1008 | 从开源大模型到机器人训练：本期值得关注的 AI 新品

茉莉: 大家好，欢迎收听这一期的节目，我是茉莉。

白桦: 我是白桦。今天我们做一期比较像日报的节目，把过去二十四小时里冒出来的一批新产品和新模型放到一起，聊聊它们各自想解决什么问题，凭什么说自己不一样，以及哪些说法听起来还需要打个问号。

茉莉: 对，先说清楚一点：我们不会照着排名念一遍。这期我们挑的重点，是那些用户问题讲得清楚、方案有明显区分度、能力描述具体、价格和可得性也说得明白的产品。创方自己写的介绍，我们都当成「他们这么声称」来处理，而不是已经验证过的结果。

白桦: 而且这些故事背后其实有一条共同线索：模型能力在往上冲，Agent 从「会聊天」变成「动手干活」，而整个世界也得学会适应一个 Agent 到处跑的环境。我们就从能力竞赛的顶端开始聊。

茉莉: 好，那先说 Mistral Large 4。这是一个一万亿参数的混合专家模型，但每次推理只激活四百九十亿参数，上下文窗口做到了一百万 token。官方的说法是它是欧洲乃至美国最强的开放权重模型之一，权重计划在十月底放出。

白桦: 这几个数字值得拆开讲。一万亿参数说明它的知识容量上限很高，但 MoE 架构意味着你不用每次都跑满全部参数，激活四百九十亿就是为了让推理成本可控。一百万上下文则是直接冲着「整本书、整个代码库塞进去」这种用法去的。

茉莉: 开放权重这件事在现在的市场环境里意义重大。闭源模型你只能通过 API 用，而开放权重意味着企业可以自己部署、自己微调、自己控制数据流向。对欧洲的公司来说，这还多了一层意义：不用把数据交给美国的云。

白桦: 不过茉莉，我想泼一点冷水。这些数字都是官方宣称，「最强之一」这种表述弹性很大，真正用起来延迟多少、每次调用花多少钱、在哪些地区能合法部署，这些都还没落地。特别是推理成本，MoE 不是免费的，路由和访存的开销都要看实测。

茉莉: 对，而且开放权重不等于随便用，许可证细节、可商用范围，都是等权重真的放出来之后才能确认的事。所以我们的态度是：方向上很有分量，但数字和承诺都得等验证。

白桦: 同样在能力竞赛里的还有 Google 的图像模型 Nano Banana 2.1。这一代的更新点很具体：支持蒙版编辑，也就是你圈一块区域只改那块；一致性比上一代更好，意思是同一角色或同一风格在多张图之间不容易漂移；输出分辨率从一千到四千像素；还加了 Search Grounding，让生成过程可以参考搜索到的真实信息。

茉莉: 一致性这个东西听着抽象，其实是图像生成从玩具走向生产工具的关键。你要是做过连环插画或者产品图，就知道角色每张图长得不一样有多崩溃。蒙版编辑则是把控制权交还给用户，不是重掷骰子，而是「我就要改这里」。

白桦: Search Grounding 这一点也有意思，它暗示图像生成不只是从模型脑子里凭空想，还能借助外部信息。不过老规矩，这些都是发布介绍的说法，真实效果要靠用户上手验证。

茉莉: 能力竞赛还有第三条线，是视频。Manus 的 2.0 视频编辑器，宣称 AI 可以做完整条视频：自己查资料、挑镜头、配音乐、做代码图表，全套流程下来，最后把「终剪」这一步交还给用户。

白桦: 这个分工设计我觉得很聪明。AI 负责从零到八成的工作量，最费时间的部分是素材组织和初剪，而最需要人味儿的最后百分之二十，保留给人。这和很多「一键全自动」的产品思路不一样，它承认了最后一步人不可替代。

茉莉: 但反过来讲，「终剪交还给人」也意味着你还是要看得懂剪辑才能收尾，对于完全不会剪的人，这八成的初稿好不好用、改起来方不方便，是关键问题。还有一点没说清楚的是成本和时长限制，一条十分钟的视频要花多少额度，发布信息里没有具体承诺。

