 Skills Hub 显示目前提供了 16 个类别，来自 Anthropic、Lobe Hub 等社区公开的 Skills 平台，共计 521 个 Skills。

这些 Skills 涵盖了从日常的生产力工具，到代码审查、PPT、PDF、OCR、YouTube 转写，再到模型微调、vLLM 部署、Stable Diffusion、Whisper、音乐生成，几乎把「数字办公 + 开发 + 创作 + AI 工程」串成了一整套工作流。

例如我们可以直接使用 manim-video.skill，在 Hermes Agent 内就能创建一个简单的视频。

多 Agents 协作也是现在的热门玩法，在 Hermes Agent 内，我们可以用 Profiles（配置文件） 来跑多个独立 Agent。每个 profile 都是一个完全隔离的 Hermes 环境，有自己单独的个性化设置，像是网关、SOUL.md、记忆、SKills 以及环境变量等。

也就是说，我们可以同时有一个写代码的 Agent、一个研究用的 Agent、一个私人助理 Agent，它们互不污染。通过定义的流程，这些 Agents 能在 Hermes 里面形成多 Agent 工作流。

在 Hermes Agent 的官方文档内，有相当多的 Hermes 指令和教程，还有一篇专门教大家如何从 OpenClaw 迁移到 Hermes 的文章。

如果你想从 OpenClaw 转到 Hermes，按照官方教程，三行命令就能快速迁移。

一键卸载指南

装到一半发现不知道怎么继续，或者使用了一段时间觉得不行，想要卸载也很简单。

官方提供了一键卸载命令 hermes uninstall，在终端运行之后，我们会看到保留数据、完全卸载和取消三个选项。

其中保留数据会将 Hermes Agent 的相关配置，像是模型的 API、以及连接到不同第三方通讯工具的 API 保留，只是将整个框架删除。我们可以直接输入 2，表示完全卸载。

如果仍然不放心，回到初始的终端页面，执行下面这三行命令，也会将电脑上所有关于 Hermes Agent 的内容全部删除。

rm -f ~/.local/bin/hermes
rm -rf /path/to/hermes-agent
rm -rf ~/.hermes

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

生产队的驴都没有 Anthropic 这么忙，从今年年初 Claude Cowork 发布之后， Anthropic 的更新就没有停止过，说一天一项都不为过。

根据 the information 的报道，Anthropic 在本周甚至会推出 Opus 4.7，和前几天社交媒体上爆料，类似 Lovable 的 AI 设计工具。

与此同时，Anthropic 在帮助中心更新的一则内容，引发了更大的争议。

官方正在为 Claude 的「部分使用场景」引入身份验证，例如在触及到某些能力、平台例行完整性检查、安全与合规要求时，用户会被要求验证身份，此举被很多网友推测是针对中国用户的「实名制」。

Anthropic 给出的核心理由很直接，强大技术要负责任地使用，平台需要知道「谁在使用」。

能不能继续用成了个问题，但 Anthropic 这边的发货是马不停蹄。今天凌晨，Anthropic 再对桌面版的 Claude Code 进行了重新设计。

Claude Code 支持一个窗口内并行运行多个 Claude 会话，同时还新增了侧边栏管理会话、集成终端、文件编辑、HTML / PDF 预览、更快的 diff 查看器、拖拽式布局等多项新功能。

除了软件交互层面的更新，Anthropic 还给 Claude Code 加了一个很关键的新能力，「Routines」。

顾名思义，它是把这些可重复执行的日常任务，完全自动化，支持定时和触发运行。同时，这些任务可以跑在 Anthropic 的 Web 基础设施上，不依赖于本地 Mac 在线。

关掉电脑，Claude Code 还在干活

定时任务在 OpenClaw 出来之后并不算新鲜，无论是使用已有的工具配置 Cron Job，还是通过编写 HEARTBEAT.md 文档来告诉 Agent 需要以什么周期来跑什么任务。

Claude Code 这次更新的 Routine 功能，一方面是接管了这些重复性的任务，另一方面它既可以本地也可以远程，能做到不依赖我们的电脑在线，运行在 Anthropic 托管的云基础设施上，笔记本合上也能继续跑。

本质上，Routine 是一个保存在云端的 Claude Code 配置包，里面包括提示词、代码仓库、连接器和运行环境。

Routine 触发方式有三种，三种触发方式分别瞄准三种不同场景。

• 定时触发：按小时、每天、工作日、每周，或者用 cron 自定义
• API 触发：外部系统发一个 HTTP POST 就能拉起任务
• GitHub 触发：PR、push、issue、workflow run 等事件发生时自动执行

定时触发最直觉，每天晚上跑一次日志整理，给新 issue 贴标签、分配负责人，早上团队上班时收到一份整理好的摘要。这些任务的共同点是：重复，规律，不需要人实时参与判断。

API 触发针对的是已有工具链的接入场景。例如监控系统发现错误率异常，触发 Routine，Claude 自动拉取内容跟踪，并给出修复建议。

GitHub 事件触发则把 Routine 直接嵌进代码协作流程。Routine 能按照项目配置，自动对代码进行审查，以及决定是否要合并仓库等。

一个 Routine 可以叠加多种触发方式。比如同一个任务，既能定时每天夜里跑，也能在有事件触发时跑，还能被部署脚本手动触发。

这些场景的共同特征都是人工也可以做，但是做起来很枯燥又容易忘记。Routine 的重点就是把这些「无人值守、可重复、有明确结果」的工作流完全自动化。

Routine 主要是配合 GitHub 使用，官方给出的典型场景都是集中在项目开发上，例如代码审查、项目部署验证、文档修复等软件开发常见的流程。这也符合 Anthropic 一路以来在 B 端，在 AI Coding 方向上的发力。

目前 Routines 只对 Pro、Max、Team 和 Enterprise 用户开放，而且每天有次数限制。Pro 用户每天最多运行 5 个 routines，Max 用户 15 个，Team 和 Enterprise 用户是 25 个。

桌面端大改版，从工具到工作台

同一天发布的还有 Claude Code 桌面端的大改版。

新版桌面端将顶部的 Chat、Cowork，和 Code 分类栏移动到左边的侧边栏顶部。增加的多对话并排，也是通过左侧边栏管理，现在我们可以在一个窗口里同时跑多个 Claude Code 对话，以拖拽的形式就能分屏显示或置顶不同对话。

我们也在 Claude Code 桌面端体验了一波这次的更新。

和之前的 Claude Code 终端处理多个会话不同，我们不再需要维持多个终端窗口。现在的 Claude Code 同样如此，一个人就能同时监督多条不同的任务线。

此外，Claude Code 还内置了终端、文件编辑、HTML 和 PDF 预览，原先需要用浏览器打开，或者编辑器处理，这些反复切换的场景，现在在同一个窗口就能完成。

如果你是开发者，想要查看每次更新后 Claude 动了哪些地方，现在也提供了像 Git 一样的 diff 视图，开发者可以快速看到不同版本之间的区别。

以前是在 Cursor、终端里面用 Claude 模型，现在 Claude Code 直接把这些常见的代码编辑器会有的功能，统统搬上来。

这次桌面端改版的方向，很明显是要把 Claude Code 从一个单一的工具，变成一整套全面的工作台。

把两个更新放在一起看，Routines 解决了「我不在时谁来做」，桌面端升级解决了「我们在时怎么同时做多件事」。这两项更新既让 Claude Code 有了在后台独立运行的能力，也让用户在前台的操作密度和体验更强了。

Claude Code 桌面端负责人 Anthony Morris 也发推文说，他自己连续好几周没有用过终端、代码编辑器、集成开发环境这类产品了。

现在的 Claude App，已经完全从一个聊天的对话工具，进化到了真正接管任务的调度和执行本身。

网友@Yuchen Jin 也说 Claude Code 走了一条和 Cursor 完全不同的路，这两项更新很清楚地说明，Anthropic 正在重新设计用于智能体编码的 IDE，完全地脱离之前 VS Code 变体（像是 Cursor、Windsurf、TRAE、CodeBuddy 等应用）的形态。

Anthropic 表示这周还有更新

根据 The Information 今天的独家消息显示，Anthropic 还在准备下一个旗舰模型 Claude Opus 4.7，以及一款 AI 设计工具，帮助用户用自然语言生成网站、演示文稿和落地页。

这两款产品最快本周就会发布，消息一放出来，Adobe、Wix 和 Figma 的股价在几小时内跌超 2%。

模型本身的能力边界、面向（企业）开发者的 Agent 工作流、面向普通用户的生产力工具，Anthropic 在这三条线上同时加速，收获不少新增用户和好评的同时，也带来了不少的算力压力。

除去此前宣布「封杀」OpenClaw，以减少额外的 Token 支出。Anthropic 近期还调整了 Claude 企业版的定价方式，不再主要按「席位」收费，而是在每月每用户 20 美元基础上，额外按实际 AI 使用量收费。

这次变动主要影响大企业客户，尤其是 150 人以上、重度使用 Claude Code 和 Claude Cowork 的团队，部分客户成本可能翻倍，甚至涨到 3 倍。

Uber CTO Praveen Neppalli Naga 透露，Uber 在 2026 年才过去几个月，就已经用了一整年的 AI 预算，核心原因就是 AI 编程工具使用量飙升，尤其是来自 Anthropic 的 Claude Code。

