感谢IT之家网友shutiao、木木人工、Kazuto、Domado、浪花庆山粉、AlanMac、华南吴彦祖、LL J、乌蝇哥的左手、files、火瓶座的线索投递！IT之家8 月 14 日消息，当地时间 8 月 13 日，谷歌宣布推出 Gemini 3.7 Flash 模型，专为编程与 Agents 场景打造。IT之家注意到，本次发布距 Gemini 3.6 Flash 发布仅间隔约三周，谷歌称该版本的推出直接源于开发者的反馈以及一系列算法创新。Gemini 3.7 Flash 在软件工程、知识工作及网页开发工作流方面均实现了大幅提升。此外，在今年年底前（截至 2026 年 12 月 31 日），Gemini 3.7 Flash 将以首发优惠价提供（Gemini 3.6 Flash 也将有相同优惠），仅为原 3.6 Flash 每百万 Token 价格的一半：输入：每百万 Token 0.75 美元（现汇率约合 5.1 元人民币）输出：每百万 Token 3.75 美元（现汇率约合 25.3 元人民币）即日起，面向 160 多个国家和地区的 Google AI Pro 及 Ultra 订阅用户推出的 Gemini Spark 将正式接入 Gemini 3.7 Flash。本次模型升级显著提升了 Spark 处理知识工作的效率，优化了其对 Google Workspace 系列应用工具的使用能力，从而为复杂且跨技能的综合工作流提供更高的准确度与更高质量的输出。此外，Gemini 3.7 Flash 推出了全新的安全防御机制，在严防化学、生物、放射性及核（CBRN）领域和网络攻击滥用的同时，确保合法且有益的应用场景得以顺利实施。

Grok Bot – SpaceXAI 推出的 AI Agent 系统，多 Bot 并行协作AI工具4天前发布AI小集05Grok Bot是什么Grok Bot 是 SpaceXAI 推出的 AI Agent 系统，能登录用户的账号像真人一样操作网站和工具，24 小时在云端替用户完成实际工作。系统支持多 Bot 并行协作、录制工作流自动执行，甚至 Bot 可创建新 Bot 组建团队。原型来自 Cursor 内部代号「Sand」的 Agent 产品，现架在 Cursor 基础设施上。Grok Bot的主要功能账号代操作：直接登录已有的应用和网站，在界面层像真人一样点击、填写、推进任务，无需 API 或 MCP 支持。云端常驻运行：每个 Bot 拥有专属小型云计算机，24 小时后台运行，不依赖你的设备是否开机，可凌晨自动拉取数据、整理报告。多 Bot 并行协作：可同时创建销售 Bot、招聘 Bot、费用 Bot、Bug 复现 Bot 等，各自独立处理不同任务。Bot 间自主通信：Bot 之间可直接对话、传递任务、协商分工；管理 Bot 可汇总子 Bot 进展，只在关键节点找你确认。Bot 创建 Bot：可指令 Bot 自行”组建团队”，自动创建新的子 Bot 并分配职责。工作流录制与演化：观察你的操作过程并保存为模板，支持在执行中纠正，工作流会随使用不断优化。跨端同步：支持 macOS 桌面端和 iOS，任务进度多端同步。如何使用Grok Bot访问下载：访问Grok Bot官网 https://x.ai/bot，下载 macOS 或 iOS 客户端。登录订阅：用已订阅 Cursor Teams Premium（$120/月）、Cursor Ultra（$200/月）或 SuperGrok Heavy（$300/月）的账号登录。创建 Bot：点击创建新 Bot，为其命名、设置职位头衔和任务描述。分配任务：给 Bot 指定具体工作，如销售外联、招聘筛选、费用管理或 Bug 复现。自动执行：Bot 自动登录指定的应用或网站，像真人一样在界面层操作并自主推进任务。人机协作：Bot 在云端 24 小时运行，仅在需要人类判断的关键节点回来找你确认。多 Bot 协同：可同时创建多个 Bot 并行运行，它们会互相通信、协商分工，甚至自动创建子 Bot 组建团队。Grok Bot的核心优势无接口限制：无需 API 或 MCP，直接登录应用和网站，在界面层像真人一样点击、填写、推进任务。云端常驻：每个 Bot 拥有专属云计算机，24 小时后台独立运行，不依赖你的设备是否在线。多 Bot 协同：可同时部署多个 Bot 处理不同任务，它们之间自主通信、协商分工、协同推进复杂工作流。工作流演化：观察并保存你的操作步骤为模板，支持执行中纠正，工作流随使用持续优化。自组织团队：可指令 Bot 自行组建团队，自动创建子 Bot 并分配职责，实现层级化管理。闭环执行：Grok Bot 能推进到任务最后一步，只在关键节点找你确认。Grok Bot的同类竞品对比对比维度Grok BotOpenClaw运行模式云端常驻，每个 Bot 拥有专属小型云计算机，24 小时后台独立运行，不依赖用户设备在线。本地优先，任务在用户本地设备或自托管服务器上执行，设备关机则任务中断。部署架构中心化托管，Bot 在 xAI 云端运行，用户通过客户端远程查看进度和接收通知。去中心化自托管，数据不经过第三方服务器，支持 Docker 一键部署，隐私可控性更强。交互入口专用桌面客户端（macOS）+ iOS App，Bot 以独立聊天窗口形式存在，支持多 Bot 并行会话。支持 Telegram、Discord、Slack 等 50 多个消息平台接入，通过聊天指令触发任务。模型支持深度绑定 Grok 系列模型，底层由 xAI 自研模型驱动，模型能力统一但不可切换。可自由切换 OpenAI、Anthropic、Google 及本地开源模型，用户可按任务需求灵活配置。工具操作直接登录用户账号，在应用界面层像真人一样点击、填写、操作，无需 API 或 MCP 支持。依赖 MCP（Model Context Protocol）和 API 连接工具，对无接口的传统软件支持有限。多 Agent 协同原生支持多 Bot 并行运行，Bot 之间可直接通信、协商分工、自动创建子 Bot 组建团队。单次会话为主，不同任务间缺乏持久化协同，多 Agent 协作需手动串联。工作流能力支持录制用户操作并保存为模板，Bot 可自主按模板执行并随纠正不断优化，实现工作流演化。通过预设指令和脚本定义工作流，缺乏”观察-学习-自动优化”的闭环演化机制。安全与隐私账号凭证托管在 xAI 云端，Bot 代登录操作，用户需信任平台的数据安全策略。本地运行，账号凭证和任务数据保留在用户侧，不经过第三方服务器，隐私可控性更高。定价门槛需订阅 Cursor Teams Premium（$120/月）、Cursor Ultra（$200/月）或 SuperGrok Heavy（$300/月）。开源免费，仅需承担自托管的服务器成本，对个人开发者和小团队门槛极低。Grok Bot的应用场景销售外联：夜间自动研究客户账户、拉取 Salesforce 数据、起草个性化邮件，早上留给你审批后发送。招聘筛选：自动浏览 LinkedIn 简历、匹配岗位需求、生成候选人短名单并安排面试。费用管理：从 Gmail 提取收据、分类归档、核对金额，定期生成报销报告。Bug 复现：自动登录测试环境、按步骤复现用户提交的 Bug、提交工单并移交给调试 Bot 跟进。内容运营：每小时扫描 Slack 频道查找会议信息，提醒相关人员并提供社交用语建议。