白桦: 所以这三个产品合起来看：Mistral 冲的是语言能力上限，Nano Banana 冲的是图像可控性，Manus 冲的是把整条生产流水线自动化。能力确实在往上走，但「开放权重」和「可控性」这两个关键词，恰好是它们共同强调的，说明行业也意识到了光有能力不够。

茉莉: 对，接下来我们就顺着「可控性」聊第二组产品，这些 Agent 开始真的动手干活了。第一个叫 Wabi，它的口号很大，自称是「agentic 时代的操作系统」。具体来说，它做的是群组任务：旅行规划、账单分摊这类事情，它自己跑完全程。

白桦: 「OS」这个词用得很大胆。传统操作系统管的是文件和程序，Wabi 想管的是人和人之间的事务。这个定位如果成立，那它就不只是一个 App，而是你群组生活的执行层。

茉莉: 不过口号归口号，群组任务有个天然的难点：它不是一个人的事。旅行订错了账单分错了，涉及的不只是你，还有你的朋友。出错成本比单人助手高得多，这也是为什么「谁批准、谁负责」这类问题在这一代 Agent 产品里反复出现。

白桦: 说到审批，Velozity 的设计就更明确了。它是一个多人 AI 办公室，Agent 共享整个团队的上下文，也就是大家都知道项目背景和团队讨论，而且支持「自带 AI」，你可以接入自己选的模型。关键点是：Agent 的动作需要人批准。

茉莉: 「共享团队上下文」是双刃剑。好处是 Agent 不用每次从零了解背景，回答和执行都更准；风险是权限问题，Agent 能看到的东西变多，出错和越权的影响也变大。Velozity 用人工审批来兜底，这是目前最稳妥但也最「慢」的做法。

白桦: 而且我们注意到，审批机制和信任机制还都挺粗糙的。下一步真正分胜负的，可能是长期记忆和细粒度权限：Agent 记住多少、能看到多少、哪些动作免审批、哪些必须停下来问人。这些机制目前没有一家做得让人放心。

茉莉: IrisGo 给了一个很有意思的补充视角，它的功能叫 Watch & Learn，你把一项任务操作录一遍，它就学下来，变成可复用的工作流。而且强调数据在本地处理。

白桦: 这个思路本质上是「演示即编程」。传统自动化要么写脚本要么拖流程图，门槛不低；录一遍就能复用，是把门槛降到了几乎为零。对不会编程的运营、行政人员特别友好。

茉莉: 本地处理数据这一点也很关键，因为录屏内容里很可能有客户信息、内部系统截图，这些数据要是不出本地，企业才敢用。

白桦: Figma Agent 则把「动手」推到了设计领域，它不是给你生成一张图，而是直接在画布上操作真实的组件和文件，支持批量编辑，还能通过斜杠命令调用各种技能。这和「给你看个效果图再自己照着做」是本质区别。

茉莉: 对，以前 AI 设计工具输出的是「结果」，Figma Agent 操作的是「工程」。设计师的文件是一堆有结构的组件，直接在真实工程上改，改完就是能交付的稿子，不存在「AI 画的图再人工重做一遍」的问题。

白桦: 这一话题还有三个小配角值得提一句，它们都体现了同一个方向。Cinch 是一个原生的苹果提醒事项客户端，覆盖 iOS、macOS、watchOS 和 visionOS，零遥测，只走 iCloud，但它专门做了一个 CLI 给 LLM Agent 调用。

茉莉: 这个设计很微妙：它是给 Agent 留的「手动挡」。Agent 想帮你管理任务，可以通过命令行接口操作你的提醒事项，但整个过程发生在你自己的数据和设备范围内。

白桦: Thalia 也是类似的角色，它是 Meta 的 Muse Code CLI 的免费 Mac 客户端，SwiftUI 原生写的，强制计划模式、命令要审批、快照可回看、有检查点，同样没有遥测。