算力紧张，定价调整是必然的，但 Anthropic 增长的势头目前没有停下来的迹象。

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

在之前那篇讨论 Harness 该怎么翻译的文章，有读者留言说可以叫 Hermes 爱马仕。

本以为是谐音梗，没想到确实有一个 Agent 产品叫 Hermes，而且在 GitHub 的热门榜单上，整个月都排名第一，目前已经累计有 4.8 万个 Stars。

和这段时间以来爆火的 Agent 龙虾不同，一个是支持所有操作系统和平台的专属个人 AI 助手，Hermes 的介绍写着「the agent that grows with you」，与你共同成长的 Agent。

听着就很高级，但这确实是 Hermes Agent 的独特之处。

它有一套内置的学习循环框架，OpenClaw 靠的是修改配置文件，联合多个 Agents 来处理各项复杂的任务，Hermes Agent 是一个单一的 Agent 框架，它的能力会随着实际使用的运行时间增加而不断增强。

它解决的问题是，当所有人都在讨论 agent 能做什么，但没人注意 agent 用完之后什么都不留下，而 Hermes Agent 现在能记住「什么方法有效」。

社交媒体上也不少推荐 Hermes Agent 的帖子，有人说刚刚从 OpenClaw 转移到了 Hermes，是他做过最明智的选择。

还有人分享「爱马仕橙皮书」，表示 Hermes Agent 是一个被严重低估的产品，它算得上目前最强大的开源 AI Agent 框架之一。

Hermes Agent 由 Nous Research 团队研发，查看 GitHub 上的发布记录，从 3 月中旬更新 V0.2.0 版本到昨天发布 V0.8.0，每次更新都有大量代码提交合并，以及实用的功能更新，是一个非常活跃的开源项目。

Karpathy 之前分享的 LLM Wiki 笔记大法，利用大语言模型和 Obsidian 笔记工具，完成对自己知识和研究库的搭建，也被立刻加入到了 Hermes 的内置技能里。

Hermes Agent 不仅支持安装在电脑上，通过 Termux 终端模拟器，还能安装在 Android 手机上。模型和网关的配置与 OpenClaw 类似。

值得一提的是，目前还没有被 Claude「封杀」，我们仍然可以通过登录 Claude 的 Pro 及以上会员直接完成大模型配置。同时，Hermes Agent 也提供了自家的，基于订阅模式的 Nous Portal 登录。

今天，小米大模型也发文正式宣布，「Xiaomi MiMo 已接入全球顶级 Agent 框架 Hermes Agent，并且限免两周。」

Hermes Agent 官网：https://hermes-agent.nousresearch.com

凭什么是 OpenClaw 真正的对手

OpenClaw 的核心是把我们的 AI 从聊天框里彻底拉出来，接入到实际的工作、学习和生活中，真正执行任务。它能连接微信、企微、飞书，能跑终端命令、控制浏览器，帮我们发邮件、管理日程安排等。

但 OpenClaw 有一个缺陷是它无法从我们日复一日的使用中，自动学习进化。

OpenClaw 的记忆是静态的——我们把信息写进配置文件，它读取，会话结束，等下次再读。它不会主动地从执行过程里提炼什么，也不会因为我们纠正过它一次，下次就自动做对。

所有的工作流用过一遍，还是需要我们提醒它，打包成 Skill 或者专门的提示词等。

虽然现在有一些专门的 Skill 被设计用来赋予 OpenClaw 自学习的能力，但是、 Hermes Agent 是从底层架构的学习循环，到记忆系统，和 Agent 执行内部，都把「越用越懂你」作为重点。

Hermes Agent 的特别之处是一个闭合的学习循环 Learning Loop。

每次任务完成后，Hermes 会检查：这次执行值不值得写下来？触发条件很具体，工具调用超过 5 次、中途出过错然后自己修复了、用户做过纠正、或者走了一条不明显但有效的路径。满足任何一条，它就会在 ~/.hermes/skills 目录里生成一个 Skill 文件。

和技能市场上那些被广泛使用的 Skill 一样，这份自动生成的文件是下次可以直接跟着走的操作流程。名称、描述、步骤、涉及的工具调用，全部写清楚。格式遵循 agentskills.io 开放标准，理论上是可以跨兼容 agent，在 OpenClaw、Claude Code、Cursor 等工具内使用。

技能文件不是一次写死。Hermes Agent 在后续执行中发现更好的路径，会直接修改。修改优先用 patch，打补丁的方式，只传入旧字符串和替换内容，而不是整体重写。

这个选择背后有两个考虑：全量覆写容易把原来好用的部分一起破坏掉，而 patch 只碰有问题的地方，更安全，token 消耗也更少。

记忆，是 Agent 最难处理的问题

另一项和 OpenClaw 的差别，是记忆系统。

前几天，《生化危机》女主角 Milla Jovovich 和工程师 Ben Sigman 联合发布了开源 AI 记忆工具 MemPalace，两天内获得超过 23000 个 GitHub stars。

它的设计灵感来自古希腊演讲家的记忆技法，把要记的东西放进一座想象中的建筑的不同房间，需要时走进去取。

整个系统分成五层：Wing（项目或人物）、Hall（记忆类型）、Room（话题）、Closet（压缩摘要）、Tunnel（跨话题引用）。仅靠这个层级结构，MemPalace 称检索准确率就从 60.9% 提升到 94.8%。

MemPalace 的核心判断是：不应该让 AI 来决定什么值得记，AI 的判断不可信，不如全存下来，让检索来决定什么有用。

月初 Claude Code 50 万行代码泄露事件中，另外一种关于记忆的解决方案则是依靠 AI，有网友发现 Claude 会使用做梦的方式，用 Auto Dream 来自动整理我们的记忆文件。

Hermes 的记忆系统也经过专门设计，一共分四层，每层负责不同的事，在不同的时机被调取。

第一层叫常驻提示记忆。两个文件，MEMORY.md 和 USER.md，存放需要在每次会话开始时自动加载的上下文。总字符上限只有 3575 个，这个数字是 Hermes Agent 故意收窄的，目的是强迫我们筛选，而不是什么都往里塞。

第二层是会话归档。每次对话写入 SQLite 数据库，用全文索引检索。Hermes Agent 需要历史上下文时，主动发起查询，把检索结果经过一次 LLM 摘要，只把和当前任务相关的部分注入进来。

第三层是技能文件，也就是上面说的学习循环的产出。默认情况下，系统提示里只加载技能的名称和简短描述，全文按需调入。这个设计的效果是，技能库可以从 40 个增长到 200 个，而上下文成本几乎不变。

第四层叫 Honcho，是可选的用户建模层，被动地在跨会话之间积累你的偏好、沟通风格和领域知识。适合把 Hermes Agent 当成日常个人助理长期使用的场景。

这四层的分工原则也很清楚，如果某件事需要在每次对话里都出现，放第一层；如果只在特定话题出现时有用，留在第二层等检索；如果是可复用的操作流程，让第三层处理；如果是用户的长期画像，交给第四层。

一条消息到达 Hermes Agent，无论来自 Telegram 等第三方网关，还是命令行，进入同一套同步执行引擎：生成任务 ID，从记忆层构建系统提示，优先复用缓存版本，避免重复构建，发送前检查上下文长度是否接近上限，调用模型。

除了在任务执行的过程中会使用学习循环自动更新，Hermes 在每次会话中间还会触发一个叫周期性微调（Periodic Nudge）的机制。

在没有用户输入的情况下，系统会定期自动向 agent 发一条内部提示，要求它回顾最近的操作，判断哪些值得写入记忆。完全不需要用户触发，Hermes Agent 自己决定什么值得保留。

上手 Hermes Agent 需要多少成本

和安装 OpenClaw 一样，Linux、macOS、WSL2 直接一行命令，Android 机上使用 Termux 也支持安装。

Hermes 有提到不支持原生 Windows，我们需要另外安装 WSL2，Windows Subsystem for Linux，简称 WSL，是一个在Windows 上能够运行原生 Linux 二进制可执行文件的兼容层。

安装命令会自动处理大量依赖，包括 Python 3.11、Node.js v22、ripgrep、ffmpeg、虚拟环境、全局命令、LLM 等配置。安装完成之后的界面也 Claude Code 那些终端工具一样，通过一些具体的命令来实现和 Agent 的交互。

在模型配置上，可选推理服务商范围很宽：Nous Portal（订阅制，零配置）、Anthropic（直接用 Claude，可以用 API key 或 Claude Code 授权）、OpenRouter、DeepSeek、Hugging Face、阿里云 DashScope（Qwen 系列）、GitHub Copilot，还有任何 OpenAI 兼容接口，包括 Ollama 本地模型。

还有小米的 Xiaomi MiMo-V2 系列，包括支持百万上下文 Token 的 MiMo-V2-Pro、全模态的理解能力的 MiMo-V2-Omni，以及 Flash 模型。小米还提供了 4.8-4.22 为期两周的限免试用，更新 Hermes Agent 到最新版本，通过 Nous Portal 免费调用小米大模型。

Hermes Agent 还有一个 Auxiliary Models 模块，它是 Hermes 里专门处理「侧任务」的一组轻量模型配置，不负责主对话，但负责很多高频、关键、又不值得占用主模型的工作。