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇ClawTeams - AI 电商运营协同平台，专家 Agent 并行执行下一篇dots.tts - 小红书联合上海交大开源的语音合成基座模型相关文章NextGenAI – OpenAI 推出的教育联盟，联合15家顶尖大学和机构AI小集3hiData – AI数据分析和处理工具，自然语言完成全流程分析AI小集3Finedefics – 北大团队推出的细粒度多模态大模型AI小集2ARTalk – 东京大学等机构推出的3D头部动画生成框架AI小集2Cube 3D – Roblox 推出的 AI 3D 生成模型AI小集3Melodisco – AI音乐播放器，创建个性化的音乐播放列表AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Epixa知漫剧QwenPawRenoiseLawbot脱敏猫Cline最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前DSH Desktop – 开源的 DeepSeek Harness 本地桌面应用1小时前WorkSwarm – openJiuwen 推出的蜂群办公智能体15小时前Happy Shrimp – 阿里 ATH 事业群推出的 AI 音乐平台1天前Copula Lab – AI 数据基础设施平台，提供专家级训练数据1天前Qwen3.8-27B – 阿里千问团队开源的新一代 AI 大模型2天前OnSolo – 腾讯推出的 AI 原生创作平台2天前MiniMax Music 3.0 – MiniMax 开源的音乐生成模型3天前dots3-note preview – 小红书开源的多模态 MoE 模型3天前GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%3天前Gemini 3.7 Flash – Google DeepMind 推出最新的主力模型3天前wigolo – 开源的本地搜索工具，支持接入多种编程 Agent3天前Sonilo – AI 视频配乐与音效生成平台，自动分析画面节奏3天前笔记同步助手 – 基于微信生态的 AI 笔记内容剪藏工具4天前Grok 4.6 – SpaceXAI 推出的最新一代旗舰大模型4天前

IT之家8 月 14 日消息，SpaceX 完成了对 AI 编程初创公司 Cursor 的 600 亿美元（IT之家注：现汇率约合 4,054.22 亿元人民币）收购。对于马斯克而言，这笔交易是追赶 Anthropic 和 OpenAI 的重要一步。监管文件显示，收购于当地时间 8 月 14 日正式生效。SpaceX 两个月前已经宣布与 Cursor达成收购协议。据彭博社报道，作为科技行业有史以来规模最大的收购之一，SpaceX 希望借助 Cursor 加快开发更先进的 AI 工具，用于简化编程等任务。编程已经成为 AI 领域利润丰厚的重要市场。马斯克旗下 AI 业务目前名为 SpaceXAI，此前在企业市场的普及程度有限，也经历过多轮裁员和重组。Cursor 于 2023 年推出 AI 编程助手，帮助程序员提高代码编写和调试效率。随着越来越多软件开发人员开始使用能够根据聊天机器人提示词直接生成和构建软件的工具，Cursor 迅速成长为全球增长最快的初创公司之一，并成为科技行业“氛围编程”浪潮中的重要参与者。收购完成后，Cursor 联合创始人将跻身亿万富翁行列，团队也可以使用 SpaceX 储备的大量先进 AI 芯片。Cursor 通过博客文章宣布：“我们将能够使用全球规模最大的 GPU 集群，获得充足算力来开发能力更强、运行成本更低的模型。”双方在交易正式完成前已经开始合作。SpaceX 和 Cursor 于 7 月推出首个联合模型 Grok 4.5，主要用于编程、金融和法律任务。两家公司称，Grok 4.5 的使用成本低于其他竞争模型。SpaceX 随后又推出 Grok Bot，由一组 AI 智能体全天接收并完成任务，同时发布了升级后的 Grok 4.6 模型。SpaceX 还签署了多笔价值数十亿美元的协议，向 Anthropic 和谷歌等公司开放算力资源。本月早些时候，马斯克在 SpaceX 员工会议上称，公司必须在软件方面取得成功。到 9 月，AI 收入将超过 SpaceX 其他所有业务收入的总和。

OpenRouter是什么OpenRouter是 AI 大模型API 聚合平台，被称为”所有模型的统一接口”。平台通过一个API接入了80多家供应商的500多个模型，涵盖OpenAI、Anthropic、Google、Meta等主流厂商。平台会自动处理故障转移，为每次请求智能选择最具性价比的模型方案。平台兼容OpenAI SDK，现有代码几乎零改动即可迁移，同时提供Agent SDK和MCP服务器，方便构建AI应用。OpenRouter的主要功能统一模型接入：通过单一 API 端点调用数百个大模型，一个 Key 通用所有供应商。模型故障转移与智能路由：请求失败时自动切换备选模型，并按成本、速度或供应商偏好智能选择方案。OpenAI SDK 兼容：仅需修改 baseURL 即可无缝迁移现有 OpenAI 生态代码。三种集成方式：提供原生 API、类型安全的 Client SDK，以及自动处理工具调用循环的 Agent SDK。工具调用与结构化输出：支持函数调用、JSON 结构化返回和消息转换等高级能力。企业级管理：支持工作区预算、SSO 单点登录、SCIM 群组映射和预设策略。隐私与安全：提供零数据保留（ZDR）、输入输出日志、防护栏（Guardrails）和数据主权选项。性能优化：支持响应缓存、提示词缓存和正常运行时间优化，降低延迟与成本。MCP 服务器：让 AI 编程工具实时查询模型目录、价格和账户余额。丰富生态集成：兼容 LangChain、Vercel AI SDK、Zapier、Replit 等 10 余种主流框架。如何使用OpenRouter注册账号：访问 OpenRouter 官网 https://openrouter.ai/，点击登录按钮后选择 Google、GitHub 或 MetaMask 钱包任一方式完成注册。充值积分：进入账户的 Billing 页面购买 credits，积分按实际 Token 用量扣费，可用于平台全部 500+ 模型且永不过期。获取 API Key：在控制台 Keys 页面点击创建，生成一串以sk-or-开头的密钥，可复制保存并随时吊销。选择集成方式：想要完全控制就用任意语言直接 POST 原生 API；已有 OpenAI 代码只需把baseURL改成https://openrouter.ai/api/v1可零改动迁移；构建智能体安装@openrouter/agent。挑选模型：在 openrouter.ai/models 按能力、价格、上下文长度筛选模型，用~openai/gpt-latest这类 latest 别名可让代码始终自动指向最新旗舰版本。发送请求：向https://openrouter.ai/api/v1/chat/completions发送包含模型名和消息体的请求。可选进阶：在请求头加上HTTP-Referer和X-OpenRouter-Title可让应用登上官方排行榜，接入 MCP 服务器（https://mcp.openrouter.ai/mcp）能让 Claude Code、Cursor 等 AI 编程工具实时查询模型与价格数据。OpenRouter的核心优势一站式模型接入：一个 API、一把 Key 可调用 80+ 供应商的 500+ 模型，省去逐家注册、充值、适配接口的麻烦。高可用性：内置自动故障转移和供应商冗余，某个模型宕机时自动切换备选，保障服务不中断。成本最优：智能路由为每次请求挑选最具性价比的方案，按量付费无订阅，平台宣称比直连价格更优。零迁移成本：完全兼容 OpenAI SDK 和 API 格式，现有代码改两行配置即可接入全部模型。免运维升级：latest 别名自动跟随厂商最新旗舰模型，模型换代无需修改和重新部署代码。厂商中立：不被单一供应商锁定，可随时切换或混用不同厂商的模型。开发者友好：提供 Agent SDK、MCP 服务器和 10+ 主流框架集成，从简单调用到复杂智能体都有对应工具。企业级能力：支持工作区预算、SSO、零数据保留（ZDR）和数据主权，满足合规与团队管理需求。