茉莉: 它解决的是「命令行 Agent 裸奔」的问题。让 CLI Agent 直接跑命令很危险，Thalia 把「先出计划、人批准、可回滚」这套流程套在上面。我们把它归到「开发者工具」那边再细讲。

白桦: 好，那我们就顺势进入第三组：Agent 不仅干活，还要替你谈判、面试、做生意。这组产品里，最扎眼的可能是 Ana，它是 Vertice 公司做的软件采购谈判 Agent，训练数据来自七百五十亿美元的软件支出、三万二千家供应商、两百多万个价格点，官方说平均能省百分之十八，而且它发出的每一封邮件都需要人工批准。

茉莉: 软件采购是个信息极不对称的市场，买方很难知道自己的价格是不是偏高。Ana 的价值就是把这些历史交易数据变成谈判筹码。百分之十八这个数字听起来很可观，但这是训练数据上的平均值，具体到你的合同能省多少，没人能保证。

白桦: 而且「发邮件前需人工批准」这个设计特别值得注意。谈判是高风险场景，一句话说错可能影响供应商关系，所以这家公司选择让 AI 出方案、人来拍板。这和我们在上一组看到的审批机制是同一个逻辑。

茉莉: 做生意这条线的另一端是销售。Supademo 推出了 AI 演示 Agent，买家随时可以和能讲解产品演示的 Agent 互动，一天二十四小时不打烊，价格是每十五分钟零点九九美元。

白桦: 按时长计费这个定价很有意思，它把「演示」变成了一个可以按需购买的服务。传统上产品演示需要约销售会议，现在买家自己半夜想看就看。不过这也意味着销售职能在被 Agent 分流，销售团队的活儿会变。

茉莉: 中间环节也在被自动化。GenPage 3.0 干的事是：为每一条广告、每一个关键词、每一个账户生成对应的落地页，然后自动做 A 到 Z 的测试。传统做法是设计师做几版页面挑一个，现在是「一人一页」的粒度。

白桦: 这个粒度差异很关键。转化率的提升往往就来自这种微调，同样的广告文案，落地页上的标题和配图跟关键词完全呼应，效果会差很多。人工做这个成本太高，AI 生成加自动测试才把它变得可行。

茉莉: 但也要问一句：落地页数量爆炸之后，品牌一致性谁来管？每一页都是 AI 生成的，风格和措辞可能各自漂移，这对品牌方是新的风险。

白桦: 这组里最有争议的是 ParakeetAI 2.0。它有一个来自真实面试的题库，可以和 AI 做模拟面试练习，这个没问题。但它还有一个功能是在真实面试进行中实时给你答案。

茉莉: 这就是我们要直说的伦理问题了。模拟面试是练习工具，完全正当；实时提示答案，本质上是面试作弊，对其他认真准备的候选人很不公平，而且一旦被招聘方发现，后果由用户自己承担。

白桦: 我们不替任何人下结论，但这个产品的边界值得每个听众多想一想。同一批技术，用在练习里是赋能，用在考核里是作弊，工具本身没有把这条线画清楚，画线的是使用者和监管。

茉莉: 顺着这个话说下去，如果 Agent 能替你面试、谈判、销售，那反过来，你的产品在 Agent 眼里是什么样子，就变成了新的生意。这就是我们下一组要聊的：AI 可见性。

白桦: 有个产品名字得先纠正一下，很多人可能会记错：它叫 Proofsource，不是 Proofstart。它做的事情是每天在四家 AI 引擎上测量你的产品被提到的次数，然后让 Agent 提出修复建议、发布、再审查效果。

茉莉: 这有点像 SEO，但对象变成了 AI。以前用户在 Google 搜关键词，你做关键词优化；现在用户问 ChatGPT 或其他 AI「哪个工具适合我」，AI 回答里有没有你、怎么说你，直接决定了你有没有机会。