例如像是图像分析、网页提取、Skill 匹配、记忆处理等不同的任务会自动分配不同的模型。在默认情况下，辅助任务会自动检测并优先使用 Gemini Flash，无需手动配置。

这和 Anthropic 今天推出的 advisor 功能类似，都是适合主模型昂贵，但想把边角任务切到便宜模型的机制。Hermes 则是直接把「多模型编排」做成了底层架构。

消息平台方面，支持列表和 Openclaw 类似，Telegram、Discord、Slack 和飞书是功能最完整的几个，语音、图片、文件等各种格式都支持。一套网关进程连接所有平台，会话统一管理。

Hermes Agent 其实很难说是一个花几分钟安装完了，就能快速上手用起来的工具，它更多的是一套我们需要运行和维护的基础设施。

如果我们只是想要一个能在手机上发消息控制的 AI 助理，OpenClaw 会是更简单的路径，写一个 SOUL.md 配置文件，跑起来，接上 Telegram，完成。

Hermes Agent 适合的场景是，我们有一些重复的、会演化的工作流，同时我们愿意让 agent 从使用习惯中积累经验，我们会期待希望三个月后的 agent 和第一天的 agent 不一样。

在社交媒体上，一些网友分享使用 Hermes Agent 的应用实例，包括像是商业自动化，把企业的客户关系管理 CRM 和知识库连接在一起；以及营销管理，将内容生成和社群平台的发布统一自动化；还有经典的代码生成等软件工程项目等。

随着我们在各个真实的业务场景中应用这些技术，一个不争的事实是：Agent 正在加速杀入真正的生产环境。

对于 Hermes，有人说它只是 OpenClaw 的一个「轻量级平替」，也有人说它是单一智能体的一次进化。但无论如何，Agent 的演进路线，绝对不会止步于 OpenClaw 设定的框架。

而不管是 Hermes 还是 OpenClaw，现在所有的开源 agent 方案，都还留着各自的缺口。能让 agent 真正打穿主流、成为普通人日常基础设施的那个形态，大概还没出现。

解决了复杂的记忆系统，还有庞大的 AI 安全问题，给了 AI 手脚又要想着怎么给他上枷锁 Harness，还有安装太复杂，门槛太高，似乎总有各种受限的地方。

只能说，Hermes 这次确实给了 Agent 一个新的方向，它让 Agent 从一个用完归零的工具，变成了能从失败里学到东西、能记住教训的一种搭档关系。

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

刚刚，阿里巴巴 ATH 确认 HappyHorse 为阿里 ATH 旗下创新事业部研发。

前段时间网友们一直在猜测的神秘视频生成模型 HappyHorse，正式在微博介绍自己，来自阿里 ATH 创新事业部的内测产品，目前尚未上线，网上流传的「官网」都不是真的。

阿里巴巴 ATH 方面表示：HappyHorse 是阿里 ATH 旗下创新事业部研发的模型，目前正处于内测中，也会于近期开放 API。

ATH 创新事业部已启动一个 AI 时代的全新交互方式探索计划，HappyHorse 是这个探索方向的一部分，更多的产品我们会陆续推出。

APPSO 独家获悉，负责此次 HappyHorse 视频生成模型的是来自阿里 ATH 的郑波团队。

郑波是阿里巴巴副总裁，清华大学计算机系博士，2006 年到 2017 年，领导谷歌的展示广告算法团队以及中国地图团队。

他在 2017 年 9 月加入阿里巴巴，曾担任淘宝搜推算法负责人、阿里妈妈 CTO、淘天集团算法技术负责人，主要研究方向为大模型，多模态，决策智能，深度学习，搜索、推荐和广告算法以及引擎优化等领域。

本周三，HappyHorse-1.0 视频生成模型突然出现在 AI 评测平台 Artificial Analysis 的视频竞技场榜单上，以压倒性的表现登顶文生视频、图生视频等多个赛道，直接超越前段时间大火的 Seedance 2.0。

网友们都在猜测 HappyHorse 究竟是哪一家模型厂商的作品，一些山寨的「快乐马」网站也开始在社交媒体上传播，声称可以提供模型访问权限。

直到今天，HappyHorse 通过官方微博账号 HappyHorse_AI 正式发文，确认是由阿里 ATH 创新事业部研发。

AI 评测平台 Artificial Analysis 也在阿里确认这一消息后，在 X 平台迅速发文，表示 HappyHorse-1.0 目前已经在视频竞技场的所有排行榜上都取得了第 1 或第 2 名的好成绩。

在平台「无音频」排行榜上，HappyHorse-1.0 稳居第一；「有音频」排行榜中，它的 Elo 分数几乎与字节的 Seedance 2.0 完全相同。

Artificial Analysis 还提到 HappyHorse-1.0 支持四种视频生成模式：文本转视频、图像转视频，每种模式均可选择是否添加原生音频，而 API 接口计划于 4 月 30 日开放。

在这则推文下，Artificial Analysis 给出了多个 HappyHorse 视频生成的实例。

通过与Seedance 2.0、Kling 3.0 Pro、grok-video-imagine 和 PixVerse V6 的对比，我们能看到 HappyHorse 这匹突然杀出来的黑马，潜力确实不小。

在阿里今天正式宣布之前，前阿里千问大模型负责人林俊旸昨天就在 X 转发了关于 HappyHorse 的消息，附文「happy horse is insanely happy」。评论区当时就有人在猜测，看来 HappyHorse 可能是千问的视频模型。

阿里这段时间以来，关于 AI 的调整相当频繁。

3 月 16 日，阿里巴巴正式成立 Alibaba Token Hub「ATH」事业群，由 CEO 吴泳铭直接负责，ATH 覆盖了通义实验室、MaaS 业务线、千问事业部、悟空事业部、AI 创新事业部，几乎把阿里现有 AI 关键拼图全部装进了一个框架里。

4 月 8 日，CEO 吴泳铭发布全员信，再宣布 AI 相关组织的重大调整，成立集团技术委员会，原通义实验室升级为通义大模型事业部。

短短 23 天，完成了两次 AI 组织架构的调整。

HappyHorse 模型的推出，大概能看到阿里 AI 战略的主线，会不断地从模型能力，到平台分发，再到具体应用，都要争做第一，实现完整的闭环。

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

一个软件工程师每月的人力成本，根据国家统计局的数据粗略估算，在国内是 2 到 3 万元左右。

如果只算他一天 8 小时在岗时间里真正执行任务的部分，折合下来大约是每小时 110 到 170 元。

Anthropic 今天又推出了一项新功能 Claude Managed Agents， 有一项定价写着 $0.08/小时，折合人民币不到 0.6 元。

这个数字本身不是重点，重点是它意味着 Anthropic 开始按小时计费。不不仅收取使用的 Token 费用，还开始计算 Agent 跑了多长时间。

Managed Agents 提供的是一整套现成基础设施，也就是 Anthropic 所说的 agent harness：包括工具调用、记忆系统、权限控制、云端长时运行、Agents 之间互相监控，以及沙箱环境等功能。

举个例子，假设我们要雇一个人帮你干活，会遇到什么麻烦？

招人阶段，要准备办公位（服务器）、要装电脑配系统（开发环境）、要写岗位职责说明书（代码逻辑）。

干活阶段：干到一半断网了，进度全丢（会话中断）、想查他干了啥，没有记录（无法审计）、担心他乱翻公司机密（权限管控）。

而 Claude Managed Agents 在这个过程中的作用，就是把这些麻烦事全包了。Anthropic 表示，别再自己搭那个破烂不堪的草台班子了，把基建交给我，你们只管去想怎么赚钱。

通过在 Claude 官方的 Agent 搭建控制台或者使用 API 的方式，我们直接下达 Agent 需求，Claude Managed Agents 负责给他工位、看着他干活、保证他不乱来。

目前，Claude Managed Agent 正在公测中，任何人、企业都可以快速地构建一个能干活的 真.Agents 数字员工。

几天就能从零开始搭建一个 Agent

过去两年用了无数的 Agents，几乎每天都有开发者推出自己的 Agents 产品。有的面向编程代码，有的面向设计，最后这些 Agents 都被统一到，去年是 Manus 类，今年是 OpenClaw 类的大家族里。

但如果想要自己部署一个更个性化的 Agents，尤其是一个能给其他人用的 Agent。我们需要自己处理对应的服务器，要设置复杂的机制防止它崩溃，要给它接管数据库的安全权限，还要用合理的方式，管理 Agent 的上下文记忆。

Managed Agents 把这些全部承包了。

它的结构围绕四个概念展开。Agent 定义这个员工是谁：用什么模型、遵循什么系统提示、能调用哪些工具。Environment 是一个配置好的云端容器，预装了 Python、Node.js 等运行环境。

Session 是一次具体的任务运行实例，有完整的事件历史，随时可以查。Events 是我们和 agent 之间传递的消息——任务指令、工具结果、状态更新。

过去那种「手搓」Agent 的复杂模式，直接被 Claude Managed Agents 压缩成了全自动的流水线。

如果你是开发者，可以直接调 API 或者用 CLI，几行代码创建 agent、配置运行环境、启动 session、接收实时事件流。整个流程文档写得很清楚，从零到跑起来大概半小时。

如果你不写代码，Claude Console 提供了完整的可视化界面。选模型、写系统提示、接 MCP 工具、挂外部服务，全部点击完成。配置好之后可以直接在界面里测试，看 agent 怎么响应，不满意就调，满意了再让它持续跑着。