OpenRouter的同类竞品对比对比维度OpenRouterOfoxAIDMXAPI背景/注册地美国，全球最知名的模型聚合平台新加坡注册，自称授权合作伙伴国内团队，LangChain 中文网旗下模型规模500+ 模型、80+ 供应商100+ 模型，覆盖 GPT/Claude/Gemini/DeepSeek 等300+ 模型，含文本/图像/语音/视频多模态国内访问国内连接不稳定、常丢包，晚高峰延迟约 850ms国内直连无需翻墙，延迟 <300ms国内线路优化，部分场景延迟约 180ms支付方式仅海外支付（信用卡等），对国内用户不友好支持支付宝，秒到账人民币结算，支持公对公付款接口兼容OpenAI 兼容，另有 Agent SDK 和 MCP 服务器兼容 OpenAI/Claude/Gemini 三大协议，支持 RAG 和 MCP100% 兼容 OpenAI 协议，改两行代码迁移企业功能工作区预算、SSO、ZDR 零数据保留 [^文档索引^]企业账号：多用户+统一付费+用量可观测可开增值税发票，充值后即可开票，无需等消耗SLA/稳定性官方未承诺高 SLA，实测成功率约 92%（国内）宣称 SLA 99.9%高可用站宣称 99.99% SLA，但实测延迟波动较大OpenRouter的应用场景软件开发与代码辅助：开发调用 AI 模型自动生成代码片段、优化代码结构、修复错误，甚至设计复杂的软件架构，显著提高编程效率。内容创作：内容创作生成高质量的文本内容，如文章、故事、新闻报道和营销文案，激发创意并提升创作效率。自然语言处理：企业构建智能聊天机器人，用在客户服务和虚拟助手，提供实时语言理解、翻译和情感分析，提升用户体验。数据分析与报告：企业和研究机构生成数据报告和可视化图表，帮助用户更好地理解复杂数据，支持决策制定。教育与学习：教育机构和在线学习平台生成个性化的学习材料和练习题，根据学生的学习进度和需求提供定制化的内容，提升学习效果。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于OpenRouter的工具PlayablAI 原生游戏创作平台，用户生成游戏的 TikTokQMuse蚂蚁集团推出的AI无代码应用生成平台讯飞星辰MaaS高性价比 Coding Plan 套餐，一站式调用主流模型BASE44零代码AI应用开发平台TokenDance观猹团队推出的一站式大模型 API 调用平台扣子-AI办公工作交给扣子，创造不必等待暂无评论再想想发表评论暂无评论…

感谢IT之家网友华南吴彦祖的线索投递！IT之家8 月 17 日消息，据彭博社报道，支付巨头 Stripe 已经敲定收购 AI 基础设施初创公司 OpenRouter 的交易，收购金额超过 70 亿美元（IT之家注：现汇率约合 473.24 亿元人民币）。OpenRouter 主要帮助用户根据具体需求和预算，在不同 AI 模型之间进行选择，从而为不同任务匹配合适的模型。该公司今年 5 月宣布完成 1.13 亿美元（现汇率约合 7.64 亿元人民币）B 轮融资，当时估值达到约 13 亿美元（现汇率约合 87.89 亿元人民币），投资方包括红杉资本（Sequoia）、Andreessen Horowitz、Menlo Ventures 以及 Alphabet 旗下 Capital G 等。OpenRouter CEO Alex Atallah 当时曾将公司称为“AI 领域的 Stripe”，这是因为 OpenRouter 能够为用户提供统一的访问入口，让用户使用不同 AI 模型，同时避免被单一模型或供应商锁定。该公司还声称目前平台全球用户数量已经达到 800 万，可提供超过 400 种 AI 模型的访问服务。IT之家注意到，上个月《华尔街日报》曾报道称，Stripe 与 OpenRouter 正在就收购事宜进行谈判。如今彭博社进一步报道称，双方已经达成交易，收购价格超过 70 亿美元（现汇率约合 473.24 亿元人民币）。如果交易最终完成，Stripe 将以超过 OpenRouter 上一轮融资估值 5 倍的价格将其收入囊中，也将成为近年来 AI 基础设施领域规模较大的收购案之一。

一台机器人为了分快递，真的需要两条腿和十根手指吗？最近，自变量把一台双臂机器人放到传送带前，只给它装上工业里最常见的标准夹爪，面对一批大小、重量、材质和朝向完全随机的真实物流包裹。连续一小时直播中，它完成了 1816 件有效分拣。按照短时吞吐量计算，超过了 Figure 03 此前连续运行 200 小时留下的 1248 件/小时标杆，幅度达到惊人的45%。两家公司看似在做相同的任务，硬件配置却采用了不同的路线。Figure 03 拥有完整人形身体与五指灵巧手；自变量去掉了分拣用不到的腿和手指，把任务交给两条机械臂和夹爪完成。据公开信息，自变量所用方案的成本下降了70%，分拣准确率则超过98%。。所以在观看这场直播的时候，APPSO 发现除了比拼谁分拣得更快更多，还有一些更值得关注的重点：当模型开始理解重量、摩擦和惯性，机器人或许可以少买很多昂贵的身体，在产业落地的速度也会快得多。每小时 1816 件，机器人为何这么快分拣任务看似简单，却蕴含着人类通过千百年进化习得的能力，这些能力对于具身智能并非理所当然。机器人要完成物流分拣，需要先识别包裹的大小、形状、材质和摆放姿态，判断从哪里下手、使用多大力度，再规划机械臂的移动路径。遇到快递面单方向错误的包裹，则要完成翻转和重新摆放。自变量这次直播里的包裹，也没有统一规格。纸箱、软袋、圆柱形快件和泡沫封装生鲜件混在一起，大小、重量和朝向也是完全随机，基本还原了物流仓库里人工处理的杂乱状态。配备通用具身智能大模型 WALL-B 的机器人会根据每个包裹的属性，临时选择不同的处理方式。当它面对体积小、重量轻的快递袋，一只夹爪便会直接抓起并快速搬运。如果遇到尺寸更大的纸箱，它会切换到双臂协作，用两只夹爪共同托住箱体，或者从侧面将它推向目标位置，避免强行抓取造成损坏。调整面单时，它也可以根据包裹的属性，选择不同的动作。小件和轻件可以利用惯性快速翻转；重箱则被分成几个动作，逐步改变姿态。面对容易变形的衣物软包，机器人会先拨开、摊平，再校准面单方向。机器人需要实时感知每一个包裹，再根据物体状态调整动作。整个过程连续运行，没有人工介入兜底，也没有故障停机。两个标准夹爪能够处理如此多变化，关键在于其背后的模型。更简单的手，配上更聪明的大脑很长一段时间里，提高机器人能力最直观的办法，是增加硬件自由度。通过增加更多的关节和传感器，来让机器人抓得又牢又稳；面对更复杂的奇形怪状物体，就换上自由度更高的五指灵巧手；而如果想要让机器人更好地进入人类工作的空间，双腿和完整的人形身体，几乎是必不可少的硬件配置。自由度越高，机器人能够完成的动作仿佛越多，但随之增加的还有硬件成本、控制难度和故障概率。一只五指灵巧手里包含大量精密关节、驱动器和传感器，需要持续进行校准和维护。当把它放进需要 7×24 小时运转的仓库，机器人身上每多一个零部件，都可能变成一个新的故障点。自变量选择的是另一条路线：把更多复杂度放进底层模型，让硬件保持简洁。2026 年 4 月，自变量发布 WALL-B。区别于 VLA 模型拼接视觉、语言、动作模块的思路，它采用 WUM，也就是世界统一模型架构，将视觉、语言、动作以及对物理变化的预测放在同一个网络中联合训练。模型既要决定机器人下一步怎样动，也要预测这个动作会让周围物体发生什么变化。用软包装来理解就很直观，机器人看见夹爪合拢还不够，它还要预判这个软袋子会不会从中间滑走。从侧面推箱子时，WALL-B 会估计箱子会平移、旋转还是翻倒。按照这套思路，预测结果会继续影响动作，机器人可以改变夹取位置，换成双臂托举，或者借助工作台和惯性完成翻面。夹爪少掉的自由度，正依靠自变量的 WALL-B 模型用更聪明的策略补回来。这对模型本身提出了更高要求：夹爪开口、摩擦力、机械臂负载、摄像头位置和力控精度，依然决定机器人能够处理哪些物体。WALL-B 改变的是硬件的使用方式：过去只执行固定动作的夹爪，如今可以根据包裹状态，组合出夹、推、拨、摊和双臂托举等策略。模型用更大的决策空间补足一部分机械自由度，也让标准硬件拥有了处理随机场景的能力。Figure 和自变量各自都在硬件上做了取舍。Figure 选择完整人形本体和灵巧手，为移动、使用人类工具和精细操作保留更多可能；自变量在物流工位前采用双臂和标准夹爪，希望模型把有限的硬件能力用得更充分。自变量自己也在做灵巧手，在 2025 年曾发布过单手 20 个自由度的五指灵巧手。而这次选择用夹爪其实更多是从实际应用的角度去考虑，对长期守在传送带旁的机器人来说，仓库没有必要为走路、保持平衡和十根手指付费。