白桦: 有一个直观的例子能说明这个问题的现状：有人追踪了 ChatGPT 的插件目录，里面有五千多个插件和一百九十二次搜索数据，结果发现前十名搜索结果里，四分之三的名字或标语里就直接包含搜索词。

茉莉: 这个数据很有意思，它说明在 AI 的世界里，「名字里有用户搜的词」就已经占了巨大便宜。这是一种粗糙但有效的可见性策略，和当年 SEO 里堆关键词的时代有点像。

白桦: 当然我们也要小心，这类数据是从一个目录的搜索记录里来的，不代表所有 AI 引用的规律，但方向是对的：AI 怎么「想起来」你，开始变成一门学问。

茉莉: Proofsource 的做法是把它变成一个日常运营环节：每天测、出修复建议、让 Agent 执行、再复查。这就把「AI 可见性」从一个模糊概念变成了有流程的工作。

白桦: Ownfeed 从获客的另一端切入。你把产品 URL 粘贴进去，它生成的 Feed 里只展示那些「真正需要你产品的人」发的帖子。价格上是试 Day 一美元，而且明确不做自动回复。

茉莉: 「不做自动回复」这一条我特别想强调。现在的社交平台上，AI 自动评论已经泛滥到让人反感，Ownfeed 反着来：AI 帮你筛出该看的人，但回复你自己写。

白桦: 这两个产品合起来看，指向同一个判断：生成式搜索和 Agent 正在改变获客入口，品牌以后会像做 SEO 一样专门做「AI 可见性优化」。现在入场的产品还很少，这个领域刚开头。

茉莉: 从「让 AI 看见你」转到下一个话题很自然：既然这么多人担心 AI 拿走自己的数据，那就有另一批产品干脆把「数据不出去」当成核心卖点。

白桦: 第一个叫 Redlamp，是 Apple Silicon 上的原生开源 RAW 照片编辑器，Swift 和 Metal 写的，MPL-2.0 许可证，完全免费，而且能融进现有的 Lightroom 工作流。

茉莉: 这里几个关键词都戳中了摄影师的痛点。RAW 编辑对性能要求高，原生跑 Apple Silicon 的 Metal 图形管线意味着速度快、不发热；开源意味着你能看代码、社区能审查；免费在 Lightroom 订阅费涨个不停的背景下尤其有吸引力。

白桦: 「融入 Lightroom 流程」是个聪明的定位，它不要求你搬家，而是当你需要更强的 RAW 处理时插进来用一步，降低了切换成本。

茉莉: 类似的隐私主张还出现在一个你可能想不到的场景：家庭签到。Knuff 是一款家庭互相报平安的 App，用「Bubble」模型来组织签到，而且数据全部留在德国，不用美国云。

白桦: 家庭签到这个场景对隐私特别敏感，因为涉及老人和孩子的位置、状态信息。放在欧洲的数据中心，至少在合规层面上让用户安心一些。

茉莉: 更彻底的是 Rool，它在芬兰运营一个私有 AI 服务，用自己的模型，明确承诺不用你的数据做训练，还有免费档位。这等于是把「你的对话不会变成训练材料」写进产品承诺里。

白桦: 这个承诺在现在特别戳人，因为很多免费 AI 产品的商业模式就是拿你的数据改进模型。Rool 相当于把这个默认设置翻了过来。

茉莉: 还有 Temp Mail，就是那个免注册的一次性邮箱，这轮新增了几个功能：安卓上的私密转发别名、验证码一键复制、支持自有域名，界面支持二十九种语言。

白桦: 一次性邮箱的用途很明确：注册不想给真实邮箱的服务，隔离垃圾邮件。新加的自有域名是个升级，说明它开始服务那些想要「自己域名下的别名邮箱」的重度隐私用户。

茉莉: 这一整组产品的共同主线很清楚：「数据不出口、不训练」从技术细节变成了营销卖点。但我们也得问：免费模式能不能持续？服务器和模型都要钱，隐私承诺和商业可持续之间的张力，是这批产品都要面对的问题。合规边界怎么划，也是悬而未决的。