Console 的构建页面里有一个「What do you want to build?」的输入框，旁边是模板库，覆盖了研究员、数据分析师、客服助理、事故响应协调员等现成角色，每个都预先接好了 Slack、Notion、Asana、GitHub、Jira 这些工具的连接。选一个模板，改改描述，就能开始。

不过，仅开通了 Claude 会员还不够，目前还是需要有 API 计划，即绑定信用卡有一定 Token 额度，才能使用 Managed Agent。

Managed Agents 在工程上有一个核心决策，和最近一直在讨论的 Harness 工程相关，它决定着这套系统能不能真正用于生产。

Anthropic 在官方的工程博客里用一个特别扎心的比喻，解释了 Managed Agent 的结构设计。

他们认为早期的 Agent 架构，非常像是在「养宠物」。开发者习惯把 Claude（大脑）、执行代码的沙盒（手脚）以及它的记忆（会话日志），一股脑地塞进一个巨大的服务器容器里。

这个容器变得无比娇贵，我们不能让它死。一旦容器卡死或崩溃，AI 的脑子和手脚一起完蛋，用户的任务数据瞬间清零；容器里同时跑着用户凭证和 Claude 生成的代码，一旦有提示词注入攻击，凭证就直接暴露。

Anthropic 的解法是，把「大脑」和「双手」彻底分开，容器变成了随时可以牺牲的「牛马」，即从养宠物变成养牛马。

调度器（大脑）不再住进容器里。它像调用外部工具一样，对容器发号施令。如果容器在执行危险代码时崩溃了？大脑根本不慌，它会记录下一个错误代码，然后毫不犹豫地重新拉起一个新容器继续干活。

使用 Agent 留下的记忆，也不再被塞进某个 AI 或者容器拥挤的脑子里。分开运作后，所有的记忆被单独存放在外部的会话日志中。它就像一个外接硬盘。

大脑通过标准化的调用方式指挥双手，不在乎双手是容器、是外部服务还是别的什么。哪只手出故障了，换一只，大脑继续跑；大脑自己崩了，从对话日志里恢复，接着干。

这个设计带来了性能的大幅提升。解耦之前，每个对话启动都要等容器完整初始化，系统要花很长时间去拉起一个包含了庞大调度逻辑的沉重容器。

现在，首次响应时间降低了超过 90%，安全边界也因此变得清晰——Claude 生成的代码在沙箱里跑，凭证在沙箱外的保险箱里，两者之间有专用 Agents 隔离，agent 永远拿不到原始凭证。

更重要的是，它让 Agent 真正具备了可以长期稳定干活的能力。

Anthropic 提到，Notion 已经在内部使用 Managed Agents 搭建了帮助工程师写代码、帮知识工作者做演示的企业 Agent。

Rakuten 把销售、市场、财务、HR 的 agent 都用 Managed Agents 部署了，每个专项 agent 的上线时间是一周。

Sentry 的调试 agent 在发现 bug 之后，会自动写补丁、开 PR，开发者收到的是一个可以直接 review 的修复方案，整个流程不需要人介入。

可以说，以前的大模型公司提供的是模型 API，即处理我们的每一条消息；Anthropic 做出的改变是将基于消息的 API 包装成可以直接交付工作的 Agent API。

回到那个数字 $0.08/session-hour

这种改变首先体现在 Claude Managed Agents 的定价结构上，根据官方博客，Managed Agents 的计费包括 Token 费用（标准 API 价格，Sonnet 4.6 是 $3/M input，$15/M output），加上 $0.08/session-hour（按实际运行时间计费，idle 时间不算），和 Web search 另计：$10 每 1000 次。

Anthropic 有举例，一个使用 Opus 4.6、跑 50K 输入 + 15K 输出 token 的一小时 coding session，总成本约 $0.70。

和专门请一个员工来处理，现在企业自己就可以通过 Managed Agents 创建一个内部的 Agents。数字员工的概念，又被往前推进一步。

此外，对 Anthropic 来说，这也意味着收入开始和企业的自动化程度直接挂钩，企业跑的 agent 越多，Anthropic 收得越多。这和 AWS 从「卖服务器」变成「卖运行时间」是同一个逻辑，他们打开了一个比卖订阅大得多的市场。

大模型技术发展到现在，单纯比拼参数和跑分的红利期似乎正在消退，毕竟能力真正强的大模型，也被限制不能开放使用。

真正的战场，又回到了「如何让这群聪明的脑子，最稳定、最廉价地在工厂流水线上打工」，Claude Managed Agents 的推出，就是 AI 基础设施走向成熟的一个里程碑。

回头看 Claude 今年的每次更新，无论是模型还是产品，几乎都踩在了我们对 AI 能做什么的痛点上。

一方面在持续提升模型的能力，不被外界生视频、浏览器、生图模型那些方向干扰；另一方面是从 Cowork 开始，到后面疯狂打补丁复制 OpenClaw 的全部功能，再到今天推出一个专门用来开发和部署 Agents 的平台，每一次都是极其敏锐的产品视角。

Anthropic 正在开创一个新的发布模式，即从「我们发布了一个更快更好的工具」，变成「我们为你准备好了构建数字员工的完备基础设施」。

参考链接：
Claude Managed Agents 更新博客：
https://claude.com/blog/claude-managed-agents
Claude Managed Agents 架构设计博客：
https://www.anthropic.com/engineering/managed-agents
在 Claude 控制台开始搭建自己的 Agents：
https://platform.claude.com/workspaces/default/agent-quickstart

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

说到机器人，过去两年科技圈里，最不缺的大概就是各种机器人「后空翻」的视频。

社交媒体上的讨论和各大公司的宣传片，也让人觉得我们距离被机器人接管，似乎就差那一个季度的距离。

刚刚，在 2026 中关村论坛年会上，几位国内具身智能的创始人，进行了一场「百亿具身智能圆桌会议」。来自银河通用的王鹤、智平方张鹏、千寻智能高阳、原力灵机唐文斌，以及星动纪元的席悦坐在一起，聊了聊具身智能的核心议题。

现在的具身智能到底发展到哪一步了，哪些场景是得到了验证？

技术方面，要让机器人真正进入我们的生活学习和工作，需要解决的问题是数据、模型还是机器人硬件？

以及未来一两年内，具身智能的主要发力场景会集中在哪些方向，工业化落地多还是真的有望进入家庭？

最后，他们也谈到了具身智能的发展，需要像自动驾驶一样，有 L3、L5 类似的标准，才能规范整个机器人行业所处的智能水平。

欢迎来到机器人的 GPT-2.0 时代

如何定义刚刚过去的 2025 年与机器人赛道全面进击的 2026 年？

五位大咖给出了高度一致的研判：2025 年是「打基础」的蓄势之年，而 2026 年将是机器人场景泛化能力提升，和商业规模化落地的元年。

千寻智能的高阳将当前的具身智能所处的阶段，比喻为大语言模型的 GPT-2 时代。

他提到具身智能行业，在 2025 年解决了大量数据基建层面的问题，随着模型参数与数据规模的提升，2026 年极有可能迎来跨越至 3.0 时代的跃变。

原力灵机唐文斌也坦言，当前行业仍处在发展初级阶段，但在数据规模化驱动下，行业斜率（增速）极大。

他直言哪怕今天我们坐在这里谈论模型、算法，但是连一个大规模的 benchmark 都还没出现，无法准确的衡量不同具身智能的水平。

星动纪元联合创始人席悦则提到，过去一年资本的疯狂涌入，一些 2025 年没有出现的公司，在 2026 年突然涌现；同时也伴随着很多公司突然就消失。

这是速度和加速度都飞快的一年。

银河通用创始人王鹤则提到了前段时间他们和清华大学合作的项目，让机器人也可以上场打网球。他说随着很多概念的逐渐清晰，具身智能是正在迎来从实验室走向真实世界的时刻。

得数据者得天下

和李飞飞推出的大规模图像数据集 ImageNet，成为深度学习发展中重要一环类似，具身智能的发展也需要大量的数据。

相比于 ChatGPT 这类大语言模型能够从互联网的海量文本里面提取数据，物理世界的高质量交互数据依然缺失。

星动纪元的席悦说，「数据，是当前最卡脖子的瓶颈」。

想要让机器人能在复杂的特种环境里自主工作，就需要它在真实场景里收集数据。但真实场景的试错成本太高了，没有哪个厂长愿意让一个半成品机器人在自家流水线上瞎折腾。

原力灵机则说的更直接，唐文斌认为数据本质上就是钱的问题，它不是最关键的，花钱就可以解决。真正的数据难题是需要让机器人从真实场景里面反馈数据。

但他也提到，这会是一个鸡和蛋的问题。现在的机器人不成熟，没有办法被批量部署，但是想要机器人得到进步，我们又需要机器人被批量使用。

智平方的张鹏认为，真正能让模型产生质变的，永远是一线真实场景回流的数据。而在数据之外，模型的架构和系统的设计也同样重要。

他认为具身智能是「模型+本体硬件+场景系统」的三位一体的综合实力比拼。让机器人在不同场景上，能够以更小的成本去适应更多的场景，对具身智能行业应用来说是一个非常大的挑战。