用「模型进步」取代「硬件堆叠」自变量最早选择的落地场景其实是家庭。这也是具身智能应用的「终极考验」。与目标和流程相对明确的物流工位相比，家庭任务更加分散，环境变化也更频繁：衣服会被随手扔在沙发上，杯子和餐盘的形状各不相同，抽屉里堆满杂物，同一项家务每天面对的物体与摆放位置都可能变化。机器人很难依靠提前写好的程序覆盖所有情况，只能在真实环境中不断观察、判断和调整动作。自变量也成为全球首个将具身机器人规模化带入普通家庭的企业。WALL-B 此前已经在真实家庭场景中进行验证和迭代，这次物流分拣，可以看作同一套模型能力向工业场景的自然延伸。进入仓库后，机器人面对的物体从衣物、餐具和生活用品换成了纸箱、快递袋和生鲜件，底层任务依然相通：识别物体状态，理解空间关系，预测动作结果，再选择合适的操作方式。当同一套模型跨越家庭与工业，积累下来的视觉理解、空间推理和物理预测能力也能继续复用。家庭可以使用更精细的灵巧手，仓库可以选择更耐用的标准夹爪，工厂则能将机械臂直接嵌入现有产线。模型保持通用，身体按照任务选择。这种复用首先改变的是新场景的开发成本。过去，机器人每进入一条新产线，都要重新采集数据、设计动作、匹配硬件，再进行漫长的现场调试。现在，模型更像是一个「通才」，可以把第一条产线积累的能力带到其他产线，后续的适配工作大幅减少，集中在硬件适配和流程调整上。当一套方案能够从一个工位复制到十个、上百个工位，企业关心的问题也会从「它能不能完成任务」，继续推进到每小时能处理多少件、需要多久部署、运行中会出现多少故障，以及多长时间能够收回成本。或许只有当单个工位的投入、持续吞吐、维护成本和回本周期进入可接受范围，机器人才能从一次项目交付走向规模采购。而决定企业是否大规模采购的这条成本线，就是具身智能商业落地的「斩杀线」。具身智能的「DeepSeek 时刻」具身智能想要跨过这条斩杀线，需要同时满足两个条件：机器人已经拥有足够强的能力，这些能力也要以足够低的成本进入真实场景。这也是自变量此次反超 Figure 更值得关注的地方。两个月前的 Figure 03 用一场持续 200 小时的直播，证明人形机器人已经可以长时间站在仓库里工作。这次，自变量则进一步证明，只要模型足够聪明，复杂的任务也可以交给一套更简单、更便宜、更耐用的身体。每一次，都是推动整个具身智能行业向产业落地更进一步。人们离「科技改变生活」的美好未来不再那么遥远。硬件成本、部署周期和长期维护费用随之拥有了进一步下降的空间，机器人也更容易从一次直播演示，走进一个真实工位，再复制到整座仓库。2024 年底，自变量发布第一代端到端具身基础模型 WALL-A；此后，机器人陆续进入养老院和真实家庭，完成折毛巾、整理桌面、收纳杂物和基础清洁等任务。2026 年，自变量与 58 到家推出可以直接预约的智能保洁服务。机器人与保洁员共同上门，在约三小时的服务中负责客厅收纳、摆放鞋子、清理垃圾和擦拭桌面等家政服务，成为全球首个规模化进入普通家庭的具身企业。这也是机器人第一次走下舞台、大规模进入「寻常百姓家」。WALL-B 就在这些随机、碎片化的环境中验证和迭代。家庭场景提供的技术积累，也成为这次物流分拣的基础。同一颗机器人大脑，可以从家庭流向仓库，也可以根据任务换上一副更简单、更便宜的身体。这和 DeepSeek 给大模型行业带来的变化有点类似。DeepSeek 曾用更低的成本交付足够强的模型能力，自变量则把这条路线带进了物理世界：让模型承担更多复杂度，让硬件只保留具体任务需要的能力。过去，人们判断一台机器人是否先进，经常看它能不能跑半马、完成精细手工，或者做出几个令人惊讶的动作。进入真实产业后，所有能力最终都要被换算成四个数字：效率、成本、稳定性和复制速度。未来的机器人或许没有更像人，但会变得更像一个用户愿意买单的伙伴。

实话说，作为一个从 Pixel 2 开始接触谷歌手机的「老用户」，我是越来越看不懂这家公司了。距离 Made by Google 召开还有不到 10 个小时，谷歌竟然直接解禁了所有新品的现场上手，把 Pixel 11 系列所有细节露了个干净。图｜YouTube @MKBHD更重要的是，谷歌这样一抖，也把 Pixel 11 系列的售价露了个干净——只可惜权威媒体们似乎都不太买账。TL;DR（太长不读）和爆料相同，Pixel 11 系列依然是熟悉的四员大将：Pixel 11，Pixel 11 Pro，Pixel 11 Pro XL 和 Pixel 11 Pro Fold。图｜Tom’s Guide或许是终于抄到了苹果去年的作业，谷歌总算放弃了 128GB 起步的传统，今年 Pixel 11 系列全部变成了 256GB 起步。其中，基础款 Pixel 11 有四种配色——冰霜紫（Frost）、木槿桃（Hibiscus）、开心果绿（Pistachio）和曜石黑（Obsidian）。图｜YouTube @9to5Google除了颜色很吸睛之外，Pixel 11 只提供 12+256 和 12+512 两种存储规格，12+256GB 起步价为 899 美元（约合人民币 6050 元）。Pixel 11 Pro 和 Pro XL 则分为砂岩粉（Canyon）、橄榄绿（Olive）、迷雾灰（Fog）和曜石黑四种配色。机身则延续了磨砂玻璃后盖 + 抛光金属中框的设计：图｜YouTube @9to5Google然而它俩的配置来了一套「暗贬」，分为 12+256、16+512 和 16+1TB 三种组合。Pixel 11 Pro 和 Pro XL 起步价分别为 1099 和 1299 美元（约合 7400 和 8700 元）。大折叠 Pixel 11 Pro Fold 和前几代一样只有两个配色，橄榄绿和曜石黑，标配 16GB 内存，但起步价也来到了 1899 美元（约合 12800 元）：图｜YouTube @MKBHD此外还有搭载了全新高通 W5 Gen2 处理器的 Pixel Watch 5，两种尺寸表盘分别为 399 和 429 美元起：图｜Gizmodo还有终于加入 FindHub 网络的谷歌第一方追踪器 Google Tag，单个售价 29 美元、套装四个卖 99 美元：图｜Android Authority就这样吧（It is what it is）不出所料，在面对今年的价格标签时，哪怕是阅遍千机的小马哥 Marques Brownlee 也有点绷不住了，在上手视频里反复提到了一句话：算了，就这样吧（It is what it is）。这种失望当然指的是今年 Pixel 11 系列名义上换代，但各种规格、体验和拳头功能相比 10 系列甚至 9 系列，都没有什么能拉开差距的「狠活」。图｜YouTube @MKBHD换句话说，Pixel 11 系列相比 Pixel 10 系列就是个半代升级，但起步价平均涨了 100 多美元。这种情绪在多家参与了提前上手会的媒体中都是共通的。9to5Google 的达米安·怀尔德（Damien Wilde）也在上手视频中评论道：如果没有换机折抵的优惠，（Pixel 11）在首发时非常难以推荐。这是因为尽管起步配置升到了 256GB，基础款 Pixel 11 的起步价也同样直接涨了 100 美元，同时其他硬件的提升聊胜于无。图｜YouTube @9to5Google更要命的是，还记得发布会前吵吵嚷嚷的「呼吸灯文艺复兴」Pixel Glow 吗？这个功能倒是有，正式名称叫 HiLight：图｜YouTube @MKBHD然而就是这么个最主要的新鲜功能，原本可以变成比肩 Action Button 的超高自定义属性的趣味功能，结果谷歌拿着它只做了两件事——显示 Gemini 对话状态，以及提示来电。图｜YouTube @MKBHD是的，没了，甚至连通知指示灯都不算。HiLight 尽管硬件上支持完整色谱，但谷歌压根没做自定义选色，Gemini 对话固定为蓝白渐变、显示来电更是只有寥寥几种预设颜色：图｜Android Authority难怪小马哥在描述这一段的时候都快要气笑了。而且就是这么个半瘸腿的状态指示灯，居然还是Pro 系列专供的，Pixel 11 上那个位置虽然看着像，但只是普通的闪光灯而已——看得出来谷歌是真没什么活了。