白桦: 说到这里，开发者的处境其实和普通用户不太一样。开发者不怕工具多，怕的是看不清。所以第六组产品，主题是让开发者在 Agent 时代有看得见的面板。

茉莉: Databench 是一个开源的多人工作区，Apache 2.0 许可证，核心是反应式 Notebook，Agent 可以和团队并肩工作，而且所有结果可追溯。

白桦: 「反应式」的意思是 Notebook 里的数据变化会自动传播到相关部分，这在多人协作加 Agent 的场景里很重要，因为一个 Agent 改了数据，别人看到的应该是最新状态，不是过期的快照。

茉莉: 「可追溯」则是解决另一个老问题：以前团队里 Agent 跑了什么、谁改了什么，事后说不清。Databench 把过程记录下来，出问题能回查。

白桦: Kitbar 走的是另一个方向：它把各种开发服务的状态塞进系统状态栏。支持的名单挺长：Vercel、Cloudflare、GitHub、GitLab、Stripe、Polar，还有 Claude Code 和 Codex 这类编码 Agent。不用注册账号，一次性买断。

茉莉: 状态栏听起来是小工具，但它解决的是真实的注意力问题。开发者现在同时盯着部署状态、CI、支付、多个 AI Agent 的进度，来回切网页很烦，一眼可见的状态栏把这些信息压到了一个角落。

白桦: 买断制加不要账号，也符合开发者群体的口味，不用再添一个订阅。

茉莉: 而 Thalia，我们前面提过一嘴，在这里就完整地说：它是 Meta 的 Muse Code CLI 的 Mac 客户端，免费，SwiftUI 原生。四个功能：强制计划模式、命令执行要审批、快照可审查、检查点可以回退，并且零遥测。

白桦: 这四个功能合起来，就是把一个危险的命令行 Agent 变成可控的。Claude Code 这类工具的爆发让很多人开始用 CLI Agent，但裸跑命令确实吓人，Thalia 这类「安全壳」的价值就在这里。

茉莉: 所以这三个东西的共同点是透明和可控。Agent 能力越强，开发者越需要仪表盘和刹车，这两个需求是同步增长的。

白桦: 最后这一组，我们把视野拉到物理世界。Pegasus 1.6 解决的是机器人训练数据的老大难问题：它能把第一视角的视频，包括人戴设备拍的和遥操作录下的，自动转成带标签、带时间戳的机器人训练数据，完全不用人工标注。

茉莉: 机器人领域一直被数据瓶颈卡着，因为真实世界的数据没法像互联网文本那样随便爬。人工标注一段操作视频又贵又慢。如果 Pegasus 的自动化标注真的可靠，那就相当于给机器人学习打开了数据水龙头。当然，「不用人工标注」是官方说法，标注质量到底够不够训练用，还需要实践检验。

白桦: 而 Rhem 把 AI 推进了一个我们平时不太聊的场景：老年照护。它是放在桌上的机器人，能监测生命体征、观察对话模式、提醒吃药和约会，它带的 AI Agent 还能真的打电话去预约。

茉莉: 打电话预约这个能力把事情推到了现实世界里：不是在 App 里点按钮，而是像人一样拿起话筒办成一件事。这对独居老人是实打实的帮助。

白桦: 但这个场景的门槛也不在技术。老年人信不信得过一台机器人、生命体征数据归谁管、出了健康问题责任怎么算，这些是比模型能力更难的问题。监管在这个领域必然要跟上来。

茉莉: 好了，我们从最强模型聊到照片编辑器，从 AI 办公室聊到给老人打桌电话，一天之内的产品密度确实惊人。

白桦: 收个尾的话，我想留三个问题给听众：一，开放权重和可控性声明，最终要靠实测和第三方验证；二，Agent 时代审批和信任机制还都很粗糙，谁能先做好谁就赢；三，隐私正在变成卖点，但免费和隐私能不能长期共存，还没有答案。

茉莉: 这期就到这里，感谢收听，我们下期再见。

白桦: 下期见。