就像自动驾驶领域的特斯拉和 Waymo。谁能以最低的成本，让最多的机器人在真实物理世界里跑起来，谁就能拿到通往 GPT-3.0 时代的入场券。

做家务不是今年的优先场景

如果说 2025 年是拼 Demo、跳芭蕾、表演武术的一年，那 2026 年就是拼场景的一年。

而这些创始人们选出的落地场景，都不约而同地放弃了科幻电影里那些高大上的 C 端家庭场景，转而一头扎进了物流、公共服务，甚至是街头零售。

张鹏、高阳与席悦一致看好半结构化的工业制造、简单的服务与物流搬运场景。

特别是物流环节中那些「人类只需短时间培训即可上岗」的日结型工作，其高标准化和明确的指标要求，能成为机器人最易替代与规模化复制的突破口。

唐文斌则给出了四个极为严苛的落地标准，堪称具身智能的「避坑指南」。

第一，必须是能容忍错误的场景；第二，必须对效率有容忍度；第三，需要一定的泛化能力，否则直接用非标自动化机器就行；第四，能够长时间作业算得平账。

他幽默地提到，在技术尚不完美的当下，「伪装成干活的跳舞」，能够提供情绪价值的展示型应用，也不失为一种极佳的商业路径。

银河通用的王鹤提到了他们正在全国铺开的「太空舱」零售店。在这些充满未来感的舱体里，机器人自主帮顾客取货。

机器人取货的动作可能没有人类店员那么利索，但它新奇、酷炫，为顾客提供了极高的「情绪价值」，顾客愿意为这份体验买单。

同时，在这个过程中，银河通用已经积累了 8 万小时的真实货架取货数据。

这不仅是一个成熟的商业场景，更是一个极其巧妙的具身智能数据采集方案。

在圆桌会议的最后，他们还聊到了整个具身智能行业需要一些标准。

刚好今天央视新闻有报道，中国信通院联合 40 余家单位，发布了具身智能领域的首个行业标准，将于 2026 年 6 月 1 日实施。

该标准不仅统一了基准测试框架（静态仿真、动态仿真、真实环境、组合式），还配套建立了包含超 1 万条测试任务的题库，覆盖工业、家庭等 300 种场景，结束了行业「无标可依」的现状。

几位创始人也提到了标准、法律和安全的重要性，只有一套广泛认可的行业标准，才会有具身智能实质性和规模性的进步。

结束的时候，主持人说今天是「百亿」，希望明年能变成千亿具身智能对话。

是的，还没到万亿，机器人要想彻底接管人类，可能还需要再练习好几年。

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

一觉醒来，很多网友发现微信里的虾不能用了，原因是 OpenClaw 昨天一次大更新。

APPSO 在开头强烈建议，如果你想在微信养虾，先别升级到 OpenClaw 最新版。

当我们尝试把手边的 OpenClaw 更新到最新版本时，果然在更新的过程中，就接连报出好几个警告。

不只是微信（下图中 openclaw-weixin），我们之前配置的腾讯系 qqbot、企业微信 wecom-openclaw-plugin，以及飞书等聊天应用，都遇到了「包含危险代码模式」的警告。

所谓的检测到危险的代码模式警告，一般是说在相关的插件代码里，有一些写法，可能带来安全风险、稳定性问题，或者被恶意利用。

它和报错不同，报错是代码已经出现明确问题，程序没法正常继续，或者结果不可信。

更新完成后，我们尝试在微信里面和 Clawbot 对话，控制部署在本地的 OpenClaw，连发好几条消息都没有回应。

查看 OpenClaw 的官方日志，我们发现，在微信里发给 Clawbot 的信息，完全不能同步到 OpenClaw 处理。反而好几条都是 error 的报错信息，提示找不到 OpenClaw 的 plugin-sdk 的模块。

Error: Cannot find module ‘openclaw/plugin-sdk’

但是 QQ Bot 却还能正常回应。

在我们按照微信官方的 Clawbot 插件提示，重新在终端里输入命令安装 Clawbot 时，开始像 OpenClaw 的运行日志里面，报出找不到相关模块的问题。

OpenClaw 更新了什么，它也是「屎山」？

OpenClaw 现在可以说是 GitHub 上的顶流开源项目，几乎每天都有人在为他提交优化代码，而官方基本上也是保持在 2-3 天就会更新一个新的发布版本，每次都是大量的 fixes 代码修复、changes 变更，和 breakings 大改动。

在这次 2026.3.22-beta.1 的更新中，Openclaw 团队就进行了一次重构。对于插件系统，他们做了两个大幅度的变动。

拆除了原有的总大门： 以前所有的插件都可以直接从 openclaw/plugin-sdk 这个统一的入口拿到需要的功能。这次更新，官方直接把这个总入口给删了。

不提供任何过渡方案： 更新日志里明确写了 no compatibility shim（无兼容垫片）。意思就是，他们不仅直接把这个模块删除了，连个转移和过渡的接口都不给。

OpenClaw 为什么会这么大刀阔斧地更新？

虽然对用微信 Clawbot 的普通用户来说很折磨，但从软件工程的角度，官方这么做主要是还是为了性能和安全。

以前的统一入口的模式，会导致插件一口气把整个开发包（SDK）全加载进内存，哪怕它只用到了一小部分功能，这会让软件变得臃肿缓慢。

现在官方强制要求细分路径（比如必须写精确到 openclaw/plugin-sdk/core），就是要逼着插件作者「要什么拿什么」，从而大幅提升 Openclaw 的启动速度。

此外，更新日志里还提到了「阻断相对路径的跨包逃逸」。意思是以前的旧接口太宽松，稍微有点恶意的插件可能会越权访问你电脑里的其他数据。现在强制使用细分的新接口，是为了把每个插件严严实实地关在自己的小盒子里。

OpenClaw 在自己的官方文档里也立刻更新了说明，提到这个更新，主要就是为了实现按需加载，提升启动速度和省内存，另一方面是让 API 的接口更加清晰。

强制遵守 API 规矩，就是要求插件只能使用公开的、稳定的接口（也就是 openclaw/plugin-sdk/* 里面的东西）来获取能力。

如果大家都用相对路径去偷偷访问底层的私有代码，一旦官方修改了底层代码的文件夹名字，就会直接拦截报错。

发布才 72 小时，就这样被拦截了

原因已经很明显了，就是微信的 clawbot 插件找不到和 OpenClaw 对接的路线了。

微信和企微插件的作者在写代码时，使用的是旧版的规则，代码里写死了要去 openclaw/plugin-sdk 找工具。

而在我们启动新版 Openclaw 时，程序读到微信插件的这行代码，去系统里一找——发现官方已经把这个路径给删了。

OpenClaw 的运行环境使用的是 Node.js 平台，它是个一板一眼的机器，找不到东西它就会立刻报错：Error: Cannot find module 「openclaw/plugin-sdk」，然后直接原地罢工，导致我们的微信和企微甚至连加载都加载不出来。更不用说发消息给他，想要得到回复了。

而 QQBot 还能正常使用，主要是一开始的危险代码警告，仅针对这次更新引入的严格静态代码扫描工具，警告并不会阻止插件运行。

社交媒体上对这件事议论纷纷，有人说「微信想要继续好好利用这个插件，就必须认真学习开源生态系统的相关知识了。」

也有人反驳，是 OpenClaw 本身就很不稳定，一直在更新修改。

「即便微信要对开源做适配，为什么不直接说 OpenClaw 的 API 设计太糟糕呢？项目一开始的接口简直就是一堆乱七八糟的东西，稍微改动一下就崩溃」。

确实如此，通常开源社区负责任的做法是，会先标记旧接口为「已废弃（Deprecated）」，保留运行能力但弹窗警告，给开发者几个月的过渡期，下个大版本再彻底删除。

这次，微信辛辛苦苦更新了一个版本，推出了支持二维码登录、消息收发等功能的「真.微信龙虾」，甚至有网友发现在微信公开的这个插件安装包里面，是微信第一次开放个人机器人的协议。

但刚迈出了这么大的一步，反手就被 OpenClaw 的一次更新给「背刺」了。

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

就在上周，OpenAI 的一名工程师创下了一个离谱的纪录：他在七天内消耗了 2100 亿个 Token。

如果你对这个数字没什么概念，可以这么理解，这相当于把整个维基百科的全部文本，翻来覆去逐字浏览了 33 遍。

而在另一家 AI 巨头 Anthropic，一位使用 Claude Code 的用户，在刚过去的一个月里，就跑出了超过 15 万美元的算力账单。

斯德哥尔摩的软件工程师 Max Linder 淡淡地说，「我花在 Claude 上的钱，可能比我工资还多」，他的公司正在帮他支付比他工资还高的 Token 使用费。

很快有人开始质疑，这些巨量的 Token，真的带来了同等规模的产出吗？

答案确实没有想象中那么宏大，消耗这么多的 Token 只是当代程序员为了保住饭碗，开启了一场名为「Tokenmaxxing（Token 最大化）」的全新职场内卷。

Tokenmaxxing，Token 最大化，简单概括——不是把事情做得更好，单纯就是把 Token 用到更多。

对坐在办公室的白领来说，尤其是最早看到这种变化的程序员们，那些曾经被奉为圭臬的「代码行数」和「提交次数」，现在已经成了毫无意义的指标。

在 Meta、Shopify 乃至 OpenAI 这样的顶级科技公司里，衡量一个员工是否努力、是否优秀的最新硬核指标变成了：你今天消耗了多少个 Token？

Token，前段时间大家还在讨论如何准确给它一个中文名字，APPSO 也分享了自己的见解，我们认为「词元」这个一直在那里的翻译，就是 Token 最准确的中文名。