图｜Android Authority当然要说 Pixel 11 系列一点提升没有也不对，谷歌在一部分基础硬件上还是实现了一些进步的。比如基础款 Pixel 11 换用了一颗新的 4800 万像素主摄传感器，无线充电速度也升级到了 25W，同时显著减小了镜头凸起：图｜YouTube @9to5Google而 Pixel 11 Pro 和 Pro XL 则用上了新的 Super Actua 屏幕，全屏 HDR 峰值亮度 2400 尼特，5% 小窗口则能飙到 3600 尼特。至于价格最贵的 Pixel 11 Pro Fold，它的可感提升反而最不明显——除了厚度减少 1mm、背板换成玻纤之外，主要卖点依然是 HiLight 灯，以及全球唯一的折叠屏 6 级防尘了。图｜CNET可惜的是，Pixel 11 Pro Fold 的折痕表现完全没有提升。在三星都开始大幅减轻折痕的时候，Pixel 11 Pro Fold 一下子就变成吊车尾了，很难让人接受蹿到 1900 刀的起步价。但往好处想，Pixel 11 系列依然是现在唯一支持 Qi2.2 机内磁吸功能的主流手机，磁吸充电不需要套壳。图｜YouTube @MKBHDGemini Intelligence 能救场吗？相比让人无语的硬件，Pixel 11 系列的 Gemini Intelligence 功能反而在外媒上手中得到了比较正面的评价。图｜YouTube @9to5Google比如 Google I/O 上展示的那个「谷歌版 Typeless」功能 Rambler，就首发实装了 Pixel 11 系列所有机型：图｜YouTube @9to5Google不过体感最明显的，应该还是那个看上去非常酷炫的、带有动态模糊和景深效果的 Gemini 窗口，也跟着 Pixel 11 全系上线了：图｜Google并且新版 Gemini Intelligence 在 Android 17 中的「主动性」也变强了，将原本只存在于通话界面的 Magic Cue 智能建议带到了各种日常 App 里：图｜YouTube @9to5Google但从现有的上手来看，Gemini 的「类智能体」功能提升不算很大，依然是覆盖订票、叫车、预订餐厅之类常见场景为主，深入第三方 App 内的功能不多。不过往好处想，新的 Neural Expressive 设计语言的确没有缺席，看上去非常有格调：图｜YouTube @9to5GoogleGemini 之外，Pixel 11 系列的系统也迎来了一些不错的 QoL（生活品质）升级。比如相机终于自带了提词器，Magic Capture 功能可以智能从录像里抽出一帧拥有完整相机算法的照片等等——图｜YouTube @MKBHD并且谷歌相机这次也支持了类似 iOS 上的「色彩风格」预设，不再是生硬的套全屏滤镜，而是根据色彩风格有针对性地调整色彩：图｜YouTube @9to5Google整体来看，Pixel 11 系列最主要的矛盾，还是一个「贵」字。基础款取消 128GB 选项涨价 100 美元勉强算是持平，但 Pro 系列从去年标配 16GB 内存缩水到 12GB 起步，虽然有客观原因在，但还是让人很难受。图｜YouTube @Dave2D最主要的是，Pixel 11 系列不管硬件有升级还是倒吸，都规避不了自己在事实上已经是 Gemini 的物理容器的现状。既然如此，在 Gemini 3.6 Flash 让人难绷、3.6 Pro 神秘消失，Gemini 4 还在训练集群里等着越狱的大背景下，Pixel 11 系列不受待见也就顺理成章了。以后的 Pixel 系列想要支棱，还真得看 Gemini 的脸色。

最近我的朋友圈里，Markdown、HTML 这些词的存在感明显高了起来。三个月前，Claude Code 工程师 Thariq 曾发文分享，他认为 HTML 是比 Markdown 文本更适合 AI 输出的格式，这个观点引发了热议，也让 HTML 重新进入 AI 产品视野。Andrej Karpathy 也认为人机交互正在形成新的输入输出范式——人类更适合用语音表达需求，AI 更适合用视觉呈现复杂信息。APPSO 在日常办公里这个感受也愈加明显，AI 输出正在从文本走向界面，而 HTML 成为关键载体。但问题也随之出现：即使生成变简单，编辑、协作、发布与数据同步仍将大多数用户挡在网页之外。WorkBuddy 近期更新的资料库能力，尝试把 HTML 这些新一代的 AI 原生格式，和 AI 办公产品结合起来。▲ WorkBuddy资料库界面截图此前它通过「人机双写」让 AI 进入 Word、Excel、PPT，实现人、同事与 Agent 的协同编辑；这次进一步扩展到 HTML、智能 Markdown，并加入「轻应用」，让 HTML 具备数据存储与多端同步能力。如果上一阶段解决的是让 AI 进入 Office，那么现在要继续解决的问题，就是如何让 AI 已经大量生成的新文件，真正融入日常办公流程。HTML，开始变成一份多人多 Agent 文档使用资料库并不复杂。WorkBuddy 目前主要分成「我的文档」和「团队空间」两个位置，前者用于保存个人和 Agent 共同完成的内容（也可邀请他人协作），后者面向多人协作，成员可以按照权限查看、编辑、评论和分享，Agent 也可以参与其中。实际使用基本可以概括成三个动作：任务完成后，把最终的文档、Markdown、HTML 或其他文件存进资料库；下一次工作时，直接指定其中的资料，让 Agent 读取原有内容继续修改和分析；需要团队共同维护时，再把相关内容移入团队空间并设置协作者权限。于是，一次 AI 任务的终点，也就变成了下一次协作的起点。资料库保存的不只是最终文件，也包括之后的人和 Agent 可以继续工作的上下文。为了验证这套能力能否用于真实办公，我做了一个简单的测试。我直接输入一组基础项目数据，包括汽车发布会、官网重构、门店拓展等五个项目，以及负责人、部门、状态、预算、执行金额和里程碑时间。WorkBuddy 会先将其整理为结构化数据表，可直接查看和筛选进度、预算执行与负责人分布。最终生成的 HTML 已接近轻量项目管理后台。如需后续同步更新，我们可以先在资料库中将看板与「2026 年 Q2 项目与预算管理看板」及「2026 年重点项目管理表.csv」建立关联；接着再输入提示词「将看板静态数据改为从关联数据表动态读取」。完成后，看板将直接读取数据表内容。后续只需修改表格并刷新页面，即可同步更新，我们无需重新生成 HTML，实现数据表驱动看板的前后端分离结构。当然，现阶段让 AI 直接生成 HTML，第一次成稿还很难保证每次都达到设计师级别。不过对于办公场景来说，第一次生成到什么程度只是其中一环。更关键的是，我们还能在生成页面上进一步修改。一个页面如果可以被人修改、让多个 Agent 分别处理不同部分、交给同事继续编辑，并且所有修改都围绕同一份文件发生，它才开始拥有类似 Word、Excel、PPT 的办公属性。也正是在接下来的修改环节里，我开始觉得它更接近一套真正的办公工具。点击右上角对应按钮，我就可以在 HTML 中选中风险模块，让 AI 将背景调浅，并补充「需本周五前召开专案会议解决」。修改仅作用于选区，其余结构保持不变，可像编辑文档一样调整，无需进入源码。▲ 修改后的结果对非程序员的大部分用户而言，这比能生成网页更重要。过去修改网页往往意味着重新生成或进入代码层，而现在可以直接在页面局部与 AI 交互，让编辑像改文档一样发生。页面修改完成后，还剩下一个过去经常让 AI 生成 HTML 卡住的问题，怎么给别人看。对于程序员来说，后面还有部署、服务器、域名等办法；对于只是想把明天汇报做好的人来说，这种明显复杂过头了。WorkBuddy 资料库也想到了这一点，现在支持把本地 HTML 直接发布成在线网页。页面做好以后，通过分享即可生成链接，同事领导在手机上打开，客户在微信里点开，都不需要额外下载文件，还能直接在网页上划词添加评论——就像批注在线文档一样简单。基于此，HTML 正在进入一个过去长期由 Office 三件套主导的场景。比如一份新品营销方案，可以把三个传播阶段做成可点击的时间轴；一份经营分析可以让管理者按照部门筛选数据；一份产品方案可以放进视频、动画和交互式 Demo；遇到临时修改，也可以直接在网页里选中文字让 AI 调整。