# Weekly #001｜大模型进入“斩杀线”大战，Token 就是新货币 本期主理人：杨攀、歸藏、橘子、向阳乔木。 > † 表示该处人物署名仍待核对。 [阅读网页版](https://nexttoken.tv/weekly/001/transcript) ## 01 / 节目片头 **片头旁白：** 大家好，欢迎来到 Next Token｜词元之外。这是一档关注 AI 技术、产品与现实影响的视频播客，同时提供音频版。旗舰栏目 Next Token Weekly，由杨攀、歸藏、橘子和向阳乔木每周圆桌对谈，分享观察、实践与不同判断。不只预测下一个词元。 ## 02 / 开场：为什么做一档每周 AI 回顾节目 **杨攀：** 大家好，欢迎收看、收听《Next Token｜词元之外》。这是我们每周 AI 大事的回顾节目 Next Token Weekly。我是杨攀，这一期我是当值主理人。 我们这个节目还有三位主理人，分别是乔木、橘子和歸藏。三位主理人，每一位跟大家打个招呼吧。 **向阳乔木：** 大家好，我是向阳乔木。 **橘子：** 大家好，我是橘子。 **歸藏：** 大家好，我是歸藏。 **杨攀：** 那我们就快速直入主题。我们几个人之前就特别想录一个系列节目，每周固定时间给大家 Review 一下，过去一周在整个 AI 圈内发生的各种事件、新闻，并且基于我们的理解做一些解读。这样大家关注我们的节目，就可以了解过去一周发生的新鲜大事，对齐最新的 AI 认知。 今天分几个部分跟大家交流。我们这次回顾的是 8 月 27 号到 9 月 3 号这一周。先讲讲过去一周发布的模型，数量非常多；然后聊聊 AI Agent 相关的产品；第三部分聊一些我们感兴趣的硬件；最后是一些大的商业事件和新闻。 我先念一下过去一周发布的模型名字，然后几位主理人一起聊聊。不按时间顺序了，我就直接拉个列表。 过去一周是波澜壮阔的一周。就在我们录节目之前，昨天晚上应该发布了 Gemini 3.8 Flash，紧接着这个 Benchmark 刚刚登顶，Meta 的 Muse Spark 1.3 就发布了。 过去一周还有 Fable 5.1、Mythos 5.1，再往前推是 Qwen 3.8 Max、Qwen 3.8 Flash Next。还有过去一周非常火的智谱 GLM 5.3 Flash，也就是大家知道的“牛来”模型，以及混元的 Hunyuan 4 Preview。 智谱 5.3 虽然是上上周发的，但上周也做了开源。DeepSeek V4 Flash Vision 也做了开源，而且是体验版。 还有几个比较小众的，一个是 Google 的 Gemini Omni 1.1 Flash，是一个全模态模型。还有 Gemini 3.5 Transcribe，是一个语音转文本模型，以及 Meta 的 Muse Voice Transcribe。 另外，上周还有个大事件，虽然不是上周新发的模型，就是 MiniMax H3 的无限流。这个轰动了全网，可能探索出了一个新的玩法。 以上是我作为这周主理人整理的模型列表。我们下面聊聊，上周对这些模型有什么看法？歸藏先来开个头。 ## 03 / GLM 5.3 Flash 与 MiniMax H3，便宜模型为何更容易进入真实使用 **歸藏：** 我感觉比较值得关注的是 GLM 5.3 Flash。主要是我觉得，很多东西大家用不起，就不关注。尤其对国内用户来说，比如 Fable 5.1 或者 Mythos 5.1，太贵了。发布以后，他自己说推理缓存成本降了 75%，但 200 美元的 5 小时额度，3 分钟就干完了，很多人也用不起。 这种能力比较好、成本比较低的，大家都很关注。包括 Hunyuan 4 Preview，在 WorkBuddy 上的一些试用体验，可能大家也关注比较多。 **橘子†：** 试用 2 周。 **歸藏：** MiniMax H3 其实也是个模型，它不是原版的 H3，是 fal.ai 微调的一个加速模型，类似于以前的 Lightning 模型。原来推理可能要 40～50 步，现在变成 2～3 步，所以很快，实时的。 还有一个八卦：好像另一个开源的做了类似的微调模型，fal.ai 的那个人就在推特上说人家的东西没用，然后吵起来了，挺搞笑的。但是它直播这个确实是…… **杨攀：** 无限流这个东西，我怎么印象中去年其实就有类似的东西，但是好像没有火起来？ **歸藏：** 是因为品质有问题。这种 Lightning 模型，它算是那种极端量化，质量跟原始模型几乎不是一个模型了，质量巨差，拟合巨严重。MiniMax H3 还是比较大的，它即使用了这个以后，生成的视频质量也还是可以的。 fal.ai 还有一个演示：它绑了一个 Agent，左边是一个视频，右边是一个 Agent。跟 AI 语音交流的时候，画面会实时变化。 比如说，你帮我讲一下人类是怎么从非洲出来、进化的。右边有一个 TTS 在讲，同时左边有一个 MiniMax 模型，实时生成动画。而且一打断、发新的问题，左边的动画就会立刻开始变化。这个我觉得在教育上，它的演示是比较…… **橘子：** 它有点产品化在里面了。 **歸藏：** 让你感觉到好像跟以前的东西不一样。 **向阳乔木：** 去年其实有好几家都做这种演示，感觉就是展示这种前沿技术，也没有被实际用。 **歸藏：** 实时的。 **橘子：** 去年好多家是那种没有什么主题，就跟做梦一样，那种不行。你看刚刚那个场景，其实有点儿节目视频的意思。 **歸藏：** 它能用。之前那些东西都非常 Demo，而且消耗的算力非常恐怖，所以很多都是内测，给我们用一下，过段时间也不开放。 **向阳乔木：** 有点儿真用。而且它会有时间限制，说这个东西，你这个场景生成是最多生成多久。 **歸藏†：** 它就崩了。 **杨攀：** 我看写的是一天花 2,100 多美元，就可以直播 24 小时，推理成本已经降到这个水平了。所以，跟去年的无限流比，今天 H3 生成视频的质量，其实已经达到了一个很高的高度。 **歸藏：** 质量比之前高很多，就起码能看了，之前确实是，是不能看的，实时的那种。 **杨攀：** 但是我感觉 H3 其实发布了，我觉得又，又是 1 次，就是又是 1 次破圈，就又，又把整个这个视频生成的领域在全球范围内，我觉得整个，就市场再，再扩大了一圈。 **歸藏：** 模型推广，我觉得跟视觉有关的模型在推广和营销上有优势。刚才不是还提到，现在大家做 Benchmark，都是 3D、Three.js，给 Three.js 玩烂了。为什么？就是因为…… **向阳乔木：** 可视觉还是挺…… **歸藏：** 对 C 端用户只能对这个东西有感知，你说我 Agent 强了多少，我实际执行时长了多少，我能够做，做什么医疗什么的，没有感知，就是只能还是看这些视觉的。 **杨攀：** 所以模型厂商训练数据的时候，也肯定是一直在这上加。 **歸藏：** 所以有一段时间大家都专注多模态，谷歌那段时间也是。后来又都不专注多模态了，因为多模态确实对模型质量、智能、智商进步没什么用。现在又开始稍微带着多模态了，因为确实没有多模态，做出来的东西不好看。 **橘子†：** 营销好。 **橘子：** 而且 H3 它开源还是很厉害的，这次就是，它这个模型其实质量还可以，它现在开源，就是让整个这个生态繁荣起来。 **向阳乔木：** 是不是对硬件也会有影响，我觉得好多个人都开始，想买好点的显卡，自己部署。 **歸藏：** 而且它能那啥。 **杨攀：** 那就不止 H3 了。我家里有 128GB Mac Studio，这一波模型其实试了好多。最早是阿里的 Qwen 系列，27B、35B；后面这波 DeepSeek V4 Flash，我就在电脑上装了一个，推理速度能达到差不多 30 TPS，已经能用了。 接下来这个“牛来”，5.3 Flash，也还可以，我在电脑上试了。还有 Qwen 3.8 Flash Next，这些都属于本机有个 256G 内存就可以搞定的。 **歸藏：** 我觉得 100B 是一个非常甜点的参数，在目前看来，100B 非常…… **杨攀：** 但我还是觉得，本地推理仍然是特定场景。一般人要回本，其实是算不过来账的。那肯定算不过来。 我做过一个极端测算：买那个 Mac Studio，如果每时每秒都在跑，大概两年能回本。但正常普通人用，基本上就奔着 10 年、20 年去了，因为你不可能一直自己在用。 **歸藏：** 主要是现在不是说 OpenAI 买了 3 万台 Mac Mini 吗？消息一出，很多人在骂，说把 Mac Mini 买涨价了。 **杨攀：** 买不着。但我知道的一个信息是，OpenAI 买 Mac Mini 其实不是为了跑模型，是为了在 Mac 环境下大规模训练 Agent 的 Tracking，针对 Agent 的行为搞训练数据。 **橘子：** 环境。他们都在用的。 **杨攀：** Computer Use 啥的都需要。说到 Computer Use，我觉得就是今天…… ## 04 / Computer Use 正在怎样改变 Vibe Coding 的验收 **杨攀：** 最近这半年，模型的 Computer Use、Browser Use 能力提升极大，我觉得这极大提升了效率。原来我们大量工作都需要停下来让人去处理，现在好多事情基本上完全不用了。 **向阳乔木：** 现在 Vibe Coding 后续的验收基本上都是这样，比如 Codex 会自动调用 Computer Use。 **歸藏†：** AI 自己的。 **歸藏：** 所以 Codex 内置的那个浏览器太厉害了，而且它现在能直接登录，太好了。它不用读你的账号密码。 **向阳乔木：** 也不用 Cookie 啥的。 **杨攀：** 拉一下历史，我记得是 23 年底、24 年初，OpenAI 收购了一家小公司。那个小公司原来做 VS Code 或类似产品里的多人实时交互技术框架，包括读屏幕、模拟鼠标点击。当时收购那个团队，大家其实都不太知道是干啥的。其实这两年，Codex 在这个上面的能力领先其他所有厂商，就跟收购那个团队有关系。 **向阳乔木：** 虽然都叫 Computer Use，也有开源的，为什么各家好像都没有 Codex 做得好？是为什么？ **杨攀：** 尤其是 Claude，好像做得就非常差。 **歸藏：** 非常差。Claude 到现在，我看昨天他们发了，到现在才支持 Computer Use，昨天晚上发的，好像是。 **杨攀：** 但我觉得智谱 ZCode 我最近在用，支持也挺好。智谱 ZCode 完全就是 Codex Alternative，我觉得这定位特别好。我用 Codex 用习惯了，切到 ZCode 上，几乎是无…… **橘子：** 非常丝滑。智谱其实在国内一直在这儿很领先，他们当时那个龙虾有一个功能，就是一键装飞书，那个就是完全用 Computer Use 来做的，你不用管，那个还是很领先的。 **杨攀：** 好像是不是之前智谱去年发过那个 AutoGLM，所以就在这个路线上一直就有人在做。 **歸藏†：** 用的那个，用那个基础上的迭代。 **橘子†：** 一直在做。 **向阳乔木：** 所以好多人推荐说国产的 Harness 的话，都好多人推荐 ZCode，还挺多的。 **歸藏：** 所以有时候做产品不能离谱，它好，你就光明正大地借过来用就行。 **橘子：** 智谱之前的问题是它那个模型那个卡不够，就是老不够，所以就是它那个 Flash 对它的意义也很大。 **歸藏：** 牛来这波儿直接，就像…… **杨攀：** 直接。 **歸藏†：** 他部署了多少万张卡，不知道，但是…… **杨攀：** 我觉得…… **橘子：** 他是弄了一个集群，之前不是说有传言在……知道。他主要是效率高，那个他那个推理效率是之前那个版本的 10 倍。 **杨攀：** 但你看，明显感觉“牛来”虽然模型参量比较小，跟 Google Gemini 走的却不是一个路线。Gemini 在拉速度，100 以上的 TPS；智谱走的是普惠，速度没拉上去，但原来不是供应量不够吗？现在把供应量放开了。 **橘子：** 不会，它那个跟卡有关系，它国产卡可能速上…… **杨攀：** 也对，也想拉，确实没有，确实不如 TPU。TPU 确实在这波儿里是，没毛病…… **向阳乔木：** 但量大，你看它在 OpenRouter 开放那么久，能支撑全球的这种使用，很牛逼的。66T，1 周消耗 66T。所以也以至于一度 X 上好多人推测说这是谷歌的模型吗？这是什么英伟达支持的算力吗？ **歸藏：** 你说不是中国，因为中国没这么多卡。 **向阳乔木†：** 不，没对，没这么多卡。 **橘子：** 这是因为它这次升级了全新架构，又是多模态，又小又强。接下来正式的 GLM，不是说会实现完全的自训练吗？很厉害。Qwen 那个 Flash Next 也是新架构，是 Qwen 4 的架构。 **杨攀：** 但是智谱好像 5.3 和 5.3 Flash 是不是架构还，就最近几个版本都没变。 **橘子：** 不，Flash 是新架构，之前是没有多模态的。 **杨攀†：** Flash 是变了。牛来是新架构。 **橘子：** 牛来新架构，所以它是很厉害的一个模型。 **歸藏：** 好像 Astra 说，昨天他们说那个 Astra，就是那个没发布 GPT 6 那个，是那个循环深度，它又用了新的架构，导致没有办法监控思维量了。 **橘子：** Astra 那个推理成本是 Sol 的 4 倍，价格价格是 3 倍，还打给你打个折。 **向阳乔木†：** 以后新模型用不起。 **橘子：** 很贵，而且据说这还是降价后的价格。 **歸藏†：** 没事，有成本。 ## 05 / 好模型与便宜模型，Agent 能否自动完成路由 **杨攀：** 你看，如果接下来便宜的模型这么好用，或者反过来说，好用的模型这么便宜，如果最好的和可用的之间拉开了 10 倍空间，我觉得从 Agent 的角度出发，不同价格的模型混合应用，其实应该好好推一下。 **橘子†：** 有道理。 **杨攀：** 现在还是人在切。 **歸藏：** 但我觉得核心问题是，如果说 AI 去控制模型切换，AI 控制不好。 **杨攀：** 你看现在有两种路线，一种是从 Router 角度去做，我觉得那就更离谱了，至少 Agent 还有个判断。 **歸藏†：** 路由。 **向阳乔木：** 那现在是怎么做？就是判断这个任务的难度，然后分配给不同成本的其他模型。 **橘子：** 而且哪个 Agent 在跟做吗？不知道。 **杨攀†：** 有哪边在跟做吗？ **橘子：** 它是这样的，好模型做什么都好，只是我觉得有 ROI 的区别。比如回复一条消息，用很贵的模型回复，因为只有一次回复，贵一点无所谓。