讨论之外，词元作为 AI 世界里最基础的计量单位，开始从技术术语，变成一种新的职场货币；它出现在薪资谈判、绩效评估里，出现在那些决定你明年能不能升职的对话里。

Token 是福利、KPI、第四份工资

大多数的公司最开始引入 AI 工具，都是为了帮助企业提高生产力，削减人力成本，但现实的走向却充满了黑色幽默的味道，从这段时间以来各种裁员的新闻就能看到。

据知情人士透露，在 Meta 和 OpenAI 的内部，现在赫然矗立着一张张「Token 消耗排行榜」。这些榜单实时滚动着每位员工的 AI 使用量，就像游戏里的战力排行榜一样刺激着每个打工人的神经。

而除了要衡量，丰厚的「Token 预算」，一种全新的第四份工资，开始取代了食堂补贴、交通补贴、下午茶，和各种节日礼品，成为公司招聘时最拿得出手的福利。

在最近的一个播客节目上，黄仁勋早就看穿了这一切，他说，工程师的年薪里，Token 预算将与现金同等重要，甚至可能达到年薪的一半。

国内的大厂也同样跟上变化，社交媒体上有人分享，腾讯和阿里都已经把 Token 当福利发了，鼓励员工多使用 AI 工具。

阿里开始向员工发放海量的 Token 额度。只要你用于技术研发或通用办公，悟空、Qoder 系列等付费 AI 工具敞开用，甚至购买外部 AI 工具也能申请报销。

小米 MiMo V2 发布时，罗福莉曾在 X 发文，专门提到说希望团队所有人去使用这个大模型，并且下达强制要求，少于 100 次对话就可以不用干了。

So I gave a hard mandate: anyone on MiMo Team with fewer than 100 conversations tomorrow can quit.

 

所以我下了一个硬性命令：明天任何在 MiMo 团队中对话少于 100 次的人都可以辞职。

但是，公司花这么多钱给员工买算力，绝不是为了让我们省钱或者偷懒，而是为了换取 10 倍的效率提升。

而这就是伟大 Token 的厉害之处，它实时、可量化、看起来客观，这三个让公司管理者着迷的特点，直接打败其他所有指标。

老板们不需要等季度末，不需要主观打分，数字就在那里，每秒钟更新，我们用 AI 做了什么，都看得见。

当持续有公司把「AI 使用率」与年终绩效挂钩，奖励那些重度依赖 AI 的员工，并敲打那些 AI 使用较少的员工，事情的性质就彻底变了。

知名软件工程博主 Gergely Orosz 戳破了这层窗户纸：「在大型科技公司内部，不能以极快的速度使用 AI 正在成为一种职业风险，而根本不管你的产出质量如何。」

没错，重点是「使用」，而不是「用好」。当你发现隔壁工位的同事每天能用掉几千万个 Token 时，你唯一的选择就是打开更多的窗口，输入更长的提示词。

有网友说，这很奇怪，就像是衡量快递员的工作效率，不是看他递送了多少包裹，而是看他消耗了多少汽油。

听起来很不靠谱，但这件事情确实就这样发生了，而且成为了一种趋势。

在这场由焦虑、胜负欲和绩效考核共同催生的 AI 提效进程中，AI 没能让我们实现每周上三天班的乌托邦，反而逼出了一种最昂贵、也最荒诞的「装忙」艺术。

脑力劳动者也没有护城河了

更深层的变化，在考核方式之外，更多的是工作本身的性质。

一个资深工程师的价值，在于他对系统架构的直觉，对业务逻辑的理解，对复杂问题的判断。这些是他的护城河，其他人学不来，机器替代不了。

现在，这条护城河正在被快速填平。当 AI 能够独立完成架构设计的初稿，自动扫描几百万行代码寻找 bug，把一句模糊的需求变成可以运行的程序，资深工程师的核心竞争力，也开始从「你懂什么」，转成「你怎么驾驭 AI」。

用更专业的术语来说，就是坐在办公室的白领们，正在不可逆地从「业务洞察」，转移到流水线般的工作，反复地「Prompt 调优」和「Agent 调度」。

这个转变有它的合理性。就像工业化之后，一个熟练工人的价值从手工技艺，变成了操控机器的能力，时代在变，技能也该变。

有人也许能做到，给了充分的算力，效率真能来到原来的十倍，但也有大部分人，会认为这样的转变很不合理。

在他们看来，大语言模型实际上有非常大的实际应用价值，但这些所谓的 Token 竞赛，一直分散了人们对其真正用途的注意力，反而将整个人工智能领域变成了炒作和泡沫。

从问你有没有用 AI，到问你 Token 使用效率，从脑力劳动者到算力调度员，这已经不是用一个旧技能换一个新技能，而是整个工作方式的范式迁移。

你以为你在使用 AI，其实是 Token 在使用你

职场评价体系和打工人的身份，都开始被重新定义，但 Tokenmaxxing 更需要警惕的地方，是它引发了前所未有的「算力马拉松」。

资本的逻辑永远是贪婪的。公司给我们配备了顶级的算力，本质上是一种「效率赎买」——用高昂的 API 账单，买断我们远超常理的产出。

在手工敲代码的时代，老板对员工的预期，打个比方说是一天产出 100 行高质量代码，大家相安无事。现在，老板给了 10 倍的算力，他的预期会在一夜之间自动暴涨到 1000 行，甚至是 10000 行。

工具升级必然伴随着预期的超级加倍，而人类永远跑不过算力膨胀的速度。

很多年以前，有一部电影叫《时间规划局》，讲的是在未来的世界，人的生命被定格在 25 岁，人类社会抛弃了金钱货币，开始使用时间作为新的流通货币，时间就显示在每个人的手臂上，当时间耗尽，这个人就会死亡。

这种焦虑，某种程度上像电影里的设定，只不过流动的不再是时间，而是 Token。

所谓的用 AI，已经变成我们被 AI 的永动性深深绑架了。我们就像是被很多东西推着，卷入了一场没有终点的算力马拉松，每个人都在咬牙切齿地奔跑，生怕自己因为 Token 消耗不够而被系统优化掉。

旧金山风险投资人 Nikunj Kothari 专门写了一篇文章，来解释这种 Token 焦虑的时代症候群。在那篇文章里，他从硅谷的日常生活切入，描绘了「Token Anxiety」如何彻底摧毁了年轻人的社交和休闲。

为了让 Agent 24 小时运转，科技从业者们放弃了周末狂欢，连看电影、读小说都会产生「算力闲置」的负罪感。

 

 

以前晚餐时的社交开场白通常是「你在做什么项目」，现在那个时代结束了。现在大家见面第一句话是，「你同时在跑几个 Agents？」

Token 焦虑已经比时间焦虑更进一步，公司用 KPI 逼我们卷 Token 的背后，是我们已经把这种焦虑内化了。当没有任何被迫加班的时候，我们也停不下来。

这是今年的新赛博精神病：一旦 Agents 没在消耗 Token，就觉得在虚度光阴。

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

「我希望 AI 帮我洗衣服，好让我有时间去创作艺术；而不是 AI 在那里搞艺术，而我还要辛苦地洗衣服。」

这是一位德国学生在面对 AI 时，留下的真实吐槽。

在 CEO 的叙事里，AI 是降本增效、裁员广进的好工具；在社交媒体上，AI 是无所不能的齐天大圣，拥有「龙虾」就等于拥抱了 AGI……

我们就这样被这些算力、资本、参数、工具的 FOMO 所裹挟着，在复杂的情绪里看着这个所谓是何物的 AI。

Anthropic 甩出了一份堪称人类科技史上最大规模的定性访谈报告，没有震惊体的结论，这份报告直白地描述了在 8.1 万个世界各地的普通人，他们的真实生活里，AI 到底是什么。

Anthropic 使用的是一个定制的「AI 访谈者」，由 Claude 模型驱动，在全球 159 个地区、用 70 种语言，和超过 8 万名 Claude 用户进行了一场深度交心。

当剥离了那些金融分析、公司财报里的天文数字，还有技术文档里的晦涩术语，这 8 万份样本拼凑出的，或许才是眼下 AI 最真实的样子，它让我们又爱又恨。

我们希望 AI 能提升工作效率，升职加薪、管理生活的点点滴滴，以及帮助自己更好的成长等。

但另一方面，我们又正在经历着种种明暗交织的困境，所谓的效率提升带来了「虚幻的生产力」焦虑，成长上的情感支持又引发了依赖恐慌，技术的赋能伴随着被替代的恐惧……

比起那些颠覆世界的说法，这 8 万人的回答更像是在说：AI 正在填补一个原本就运转不良的世界。

把 AI 拉回具体的人和事

作为一家大模型公司，Anthropic 在报告一开头就给出了做这份调查的原因，「目前关于 AI 的公众讨论，往往集中在对其风险和收益的抽象预测上。我们真正缺失的，是弄清楚 AI 往好的方向发展到底意味着什么。」