不止如此，WorkBuddy 还给智能 Markdown 加入了 AI 原生审阅模式。团队写周报、PRD 或方案时，可以先在 Markdown 里专注处理内容，AI 给出的修改会以修订建议出现，用户逐条确认后才进入正文；等内容定稿，再把文档转换成 HTML，用更适合展示的形式交给老板或者客户。于是两种文件形成了一种很自然的分工。Markdown 用于协同轻量写作和内容维护，HTML 更适合视觉表达和演示场景，也支持协作编辑。换句话说，HTML 从 AI 的交付结果，开始变成一种可以继续工作的文件。从一个人的工作台，到会记事的人机协作空间如果只解决 HTML 的编辑和发布，WorkBuddy 这个功能仍然更接近一套 AI 网页工具。此次资料库升级更往前的一步，是「轻应用」让网页开始保存和同步数据，而资料库又让这些数据和文档继续成为下一次 Agent 工作的材料。我拿一份烘焙店库存数据进行了测试。CSV 里放入商品名称、SKU、实时库存、安全库存、成本和进货日期，再让 WorkBuddy 生成库存看板，页面会直接提示库存不足的商品，也可以按照类别筛选。背后的 CSV 继续保存数据，所以它不再只是一张一次性的可视化报告，而更像一个可以持续使用的小型工作台。再比如为了验证它在个人场景里的效果，我把每日状态、耗能事件和回血项目写入 CSV 后，然后让 WorkBuddy 做了一个「生命电量工作台」。此外，我们也可以充分发挥脑洞，将之应用到我们实际的生活当中，比如把情侣之间的家务、情绪积分和「待赎罪事项」做成共同账本。又或者把公司附近餐厅的价格、距离和评价做成午饭抽签系统。类似方法还可以用于自媒体达人管理、项目进度、客户合作、个人习惯记录等场景。智能 CSV 甚至可以放入合同、发票、图片和设计稿，让数据和对应资料一起留在资料库里。资料保存下来以后，又自然进入了 Agent 的下一次工作。孙北北面包店就是一个官方介绍的真实案例。据悉，他们团队把每个月的仓配、筹建和产品成本报告按业务主题放进资料库，下个月再做经营分析时，可以直接调用历史报告，让 AI 沿着已有结论继续分析，再把新结果存回原来的目录。在整个过程中，资料库因此多了一层传统文件夹没有的作用。它既保存人的工作成果，也保存 Agent 下一次工作需要的上下文，一次生成的网页、数据和文档，可以继续被个人、团队和 AI 反复使用。对于大量数据、复杂权限和完整业务流程，专业数据库和 SaaS 依然不可替代。但对于个人和小团队，很多需求其实只是数据能保存、多设备能访问、团队能一起用，同时 AI 下次还能接着做。轻应用和资料库结合起来，解决的正是这一类更轻量的需求。打工人的办公三件套，要被 WorkBuddy 用 AI 重做了回头看 WorkBuddy 最近两个大版本的变化，上一阶段的「人机双写」，解决的是 AI 怎样进入我们已经非常熟悉的 Office。人写一部分，AI 修改一部分，同事继续协作，传统文档第一次把 Agent 也纳入编辑者。资料库升级之后，这套能力又扩展到了 AI 更擅长处理的格式。HTML 可以由人和多个 Agent 一起编辑，也可以直接发布成网站；智能 Markdown 有面向 AI 修改设计的审阅模式；CSV 除了作为结构化数据，还可以和 HTML 联动，让网页获得实时数据交互和多端同步能力。由此形成的体验，很像给传统 Office 增加了一套 AI 原生的「三件套」。它们不会让 Word、Excel、PPT 一夜之间消失。相反，WorkBuddy 仍然保留传统 Office 文件，并继续通过人机双写连接它们。真正发生变化的，是办公软件开始同时容纳两代文件。一边是过去几十年为人类鼠标、键盘和屏幕建立起来的 Word、Excel、PPT，另一边是越来越适合 Agent 生成、理解和修改的 Markdown、CSV、HTML。Office 进入 AI 时代以后，真正改变的或许不仅是菜单栏里多了一个 AI 按钮。AI 开始参与写作、编辑、数据处理、页面制作和协作之后，我们每天打开的那份「文件」，不再只是静态的文档，而是变成了可以被 AI 修改、自动更新数据、生成页面并持续协作的工作载体。文件格式从来都不只是一种后缀，它背后其实规定了我们如何生产信息、修改信息，又如何把信息交给别人，只不过，工作的参与者从人增加到人和 Agent。几十年前，Office 定义了电脑时代的人应该怎样办公。到了 AI 时代，Agent 也开始反过来改变 Office 应该处理什么样的文件，以及我们每天打开的那个「文件」，究竟应该长什么样。

就在刚刚，DeepSeek 正式发布了首款 Agent 产品，DeepSeek Harness。早在 V4 Flash 正式版更新日志里，除了直接对标 Claude Opus 模型的 benchmark 成绩，还有一行说明写着「正式版 DeepSeek-V4-Flash 使用 DeepSeek Harness 极简模式（即将发布）作为框架进行测试。」APPSO 在发布之前拿到了 DeepSeek Harness 的内测资格，管理项目、长任务协作、多 Agent 编排、上下文管理以及联网搜索和 Skill 等等，这些本地 Agent 工作台该有的功能，DeepSeek Harness 全部都有。▲ DeepSeek Harness 自己描述的与 Codex 的区别但如果只是用「DeepSeek 版 Codex」来形容它又肯定不够，自定义的 Agent 预设，可重建的会话，以及强大的插件功能，都让 DeepSeek Harness 变得和传统的 Codex 类产品不太一样。当 DeepSeek 也开始争夺模型输出之后的 Agent 执行层，这个姗姗来迟的 Harness 除了可以让手上本就「物美价廉」的 DeepSeek 模型更好用，更重要的是，它或许会改变我们使用 Agent 的习惯。先来认识一下 DeepSeek Harness以下功能和界面等内容均来自内测版，可能与正式版略有出入，以正式发布的版本为主。第一眼看和市面上大多数的本地 Agent 产品没什么两样，左侧边栏从上到下依次是「新建会话」、「工作区」，以及不同工作区/文件夹内的多个会话。对话的设置部分，我们可以切换不同的工作区，不同的模型和思考深度，一共有 Off、High、Max 三档推理等级，还有允许 DeepSeek Harness 可访问的权限。和一般的 Codex 产品只区分日常/办公、办公/代码等工作场景不同，DeepSeek Harness 使用一套「Agent 预设」来应对不同的任务。在 V4 Flash 正式版中提到的极简模式（minimal），正是 Harness 内置的四种 Agent 预设之一，它适合用于简单修改、测试最小 Agent，没有压缩、搜索、Skill、计划和子 Agent 这些功能。▲ 写作工作台是我们自己创建一个 Agent 预设另外三种预设模式分别是适合用来日常写代码、修 Bug、分析项目，以及默认选择的标准模式（standard）；处理大批量搜索、并行读取和多步骤自动处理的代码模式（code）；以及能开发新的 Agent 预设或插件的创造模式（cordis）。不同的 Agent 预设模式可使用的命令不同，我们也可以直接在输入框内使用「/」快速选择不同的指令或 Skills。标准模式、代码模式和创造模式，都包含有对话压缩、目标、计划等命令，而极简模式下，只有目标命令。用创作模式自定义 Agent 预设对于什么是 Agent 预设，以及几款 Agent 预设的具体区别，我们还能在设置页面看到详细的情况。预设即一个会话的 Agent 所运行的插件组装 —— 它的工具、提示词与能力。复制一份既有预设改成自己的，或用「创造模式」让 Agent 帮你创建。如果说模型等于大脑，决定基础的推理和理解能力；Skill 等于一份操作手册，告诉模型遇到某类任务时，具体怎么做；Tool / 插件 相当于软件和权限，它决定了模型能否搜索、改文件、运行命令、收发邮件等。那么 Agent 预设就是一个岗位＋工作环境，身份、长期规则、可用工具、工作方式，都由 Agent 预设决定。