但如果要跑个够，做一个 Agent 任务，你用 Fable 跑，那就亏死了。 **向阳乔木†：** 不用不用折腾。 **杨攀：** 现在还有一个问题是缓存的问题。所以现在还是基本上就是 Agent Teams， ## 06 / Harness 评测：完成率、Token 成本与“斩杀线” **杨攀：** Sub Agents 这个模式去做，因为要考虑缓存问题。 刚才提到 Harness，也是昨天晚上的新闻。Guanlan 他们，就是 Runta，新出了一个评测，叫 Harness Eval，评测哪个 Harness 的效率最高。它从各种角度看，包括任务完成率、Token 成本消耗。 这里面就发现，同样的模型，Claude Code 非常费钱。 **杨攀†：** 模型一样的情况下。 **歸藏：** Claude 有 Bug，它不是故意把非 Claude 模型的缓存搞得有问题，那个 Bug 到现在一直没修。 **向阳乔木：** 那属于缓存，没有没有。 **橘子：** 那不算 Bug。 **杨攀：** 我看那个评测里，效率最高的是 Codex，后面我们找时间可以单独聊。它现在也做了个“斩杀线”，就是一条曲线，在边上的就相当于斩杀线。 DeepSeek Harness 的效率非常高，而且它分别评测了 DeepSeek Harness 的三种模式。这三种模式的 Token 消耗和效率还不一样，这么细。 **向阳乔木：** Codex 高是因为它的工具比较齐全，然后它自己的…… **杨攀：** 我觉得有可能是简单。 **歸藏†：** 它其实有可能是简单。 **橘子：** 它那个架构确实高效。 **向阳乔木：** 它的架构是。 **橘子：** Claude Code 的架构其实很重。你看，他们已经删了一半提示词，因为它是从那个时代过来的。提示词有很多，包括早期的一些 TODO 之类的，边界上的东西太多了。 **向阳乔木†：** 加了一堆。 **橘子：** Codex 那时候已经比较轻松了。DeepSeek 更新了，DeepSeek 根本就不管这些。 **歸藏†：** DeepSeek 只配备必要的工具，其他的都没有。 **向阳乔木：** 不是好多研发就喜欢 Pi 那个 Harness 吗？ **歸藏†：** 就是 Pi 也有，但不知道为啥 Pi。 **杨攀：** Pi，我早晨看了这个报告。Pi 在斩杀线里面，相当于被斩杀了，它不在边上。因为斩杀线就是说，要么便宜，要么好。它在里面，相当于应该是被 DeepSeek Harness 给盖住了。 **橘子：** 它自己比较轻量，但扩展性弱很多，MCP 什么的支持都不好。 **歸藏†：** 然后你依赖社区，社区就给你在那儿…… **向阳乔木：** 那比较适合开发者自己 DIY，但现在感觉 DeepSeek Harness 更适合 DIY。DeepSeek Harness，我觉得…… **杨攀：** DIY。对，我前阵子不是写了篇文章吗？我觉得 DeepSeek 把 Harness 做好了，大家 DIY 挺开心的，但实际上，它不是为了让大家…… **向阳乔木：** 用。 **橘子：** 你 DIY 没有意义，这个东西你 DIY 完之后你干嘛呢？ **歸藏†：** 做不好。 **杨攀：** 是给那个用户自己玩儿的，那对你玩儿还行。但实际上 DeepSeek Harness 是为了接下来模型跟 Agent 的联合训练，其实是…… **歸藏†：** 自进化。 **杨攀：** 原来比如 Claude Code，顶多你的数据就是这个 Agent 的行为轨迹，但 Agent 本身没法自进化。 我最近还有一个体会。同样一个需求，比如做背景调研，这次为咱们节目准备资料，我说把咱们四个人在全网的信息跑一遍、搜一下。同样的需求给 Codex，可能找着找着就没有了，我估计就二十分的水平。 但是用 DeepSeek Harness，人类手工找得到、找不到的信息，它全都能找到。而且最神奇的是，我不知道为什么，也没研究过，它可以读微信公众号文章。它首先能搜到，然后能把那个 URL 里完整的内容全部拉下来，而且非常轻，肯定不是用 Browser，就是直接拉下来。 同样的链接扔给 Codex，让它读，它说读不了。 **向阳乔木：** 读不了。 **歸藏：** Codex 故意不读，他能读他不读，Codex 所有的，如果你声明了你不让读，他就不读，他直接就不读，就之前那个 Atlas 那个浏览器。 **向阳乔木：** 比较遵守 LLM.txt 协议。 **歸藏：** 之前他那个。 **杨攀：** 但是我用 Codex 给我返回的是说，他说他读不了，他尝试读他读不了。 **歸藏：** 不是，他就是不读。 **橘子：** 一个意思。 **向阳乔木：** 类似的意思。 **歸藏†：** 之前 Atlas 就这样，就是他能看到，但是他不读。 **向阳乔木：** 因为公众号，我们正常人都能看，然后那理论上这个 AI 看也是没那问题不大。 **歸藏：** 你比如说我用那个。 **杨攀：** 不，微信公众号还是打了一下，就是你随便你随便你随便写一个是读不了。 **向阳乔木†：** 你 UA，UA。 **歸藏：** 你比如说我用 Dia 就读得很好，Dia 浏览器就读得很好，所以感觉其实他。 **向阳乔木†：** 得伪装成人。 **杨攀：** 所以我现在比如我要我要写一些文章，用做资料背景调研，我就用 DeepSeek，非常爽。 **向阳乔木†：** 用 DeepSeek。 **向阳乔木：** 那他搜索是用的什么？因为这种东西肯定是要调搜索工具的。 **杨攀：** 我没有拆，我没有仔细拆。 **歸藏†：** 他自带，那个 DeepSeek 的模型自带搜索。 **杨攀：** 他自带那个搜索器是吧，但是他那个搜索器，他直接对，他在模型层的，API 就自带，模型自带。他在模型层。你从 DeepSeek 开源代码里你是看不到的， **向阳乔木：** 那他们还是用杭州那家博查提供的信息源。 **橘子：** 应该不是。 **歸藏：** 现在。 **向阳乔木：** 应该不是。 **杨攀†：** 可能也不止 1 家吧。 **歸藏†：** 我。 **橘子：** 他海外信息肯定用的不是博查，博查没有英文信息的。 **歸藏：** 感觉可以，这种用那个 Herdr 就很有意思，很好玩的。 **向阳乔木：** 哪个？ **歸藏：** 就那个套在 CLI 上的 Agent 写作 CLI。 **杨攀†：** 那叫 Herdr 还是 Herdr 的是吧，就那个。 **歸藏：** Herdr，Herdr。先启动它，你在终端里边先把它启动了，在它里边再启动 CLI。能相互沟通，你就可以给 DeepSeek Harness 派接到。 **向阳乔木：** 对，太 Geek 了，好多极客会喜欢用，他们要先启动它，然后再调各种。 **杨攀†：** 而我已经好久不用 Terminal。 **歸藏：** 而他是。 **向阳乔木：** 我也 **歸藏：** 是，实在是。 **向阳乔木：** 但你不应该，你还是技术出身，你不应该。 **歸藏：** 人还是喜欢界面，还是喜欢有变化的东西。 **向阳乔木†：** 所以人还是喜欢。 **杨攀：** 主要是那个 Codex 200 美金，用得比较爽。 **歸藏：** 太爽了。我真的不知道，就是我往死里用，我唯一最接近 1 次用完的，就是 85%，1 周额度，唯 1 次。 **杨攀†：** 你是用了 85% 还是剩 85%？ **向阳乔木†：** Codex。 **歸藏：** 用 85%，然后嘎巴给我重置了，就是我没办法用完，除非说我疯狂那个。 **向阳乔木†：** 反正你。 **向阳乔木：** 你编程用不完的，正常编程用不完的，除非让他写文章。 **歸藏：** 我发现干嘛怎么用的吧。 **向阳乔木†：** 剪视频，写文章，肯定能用的。 **歸藏†：** 剪，疯狂的截图，疯狂多模态。 **杨攀：** 是吗，那对，今天我们这个视频后边就让 Codex 剪。 **歸藏：** 剪视频。 ## 07 / 国内模型为什么突然加速发布 **向阳乔木：** 还有一个我觉得比较有意思的点：为什么最近大家的模型进展这么多，发布频率这么高？我在 X 上问了这个问题，很多人回复。其中点赞最高的一条观点是： 一方面，7 月份海外这些模型都发了新模型，逼得国内必须加速，否则可能就没有竞争力了。 第二，说是开源权重加商业这块跑通了。 第三，好像大概意思是，因为国内还是缺卡，所以大家在后预训练、后训练上做了很多创新。 **歸藏：** 工作。 **向阳乔木：** 所以至于现在模型发布变得越来越快，再加上国产的那个推理卡，现在也能用了。 **橘子：** B300 已经管够了。 **向阳乔木：** 所以我不知道你这个杨攀，你懂他这个事情，这么多。 **杨攀：** 我觉得第一个是，我记得之前谁说过，模型训练在这个行业内其实没什么秘密，至少在中国这几个模型厂里没什么秘密。一家会了，很快大家就…… **橘子：** 其实都是可以买卖的，你的卡，你的数据，各种都有现成的，只有人才不能买卖，别的…… **杨攀：** 人才可以互相串，也可以。昨天不是看那个混元又挖了之前智谱的一个，5.3 的那个，就我觉得，而且不用离职吧，就是大家其实就是一个圈子的互相交流。其实也可以，而且大家都在发论文，这是一方面。 然后我觉得乔木刚才说的有一个点，我不是特别……也不是不同意，就是看看视角不一样。大家都觉得国产模型现在追得非常猛，然后给美国压力非常大。事实上我觉得是那边，对我觉得是，所以他说我从反了。那边停下来了。监管。安全。了解。是美国那边因为那个政策，各种原因，安全，给摁下来了，事实上其实可能我们落后还两代呢， **歸藏：** 我觉得美国或者海外这种反 AI 情绪太可怕了。经常是这样，如果你是一个 YouTube 博主，之前不是 AI 圈的，然后接了个 AI 广告，无论你接的是什么 AI 广告，评论区没有一句好话。 我们知道海外的舆论环境相当宽松，一般在我们这儿那啥的话，基本上都不会太那啥，但在那儿，只要有一个博主骂了，就不行了，会疯狂挨骂。 **向阳乔木：** 所以牛来做成那样，然后老外一片叫好，说这是人工智能做的最好的东西。 **橘子：** 其实牛来在国外已经特别火了。 **歸藏：** 所以我们这儿还是相当……尤其是在图像和视频模型产品，那就更是。 **橘子：** 但我觉得我们这儿也只是话语权的问题，大家发声不了。其实我觉得国内那个情绪也在起，只是没有声音，不让发声。 **向阳乔木：** 有可能。 **歸藏：** 核心还是工作问题。 **杨攀：** 我觉得对中国开源模型，起来这么快，反向……其实也会怎么讲呢，就是也会让支持中国开源模型的声音起来，全球支持中国开源模型的声音会起来，会的，那肯定。 这个东西会反过来去反噬，就是更多的人会站出来去抨击那个…… **向阳乔木†：** 你们为什么又贵又…… **橘子：** 但现在模型这么卷，已经到了大家注意力不够的程度。K3 之后，出那个 Qwen 3.8 Max，能力其实差不多，就没有人关心。 **杨攀：** 这一点我特别同意。最近这两周，明显感觉别人问哪个模型怎么样，或者哪个 Agent 怎么样，经常有人问我。我说我已经试不过来了，模型试不过来，Agent 也试不过来。 **向阳乔木：** 这几天我试了好几个，Hunyuan 4 Preview 试了，Qwen 3.8 Max 0902 也试了，真的我现在都找不出特别好的测试 Case 来。 **橘子†：** 你分辨不出来了。 **歸藏：** 没区别。 **橘子†：** 都差不多。 **向阳乔木：** 我觉得现在唯一能感受到的就是速度快慢，而且好多叫 Flash 的也不快。 ## 08 / 当所有模型都差不多，用户该如何选择 **歸藏：** 就像你说的。 **杨攀：** 那我们再深挖一下。如果进入到这个阶段，以后开发者或消费者的选择逻辑会怎么变？ 之前大家看评测、看社区反馈，然后自己体验。但如果自己体验不过来了，后续大家会怎么选择模型或 Agent 产品呢？ **歸藏：** 所以我觉得 GLM 5.3 免费让大家试是一个很不错的选择。试模型是有成本的，即便有 KOL 推荐或商单背书，我总得自己试试才信。 **橘子†：** 自己试是最好的。 **歸藏：** 我自己试要掏钱买 Token Plan，如果买不起，我可能就不试了。如果不让我买 Token Plan，我又怎么试呢？ 所以让大家免费试一段时间，能形成自己的体感，也能让社区涌现出比较好的案例。这是一个比较正向的循环，而且 C 端用户也可以一直有免费模型用。 **杨攀：** 我觉得你说这个对于模型厂商就价值 100 万。 **橘子：** 这个事情是很合理的。当时我也说，在 OpenRouter 里免费让大家用，其实是最公平合理的测试方法，比所有 Benchmark 都好。有些人可能会觉得这是在抢大家注意力，其实没有，这就是最公平的。 而且我们的产品 Cola 从上周开始，一直每天都有免费模型给大家用。用户能给你直接的反馈，比如 Qwen 那个 Flash 就明显不如智谱那个 Flash。谷歌那个 Flash 有它的强项和弱项，用户一用就都知道了，比 Benchmark 都准。 **杨攀：** 所以你看，刚才我们就从 Qwen 开始聊的。Qwen 后边要再发新模型，应该全网让大家免费好好体验。 **橘子：** 其实 Qwen 那个模型在我们那儿现在还是免费的，我们都参与到这种模型免费测试里了。 **杨攀：** 那也就是说光免费已经都不够了。 **橘子：** 不，它每天消耗量还是很大的，你能明显看到它是我们每天消耗量第一的。 **杨攀：** 但是按照歸藏逻辑顺着来，就是说你免费了，但是没有形成这一波冲击和再传播，其实你那个免费也白免费。 **歸藏：** 我觉得很有，他出的量不够。 **杨攀：** 效果也不够大。 **橘子：** 就是这样的，如果他效果还不错，免费一段时间，其实用户会留下来，用户是有留存的。然后如果是他，比如说那个 Qwen 现在 3.8 Max 太贵了，用户就留不下来了。 **向阳乔木：** 那最后拼还是这个性价比。 **橘子：** 现在你要么做第一名，可以有溢价，甚至溢价 10 倍；要么就跟牛来一样，打一个斩杀线。 **杨攀†：** 要么你就定义新的斩杀线。 **橘子：** 只有这 2 个选择，中间都不存在。因为 Codex 那边 200 美金已经卷完了，中间那个量很大，他挣的是 20 倍。 **歸藏：** 其实说句不好听的，OpenAI 那 200 美元加上不断的重置，它的综合成本完爆国内所有模型了。 **杨攀†：** 那才是斩杀线。 **橘子†：** 是巨大的。 **杨攀：** 是的是的。 **橘子：** 你得跟 Luna 比，Luna 已经降了 80% 了，你不能比 Luna 贵，Luna 也很好的。 **歸藏：** Luna 那 200 美元，你往死里用都用不完，这感觉 **向阳乔木：** 是 **杨攀†：** 不消耗一样。Luna 那个降价太狠了。 **橘子：** 是的。 **歸藏：** 进度条不涨的。 **杨攀：** 太狠了。 **橘子：** 所以你看，DeepSeek 涨价之后，其实好多人都不用了。Pro 都没有性价比了，Flash 还有一点人用，很可怕。 **杨攀：** 是不是现在就是 5.3，智谱 5.3 Flash 跟 DeepSeek V4 Flash 之间也有个强竞争关系。 **歸藏：** 没有强竞争关系。 **橘子：** 我觉得。 **歸藏：** 因为微生 Flash 是被完爆。 **橘子：** DeepSeek 有点拉，那个视觉更糟糕，就是有点糙。 **杨攀：** 完全不可。那也就是说，现在就是斩杀线上那个甜点就是 5.3 Flash。 **橘子：** 5\.3 Flash 牛来， **歸藏：** 就是五点。还有一个隐藏的小透明一直在斩杀线里。MiMo 2.5。 **橘子：** 那个免费提供基本上。 **歸藏†：** 它永远在斩杀线里，真离谱，那个欧。 **向阳乔木：** 为啥？ **橘子：** 我们控的无限。 **杨攀：** 小米那个。 **向阳乔木：** 他欧 OpenCode 他一直用是吧。 **杨攀†：** 都没有人聊。 **歸藏：** 他成本低，即使是算 API 的那个钱，他也在那个线里。就他孤零零的，那个斩杀线一直在发生变化，一直在缩圈，但是他永远在里边。 **杨攀：** 他就一直没变。 **橘子：** 那么牛逼。 **杨攀：** 最近好像都没有人聊了。 **橘子：** 它比 DeepSeek Flash 还便宜好几倍。 **歸藏：** 便宜，老便宜了。 ## 09 / 语音与多模态模型为什么仍然难用 **向阳乔木：** 还有，为啥他俩都出？不是 Gemini 和 Muse 都出那个语音转写模型。 **橘子：** 这个其实比较小吧，就是顺便做的。 **歸藏：** 我觉得核心是，谷歌在这边，最近是因为他需要话题度，但是他那个 LLM 模型实在是不太行，那总得有点发的，有点发头。 还有一个是我觉得这说明什么呢？DeepMind 的事儿还是，就是还是 DeepMind 的，对项目压力不大，就是他们允许你有团队在搞这个。 **向阳乔木：** 还没整合。 **歸藏：** 要搁别的，跟 OpenAI 或者跟 Anthropic。 **向阳乔木†：** 不会让你发这个。 **歸藏：** 哪会让你拿钱拿卡去搞这个，他们天天搞，每天都发嘛。 **橘子：** 不过对他们来说，这个就是很小的资源。其实你看国内已经是豆包那个转写是最好了，已经没有什么竞争了。 **杨攀：** Qwen 发的也不错。 **橘子：** 所以谷歌定位就是美国豆包，所以很多。 **向阳乔木：** 扎心了。 **杨攀：** 完全是映射的是吧。 **橘子：** 真的是映射的，你看 Shiyi 他们也做。 **杨攀：** 但是 Qwen 发那个 CozyVoice Studio 是吧，好像就是一个音频的整体解决方案，其实也是不错。 **歸藏：** 我觉得这个核心是什么呢？我最近在做那个剪辑的 Skill，我发现什么呢？这些模型除了 LLM 以外，这些跟多模态和内容生产有关的模型，用起来太麻烦了。 **向阳乔木：** 我觉得也是。 **歸藏：** 你起码你哪怕在 Coding Plan 里，或者你给我一个多模态的 Coding Plan，让我快速地调用，或者是让我体验一下，找不着在哪儿用。在那个文档的汪洋大海里翻找这个模型名称，我去。 **橘子：** 他是 to B 的卖法儿。 **杨攀：** 呀，就是厂商的朋友如果听我们的博客，赶紧注意了，今天我们前面已经讲了多少好的机会和点子了。 **橘子：** 我们跟云厂商合作的时候发现，接一个模型的成本太高了。好不容易接完，结果发现首 Token 延迟竟然是别人家的 100 倍，特别恐怖。 **向阳乔木：** 所以我觉得，各行业这种中转站一直有机会。 **橘子：** 就是中转站做得比云厂商都好。 **杨攀：** 但是中转站最大的问题是，做中转站的绝大多数都比较短视，没有认真把中转站本身这个产品做好。 **歸藏：** 做好了。 **橘子：** 做好。 **向阳乔木：** 对，我上次不是有一个 YC 投的，就是语音模型的中转站。 **杨攀：** 哼。 **歸藏：** 你看，Pika 现在不是也做…… **橘子†：** Pika 也做了。 **歸藏：** 他找的方向就很好，做的是多模态，里边除了 LLM 以外，包含了所有的视频模型和图像模型。 **杨攀：** Pika 之前是一个中国女生做的。 **橘子：** 是。 **杨攀：** 那也是好久没有声音了。 **歸藏†：** 他们现在开始卖套壳了。 **橘子†：** 他们转型了。 **向阳乔木†：** 转型。 **杨攀：** 你看，橘子选择是对的。橘子，给大家介绍你的商业逻辑。 **橘子†：** 不是，我是…… ## 10 / 不要羞于卖 Token：体验套利与中转站机会 **橘子：** 我说过，今天你不要怕别人说你是卖 Token 的。在 AI 时代，你不卖 Token 你卖啥？ **杨攀†：** 是的是的，我也是。 **橘子：** 看一下冕神，冕神这么领先，然后还一个人喷，我不知道那些投资人和自媒体在讲什么。 **杨攀：** 对，我也是最近这个月才通透的。我就去大湾区一圈，跟几个创业公司的老板聊一圈，大家就是怎么讲呢，这个做 AI 行业的，无论你做应用层还是做什么的，不要羞于定位自己是卖 Token，大家都给卖 Token 打工。 **橘子†：** 不要把你这个工程能力视为壁垒。 **歸藏†：** 没有壁垒。 **杨攀：** 我们前面做的任何事情，都是为了让用户从我这儿买 Token。 **歸藏†：** 现在一个人。 **橘子：** 我从你这儿用 Token，比如说云厂商那儿接不上，然后我提供给你一个，你能让 Agent 直接调，这不就是一个优势？ **杨攀†：** 这是什么体验套利。 **向阳乔木：** 就体验套利，云厂商用起来太难了，反而是各个产品里更好用一点。 **杨攀：** 这里边我再说个我最近的一个看法。前面因为说大家已经没有时间去体验那么多 Agent、体验那么多模型，我现在有一个感觉， ## 11 / 原生模型加原生 Agent，会不会成为默认组合 **杨攀：** 模型厂商的模型跟 Agent 是一个组合，我现在喜欢组合着用。如果我对模型不感兴趣，对 Agent 可能也不会用；如果我对 Agent 感兴趣，可能顺便会试试那个模型。 这两个东西慢慢地，大家想一想，以后可能会越来越少地说……就是说，有两种：一种是厂商出的 Agent，还有一种是三方中立的 Agent。我觉得，我现在越来越倾向于选厂商原生的 Agent，加上厂商的模型。 **向阳乔木：** 不仅是因为它联合训练质量好的原因， **杨攀†：** 是因为爱屋及乌吗？ **橘子：** 昨天还有人在群里讨论，说在 ZCode 里用 DeepSeek，缓存率能做到 99%。然后另一个人说在 DSH 里用 DSH 是 100%。 **杨攀：** 我们不说对错，我觉得以后消费者会不会也形成这么一种习惯。 **歸藏†：** 一定会这样，因为你…… **杨攀：** 原汤化原食。 **歸藏：** 所以还有一个就是，确实它的很多 API 体验，或者说本身的优化，我觉得 Agent 其实你现在来看做一个很简单。但是你用起来会发现，长期用就会发现很难。所以为什么 Codex 现在大家用这么多，是因为它确实好用。你很难想象它能够…… **向阳乔木：** 非常丝滑。 **歸藏：** 它无论从哪个方面，都非常顶尖。 **杨攀：** 我跟你说一点，Codex 遥遥领先的地方，在于它对自己的感知。Codex 有专门的工具，你可以拉出它所有的 Project 和 Session，查看进展状态。你通过跟 Codex 对话，比如告诉它：“我的 Branch 和 Worktree 特别乱，经常开一个对话，就把这个项目的所有东西理一遍，给我收口。” 它自己会一个一个 Session 去找。我甚至跟它说，在一个对话里，开另一个 Project 的新对话 Session，或者把某一个关掉，它都可以做。而且这个功能已经存在好久了，而 Claude Code 的相关功能最近 2 周才发布。 **歸藏：** 而且它做得也不好。昨天还有一个情况，关于它对自己的感知。Codex 有个老问题：有的长对话里经常会重连，但新对话没有。 我就说有的长对话里有重连的情况，它能精准找到那个对话，然后只读那个对话。因为重连这种情况不是……没办法，不太好检索。存在日志里的东西，它是一个网络状态。 它就能找到，说是这个。我一看就是那个，然后它就在找为什么重连，是太长了还是怎么样，或者 IP 有点问题之类的。 **橘子：** 它这个架构设计的时候，其实当时就考虑了模型训练，对它所有的东西都存下来了。 **歸藏：** 而且迭代也这么长时间。还有一个问题，就是经常快速迭代。你看国内的 Agent 迭代速度，再看它的迭代速度，1 天左下角那个更新能弹八百遍。 **橘子：** 老量。 **歸藏：** 然后他们的工程团队我觉得也没有那么多人，非常少的人。 **向阳乔木：** 而且也没有迭代崩什么的。 **杨攀：** 明显感觉 Claude Code 的屎山比 Codex 多很多。 **歸藏：** 多很多。而且 Claude Code 是 CLI 驱动的，按理来说它要更好迭代，反而现在比 Codex 要麻烦很多。 **杨攀：** ZCode 的迭代也很快。 **歸藏：** 也是。 **杨攀：** 对，我现在主力可能就是 ZCode，ZCode 也变成我的一个…… **向阳乔木：** ZCode。 **歸藏：** Alternative。但 ZCode 有个什么问题，就我那天用牛来想做一个类似于 Three.js 多模态的东西，想试试能不能做。多模态我觉得还是比较耗 Token，它在多模态部分的 Token 消耗比较高，会导致你的额度不太够用。我是那个中档的 Token Plan。 **橘子†：** 它的 Token Plan 里，模型价格不是翻了好几倍吗？比 API 都贵。 **歸藏：** 我理解它是那种综合的，所以导致它需要平衡每一个模型的额度。 **杨攀：** 还是说他应该定为中档的用户。还有一点，就是原厂的 Agent 的订阅绑定。 **歸藏：** 还是方便，很方便。 **向阳乔木：** 而且还有一个地方， ## 12 / Omarchy：一个 Agent 优先的 Linux 是什么体验 **向阳乔木：** 就是比如说下面有提到 Omarchy 那个 Linux，我装完以后发现我靠各种配置都不会弄，然后这时候呢，网也没有配好，所以呢，我就装了那个 ZCode，然后帮我全部操作，因为国内连的非常顺畅。 **杨攀：** 你说到这儿，我就特别不理解，就这个叫什么 Omarchy，为啥突然就火了？ **向阳乔木：** 它是 4.0 以后，然后那个你看 Ruby on Rails 那个连，作者这个之类，然后它推广非常猛，而且确实。4.0，我之前没有关注过 3.0，去年好多人又装过它那个 3.0 版本，然后有夸的有骂的，但是 4.0 呢，确实完成度高了很多。然后好多去年骂的，今年就觉得，这个是可以当主力机了，而且它的设计里边是 Agent 的优先，怎么体现 Agent 的优先呢？它装完以后，你几乎想到的所有 Agent 全内置到系统里了，从。 **杨攀†：** 一堆 CLI 全塞进去。 **向阳乔木：** Claude Code 所有的都加进去。 **歸藏†：** 你进去套配个 Token Plan。 **杨攀†：** 那我得体验一下。 **向阳乔木：** 还有特别有意思的一点，就是你知道 Linux 如果你自己不懂，就会很容易崩溃，所以它自己写了一套 CLI，然后把整个系统哪些地方能改、哪些地方不能改，交给 Agent 来控制。所以它那个界面哪儿崩溃了，哪怕黑屏，Agent 都能自己帮你搞定、重写。 **歸藏†：** 你就拉起一个 Terminal 来，然后只要你能拉起来、能打字，它就能修。 **向阳乔木：** 好。OK，然后它有个理念我一直没搞懂，就是你知道我们正常用电脑经常会打开很多窗口，经常有需要，左边放一个窗口，右边放一个窗口，甚至窗口叠窗口。它那个系统里边任何打开都是一个新窗口，比如哪怕 Obsidian 你点个设置，嘣又弹出一个窗口，我特别不习惯。后来我说它为什么这么设计，他说这个理念就是人不应该花大量的时间来调整窗口大小，所以它呢，所有的都是相当于计算好。 **杨攀†：** 你说都全屏。 **向阳乔木：** 默认一个就全屏，2 个就分屏，3 个就是变成三分屏，然后自动四分屏。 **歸藏†：** 自动分屏。 **向阳乔木：** 你要用哪个的话，按个 F 就全屏换出来，再按它就回去，通过这种方式来降低切换成本，而且所有都是快捷键。 **歸藏†：** 拼贴。 **杨攀：** 那回去体验一下。 **歸藏：** 还有一个，它因为自进化，所以写软件非常方便。很多人玩它是为什么呢？因为它很多东西自己写，而且 Linux 写起来很简单。 **向阳乔木：** 你看 Mac 电脑不是有多桌面吗？多桌面呢，就是你也不知道切到哪个桌面了。它一开始正常也是 1、2、3、4 这种列，然后你可以跟 Agent 说，每个桌面给我命个名，它自己就去全给你改了，就是自定义非常强。 **橘子†：** 非常底层的这个加 AI Native 的。 **歸藏：** AI 系统。 **歸藏†：** AI Native，非常 AI Native 的 OS。 **向阳乔木：** 但也会被人笑，说你那么多发行版，我加个 Agent 不就是这样了吗？ **歸藏†：** 其实还是不太一样，还是做挺多。 **向阳乔木：** 那其实不太一样，它太胖了。 **杨攀†：** 体验原生的。 **杨攀：** 其实从这个角度，它就本身就是个 Harness。巨型 Harness。 **歸藏：** 其实就是，Mac 装不了 Linux 是比较烦的。就是 Mac Mini 要是配一个这系统，那太爽了。 **杨攀：** 你不用买 Mac Mini，买准系统就行，有的是。 **歸藏：** Windows 的配置确实性价比低点儿。 **向阳乔木：** 但体验也会有不好的问题，因为国内支持不是很好。他说马上要做一个国内的官网，加上国内镜像。我第一次装的时候，是谁要做这个事儿？ **歸藏†：** 上国内镜像。 **歸藏：** 基金会。 **向阳乔木：** 因为国内不是好多人那个…… **橘子†：** 国内的 Linux 胜算很高的，企业什么都是那个政企。 **向阳乔木：** 我装完以后，第一件事情是装输入法，但也没有我们惯常的输入法，比如鼠须管什么的。所以装完以后各种 Bug，只能让 AI 去修，最后鼠须管搞定了，感觉还挺好。然后微信也能装。 **橘子†：** 有点儿像当时 OpenClaw 那个状态，那时候也是大家都得修。 **向阳乔木†：** 后来能装。 **向阳乔木：** 有点儿那个状态。但如果喜欢自由度非常高、Agent 优先掌控的，我觉得这个系统可以说是第一个比较吸引人的系统。而且界面也非常……我觉得它很重设计，可能这个人品位比较好，它里边内置了一个…… **杨攀：** 挺漂亮的。 **橘子：** 它有一些设计的理念。刚才你说那个分屏，其实就是 Mac 那个分屏，各种窗口看起来是很好，但其实普通人用起来也很难受。调起来……我这儿我们公司有一堆人都不会调，不会用快捷键调那个屏、半屏什么的。 **歸藏†：** 我也不会，我也……我也不会。 ## 13 / 滚动发版之后，Benchmark 还有没有意义 **杨攀：** 我直接用快捷键了。来，我们再回顾一下。就我觉得模型这一趴，你看，刚才我们几乎没有聊到那个混元，Fable 5.1 聊的也少…… **橘子†：** 具体。 **向阳乔木：** 混元还可以。 **杨攀：** 混元。 **向阳乔木：** 他们自己的卡都不够自己用，我八点能排到四千多。但他们为什么迭代那么快？你看上个月刚发了混元三，这个月就 Hunyuan 4 了，1 个月一个版本。 **杨攀：** 应该架构都不一样，这俩。OK。 **歸藏：** 那参数不一样，那肯定预训练那个模型就不一样。 **向阳乔木：** 了解。 **杨攀：** 我觉得可能先追上桌了，别的先别说了。 我还观察到一个现象，你看，模型厂商现在先发 Preview，怕口碑崩塌，这是一种；还有一种就是 Qwen 接下来应该你看，就是都没有版本号了。你看这不是 0902，Qwen 卖的 0902，说 Qwen 要滚动着发。然后 Doubao Seed 也是，Seed 也是，说以后不出版本号了，线上持续更新。 **向阳乔木†：** 那个进化版，进化版。 **歸藏：** 应该会有个测试版，一直就是新的，你就默认它一周更新好几次就行。 **橘子†：** 牛来也是在更新的，都是新架构，都是这样的，它可以一直续。 **歸藏：** 牛来从发布到定版本号，一直都给这个。 **杨攀：** 那就是一直后训练合版。不，但它毕竟对外还是出个版本号，这属于对外以后都不提版本号。 **歸藏：** 现在 Qwen 的模型发布时间已经缩短到半个月、20 天了，那也差不多了吧，不是 Qwen 是这个。 **杨攀：** 不是很重要。就是这是某种程度的掀桌耍流氓。 **歸藏：** 现在都这样，我觉得都这样。 **橘子：** 但是这个过于频繁就会有问题，就是大家没有注意力了。如果你发得太频繁，大家都没有人 Care 了，你看 Fable 5.1 就是一个例子，其实没有人很完全这个。 **歸藏：** 对。 **杨攀：** 我橘子说得对。一方面，这么搞的话就没法做 Benchmark。但没法做 Benchmark 是双刃剑：第一，你没法说它烂；但反过来，其实你也没法说它好。 **歸藏：** 这回到了刚才那个问题。我觉得频繁发版，是因为需要频繁迭代、收集反馈。核心问题在于需要一个内测版本。 我们说红队吧，红队之前不是安全问题吗？在能力上，我觉得可能也需要一个付费的测评。 **杨攀：** 但是大家以后怎么固化下来？以前大家会说某个版本模型能力强或不强，但如果你持续滚动更新，我觉得这事儿就被淡化了。 **歸藏：** 就不应该向公众发布，你应该有一个内测版本，比如几千人的规模去发布。比如让核心 Agent 的核心成员去付费测试。 我那天还提了一个 KOL 的问题：你在找好的 KOL 时，不是在找它的文本，不是说这个 KOL 写得好，而是这个 KOL 的案例好。你在让他发东西时，其实是在掏钱买他的 Case。那你不如直接掏钱买 Case。 我觉得需要转变这种思路：在测评时找到合适的测评人，让他们去测评，该给收益就得给收益。 **向阳乔木：** 这怎么理解呢？就是招更多人测试，然后好的 Case 卖端，然后展示，是吗？ **歸藏：** 或者说，你在进测试组的时候，你的 Case 就默认被归档了，也就是你在测试的时候就是收钱的。 **杨攀：** 就是归档的意思，把钱花在找好的、三方独立的 Benchmark 上。哪怕这个东西不公开到手里。 **橘子：** Qwen 找了个赞助商 AI，它这个就给你做 10 个 Benchmark，每个你都是很好的。 **杨攀：** 独立。我觉得那个挺有意义的。 **橘子：** 挺有意思的，意义不知道有没有。 **杨攀：** 因为现在公开的 Benchmark 已经感觉到没啥意义了。 **向阳乔木：** 没有意义。 ## 14 / WorkBuddy、Qoder、OpenClaw 与 DeepSeek Harness **杨攀：** 那我们往下看看 Agent，就是我整理一下这周这个，也不是 Agent 了，或者产品相关的吧。 一个是应该是昨天的事情，这个 WorkBuddy 开了个发布会，然后说这个整个 WorkBuddy 的大生态，拉了软件硬件，各种拉了得有小几十个，就一起开发布会。 然后另外呢，这周 Qoder 应该发了一个 New Qoder，感觉就是原来好像大家说听说这个阿里 Qoder 是个 IDE 是吧，现在可能就彻底变成 Agent 了，当然我也没有细体验。 还有一个被淹没的新闻，叫 OpenClaw 2.0，是这周发的，已经没有很……新闻已经很非常少了，然后我看到的新闻还是还有人吐槽它。 **橘子：** 我看到新闻是那个美团在让大家全员反思，为什么抓龙虾。 **杨攀†：** 这个一会儿我们也可以聊一聊。 **橘子：** 而且他们之前强制。现在说你们都怪你们。 **杨攀：** 这个事儿可能就不好细挖了，一会儿说。 还有就是 DeepSeek Harness，其实热度过了，但是我看到的是它持续在迭代版本。包括你看在我那个群里，不是还有人聊了那个话题，就大家有些人已经懵了，说这个 DeepSeek Harness 的版本号到底是个什么规则。事实上那个版本号是有一个规则，按 Semantic Versioning 发的那个规格，就是它一直在发新版本。 **歸藏：** 所以这也是 DeepSeek 为什么大家，Harness 大家用不起来原因，就是它那个插件系统，就是我自己在做那个客户端的时候，它那个插件系统。 **向阳乔木：** 老更新。 **歸藏：** 就是你把，我觉得一定程度上把复杂度转嫁给开发者了，然后你更新又频繁，导致我的插件永远无法兼容你的。 **橘子：** 它是破坏性更新。 **杨攀：** 你别着急，它没稳定呢， **橘子：** 不，它不可能稳定，我觉得它不可能稳定。 **歸藏：** 很多人说我为什么你的库不更新，我说我追不上。 **向阳乔木：** 所以也得做发行版。 **橘子：** 不是，这跟 OpenClaw 是一样的，OpenClaw 当时每次更新完大家都彻底崩了，它不管你的。我说我跟不上它。 **杨攀†：** 没关系，本身就不是为你们做的。 **橘子：** 没区别。 **杨攀：** 是你太投入感情了。 **橘子†：** AGI 的时候就可以用了。 **杨攀：** 还有这事儿，你让模型自己自迭代就完了。不，这个不，你这个做成 Skill，这 Skill 就是…… **歸藏：** 不。 **向阳乔木†：** 他更新你更新。 **杨攀：** 不，就是这 Skill 就是你读一下两这个中间版本的差距，然后自己去 Fix 你原来已经…… **歸藏：** 不。 **橘子：** 这个有点儿理想化了。 **歸藏：** 没有，修不了，那 Bug 老多了，它自己有 Bug，他们自己无法保证自己品质，主要是。 **橘子：** 你们基座都有 Bug，你那插件儿去，你说靠这个读 Gap 不可能。 **杨攀†：** 人家本身就是测试版，持续测试版。 **橘子：** 不，是测试预览版，开发者预览版。 **杨攀†：** 一会儿 Alpha，一会儿 RC。 **向阳乔木†：** 都加个 Preview。 **杨攀†：** 都加个 Preview。 **橘子：** 都是 Preview。 ## 15 / OpenClaw 和 Coding Agent 正在双向融合 **杨攀：** OpenClaw，对我看到对 OpenClaw 吐槽，就是 OpenClaw 已经就不是原来的 OpenClaw，它把那个什么，甚至把飞书这些能力都做进去了，就是这个其实也是两方面在融合，大家发现 OpenClaw 发布之后，我们原来的 Codex，包括 ZCode，其实也在大量融合一些，就 OpenClaw 的一些功能。然后反过来 OpenClaw 这个，还有这个这 Hermes 这些东西也在融合一些这个 Codex 的能力往里进，就其实在双向在融合， **歸藏：** 反正他发的时候，说是我们那个体验什么的都好了，修了这些问题，说我们现在有界面了，体验更好，然后发完。结果过会儿一刷新，一堆骂的，说还是很垃圾，还是不能用。 **向阳乔木：** 甚至一直不如 Hermes。 **歸藏：** Hermes 它最起码还是一个做产品的，是不是。 **杨攀：** 我提些不同意见，就是我自己的体会，因为我就特别难理解，大家都说这个自己的 OpenClaw 一直崩，我用了半年我从来没崩过，我不知道为啥。 而且我的第二个就是跟大家体验不一样的是，我上个月换了 Hermes，换完之后，我觉得跟我原来的 OpenClaw 体验差距极大。就我就说个细节，就是我跟 OpenClaw 就连续，就是其实我有时候交代一个任务，我要发好几条消息的。就 OpenClaw 会很自然的把它理解成一个事儿，中间也不会停下来或者发给我打断。那个 Hermes 就是你跟它，你跟它，比如我通常是发个照片，然后我说一下，我让基于这照片干啥，它好，经常就停下来，反正就我觉得极不顺畅。而且我从来没有修过我的 OpenClaw，一直是运，稳定运行，我也不知道为啥。 **向阳乔木：** 你还用。 **杨攀：** 一些任务，我是这样的，我是接到我的那个微信，微信的那个 Bot 上，有的时候让它完成一些特别的东西，哈。 **橘子：** 如果你只是让它找找些信息给你做周报啥的，你不用，没啥影响。 **杨攀：** 也不会挂。 **向阳乔木：** 你使用场景有问题，因为原来是老加模型，改模型配置，一折腾就会出问题。 **橘子：** 改配置是最容易挂的。 **歸藏：** 那个配置完全没有保护。 **橘子：** 那我应该就不折腾了。 **向阳乔木：** 可以把网关改坏。 **杨攀：** WorkBuddy 为啥大家好像都没有兴趣？WorkBuddy 生态看起来阵仗挺大的，大家怎么看？ **歸藏：** 主要是没有东西可以用。 **杨攀†：** 你是不是还漏了那个豆包工作？ **橘子：** 生态就是。 **杨攀：** 豆包工作上周应该没啥动作吧。 **歸藏†：** 豆包工作主要是长得太像豆包。 **向阳乔木†：** 上上周吧，是上上周吧。 **橘子†：** 我的意思是，就无人关注的角落。 **杨攀：** 不是，我跟你说，豆包工作还是豆包办公，就老写错。前两天去吴晓波频道做直播，他们直播结束之后写新闻稿，就把豆包工作给写成豆包办公了。然后我就说要改过来，就是都没有占住大家心智。你相信肯定会有人后边儿大量的把豆包工作说成豆包办公。 **橘子：** 这个无所谓吧，WorkBuddy 还有人说错呢。 **向阳乔木：** WorkBuddy。 **歸藏†：** 你看，2 个词都不对。 **杨攀：** 带人。 **橘子：** 简称外包。 **杨攀：** 外包。 **橘子：** 还不是叫外包。 **向阳乔木：** WorkBuddy，走走路的走，Body 是身体的身体。 **橘子：** 是的，走路的身体。 **向阳乔木：** Work。 **杨攀：** 可能是因为我之前做生态比较多，所以对生态这事儿比较敏感。 **橘子：** 我是觉得，以豆包工作这个量级，以这个水花儿来看的话，就是没什么水花儿。 **杨攀：** 我是觉得，可能也许还在憋大招。它在这几个里边，节奏上的 Gap 是最大的。Qwen 动手比较快，迅速完成了团队、产品的一些整合；豆包这边，我觉得还是磨叽了好久。 **向阳乔木：** 它动作很快，因为它合了好多，比如说那个 TraeWork，然后扣子是不是。 **橘子：** 还挺快的，扣子刚发完更新，然后立刻被合了，然后更新撤回了。 **向阳乔木：** 就立马。所以可能内部组织还得调整一段时间，因为大家动作是…… **橘子†：** 动作还是比较坚决的。 **向阳乔木：** 执行很快。 **杨攀†：** 我是觉得 Qwen 那边还挺快。 **向阳乔木：** 甚至特别夸张，上周不是参加那个 TraeWork 活动，然后那个工卡里边。 **橘子†：** 工卡里写着 TraeWork。 **向阳乔木：** TraeWork。 **杨攀：** 那 Beep 掉。 **向阳乔木：** 去掉了。 **橘子：** 然后被磨掉了。 **向阳乔木：** 太有意思了。 **橘子†：** 还是挺突然的。 **杨攀：** 都对这个不感兴趣。 **橘子†：** 继续吧。 ## 16 / Grok Bot：为什么 Agent 需要一台永不下线的云电脑 **杨攀：** 但实际我有一个没写，就是因为上周它没有新闻，但是我觉得一直有热度，就是那个 Grok，Grok Bot。 **歸藏†：** 应该。 **橘子†：** 那个还挺好。 **向阳乔木：** 那个 Grok Bot，挺厉害的。 **向阳乔木†：** Grok Bot 今天早上发了安卓版本。 **歸藏：** 它是安卓客户端是吗？ **向阳乔木：** 安卓客户端。之前不是一直只有 iOS 吗？但它现在也很缺场景，好的场景 Case。我觉得现在还是缺。 **杨攀：** 我是觉得 Grok Bot 其实在我心中是未来的形态。 **向阳乔木†：** 我觉得它潜力非常大。 **杨攀：** 你想想有多少人家里还有台电脑，还有就剩下用笔记本的。笔记本有多少人是永远开着的？你经常就得合上合上。 但是接下来，AI 在我们的生活中其实是需要 24 小时在线的。那在哪儿？那肯定要在云端…… **向阳乔木：** 所以。 **杨攀：** 而且这个云端必须是持久化的。我用，你一定要 100% 给我承诺，这上面的所有数据永远不会丢。 **向阳乔木：** 不丢。 **杨攀：** 之前某厂商的那个 Agent 还发生过，直接用东西就没了，就不提名字了。 **向阳乔木†：** 各种虚拟机。 **歸藏：** 现在很多虚拟机都是这种关机，或者是那种动态分布的。 **向阳乔木†：** 好多都是虚拟机，你看原来那个。 **杨攀†：** Manus 虚拟机，但 Manus 虚拟机不关机。 **向阳乔木：** 是我了。真的，这个是我了。真的，Manus 是不是说，给 Agent 那台电脑是更合理的？你要找找，领先了这么久的预判。 **杨攀：** 我觉得领先得小一年都得。 **向阳乔木†：** 1 年。 **橘子：** 但理念领先，不过它没有做到永久，也没有做到持久化，它是每个任务对应一台电脑，也没做持久化。 **杨攀：** 你们要这么说，你们谁用过那个 GPT 的 Cloud？ **橘子†：** GPT。 **杨攀：** ChatGPT Cloud 其实也是给了 1 台主机。 **歸藏：** Chat **杨攀：** GPT Work 的 Cloud，也是给 1 台主机。 **歸藏：** Work。也是有，那个主机配置巨高，12G 的运存。 **杨攀：** 但是你看 Grok Bot 就专门把它有个名字，一个产品放在那儿了，但其实那个，你看刚才我们说的叫 ChatGPT Work 里的 Cloud，这个已经藏了三层了， **向阳乔木：** 那 YouWare 不是他们做那个，Bloome 也是很早就做这种东西。 **歸藏：** 我觉得核心是体验和成本。 **橘子：** 我觉得 Grok Bot 就是太简单了，看起来很简单，那个交互非常好。 **歸藏：** 就是我刚才说的，之前是 ChatGPT，就是为什么大家很上手，就你聊天就行，然后后来变成 Agent 的界面，你看现在这 Agent 的界面， **向阳乔木：** 很复杂。 **橘子：** 对你打开现在豆包工作，就是什么连接器，技能光一堆，我去，每个词都不知道啥意思。每个概念大家都不认识，Grok Bot 就是 **歸藏：** 聊天，就什么都没有，聊天。 **橘子：** 什么都没有，但功能都在里边。 **向阳乔木：** 而且我觉得，有了 1 台电脑以后，发现能做好多黑科技的事情。比如说我说你去帮我挨个测试下 Product Hunt 前十的产品，他真的是打开一个浏览器。 **杨攀：** 装。 **杨攀†：** 那台电脑是什么操作系统？ **歸藏†：** 他那个 Linux 呀，我看起来像 Linux。 **向阳乔木：** Linux。但是呢，他能随时交给你，我就登录我的账号，把我的谷歌账号登录以后，他相当于有了谷歌账号的权限，他未来所有的东西，就用谷歌账号给你登录去测。 然后他真的跑各个网站上去用我的谷歌账号登录，去输入 Case 测。 **杨攀：** 你看，就是我们使用这个，不断使用互联网、移动互联网 AI 的过程，就是不断把自己的隐私、各种权限慢慢释放，这都是置换出来的。 **歸藏：** 让渡的过程。 **橘子：** 大家不 care 这个。 **杨攀：** 这不重要，你换出来，才能得到这个功能和体验。 **歸藏：** 不 care。 **橘子：** 然后方便。 **歸藏：** 然后他那个流程也很好。比如你刚才说过，他需要你谷歌账号。像我们说的连接器 MCP，都需要手动连，你没连，国内很多 Agent 都是这样，你跟它说，它说我没有这个。它根本不知道自己有这个连接器，对自己的感知是有问题的。 然后你像那个 Grok Bot，你说你需要拉一下我那个谷歌邮箱，我看邮件，问你什么邮件，然后谷歌直接给你弹卡片。 **向阳乔木：** 所以你登录。 **歸藏：** 你点授权，好，授权。 **向阳乔木：** 就渐进式的，需要时候才展现。 **杨攀：** 这点我特别想吐槽。 ## 17 / 渐进式授权：需要连接器时，再让用户点一下 **杨攀：** 比如说我跟我的任何一个 Agent 说，你帮我规划一下路径。比如我说我这周去上海，要见几个人，分别几点、在什么地方，你帮我规划。它需要调高德的 MCP，我为了这个任务，再去高德申请个 APIKEY，回来再配上，这太麻烦了。这个事儿不就是你应该帮我搞定的吗？ **歸藏：** 所以这个东西在海外，在 Memory、在上下文获取这件事上，为什么海外会先有这种产品？因为你看，哪怕是谷歌这全套全家桶，全给你整个非常方便的 MCP。 **向阳乔木：** API。 **歸藏：** 国内。 **橘子：** 国内不是我 WorkBuddy 在整了吗？这不是在整了吗？ **杨攀：** 我的意思是，刚才乔木说渐进式的，我有这个需求，你应该帮我去解决跟高德的基础设施连接、授权，甚至付费都 OK。你应该帮我解决，不要让我去搞这个东西。 **歸藏：** 哪怕说你让我的积分多耗点儿，在这个时候，你跟我说多耗点儿，我无所谓。 **杨攀：** 你扣我积分都行，Token 等于 Token。就这些事儿，我觉得接下来这 1 年，这些产品肯定是要解决的。而且这个事儿可能我 1 年之内就用 1 次，我不可能让你让我去配个东西。 就我前一阵不是分享过一个观点，说 27 年的产品，如果这产品里还有 MCP、Skill，还有什么，包括 Plugin、Connector、Key， **向阳乔木†：** Skill，这些页面，单独的页面。 **橘子：** 暴露给用户是吧。 **杨攀：** 这些东西，27 年产品里就都不应该有。 **橘子：** 现在就是 Agent 太复杂了。他需要接下来就是需要把这些都简化了，还是不够智能。 **歸藏：** 而且现在我觉得趋势是比较明显的，就是大家都在做类似 Grok Bot 的东西。但核心我觉得还是国内比较慢，因为咱这个。 **向阳乔木†：** API 打不通。 **歸藏：** 上下文是最，上下文最严重的问题。 **向阳乔木：** 开放性太差了。 **杨攀：** 所以 AI 时代就把这些倒推，逼着这些生态该打。 **向阳乔木：** 已经退了一波了。你看之前好多哪有 CLI 让你任意读写，飞书乱七八糟的东西。如果不做这个，可能大家用量就会更少。 **杨攀：** 我看到个新闻， ## 18 / 金融数据、算命与真正有收益的 Agent 场景 **杨攀：** 说 WorkBuddy 其中有一个最大的场景，就是炒股。因为它接了某家炒股的数据，而且说那个数据只有 WorkBuddy 里可以用 Agent 读，在别的地方都不行。 **向阳乔木†：** 不让 AI 去读。 **杨攀：** 所以就是蜂拥着，有人涌到 WorkBuddy 来用这功能。然后说豆包知道了这个以后，也对接了一个。 **歸藏：** 就是连接器，豆包的连接器里边已经没有类别，切到炒股或者切到金融，一下富多了好几匹，哇，老猛了。 **橘子：** 重点抄结论。 **杨攀：** 这个才是真正用户。 **橘子：** 之前他们不是统计 Query 吗？就是炒股、算命这些东西。 **向阳乔木†：** 算命是吧。 **杨攀†：** 但是不是工作，这不是办公。 **向阳乔木†：** 所有办公 Agent。 **歸藏†：** 不是 Office，现在整 Office。 **橘子：** 反而我觉得，你说我们办公场景里边有什么东西是需要你加速到说，效率提升到能产生收益的？你说好多白领工作，那些 Paperwork，比如什么周报，你加速 100 倍有什么用呢？其实没用。 **向阳乔木：** 你想想办公场景里面意味着啥，大家能想到的就是 PPT、PDF 来回转换，接文档。 **杨攀：** 我最近做过调研，你知道吗，程序员用了 AI 以后更累了，但是非程序员，就是写 PPT 的、写文档的，用了 AI 以后都摸鱼了。原来干 8 小时，现在干一个小时、俩小时。 **歸藏：** 主要是原来写的那文档吧，就是车轱辘话，现在还是车轱辘话，无所谓，没有变化。 **杨攀：** 但写代码的你知道，写的更多就更累了。 **歸藏：** 这写的 Bug，写的越多 Bug 越多。 **向阳乔木：** 也不是写的更累，是因为你要开了太多项目，你觉得都能搞，你自己监控 AI 累。 **歸藏：** 就 Bug 也多。 **向阳乔木†：** 对 Bug。 ## 19 / Microduck 为什么一夜走红 **杨攀：** 看看后边还有什么话题，我们说说硬件。硬件方面，我整理了最近 7 天的几个热点：一个是 Hugging Face 的 MicroDuck，那个小鸭子机器人；还有苹果新发的 Mac Mini M6 和 Mac Studio，虽然不算完全上周的事，但高配已经涨到几万、十几万，内存也直接奔着 128、256、512 去了；另外 Plaud 也发了个新耳机，他们好长时间没发新产品了。 大家看看这个 MicroDuck，一下就火起来了，但其实是中国厂商生产的，叫 Seeed。 **向阳乔木：** 好多展会是不是都有这种小机器人，眨眼睛的那种。 **橘子：** 但它这个设计明显很好，Demo 也很好。成本太高了，它一个鸭子能把东西夹起来，要是用普通小机器人用手弄，感觉很普通。我觉得这个东西一是足够便宜，二是好玩，其实跟人相比没有那么大用处。 **歸藏：** 定制上了，高。原来它这是什么后空翻，什么这那的， **杨攀：** 但我的观点就是，它火爆就是因为是 Hugging Face 发的，你换个人发试试。 **向阳乔木：** 但也不一定吧，不一定。 **歸藏：** 不是，Hugging Face 收购的公司发的，这个公司在被收购之前，之前的产品就火。 **杨攀：** 之前是那个桌面小机器人是吧。 **歸藏：** 这种玩具是什么呢？一个好玩，一个没用，就是足够的没用才能好玩。 **橘子：** 而且它便宜，这个价格就是…… **杨攀：** 不便宜。 **向阳乔木：** 挺便宜的。 **杨攀：** 300 多美元。 **橘子：** 你知道别…… **杨攀：** 中国机器人的价格。 **向阳乔木†：** 那没法比。 **歸藏：** 它其实技术含量上……算了，不说了。 **橘子†：** 不，大家都含量都不…… **歸藏：** 起码它还能自己后空翻呢，中国机器人还得拿遥控器呢。 ## 20 / ESP32 成为“新乐高”，全民发明家时代来了 **杨攀：** 但是这种小玩意儿以后会越来越多。你发现这个事儿本身，我就觉得，看看小红书，就觉得一种全民发明家时代。就是谁想弄个啥，今天都…… **歸藏：** 就那个 ESP32 开发板，摆的成了新乐高了。天天卖断货，天天不够。 **向阳乔木：** 你看王乐他们那个都是…… **杨攀：** 他就是用的还是不是一个特别高配的版本。等那个王乐那个，到下一期我们把它拿来，给大家看看那个东西，那个挺好。 **橘子：** 就是那个硬件，主要是这个东西，大家就是当个玩具。 **歸藏：** 人乐高。 **橘子：** 这个送礼也挺好，设计好看。我觉得如果去机器人展会，这是最好看的设计。 **歸藏†：** 一眼就能看见。 **杨攀：** 你们谁去那个世界机器人大会了？ **歸藏：** 没有。 **歸藏†：** 没有。 **橘子：** 没啥意思。 **杨攀：** 反正我去看一下，我觉得没什么。 **橘子：** 同质化太严重了。 **歸藏：** 所以之前…… **向阳乔木：** 但不是网上有个视频片段很火，机器人跑步的姿势，是那种像女…… **歸藏：** 所以之前，我那天看那个清华的，我想想我们介绍那个演示。 **杨攀†：** 那是运动会，那是那个…… **橘子：** 同时举行。 **歸藏：** 我觉得他们是严重被低估的。之前谁……机器人模型，我看了本地模型，就是那天我推的那个，乔木之前介绍了一个清华团队做的。 这是我第一次见的真不用遥控，它真的能向我沟通，然后嵌在任何机器人上。最离谱的是，嵌在电动轮椅上。那电动轮椅它不是机器人，它都没有大脑，给它绑了一个本地显卡算力，然后插上，就能自动去…… **向阳乔木†：** 还有机器给我买咖啡是吧。 **橘子†：** 这才是大脑。 **杨攀†：** 具身的大脑。 ## 21 / 本地模型进入浏览器和机器人 **歸藏：** 而且我觉得这一点很重要，还有一个本地的模型，在无人关注的角落，Perplexity 发布了一个本地推理机。 **向阳乔木†：** Perplexity。 **歸藏：** 装了 Perplexity Comet 以后，它会自动在本地装本地模型，自己调好，再让本地模型去做一些特定任务。这样，厂商的整体成本就会降下来。 **橘子†：** 这很合理。 **杨攀：** Chrome 里有个 Nano，Gemini Nano。 **橘子†：** 那个太小了。 **杨攀†：** 可以在线下载的小模型。 **歸藏：** 那个模型太小了，它自己下了一个可能是类似于 6B 或者是 27B 那种模型， ## 22 / Mac Studio、本地推理与一台始终在线的电脑 **歸藏：** 放下来，好像还有什么优化，我没细看。 **杨攀：** 我问问各位，你们现在手里有没有比如 Mac Studio 什么，后边有没有买的计划。 **歸藏：** 我现在一个 Mac Mini，一个 Mac Studio。 **杨攀：** 你那个多大内存呢？ **歸藏：** 还有个。Studio 我买的就是正常 32G，我不想跑本地，我。 **杨攀：** 32G。那 32G 的 Mac Studio 跟 Mac Mini 的定位有啥区别？ **歸藏：** Mac Mini 还是不行，散热和性能上确实不够，跑工程任务就容易炸。比如开 Dev 之类的，开多了它还是会炸。 **橘子：** 我们公司用它跑一些测试，只能开 2 个，两组线。 **歸藏：** 有一回我内存泄露了，结果它炸了。Mac Mini 内存泄露了，还能挺一会儿。 **杨攀：** 反正我手里那个，我是特别幸运，我是今年春节之前下的，而且是…… **歸藏：** 我也是。 **橘子：** 升值了。 **杨攀：** 你那个升值了，128G 内存，才 29,900。 **橘子：** 其实它的 CPU 不是最重要的，对内存。 **杨攀：** 你知道我用了那么一台设备以后，体感是啥吗？就是你感觉不到那个电脑的存在。用所有东西都是丝滑，你感觉到全是软件，感觉不到这个硬件。 **歸藏：** 硬件没有瓶颈，你没有感知，没有说硬件出问题了或者怎么样。 **杨攀†：** 那个特别爽。 **歸藏：** 而且主要是它一直在线，我的那个 Studio 从买回来到现在没有关过机。 **杨攀：** 我也是，没关过。那你们俩就是比如接下来 1 年，有买 Studio 的计划吗？ **向阳乔木†：** 我有个 Mac Mini，我暂时也没有这个需求，我想换一个好一点儿的笔记本，内存大一点。 **橘子†：** 我暂时没有吧。 ## 23 / 云端 Agent 与本地 Memory，能否两者兼得 **橘子：** 我觉得这个东西好像跟我们聊的，比如说 Grok Bot，它其实就是，如果你有个云的一样一样的，就是趋势可能就是云。 **歸藏†：** 你要一个东西。 **歸藏：** 但我觉得维护本地 Memory 和本地上下文这事还是很重要，感觉后面一定会有这样的产品，就是快速地把你的那个一直都有，但是它做得不好。 **橘子：** 你需要有个同步机制。 **歸藏：** 就或者说你…… **向阳乔木：** 那你不能就像说的，就放弃隐私都是云。 **歸藏：** 但问题是你有时候它 AI 会变化，你给了它，然后你下不下来，但是又别的又真的又很好，你，又没法用了，所以就是还是得有个本地的一个一个…… **橘子：** 好像说那个扣子那个新版本，本来就是一个云端的扣子来操作你的电脑，它连起来，手机上能操作动，那个还挺好的。 **杨攀：** 那本地还有一个网盘呢。Cursor 最近也要发新的那个 Agent，那个就是可以托管在本地的 Cursor Agent，然后跟云连起来，跟你说类似的。 **歸藏：** Grok Bot 不就是客服做的。 **杨攀：** 跟那个是一个家族，但是不同的产品线。 **橘子†：** 应该是趋势。 **杨攀：** 其实有一个 Agent 产品，帮我把本地的托管环境管理起来，把我本地跟云连起来，作为一部分，其实也挺好的。 **歸藏：** 所以我觉得 NAS 这事，NAS 也可以办。 ## 24 / NAS 会不会成为个人 AI 上下文的家 **橘子†：** 越来越 Geek 了。 **杨攀†：** 你们谁买小米的 NAS 吗？ **歸藏：** 我买了。 **杨攀†：** 我是内测买的。 **橘子†：** 那肯定会买。 **杨攀：** 怎么样？ **歸藏：** 它就正常的 NAS，它都没 Docker， **橘子：** 我用过以前的小米那种路由器的 NAS，其实还行，小米的 UI 呢。 **杨攀：** 那跟那个绿联，还有另外那家叫啥？ **歸藏：** 绿联。它没得玩，就是小米那个就是没得玩，不太行吧。就它都没 Docker，它那个配置巨差，然后就是一个正常的，你就用来传文件就得了。 **杨攀†：** 还有群晖。 **歸藏：** 那个东西，群晖他们玩得比较多。 **橘子：** 群晖太难用了。 **杨攀：** 你用过？ **橘子：** 我那个已经给公司了，太难用了。 **歸藏：** 我在想，小米那个有了以后，自己写一个挂载的东西。因为我本地的 Memory 其实是文件系统，就是数据库和文档，我又写一个挂载，它就自动同步得了，我又不往 GitHub 那个私有的去同步。 **杨攀：** 我现在也是，我自己的 Memory 同步 GitHub 太……就是巨饼，文件巨饼太多。 **歸藏：** 而且还有就是多模态的问题，就是我经常玩图像视频，那 GitHub 我又不能把多模态的图像视频传上去。 **橘子†：** GitHub 也不稳定。 **歸藏：** 所以我觉得还是 NAS 比较好，而且 NAS。 **杨攀：** 这周我见那个 AJ，AJ 说他同步自己的各种数据，就已经把他的硬盘都干废了。 **向阳乔木：** 读写太多了。 **杨攀：** AJ 应该是每天把自己大量的原生多模态数据全留下来。 **歸藏：** 是这样的，而且这个我觉得很重要，以后云盘就应该这样搞。 **橘子：** 这个存储越来越贵了。 **杨攀：** 所以你看那个小米，我没写那个，小米那个叫什么 O3 跟 O100 是吧？小米接下来要发的那个本。 **歸藏：** 第三个，第 O3、D100 和 O100 3 个芯片。 **杨攀：** 它那个东西，再结合上小米的 NAS，一起放在家里。 **歸藏：** 澎湃 OS 4 的超级小爱，现在是有 Memory 的。那天我在群里提了一下，它的 Memory 是什么呢？就是能实现你在小红书和抖音点了收藏，那个收藏会自动收藏到小爱的 Memory 里。 然后它有个东西叫小米同步助手。它不是有 Mac 和 Windows 版本吗？你现在那个 Mac 版本的同步助手，里边内置超级小爱，它是个 AI，然后你手机上的超级小爱能操纵你的 Mac，通过这种东西。 **向阳乔木：** 那你就相当于变相能获取到小红书的一些数据。 **杨攀：** 你说这都是安卓上实现的。 **歸藏：** 它自己的小米系统，同时跟你的 macOS 跟 Windows 通过这种方式连接，你可以通过手机上的 AI 去操作你的电脑。哪怕这个电脑跟小米没关系，就是你的 Mac 电脑，而且它里边有你的所有照片，然后你在那个 App 里能看你所有照片。 **杨攀：** 呀，我这不是有个 OPPO 的设备，也是在 Mac 上可以装些什么东西。就我觉得这些厂商在这个 Mac 上做的软件的质量都太差，体验……那又……质量，就是先不说功能还是有用的。 **歸藏：** 但那个 2.0 那个就是有超级，有 MiMo 那个，就是因为它超级应该全部迁到 MiMo 了，原来 MiMo 那个 Cloud，都舍了，所以我觉得那个还是可以。 **橘子：** 其实小米那个罗福莉去了之后，那个他们 AI 做的还行，OPPO 是其实不太行的， **向阳乔木：** 那豆包手机不是 9 月份要发吗？ **歸藏：** 那些努比亚，这次不叫豆包手机了吧，直接叫努比亚了，直接奔中兴那啥了。 **橘子：** 但那东西感觉也没啥用了，封的差不多了。 **杨攀：** 好多用户。 **歸藏†：** 主要太封闭了。 **杨攀：** 我觉得对，手机安卓系统到 AI，真正我们到 AI 这个中后期的时候，我觉得这些东西都会被干掉。 **歸藏：** 因为安卓本身它就不是为这个东西做的，虚拟机太封闭了。 ## 25 / 收购、ARR 与 Claude 套餐争议：本周商业新闻快扫 **杨攀：** 看看后边还有什么其他商业新闻，这个我找了几，拉了几个重点的，英伟达收购了 Hugging Face，然后这个，还有一个新闻叫，SpaceX 收购 Cursor 以后，OpenAI 宣布终止模型供应。然后另外就是智谱财报里有意思的，就是这个 ARR 问题是吧，以月为单位的 ARR 是，16 美金，16 亿美金，以周为口径的 ARR 达到了，已经达到了 20 亿美金，我的天呐。 **歸藏：** 16 亿。 **杨攀：** Anthropic 才多少？Anthropic 才不到 100 亿美金。 **编者注：** （口误，以下应为 B） **歸藏：** 是吗？100 亿（B），刚刚到 100 亿（B）吧。 **杨攀：** 好像是。 **橘子：** 不是吧，Anthropic，不是吧。不到 100 亿（B）美金。不是预测，不是说是那个原来预测 700～800 亿，然后结果实际是六百多亿。 **杨攀†：** ARR， **歸藏：** 是吗？ **橘子：** 但肯定是 500 以上，你可以查一下。 **歸藏：** 他们好像给他的口风是…… **杨攀：** 然后是 Claude Code 套餐 20 倍的事儿，最近也有人讲，说这个 Claude Max 20 倍套餐实际上是…… **歸藏：** 2 倍。 **杨攀：** 总量是 2 倍，是那个窗口 20 倍。 **歸藏：** 5 小时 20 倍。 **杨攀：** 然后说大家这么长时间，为什么没有人说这个事儿？ **歸藏：** 它是不断的缩减，缩减，缩减，缩到这个地步。 **杨攀：** 先说说这几个事儿，看看大家谁觉得有兴趣。 **歸藏：** 收购 Hugging Face。 ## 26 / Hugging Face 的价值，以及英伟达为何要为产业托底 **歸藏：** 我觉得就该它收购吧。 **杨攀：** 我有一个感觉，你说 OpenRouter 也被收购了，Hugging Face 也被收购了，按我们历史经验的话，这是一个信号，就说明这个产业到了某一个节点上了。 **歸藏：** 我觉得是看到了价值。之前 Hugging Face 和 OpenRouter，很多人是对他们不看好的，存在感越来越低。然后最近核心问题是中国的开源模型的问题，这些属于开源模型基建和发布的东西，对它们俩的价值提升很大，我觉得。 **橘子：** 它俩价值在中国一直被低估吧，你不是要写一篇文章吗，你也没写。 **歸藏†：** 我是。 **杨攀：** 这个角度是啥呢？写文章好写。 **橘子†：** 一句话点评 OpenRouter 是啥。 **杨攀：** 不，应该是一句话说清楚，其他为啥不是 OpenRouter。 其实我是感觉，你们有没有发现，英伟达现在拿自己的信用在给整个产业做兜底。我觉得它收购 Hugging Face，从某一个角度讲，它自己就是一个锚。包括现在英伟达拿自己的信用给很多 neocloud 厂商做信用抵押，不专业地说，就是英伟达承诺，你的卡多少年之后，我英伟达回购。 **歸藏：** 融资，算力。 **杨攀：** 就是他在给整个市场做锚，因为他最不想让这市场崩的其实是英伟达。 **橘子†：** 他要在 AGI 做大基建。 **杨攀：** 所以就是 Hugging Face 如果有难处，或者需要在下一层价值的时候，英伟达肯定要出手。 **歸藏：** 或者说他在不遗余力地保证这个市场是一个多级的状态。 **杨攀：** 而且是相对比较健康稳定。 **歸藏：** 让各个模型厂商之间保持平衡，不要出现一家独大、反过来拿捏别人的情况。 **橘子：** 你是不是漏了 OpenAI 自己训那个…… **杨攀†：** 那个 CPU，Jalapeno 是吧。 **橘子：** 其实我觉得这个也跟这个有关系。 **杨攀：** OK，对，刚才橘子说到的是 OpenAI 自己出 GPU 的。 **歸藏：** CPU。GPU。 **杨攀：** 好像所有的厂商都在自己搞。未来一定是全都自己搞。Claude 也在搞，微软、Meta、智谱，听说也在搞。 **歸藏：** 是吗？主要全是台积电、三星代工，整个产业在后边儿就非常集中。 **橘子：** 而且有了 AI 之后，你软件那层就很容易。 **歸藏：** 设计简单，生产不够，都乱冒烟了都。 **橘子：** 是问题。 ## 27 / AI 有泡沫吗？真正的问题可能仍是供给不足 **杨攀：** 你们对这个泡沫这事儿怎么看？就现在。 **歸藏†：** 没啥泡沫。 **杨攀：** 没泡沫。那天看到一个说法，说什么 1,500 万儿人用 Token 已经不够用了，说这个，给 1.5 亿和 15 亿人用。 **歸藏：** 说现在用 Token 人主要是那些研发，然后这多少人， **杨攀：** 还不够用呢。 **橘子：** 我们那个牛来测试的时候，我们那儿每天都能刷好几十亿 Token。 **杨攀：** 说说这个全球数据中心的吉瓦数，说接下来几年最多就翻一番，就基建最多翻一番，就是 IDC 数据中心的。 **歸藏†：** 就物理限制了。 **杨攀：** IDC 数据中心的。 **歸藏†：** 消耗的吉瓦数。 **橘子：** 然后你看新的架构能让这个东西可能提升 10 倍，但是还是 **歸藏：** 不够。 **杨攀：** 肯定不够。 **歸藏：** 没有泡沫，我觉得它是供给不足的状态。 ## 28 / Token Is New Money：买 Mac Studio 像在家里“铸币” **橘子：** 其实我觉得 Stripe 收购 OpenRouter 那个也很有意思。Stripe 以前管的是现金交易，管的是钱，但其实未来 Token 就是钱，所以非常合理，Token Is New Money。 **歸藏：** 那 Token 就代表生产力，所有互联网上的生产力都来追 Token。 **橘子：** 你看你去买 Mac Studio 什么的，就相当于自己印钞票，就是印得有点慢。真的，相当于回到了以前大家自己铸币的状态，我挖了一块金矿，搞个铸币，回到了去中心化发行货币。 **歸藏†：** 以物易物了，现在是这种以物易物的状态。 **橘子：** 很有意思。你看包括 Flash 什么各种模型，你本地也能跑了，本质上就是你能铸币了。 **杨攀：** 你看，刚才你提到一点，一句我觉得特别金句，就是说你扣我点儿 Token Credit 都可以，你那句话背后不就是等于货币了。 **橘子：** 你看那个大聪明那酒吧，你去之后，酒吧里边儿免费有各种模型。 **歸藏：** 免费用。全用。 **橘子：** 所以可能就是未来有一个，像比如说 Astra 或者更大的模型，大家只能云，然后那个就非常智能，然后其实本地那部分的算力，那个跑的那个 Flash 级别都已经很好了，Opus 4.8 级别大家都够用，然后中间的就是被斩杀的。 **向阳乔木：** 是你看现在的模型，我感觉对于大多数普通人来说都已经够足够用了。 **橘子：** 那很够用了，很够用了， **歸藏：** 我觉得 5.3 Flash 在这种这种就绝对够用。 **杨攀：** 不，我觉得够，那个就是到真正那个够用，其实就像刚才我们说那个叫 Omarchy 是吧，就那种，就是很多软件系统变成 AI 原生的，其实那个本地的其实更多的是为了满足那些功能和体验。还就是真正的，真正的云端的大模型是负责创造复杂的系统和产品的，但是但是让我们原来的这个普通软件的机械性的体验，变成 AI 原生的体验，但是但是让我们原来的这个普通软件的机械性的体验，变成 AI 原生的体验，可能更多就端侧或者小小一点的模型来去实现。 **向阳乔木†：** 小模型， **杨攀：** 可能更多是靠端侧或者小一点的模型来实现。比如像你说给窗口改个名儿什么的，帮我整理整理我的机器，那些就是。 **向阳乔木†：** 不需要很好的。 **杨攀：** 普通小模型就足够了。 **橘子：** 而且如果你用 Flash 的话，其实每个月的开销也就十几美金就搞定了。很便宜。 **歸藏†：** 主要是。 **橘子：** 大部分人还是能用得起的。 **歸藏：** 但是大部分人用的话，还是不够，卖不着。 **向阳乔木：** 但我发现有个很奇怪的现象，就是大家永远会追新。 ## 29 / SOTA 模型与便宜模型，会不会抢同一批生意 **向阳乔木：** 旧的模型理论上是可以搞定的，但大家永远还是想用新的、好的。 **杨攀：** 我有个清晰的逻辑：这些便宜的模型，包括开源的模型，不会影响 SOTA 模型的定价权和收入增长。该增长的还是增长，它们依然用来创造更有价值的东西。 新出来的便宜和开源模型是在扩大——也就是杰文斯悖论——扩大消费者的人数、场景和体验。它们不适合向上竞争，而是往下扩大。 **歸藏†：** 结构渗透了。 **橘子：** 这是金字塔的两个维度。 **歸藏：** 而且下面这些人也会转化到上面，如果被渗透了以后，也会开始消费上面的。 **向阳乔木：** 我想问，现在有没有那种模型，比如我们去年老说的 Claude 3.5 时刻，使得 Agent 各种能力都变强了？但现在没有人去用更早期的模型，除非有特别的需求，比如你要写文字，才会用 4.5 之前的模型，甚至这些模型都会被下架。 **歸藏：** 我觉得核心是因为推理效率在不断提升，厂商追求效率就会下架旧模型。 **杨攀：** 今天你看牛来这么便宜，也比 Claude 3.5 强多了。 **向阳乔木：** 要强，比那个要强多了，但。 **杨攀：** 强多了。 **向阳乔木：** 但是大家还是说我会用，就是你真的有需求解决复杂任务的，你还是希望用好模型 1 次性搞定，尽可能少的修改。 **杨攀：** 我觉得那个还是就是负责创造的人群还是特殊的，就是慢慢的 Token 就变成一种消费了，它就不是不是用来就是创造是创造，消费是消费。 **向阳乔木：** 那所以对于现在这个模型这个价格上来说，感觉是已经是可以在大规模的场景上，普通人可以用了，但是还没有发生。 **杨攀†：** 就是它其实是没有需求。 **歸藏：** 没有需求。 **杨攀†：** 或者需求就变就变成消费了，它不是创造。 **橘子：** 如果是去看普通人的话，他其实是没有需求的。 **歸藏：** 我们这很多时候用来做东西，用来工作，没有人需要。 **向阳乔木†：** 就像你…… **橘子：** 正有工作的人可能是中国十分之一。 **杨攀：** 1,000 万程序员，中国 1,000 万程序员，一点儿几，1.2 亿办公白领，就有电脑的。 **橘子：** 白领， **歸藏：** 就极限了。 **橘子：** 再加上可能公务员，其他人就…… **杨攀†：** 就这么多。 **歸藏：** 没了。 **杨攀：** 就这么多。 **向阳乔木：** 我后来想，如果你在外面休闲的时候，不会刻意想着要找一件事让 AI 去帮我做，我就想着把当下的东西做好。 ## 30 / AI 短剧把 Token 消费带进新的内容市场 **杨攀：** 所以 AI 还没有进入消费。 **歸藏：** 所以消费进入了，就是那个短剧，AI 短剧涨得很快。 **杨攀：** 短剧。 **橘子：** 它那边儿涨的呢。 **杨攀：** 那是 Kill Time。 **向阳乔木：** 所以那个是很猛的，就是因为接触消费了，所以消耗量巨大。 **歸藏：** 巨大。 **杨攀：** 其实反倒是我们前面说的 H3，接下来会开拓一个大市场，H3 就是那个领域的 DeepSeek Flash，类似 Flash。 **歸藏：** Seedance 现在非常猛。如果你刷抖音或者红果，会发现几乎每周都有爆款 AI 短剧出现，而且质量非常高。 它的播放量也很惊人，比如上周 B 站头部的 AI 短剧，每周都会超 1,000 万播放。而且质量很高，它会变成什么呢？那天跟那个什么聊，他们有那种短剧工厂。但短剧工厂是负责填那种低端的短剧量的，你不能把 AI 短剧，就是非常精美那种 AI 短剧，去以短剧的逻辑去看它。 它变成类似于以前那种网络小说里边儿最头部的那种小说了，就它有自己的作者性和创造性，它不是那种非常爽的、以爽为主的。 **橘子：** 还有小说的。 **杨攀：** 我现在已经能刷到很多，剧本、画面都非常精致的。 **向阳乔木：** 非常精良。哪个不是《西游记》？是不是上了？ **歸藏：** 湖南卫视那个，超……什么《后西游记》那个。 **向阳乔木†：** 湖南卫视。 **杨攀：** 《后西游记》。 **橘子：** 全是 AI 做的。 **歸藏：** 卫视播出的。 **橘子：** 它就是一种完全新的媒介了。 **向阳乔木：** 而且你发现没有，一开始看到 AI 短剧会很厌烦，觉得生成的太有 AI 味儿了。但后来点进去看一个，发现剧情还可以，就会忽略掉那种 AI 味儿，让文字、剧本转成视频可视化这个效果，应该又拓宽了消费人群。 **橘子†：** 是新媒介。 **歸藏：** 还是看你故事讲得好不好。而且很多人本来就能讲故事，门槛低了以后，就能讲好故事。这是一个很新的群体，他们能获得非常牛的回报。 如果你这个故事讲得非常好，是连载的，能保证比如说 2 天出一集，很多人是愿意付费观看的。不是以前短剧那种爽的付费，而是像看最顶尖的网文一样的付费。 **橘子：** 就是精品化。所以刚才聊到的，可能会有一个类似起点的短剧平台。 **歸藏：** 它有类似月票大赏的机制，有按量付费的机制。虽然红果现在也有这种，但红果还是太面向机构了。你要在红果上架，它的投流方式都还是很机构化的形式。 **杨攀：** 应该接下来更大的市场就在红果之外的全球吧。 **歸藏：** 但全球市场主要是因为海外对此非常抵触。 **橘子：** 海外其实现在主要在 TikTok。 **杨攀：** 没有，只要这样好，也迟早会真香的。你说海外抵触，它很快会真香的。 ## 31 / AI 应用市场回暖了吗？利润空间比需求更现实 **杨攀：** 那我最后一个想聊的话题，就是你有说法，说这个下半年 AI 应用市场要回暖，大家有对这事儿有什么看法吗？ **歸藏：** 主要是。 **杨攀：** 就上半年好像就已经没有人投 AI 应用了。 **歸藏†：** 我觉得核心是…… **杨攀：** 采访一下橘子，你们是 AI 应用吗？ **橘子†：** 我们算算吧。 **杨攀：** 那你对这个 AI 应用市场回暖这事儿怎么看？ **橘子：** 最本质的原因是中国的投资人太缺钱了，大家只能聚焦在一个赛道，比如上半年就是世界模型、具身智能。世界模型其实是一回事，就是太聚焦了，所有人都在这儿疯狂地投，只相信这一个东西。但上半年好像已经结束了，大钱都已经投完了。 **杨攀：** 但是 AI 应用确实有点乏善可陈。 **歸藏：** 主要又回到卖 Token 了，Token 不够。Token 利润对，一个是没 Token 可卖。 **橘子：** 没啥利润，就是有些厂商利润太低了。有人找到我说，他们能提供 8 折的 OpenAI API。我说毛利低于 50% 的事儿，做生意的基本线是 4 成毛利，你看那个…… **杨攀†：** 自己用行，但是你卖就没有意义。 **橘子：** GPT 和 AWS 微软，它可以提供 7.5 折、8 折，这你根本就没有什么生意可做。你要做这个东西就是赔本儿，不可能去做这生意。我为什么很喜欢牛来和 Flash 模型呢，就是它能给你利润空间，这是之前没有的。 **歸藏：** 所以我觉得还是没有利，没有 Token 可卖。 **橘子：** 只有当你的东西足够便宜，你才有一点空间。比如 Seedance 它没有折扣，你一点折扣都没有。现在有了吧？但是很少。 **杨攀†：** 那还卖爆了呢。 **橘子：** 对，因为做短剧那帮人，你这没利润。人家做成短剧之后就有利润了，所以你去买 Token，去买 Seedance Token，你只能赔钱卖。比如陈冕那种，你包装成什么 Plan，然后再赌一下什么不用。 这个其实我觉得，比如说你甚至可以说现金流，我现金流挣了，你是预售了 1 年的套餐，然后你 12 个月加起来放在这个月，打正了，这个事情就是投资人相信就好了，就是这样子。我觉得上半年就是这个状况。 **歸藏：** 我觉得还是商业模式得创新。就是我们认了卖 Token 这事儿，但是卖 Token 上怎么样拿出利润来，这是很难的。而且现在还有一个问题，就刚才说的，没有 Token 可卖，就是 GLM 5.3 Flash 的供应其实不够。 **歸藏†：** Seedance 2.5 的供应也不够。它没有办法给你折扣的原因是它不够用，它不够卖，所以它没办法给你折扣。 **杨攀：** 但这事儿相当长时间内不会有什么变化的。 **歸藏：** 所以需要一个新的在金融上的，在 Token 经济上的新的模式或者范式去打通这个东西。 **橘子：** 其实整个模型的发展，我觉得相当于基建部分，还没有发展得特别好。现在你想，就跟当年网络都供不应求的时候一样，你说要基于网络去搭建什么 Web 2.0 的东西，这个就很扯。 **向阳乔木†：** 好像还没通网呢。 **橘子：** 所以还得再等。或者是流量不够的。 **杨攀：** 但我觉得还有一点，就是上半年共识太高了， ## 32 / 为什么 AI 应用团队仍然跑不过模型厂商 **杨攀：** 都共识到 WorkBuddy 跟 Codex 上了，所以别的 AI 应用，大家可能也没人管了。 **歸藏：** 我觉得主要是很多创业者太慢了。在 Codex 和 WorkBuddy 上，说白了，你跑得没有 OpenAI 快。 **橘子：** 那不可能在这个维度上超过它，你就办公领域这个东西。 **歸藏：** 我知道这不只是在模型上，咱不说模型，在产品上，迭代太慢了。就是从发现苗头开始，到推出产品。国内的创业公司，你们算是非常快的了，但国内的创业公司和大厂跑得慢，已经到了邪门儿的程度。 **杨攀：** 但有没有因为 AI 以后，大厂反而快了？ **歸藏：** 没快，WorkBuddy 快，其他不快我觉得。 **橘子：** WorkBuddy 和 QClaw，它是小团队跑出来的。 **歸藏：** 慢。 **杨攀†：** Codex 快。 **橘子：** 你看，整个美团都没有跑出来一个。 **歸藏：** 就是其他家都慢。你现在再去看国产厂商的 Agent 产品，还是缺东西，体验还是差。 就是你作为大厂，你用不了最好的模型吗？你的程序员用不了最好的模型？还是说你的产品经理体验不到最好的产品？都不是。那为什么还是慢呢？ **橘子：** 我看 WorkBuddy 推出了手机版，栋哥装完之后发现没有 Skill。 **歸藏：** 豆包现在能用 Skill 了。选中以后，一点输入框，上面 Skill 的选中效果就没了，我就不知道自己用了 Skill。而且我装了 Skill 以后，装上就装上了，删不了。 **橘子：** 豆包的 Skill 还有个问题，装完之后需要重启豆包才能生效，才能用那个 Skill。 **杨攀†：** 这该至少落后 6 个月。 **橘子†：** 豆包现在就是落后 6 个月。 **向阳乔木†：** 没有热加载。 **歸藏：** Qwen 的定时任务，无论你掏多少钱，只能同时存在 2 个定时任务。 **橘子：** 豆包的定时任务只存在于当时那个 Session 里。这吐槽最有价值，因为在一个新的 Session 里，你找不到定时任务，只能去原来那个一百个 Session 里找。 **歸藏†：** 到底哪儿触发了？ **橘子：** 他有个定时任务中心，你点那个中心的话，它要在聊天里。 ## 33 / 产品迭代速度，正在成为新的组织能力 **杨攀：** 今天早晨我遇到了我的 Codex 定时任务，我感觉好几天没有给我出结果了。我就问 Codex，让他自查一下。结果他查完了，说这几天都干了什么，我再回去一点，又开了，他偷修了几个展示的 Bug，我就觉得…… **歸藏：** 我觉得在体验上、应用性上，很多时候不是说用户怎么样，或者那个啥怎么样，就是太慢了。 我觉得现在有了 Agent 和 Coding 能力提升以后，整个团队的效率和迭代速度跟不上。Codex 是下线，Hermes 团队迭代也非常快，你要跟这些拉齐，跟不上的话，我觉得你就别干了。 **杨攀：** 但是你想想，大厂里做这几个产品的团队已经是最原生的团队了。 **歸藏†：** 不，我觉得他们是最不原生的团队。 ## 34 / Codex 团队的协作方式为什么难复制 **橘子：** 但是你能协作起来其实很难的，人越多协作就越难。所以 OpenAI 是个奇迹，OpenAI 那个团队，Codex 的奇迹，它 Codex 那个团队很大，但是迭代很快，又没有什么冲突。你其实看 Claude Code 已经慢下来了。 **歸藏：** 所以他们怎么做到的？ Codex 是什么呢？我发现了，它是每个人负责一个。你经常会发现，他们现在发布变成什么？Codex 更新的功能太多，以至于你都不知道更新了啥。所以最后 OpenAI 现在变成什么？团队中每个人自己在发公告。我上线了这个，就是我在负责这个内存优化，我就告诉你，我自己拿我自己的号，我说这个月、这个周…… **杨攀†：** 他们在推特上自己发。 **歸藏：** 我这周我们优化了什么，提高了内存的读取 80%，然后它不会出现 Bug。这不挺好吗？ **橘子：** 这个真牛逼，就是大家放在一起之后没有 Bug。 **歸藏†：** 不，也不是没 Bug，它不会出现恶性 Bug。 **杨攀†：** 这个说明他们工程上也搭的很好。 **橘子：** 就是它整个的协作架构，说明是领先好几代的。 **歸藏：** 所以大厂这些，就是你。 **向阳乔木†：** 我觉得组织构架协作方式肯定是有问题的。 **歸藏：** 你的程序员、架构师，你都是最厉害的，但现在发现它是最封闭的，不如开源团队。 **橘子：** 其实这个才是最本质的 AI Native，就是在协作架构层面上，能解决这些问题。 **歸藏：** 所以我觉得，就像刚才说的，你的前端、设计师、产品经理，应该自主去做。每一个人都是产品经理，每一个人都是研发，以及每一个人都是宣发。每一个人都需要闭环，如果做不到闭环，那别做。 ## 35 / Token Maxxing 不等于 AI 原生组织 **杨攀：** 我跟你说，这是当前所有大厂最痛苦的。因为我最近跟好多大厂交流，聊那个 AI 原生组织的事情，所有大厂现在都找不到这条路。Token Maxxing 没用，就是觉得说这个 Token Maxxing 提效什么都做了，但是组织到底 AI 原生组织咋搞，就是所有大厂都找不到。 **橘子：** 你看 Claude Code 就是 Token Maxxing，他们全部用 AI 做，但速度没有上来。而且 OpenAI 那个团队他们是分享过的，就是他们非常重视产品设计和对齐。就是大家在大方向上，其实这些人都是对齐的，体验非常……自己做自己，只是说你做的时候在拆完之后，自己疯狂迭代。我觉得这个就是他们把整个协作和 AI 这件事情做的模式创新了。 ## 36 / 设计工程师、全栈闭环与“每个人都是 OPC” **歸藏：** 还有就是他们招的人，你看他们之前几天去苹果那个有个闭门会，我提到一个东西，就是海外有很多那种设计工程师，设计工程师他能有一定的工程能力，同时有设计能力，同时设计师或者 UX 设计师本身就是半个产品，他就是一个全局的，然后他又是工程师，然后有了 AI 以后，他那些东西都能闭环，所以他们都是自己发版。 **杨攀：** 或者说就是 AI 原生组织里边，就是原来的一些重要的角色，比如说这个 1 号位，比如说 HR 负责人，其实在 AI 原生组织里的地位就大下降。 **歸藏：** 或者说你就应该，如果你的 AI 原生，你说你叫 AI 原生组织，但是你现在还是分为，就传统的这些岗位名称。设计前端 QA，然后后端，甚至说你把前端后端合了变成一个全栈，我觉得这个都不算，就是每一个人都是全栈，每个人都是 OPC。就是他应该把握这个功能，从开发，从需求定义到结束。 **杨攀：** 我是想说，AI 原生组织，比如刚才提到的 OpenAI 形式，那个东西可能都不是设计出来的。 **歸藏†：** 它是生长出来的。 **杨攀：** 原来按照管理的办法，就刚才我说的，1 号位和 HR，那都是在管理。 **歸藏：** 它是生长出来的。他们之间不断地交互和磨合，先找了一堆这样的人，然后这些人之间不断磨合，最后…… **杨攀†：** 磨合，形成了一个方法。 **橘子：** 这些人其实素质非常高，对人的要求是很高的。以前那种螺丝钉模式，他不可能一下扩展这个能力。 **歸藏：** 你看他招的都是什么人，Linear 原来的，还有 Vercel 原来那些人，都是 CTO 级别的、全栈级别的，全是 CTO，一堆创业背景。Vercel 原来那些人，设计师都是自己写渲染器的。 **向阳乔木：** 其实大厂也好，招人也是喜欢招这种人，只是不都盼到现在这个岗位上了，没有这种。 **歸藏†：** 大厂现在的问题是。 **杨攀：** 大厂还是在去设计组织，设计流程。 **歸藏：** 或者说大厂原来就要他大厂 HR，原来就把这些人故意的让他螺丝钉化，故意的，你现在不可能掰过来，因为所有人都是这样的。 **橘子：** 就是我们有一套文化，你得先进来融入我们。 ## 37 / 场地致谢与线下开放录制预告 **杨攀：** 今天时间也差不多了，反正我们这个后边有的是时间聊，我们这个一直继续，那我们得感谢一下我们的这个今天场地的提供方，我们在这个北京市朝阳区的象外空间，在福熙大道。大家这个有兴趣可以在地图上搜一下，来这儿喝咖啡，我们这儿有非常好的场地，来这儿可以读书，可以去这个约会，都可以。 **橘子：** 以后是不是还有那个线下观众积极参与， **杨攀：** 我们那个正在跟场地方一起去合作，后边我们可能会把我们这个节目在线下开放出来，然后到时候开放一些名额，大家可以来线下坐在我们的对面，听我们几个人这个现场闲聊。那我们今天就到这儿，大家打个招呼，再见。 ## 相关资料 ### 品牌 - [Next Token｜词元之外](https://nexttoken.tv/wiki/brands/next-token) - [Meta](https://nexttoken.tv/wiki/brands/meta) - [智谱](https://nexttoken.tv/wiki/brands/zhipu) - [Google](https://nexttoken.tv/wiki/brands/google) - [OpenAI](https://nexttoken.tv/wiki/brands/openai) - [英伟达](https://nexttoken.tv/wiki/brands/nvidia) - [有道](https://nexttoken.tv/wiki/brands/netease-youdao) - [DeepSeek](https://nexttoken.tv/wiki/brands/deepseek) - [小米](https://nexttoken.tv/wiki/brands/xiaomi) - [DeepMind](https://nexttoken.tv/wiki/brands/google-deepmind) - [Anthropic](https://nexttoken.tv/wiki/brands/anthropic) - [YC](https://nexttoken.tv/wiki/brands/y-combinator) - [Hugging Face](https://nexttoken.tv/wiki/brands/hugging-face) - [苹果](https://nexttoken.tv/wiki/brands/apple) - [Plaud](https://nexttoken.tv/wiki/brands/plaud) - [Seeed](https://nexttoken.tv/wiki/brands/seeed-studio) - [OPPO](https://nexttoken.tv/wiki/brands/oppo) - [努比亚](https://nexttoken.tv/wiki/brands/nubia) - [中兴](https://nexttoken.tv/wiki/brands/zte) - [微软](https://nexttoken.tv/wiki/brands/microsoft) - [台积电](https://nexttoken.tv/wiki/brands/tsmc) - [三星](https://nexttoken.tv/wiki/brands/samsung) - [Stripe](https://nexttoken.tv/wiki/brands/stripe) - [AWS](https://nexttoken.tv/wiki/brands/aws) - [Vercel](https://nexttoken.tv/wiki/brands/vercel) ### 产品 - [Gemini 3.8 Flash](https://nexttoken.tv/wiki/products/gemini) - [Muse Spark 1.3](https://nexttoken.tv/wiki/products/muse) - [Fable 5.1](https://nexttoken.tv/wiki/products/claude) - [Qwen 3.8 Max](https://nexttoken.tv/wiki/products/qwen) - [GLM 5.3 Flash](https://nexttoken.tv/wiki/products/glm) - [混元](https://nexttoken.tv/wiki/products/hunyuan) - [DeepSeek V4 Flash Vision](https://nexttoken.tv/wiki/products/deepseek) - [MiniMax H3](https://nexttoken.tv/wiki/products/minimax) - [WorkBuddy](https://nexttoken.tv/wiki/products/workbuddy) - [fal.ai](https://nexttoken.tv/wiki/products/fal-ai) - [推特](https://nexttoken.tv/wiki/products/x) - [Three.js](https://nexttoken.tv/wiki/products/threejs) - [Mac Studio](https://nexttoken.tv/wiki/products/mac-studio) - [Mac Mini](https://nexttoken.tv/wiki/products/mac-mini) - [Codex](https://nexttoken.tv/wiki/products/codex) - [ZCode](https://nexttoken.tv/wiki/products/zcode) - [飞书](https://nexttoken.tv/wiki/products/feishu) - [AutoGLM](https://nexttoken.tv/wiki/products/autoglm) - [OpenRouter](https://nexttoken.tv/wiki/products/openrouter) - [Astra](https://nexttoken.tv/wiki/products/gpt) - [Runta](https://nexttoken.tv/wiki/products/runta) - [Claude Code](https://nexttoken.tv/wiki/products/claude-code) - [DeepSeek Harness](https://nexttoken.tv/wiki/products/deepseek-harness) - [Pi](https://nexttoken.tv/wiki/products/pi) - [微信](https://nexttoken.tv/wiki/products/wechat) - [Dia](https://nexttoken.tv/wiki/products/dia) - [Herdr](https://nexttoken.tv/wiki/products/herdr) - [YouTube](https://nexttoken.tv/wiki/products/youtube) - [K3](https://nexttoken.tv/wiki/products/kimi) - [Cola](https://nexttoken.tv/wiki/products/colaos) - [MiMo 2.5](https://nexttoken.tv/wiki/products/mimo) - [OpenCode](https://nexttoken.tv/wiki/products/opencode) - [豆包](https://nexttoken.tv/wiki/products/doubao) - [Pika](https://nexttoken.tv/wiki/products/pika) - [Omarchy](https://nexttoken.tv/wiki/products/omarchy) - [Linux](https://nexttoken.tv/wiki/products/linux) - [Ruby on Rails](https://nexttoken.tv/wiki/products/ruby-on-rails) - [Obsidian](https://nexttoken.tv/wiki/products/obsidian) - [Windows](https://nexttoken.tv/wiki/products/windows) - [OpenClaw](https://nexttoken.tv/wiki/products/openclaw) - [Doubao Seed](https://nexttoken.tv/wiki/products/doubao-seed) - [Qoder](https://nexttoken.tv/wiki/products/qoder) - [Hermes](https://nexttoken.tv/wiki/products/hermes-agent) - [豆包工作](https://nexttoken.tv/wiki/products/doubao-work) - [TraeWork](https://nexttoken.tv/wiki/products/trae) - [Grok](https://nexttoken.tv/wiki/products/grok) - [Grok Bot](https://nexttoken.tv/wiki/products/grok-bot) - [安卓](https://nexttoken.tv/wiki/products/android) - [iOS](https://nexttoken.tv/wiki/products/ios) - [Manus](https://nexttoken.tv/wiki/products/manus) - [ChatGPT Cloud](https://nexttoken.tv/wiki/products/chatgpt-work) - [YouWare](https://nexttoken.tv/wiki/products/youware) - [Bloome](https://nexttoken.tv/wiki/products/bloome) - [ChatGPT](https://nexttoken.tv/wiki/products/chatgpt) - [MicroDuck](https://nexttoken.tv/wiki/products/microduck) - [小红书](https://nexttoken.tv/wiki/products/xiaohongshu) - [ESP32 开发板](https://nexttoken.tv/wiki/products/esp32) - [Chrome](https://nexttoken.tv/wiki/products/chrome) - [Cursor](https://nexttoken.tv/wiki/products/cursor) - [小米的 NAS](https://nexttoken.tv/wiki/products/xiaomi-smart-storage) - [绿联](https://nexttoken.tv/wiki/products/ugreen-nas) - [群晖](https://nexttoken.tv/wiki/products/synology-nas) - [macOS](https://nexttoken.tv/wiki/products/macos) - [Seedance](https://nexttoken.tv/wiki/products/seedance) - [红果](https://nexttoken.tv/wiki/products/hongguo) - [B 站](https://nexttoken.tv/wiki/products/bilibili) - [TikTok](https://nexttoken.tv/wiki/products/tiktok) - [QClaw](https://nexttoken.tv/wiki/products/qclaw) - [Linear](https://nexttoken.tv/wiki/products/linear) ### 人物 - [Guanlan](https://nexttoken.tv/wiki/people/guanlan-dai) - [冕神](https://nexttoken.tv/wiki/people/chen-mian) - [王乐](https://nexttoken.tv/wiki/people/wang-le) - [AJ](https://nexttoken.tv/wiki/people/aj) - [罗福莉](https://nexttoken.tv/wiki/people/luo-fuli) - [大聪明](https://nexttoken.tv/wiki/people/cyber-zen)