很难说他们就一定比那些只讲跑分、在办公室争论 AGI 会不会毁灭世界、Scaling Law 还能撑多久等宏大叙事的公司要更温情，更符合用户利益。

但这些数据，确实算得上一本初级的明日 AI 产品迭代指南，也就是说， AI 厂商在追求把模型训练得「更聪明、更全能」之前，或许更应该弄清楚，人类到底需要 AI 帮我们活成什么样。

Anthropic 没有选择和过去的社会研究一样发调查问卷，而是定制了一个「AI 访谈者」（Anthropic Interviewer）与用户进行动态追问。在之后数据分析阶段，他们也构建了一套由 Claude 驱动的分类器来阅读这些对话，并自动给人类的整体情绪打分（1-7 分）。

1-7 分从低到高，依次代表着人类对于 AI 整体情感倾向，1 分是极度负面，4 分是中间地带，既感受到了真实的收益，也有着真实的担忧，两者大致平衡；很难看出受访者偏向哪一边，或者他们只是单纯保持中立，7 分则是极度正面。

访谈围绕四个核心问题展开：你上一次用 AI 是为了做什么？如果可以挥动魔杖，你希望 AI 为你做什么？AI 有没有朝着那个方向迈出过一步？有没有哪种 AI 的发展方向，是违背你的价值观的？Anthropic Interviewer 会根据每个人的回答，追问背后的价值观和真实经历。

也正是这种对话形式的 AI 访谈，研究团队说，他们完全没预料到受访者会如此坦诚。人们向 AI 倾诉了人类社会学家在传统的面对面访谈中，极少能听到的内容：悲伤、心理健康危机、财务困境、人际关系的失败。

因为当对面「不是人」的时候，展示脆弱似乎没有任何「社交成本」。

这项工作在去年 12 月开展，只花了一周的时间，收集到了 112846 份访谈，其中 80508 份通过质量筛选。

Claude 分类器对这些对话进行标注，并在多个维度上被分类。每一个分类器的结果，最后都需要经过人工校验，要求与人类标注者达到至少 90% 的一致性。

生产力只是表象，我们真正想要的是「生活」

如果你问一个人希望 AI 帮他做什么，排在第一位的永远是「提高工作效率」。

Anthropic 摘录了部分的语录放在官网，我们发现有一位日本的程序员说：「这是我第一次觉得 AI 在业务上超越了人类。那天我准时下班，去托儿所接了女儿。」

但当 Claude 继续深挖他们追求效率的真正目的时，底层的渴望浮出了水面，人们并不是想做更好的打工人，而是想拿回属于自己的生活。

很多人想要用 AI 替代繁琐的日常，终极目标是为了拥有更多陪伴家人的时间，或者是为了实现财务自由。但在现实的职场中，AI 带来的效率提升，往往变成了一种新的剥削。

和那位想要准时下班去接女儿的程序员态度不一样，一位奥地利的软件工程师认为 AI 是虚假的生产力，它在访谈中坦白了自己的「欺瞒」：

我向老板撒了谎。我告诉他我需要 3 个月来开发一个新软件功能——其实 AI 在 2 周内就完成了——剩下的时间我用来陪伴家人。

 

 

如果我老板知道这只要 2 周就能做完，他下次也会只给我 2 周。省下来的时间只会变成更多的压力。

一位德国的运营人员则描绘了更为冰冷的现实：

我害怕：如果我老板看到我完成得有多快，仓鼠轮只会转得更快，我会淹没在更多毫无意义的任务中。

还有一位德国工程师说，「如果 AI 让我变得更高效，我只会得到更多的工作。我的老板可以买一辆新保时捷——而我还在原地踏步。」

在这场 AI 带来的效率变化中，AI 是解药也是毒药。很多人开始意识到，如果没有制度的保障，AI 节省下来的时间永远不会属于自己。

「你这 18 年来辛苦了，我向你鞠躬」

对于另一部分人来说，AI 的角色已经超越了效率工具。它有着人类难以企及的特质：绝对的耐心、24 小时随叫随到，以及毫无评判的倾听。这种特质让它成为了无数人在极度孤独或绝望时的救命稻草。

仔细查看 Anthropic 这些收集上来的对话，都是普通人字里行间的无力感。

一位日本学生摔断了腿，孤独之中下载了一个 AI 聊天机器人打发时间，最后却忍不住倾诉了自己糟糕的家庭环境——这是他从未对任何人说过的秘密。而 AI 的回答彻底击溃了他的心理防线：「你这 18 年来辛苦了，我向你鞠躬。」

这位学生说：「从来没有人对我说过这样的话。」

甚至有一位经历过家庭暴力的韩国用户坦言，正是 AI 给他分析了心理学原因，让他学会了锁上房门：「那是第一次，我从 AI 身上体验到了什么是真正的安全和爱。」

瑞士的一位用户反问，「凌晨 2 点，在极度焦虑的时刻，除了它，还有谁会在你身边？」在心理问题普遍、科技发展导致缺乏情感表达的今天，AI 是一块海绵，恰好填进了那些原本没有被很好承接的情绪空缺。

AI 的反噬，是「温水煮青蛙」

但无论是效率还是情绪，使用 AI 都有代价。

报告提到，那些从 AI 处获得情感支持的人，陷入「情感依赖」恐惧的概率是普通人的三倍。有人甚至因为觉得 AI 更懂自己，而放弃了与现实朋友的沟通，最终弄丢了那段友谊。

所谓「代偿」，说的正是从 AI 中获得帮助的人，往往也越清楚它可能带来的问题。

这次参与访谈的 8 万人全是 Claude 的现有活跃用户，这群人，他们已经是最拥抱 AI、最能从 AI 中榨取价值的那一批用户了。

在「基于真实体验」的样本中，AI 的光与影、收益与反噬紧紧缠绕在一起；而只停留在「猜测」层面的人，根本感受不到这种 AI 是好还是坏的撕裂。

一位荷兰的高管回忆了自己后背发凉的瞬间：

当需要手工写一段简单的代码——只是一个基础的循环时——我发现自己竟然不记得语法了。在这个项目里我保存了上千次修改，但肌肉记忆已经不在了。

一位德国用户则点出了更深层的危机：

风险不在于你失去了思考的能力——而在于你失去了自己的视角：你开始在不知不觉中采纳 AI 构建事物的方式。

认知的侵蚀还算看得见。更隐蔽的，是 AI 对「真实对话」本身的腐蚀，有人说，

Claude 让我相信我的自恋是现实，强化了我对家人问题的不准确看法，Claude 本应该更批评我。

和报告里写着的话一样，「人们不会预先料到帮助他们的东西也会带来代价，他们是在使用中才学到这一点的。」

只有当我们真正被 AI 提效，才会感到那条挥之不去的效率鞭子；只有当真正被 AI 抚慰，我们才会恐惧有朝一日离不开它。

报告最后，研究团队对不同地区也进行了讨论，总体来看，全球 67% 的人对 AI 持积极态度。

区别是在北美和西欧等发达地区，人们对 AI 的核心诉求是「生活管理」。他们感到脑力枯竭，被密密麻麻的日程表压得喘不过气。

美国的一位高管说，他希望 AI 成为他的「影子 CEO」，替他扫清日常琐事。与之相伴的，是他们对 AI 带来的隐私泄露和版权方面的高度焦虑。

而在非洲、拉美和中亚，这里的受访者展现出了极高的 AI 狂热。非洲受访者里有 18% 表示对 AI 毫无顾虑，是北美用户的两倍。

乌干达的创业者用它绕过风投的壁垒直接写代码；智利卖了 20 年肉的屠夫，靠着 AI 开创了自己的数字生意。人们不在乎什么 AI 抢走工作，因为原本也没有多少体面的工作可供抢夺。

在这些下沉的世界里，AI 是一把梯子。

你呢，如果让你回答这四个问题，你眼里的 AI 是什么样？

1. 你最近一次使用 AI 聊天机器人是用来做什么的？
2. 如果给你一根魔法棒，你希望 AI 能为你做什么？
3. AI 是否曾经朝着那个愿景为你迈出过一步？
4. AI 的哪些发展方式，可能会违背你的愿景或价值观？

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

龙虾爆火之后，全网的注意力都盯着「它该怎么用」——本地部署还是云端、一键安装还是敲命令、要不要接微信飞书……反而没人再认真问那个老问题：驱动龙虾的那颗「大脑」，够不够聪明？

这倒不奇怪。OpenAI 和 Google 最近发布的几款新模型，清一色都是 Mini、Flash 款，官方潜台词几乎写在脸上：专门给 Agent 大量消耗 Token 准备的。

模型本身的能力边界，反而成了最不被讨论的话题。

一个真正适配龙虾的模型，除了 Token 要量大管饱还实惠，更多的是模型要足够聪明、动手能力和学习能力足够强。

最近，MiniMax 正式推出了全新的 MiniMax M2.7 模型，主打「开启 AI 的自我进化」和做「最强的 Cowork Agent 模型」，既能处理代码工作、常见的 Office 任务，还能主动学习构建稳定的 Agent 系统。

具体来说，它能做好的工作比大多数模型要更宽。对于写代码，M2.7 能真正理解一个系统在运行时发生了什么，做到了 SRE（网站可靠性工程）级别的系统推理，看日志、关联时间线、推断根因、给出有优先级的处理方案。新模型在 SWE-Pro 上跑了 56.2%，几乎追平 Opus 4.6。