一个 Agent 预设通用由一份配置文档构成，文档内把 Agent 的系统提示词、工具、上下文压缩和多 Agent 能力完整组合起来。我们也新建了一个专门用于写作的 Agent 预设，在这份预设内，不仅可以使用文件进行配置，还能引入文件夹，加入不同的 Skill，来让自己的 Agent 更加完善。▲ 自定义写作工作台 Agent 预设文件夹内包含的信息DeepSeek Harness 内也提供了「用创作模式自定义预设」的方法，就像大多数 Agent 用对话创建 Skills 一样，我们可以一步步要求 Harness 创建一个自己的 Agent 预设。在设置页面，我们还能看到模型的配置，DeepSeek Harness 允许我们接入不同的第三方大模型，默认提供方包括 Kimi、OpenAI、Anthropic、Google 等将近 40 个大模型厂商。一切都是插件化运行最后一项设置是 DeepSeek Harness 这次的重头戏——插件，DeepSeek Harness 在内测产品中介绍里写着「Everything is a plugin」，一切皆插件。这个插件有多离谱，在内测的项目仓库里，参与内测的用户短短几天的时间就已经开发了约 300 个插件。有的插件能把 DeepSeek Harness 整个的工作界面修改，有的可以像 Codex 一样接入自定义桌面宠物，还有针对对话界面的优化，以及为 DeepSeek Harness 带来「跨会话长期记忆 + 后台自我进化」能力的纯插件实现。虽然最底层的记忆依然是本地文件，但这套插件并没有把「长期记忆」做成传统的向量数据库 + RAG，而是通过本地文件持久化 + 分层上下文注入 + LLM 自我整理，形成的一套完整系统。插件的能力还在于能实现模型的自我进化，定期让 LLM 回头审视自己的完整工作上下文，把临时经验压缩成长久知识。▲使用该记忆插件的 DeepSeek Harness 界面但无论是记忆插件，还是皮肤插件，这些都只是插件能力的冰山一角。在 DeepSeek Harness 的开发文档里，从架构层面来说，插件几乎就是 DeepSeek Harness 的主打，模型、工具、策略、存储、上下文和界面都能通过插件进行替换或组合。通常我们理解的插件是给当前的产品增加一些小功能，就像 VS Code 里有着丰富的插件系统，或者是 Chrome 浏览器，我们能安装不同的插件，增加浏览器对应的能力。Codex 应用内也有大量的插件，像是计算机使用、Chrome、Notion 等等对应不同的工具和服务。但 DeepSeek Harness 这次给出的插件，是在 Agent 的大脑、工具箱、规则和界面里加能力，它更深入、更自由。如果你嫌 DeepSeek 官方界面太简洁，不妨加点广告。▲ 内测用户自己开发的 DSH 插件，能够直接修改页面 UI举个例子，一个 Agent 的「标题生成插件」，通常是在对话里增加一个按钮或命令，点击后调用 AI 根据已有命令处理。一个 DSH 的「写作插件」，则可能同时做到：给 Agent 增加 /headline 等能力；注册一个模型可以自主调用的标题工具；换掉系统提示词和写作规则；接入我们的各类 Skills； 增加网页检索或外部 MCP；保存文章素材和长期偏好；在 DeepSeek 的交互页面中增加写作面板；限制这个 Agent 可以使用哪些 Shell、文件或网络工具……等等。市面上插件功能同样强大的产品可能是 Pi Agent，它也可以通过 Extension 改写工具、模型请求、会话行为和终端界面。▲ Pi 的介绍写着「有很多 Agent，但这个才是你的」Pi 让一个 Coding Agent 可以任意扩展；DSH 则试图让整个 Agent 产品都由插件重新组合。用起来怎么样很难想象吧，以快著称的 DeepSeek，有一天运行一项编程任务的时间也会来到半个多小时。为了观察执行层能给同一个模型带来多大变化，我们让 DeepSeek-V4-Flash 分别在 DeepSeek Harness、Reasonix 和 Codex 中完成同一个 Three.js 滑沙游戏。先看使用 V4 Flash 在 DeepSeek Harness 中的表现，基本上没有太多可以挑剔的 Bug，玩家一开始就在滑行，完全遵守核心玩法，穿过下坡途中的每个门，最终抵达沙漠绿洲。而使用刚刚上新的 V4 Pro，用时更长，表现反而更没那么好。虽然界面似乎有更加精美了一点，太阳光沙漠都更自然，但是金字塔等元素又很抽象。▲ 使用 DeepSeek V4 Pro 正式版，在 DeepSeek Harness 内生成Reasonix，据说是最适合 DeepSeek 的第三方 Agent ，我们让它处理了同一个任务，看看 V4 Flash 正式版模型，在不同的 Harness 应用中，表现会有什么不同。同样是最高等级的推理，差别真的很大。首先是整体画面的美感就完全不如 DeepSeek Harness 所交付的「金黄、快速、阳光明媚、清晰明朗」，其次虽然游戏同样能玩，但是太过于简陋，渲染的金字塔、人物、天空都很粗糙，不像是一款 3D 游戏。而如果是 Codex+DeepSeek V4 Flash 的组合呢，一开始我们在本地新建了一个文件夹，Codex 的处理方式很聪明，他说他自己先扫描了一遍本地文件夹，发现了另一个项目中存在一个 3D 库的复制文件。接着他又找到了我使用 DeepSeek Harness 创建的 pyramid-speed-run 项目，他说他要先看看那个是怎么处理 3D 库文件的，但是他不会直接复制，然后把那个项目作为一个原型参考，开始构建自己的项目。一个是允许他继续参考做出来的网页，一个是我们新开了一个对话，让 Codex 完全依靠自己的工具处理的网页。▲ 使用 V4 Flash 正式版的 Codex，干净工作区组▲ 使用 V4 Flash 正式版的 Codex，受污染上下文组两个版本似乎都比用 Reasonix 要更好，和 DeepSeek Harness 版本相比，似乎还是 Harness 版本给人沉浸感更强。「受污染」版把色彩调好的同时，但是金字塔完全不像是金字塔。而从 0 开始做的版本确实有 Codex 的感觉，整体画面更明亮，也更简单。就像 V4 Flash 使用极简模式的 DeepSeek Harness 进行评测能得到更好结果。这个单次案例虽然无法证明 Harness 在所有任务上更强，但至少说明：当模型完全相同时，Harness 提供的工具、提示词、上下文组织和执行策略，已经足以显著改变最终产物。它不是 DeepSeek 版 Codex查看 DeepSeek Harness 仓库中大量的 Markdown 说明文档，以及使用指南等内容，可以很确定地说，DSH 不是「DeepSeek 版 Codex」，它更接近一套可重组、可回放的 Agent 运行时。DeepSeek Harness 真正特别的地方，是把「插件生命周期、每个 Agent 的能力组合、工具执行、会话日志、Web UI」接进了同一套内核。从底层的技术配置到如何处理用户交互、AI 交互，DeepSeek Harness 都有自己独特的一套流程。▲ 图片由 AI 生成DeepSeek Harness 最重要的插件功能，根据其文档介绍，它并不只是一个 API 接口，每个工具、模型适配器、策略、提示词、存储、UI 区域都可以是插件。就像我们看到，已经有内测用户能通过插件，修改 DeepSeek Harness 的主界面。其次是 Profile 和 Preset 构成的两级组合系统，Profile 决定整个 DSH 进程怎么运行，例如 Web、Headless、安装哪些 Bundle，它本质上是有顺序的 cordis.patch.yml 配置层。Agent Preset（Agent 预设）决定某个会话里的 Agent 能看到哪些工具、提示词、Skill、子 Agent 和工作流。Preset 的作用域按 agent → preset → global 解析。根据 Preset 作用域机制，意味着同一个进程中，可以同时运行写作 Agent、编码 Agent、研究 Agent，而且各自看到不同的工具和指令，不必启动四套服务。另一个有价值的技术点是「模型

8 月 13 日晚，比亚迪秦 MAX 正式上市。这台王朝网全新的 B 级轿车同时提供 DM-i 和 EV 两种动力，共推出 9 款车型，售价 9.99 万—14.39 万元，比亚迪给它的称呼是「秦家族闪充超大杯」。其中，DM-i 提供 4 款车型：230KM 领先型：9.99 万元230KM 超越型：10.99 万元320KM 超越型：11.99 万元320KM 卓越型：12.99 万元EV 提供 5 款车型：530KM 领先型：10.99 万元530KM 超越型：11.99 万元530KM 卓越型：12.99 万元630KM 超越型：13.29 万元630KM 卓越型：14.39 万元部分车型可花费 1.2 万元选装天神之眼 B 辅助驾驶激光版，全系还可花费 3000 元选装三款双色车身。发布会上，比亚迪也为秦 MAX EV 提供了一年免费闪充权益。秦 L 正在逐渐退出品牌序列，秦 MAX 直接接过了它在王朝网中型轿车市场的位置。这次换代不只改了后缀，比亚迪还把闪充、后五连杆和带激光雷达的天神之眼 B 一并放进秦家族，用一张更长的配置表继续向上探了一步。秦 MAX 的三项重点秦 MAX 的产品重点可以概括成三项：EV 版全系标配的第二代刀片电池和闪充、带激光雷达的天神之眼 B，以及后五连杆独立悬架。秦 MAX DM-i 版本延续第五代 DM 技术，由最大功率 74kW 的 1.5L 自然吸气发动机与 175kW 驱动电机组成，提供 230km 和 320km 两档 CLTC 纯电续航，综合续航最高达到 2370km，官方公布的亏电油耗低至 2.59L/100km。秦 MAX EV 采用后置后驱，提供 120kW 和 240kW 两档电机，对应 52.868kWh 和 64.315kWh 的第二代刀片电池，CLTC 纯电续航分别为 530km 和 630km。其中高功率版本峰值扭矩超过 400N·m，零百加速进入 5 秒级。不过，相比加速，补能才是这套三电系统更明显的变化。第二代刀片电池常温下电量从 10% 充至 70% 需要约 5 分钟，从 10% 充至 97% 约 9 分钟；即便在零下 30℃ 的环境里，后者也只多用约 3 分钟。快还不够，闪充站也要足够多。发布会上，比亚迪表示目前已经建成 7000 多座闪充站，覆盖全国 325 座城市，从双鸭山、喀什到三亚、呼伦贝尔，乃至吐鲁番、珠峰和可可托海等偏远地区都已有布局。比亚迪近期还与中石化签署合作协议，接下来会继续借助现有加油站网络增加闪充站点。智驾部分，秦 MAX 部分车型提供带车顶激光雷达的天神之眼 B 方案，相比主要覆盖高速领航和泊车的天神之眼 C，最明显的能力增量是城市领航辅助。在高速和城市快速路上，这套系统可以按照导航路线完成上下匝道、车道保持、自主变道和部分障碍物避让；进入城区后，城市领航辅助继续处理跟车、车道选择与路口通行，到达目的地后再由全场景泊车辅助完成停车。对一台高频通勤的家用轿车而言，它将辅助驾驶从高速延伸到了城区里更复杂的路况上。辅助驾驶能力之外，比亚迪还为搭载天神之眼 B 的秦 MAX 提供城市领航和智能泊车双兜底，也就是所谓的「迪迪兜兜」。新车用户可享一年城市领航兜底，智能泊车则继续提供安全兜底，在合规使用相应功能、且事故损失依法应由本车承担的范围内，由比亚迪直接承担，不设赔付上限，也不影响车主次年保费。底盘层面，秦 MAX 采用前麦弗逊、后五连杆独立悬架，部分高配车型还提供云辇-C 智能阻尼车身控制系统，并配合路面预瞄识别前方起伏。它会根据路况改变减振器阻尼，经过破损路面时尽量过滤多余振动，快速变线或过弯时则加强车身支撑。其他变化则更接近一台换代家轿的常规补全。秦 MAX 的长宽高为 4866/1880/1495mm，轴距 2820mm；相比秦 L，车长增加 36mm、轴距增加 30mm，车宽收窄 20mm，接近 4.9 米的车身显得更修长，溜背车顶和贯穿式中国结尾灯则继续保留王朝网的家族特征。颜色倒是跳出了过去秦家族偏单调的印象。秦 MAX 提供 6 款单色车漆，其中包括云初粉、星月紫、森野绿等更鲜明的选择，比亚迪还确认增加 3 款双色车身，并计划在 9 月推出。配置方面，秦 MAX 高配车型提供 DiLink 150、15.6 英寸悬浮式中控屏、AR-HUD 和冷暖车载冰箱等功能。车内共设置 27 处储物空间，EV 版还有 115L 前备箱，后备箱常规容积 523L，放倒后排后可扩展至 1450L。座舱设计也有明显进步。双辐方向盘、缩小的方向盘徽标和更克制的装饰，内饰比过去的秦简约、干净了不少。此外，秦 MAX 的座舱内还配备了前排的螺纹接口和小挂钩，对应手机支架、挂外卖奶茶和随身小物这些日常会遇到的细节需求。比亚迪在过去给人的印象往往是着重于大件而不太在意细节，而秦 MAX 这一次不只关注电池、智驾和底盘，显然也观察了当前市场上较好的产品定义，把日常体验里容易被忽略的小麻烦一并处理掉了，这一点值得肯定。座舱里更值得单独说的是「迪迪虾」AI 出行伙伴。它支持连续、复杂的多轮对话，也能从不完整、甚至有些模糊的表达里理解需求。在发布会的演示中，用户只需说出接朋友、途中充电、逛艺术区和寻找宠物友好餐厅等一连串安排，它就能规划包含多个目的地的路线，并继续完成餐厅排队、咖啡点单等操作。从产品形态看，「迪迪虾」更像是一个上车的 Agent：先理解任务，再拆解步骤，并调用导航、生活服务和车控能力去执行。从后五连杆到闪充，再到激光雷达和冰箱，加上补足了此前经常被忽视的细节产品点，这台秦系列的「超大杯」确实十分全面。不过，如果你只看硬性配置，秦 MAX 的这张配置表多少有些眼熟。秦 MAX 绕不开海豹 06秦 MAX 绕不开的，是两天前刚刚上市的 2027 款海豹 06。是的，这两台车基本可以视作同一款车在王朝网和海洋网下的两种变体。秦 MAX 和海豹 06 的轴距同为 2820mm，车长只差 4mm，车宽只差 10mm。两台车都提供 DM-i 和后驱 EV，DM-i 都使用 74kW 的 1.5L 发动机与 175kW 驱动电机，EV 都有 120kW 和 240kW 两档动力，以及 530km、630km 两档 CLTC 续航。两台车的 EV 版本都搭载第二代刀片电池和闪充，天神之眼 B、云辇-C、DiLink 150、AR-HUD 和冷暖冰箱也都能在各自的配置表中找到。除了外观、内饰细节和具体版本分配，秦 MAX 与海豹 06 的核心机械和技术标签几乎完全重合。王朝网与海洋网长期采用双车战略，在相近的平台与技术基础上，分别做一套设计、命名和销售体系。王朝网借助秦、汉、唐、宋等名字维持更传统的家族认知，海洋网则用海豹、海狮、海鸥等产品争取更年轻的用户，到了门店里，两套渠道再用各自的价格、权益和服务争夺订单。对比亚迪而言，这套方法可以在一套研发和供应链基础上覆盖更多审美与渠道，也让王朝网和海洋网保持内部竞争。同一项技术不会被一款车独占，两边都要用更快的产品更新、更清楚的配置和更有吸引力的权益，把用户留在自己的门店里。但对消费者而言，代价则是一笔额外的理解成本。两台车尺寸、动力、续航和核心配置高度重合，选择题很容易从产品能力变成了哪张前脸更顺眼、以及同一项配置在两套版本表里分别要花多少钱。而这场内部竞争的天平，正在向海洋网倾斜。2025 年，海洋网全年销售约 222 万辆，首次超过王朝网的 188.5 万辆，分别占比亚迪集团全年销量的约 48.2% 和 41.0%。这份领先延续到了 2026 年，今年 5 月，海洋网销售约 17 万辆，王朝网约为 15.2 万辆，海洋网在这两年已然成为比亚迪销售体系中的一哥。王朝网需要一款足够有分量的新车稳住自己的走量基本盘，秦 MAX 正是关键的一步。2025 年，秦家族销售约 66.1 万辆，贡献了王朝网超过三分之一的销量；秦 L 退出之后，秦 MAX 不只要接过一款 B 级轿车的位置，还要继续承担秦家族乃至王朝网的销量任务。但显然，王朝网对秦 MAX 很有信心。发布会临近结束时，比亚迪王朝网总经理路天说：「其实我这两天睡得很好，也没有拉大家开会。没听懂这个梗的，可以去看看两天前的发布会。」两天前，正是海洋网发布海豹 06 的日子。比亚迪的新一轮内部竞争，开始了。