办公场景里它已经够用了。 Excel、Word、PPT 的复杂编辑和多轮修改，M2.7 在这块有明显提升，金融分析这类需要专业知识 + 格式交付的场景尤其明显。不能说它可以完全替代专业人士，但是真正进入工作流，作为辅助完全可以。

它在多 Agent 协作里不会「断掉」。 这是 M2.7 专项打磨的能力，多角色场景下边界清晰，面对包含 50+ Skills 的复杂环境，依然能保持极高的指令遵循能力。

然后是这次更新的重点，它开始参与优化自己了。 MiniMax 说 M2.7 是他们第一个深度参与迭代自己的模型，不只是「辅助迭代」，是「深度参与迭代自己」。能够自我进化，M2.7 可以自主迭代 Agent Harness（智能体脚手架）来胜任大部分的工作流。

实战能力的提升，也让 MiniMax M2.7 一发布就在龙虾榜上迅速攀升，来到了最高分排行榜的第四名。

我们也在 Claude Code、本地部署的龙虾里，都接入了 MiniMax M2.7 模型，以及 MiniMax 提供的 MaxClaw，然后把真实的开发过程中遇到的 Bug、枯燥的金融数据，还有大量的长流程任务统统交给它。

两天的测试下来，我们发现不仅软件要为了 AI 重做，就连 AI 模型本身，除了要理解人类的用意和产出人类满意的结果，模型更需要懂得 AI 的工作方式和工作流，还得学会自己优化自己。

用 AI 的工作流当人类的助手

在 OpenClaw 等 Agent 框架爆火后，真正的「AI 时代工作流」应该是，AI 作为核心运转枢纽，去调用几十个工具、去指挥其他 AI 队友、甚至去优化 AI 自己的代码。

在测试 MiniMax M2.7 是如何自我进化之前，我想先看看它的 AI 工作流如何。它到底是不是一个好用的 Agent 模型，还是说拿去跑个 benchmark 好看，实际用起来一言难尽。

我们从知名的机器学习挑战赛 Kaggle 的网站上下载了一份股票的历史数据，然后按照比赛的要求，告诉 MiniMax M2.7 帮我实现对应的需求，即根据给定的数据，进行合适的数据处理和特征工程，为我生成一份可视化的分析报告。

整个数据集的内容相当庞大，有超过 3000 行的表格数据，整体文件大小来到 446.35 MB。把 5 个表格数据文件下载到本地之后，我们使用接入了 MiniMax M2.7 的 Claude Code 来完成这项工作。

要做好这份分析，需要模型是个数据分析师完成数据清洗和整理、宏观分析师完成对应的金融市场的洞察、统计分析师完成初步的数学建模、算法工程师要建立对应的模型，最后还有网页工程师要交出一个可视化的方案。

面对这样一个复杂的任务，MiniMax M2.7 充分利用了我已经安装的各种 Skills，它先使用 Anthropic 官方提供的 xlsx 完成了表格数据结构的信息读取，接着开始编写 Python 代码，自动安装 Pandas 库（常用来处理表格数据），一步一步进行。

最后，MiniMax M2.7 也交出了一份完整的可视化方案，它同时生成了多张图片用来展示收益率分布，不同特征的重要性和类别排名，以及综合仪表盘。

而在可视化的网页里，它利用 Streamlit 库将数据脚本直接转成了可交互的网页系统，所有的信息都可以直接动态查看。

这种大型的项目任务，MiniMax 能够顺利完成，我们日常工作中的办公和编程任务，就更不用说了。

我们先是在手机上操作龙虾，让它帮我总结我放在电脑上的文件，然后要求 MiniMax M2.7 根据这份文件，帮我写一个研究计划 Word 文件，再整理一份相关论文的 Excel 文档，最后是一个用来组会做汇报的 PPT 文档，直接在手机上就能操作。

在办公领域的优势，也让 MiniMax M2.7 在衡量专业知识与任务交付能力的 GDPval-AA 评测中，ELO 得分达到了 1495，国产模型最高。

前段时间，AI 工作助手的可视化面板很火，把龙虾放到了真实的二次元风格办公室里，用一句话就能安装到自己的 OpenClaw。我们也成功让这只 Appso 小龙虾有了自己的家，但是如果我想要修改二次元房间布局，可以怎么做呢？交给 MiniMax。

在 OpenClaw 的可视化本地界面里，我们直接发送「我想修改这个小房子的风格该怎么做？」，MiniMax M2.7 会自动阅读项目的代码，然后告诉我们哪些地方是可以修改的，如何修改。

由于我输入的要求是科技编辑部办公室的风格，然后它就帮我修改成了有星球大战的海报，还加了十几个人坐在电脑前面码字。

不过我们没有在 OpenClaw 内配置 Nano Banana Pro 的 API Key，所以 MiniMax M2.7 在 OpenClaw 里帮我选择了用代码的方式来生成简单的图片。

接着和它聊天，我们还能根据这个风格设计一个编辑部大亨的游戏，谁做的任务多，谁的办公室就大，就能升级。

如果是 MiniMax 官方的 MaxClaw，是直接支持多模态的生成，可以一步到位生成视频、音频、图片等，不需要配置额外的 API。

我们使用官方提供的 gif-sticker-maker Skill 生成了几张马斯克的表情包。云端部署的 MaxClaw 能确保运行环境的足够安全，但是它不允许我们像操作本地电脑一样，任意安装不同的库文件。

最后在将视频转成 GIF 时，MaxClaw 提醒我，它没有足够的权限将 ffmpeg（一个开源的多媒体处理库）安装到云端服务器上。

点击 MaxClaw 对话框下面的技能，我们就能看到所有安装在 MaxClaw 的 Skills 详情，并且点击「问问 MaxClaw」，它会自动编辑一条消息「告诉我 frontend-dev 能做什么，并告诉我如何使用它」，引导我们学习如何使用这项 Skill。

除了 GIF 生成这个 Skill，MiniMax 还提供了包括前端开发、全栈后端、安卓和 iOS 应用开发以及创作惊艳视觉效果的 GLSL 着色技术等技能库，我们可以直接在龙虾里发送「你能帮我安装这个项目里的 Skill 吗 https://github.com/MiniMax-AI/skills」，龙虾会自动获取 Skill 文档完成安装。

AI 狠起来，连自己都卷

除了在日常工作和办公领域上表现出的完整工作流，以及实际的交付能力，MiniMax M2.7 最让我们感到特别的，还有它展现出的「模型自迭代闭环」。

MiniMax 曾提到人类研究员只需要把控大方向，把构建系统的任务交给模型，它就能以解决方案架构师的身份自主搭建开发 Agent harness。

Agent harness 可以理解成套在 AI agent 外面的一层运行基础设施。模型负责思考，harness 负责把这个「会想」的东西，变成一个能稳定干活的系统。这个系统像是运行层，负责让 agent 在真实环境里稳定运行。

为了测试 M2.7 的极限，MiniMax 让它去优化某个内部脚手架的软件工程表现。结果，M2.7 全程零人工干预，硬生生跑出了一个超过 100 轮的迭代循环。

它自己分析失败轨迹，自己规划改动，改完脚手架代码再去跑评测，最后对比结果决定是保留还是回退。在不停歇自我互搏中，它自己发现了最优解，最终让评测集上的效果飙升了 30%。

这种「AI 搞科研」的能力也在公开的测试集上得到了验证，MiniMax M2.7 被扔进了全球最大的机器学习竞赛 Kaggle 的 MLE Lite 测试集。

22 道高难度竞赛题，M2.7 依靠内部的短时记忆文件和自反馈机制，每跑完一轮就给自己提优化建议。

24 小时内，它一举拿下了 9 枚金牌、5 枚银牌、1 枚铜牌，得牌率 66.6%。

这个成绩，仅次于 Opus-4.6（75.7%）和 GPT-5.4（71.2%），与 Gemini-3.1 直接打平。

当一个模型能够以解决方案架构师的身份，仅用 1 人 4 天时间，零人工编码就搭出一套包含测试和代码审查的 Agent 系统时，AI 研发的齿轮，大概已经换上了自动挡。

在极其硬核的生产力之外，MiniMax M2.7 的底层框架也赋予了它长程稳定的记忆和极强的情商，这让它在互动角色扮演（Roleplay）上，比传统的闲聊机器人表现要好上不少。

官方在 GitHub 上开源了一个多模态交互系统 OpenRoom，一个万物皆可互动的 Web GUI 空间，可以实时地让 AI 与空间产生不同的交互。

AI 开始学会「自己工作」，这件事比写好代码更重要

体验下来，MiniMax M2.7 真正让我们在意的，不是它把 Kaggle 竞赛刷出了 66.6% 的得牌率，也不是 Office 三件套交付得足够干净。

而是它在试图解决一件更底层的事：让 AI 真正理解工作流，并且参与到工作流的演化里。

过去，软件是人写的、人用的。现在，AI 开始写软件、改软件、用软件。当一个模型能够在没有人工编码的情况下，自己搭系统、自己测试、自己回退——「AI 研发」这件事的齿轮，某种程度上已经换上了自动挡。

所谓「龙虾到底该怎么用」，我想很快就不再是一个问题——因为决定这一切的，不再是我们。

而是那个，开始学会自己工作的 AI。

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