1119 | 新模型混战与代理平台之战:一周AI新品速览

||Download

Show notes

本期快速盘点AI新品:OpenAI、Qwen与腾讯的多款新模型同日亮相,智能体平台从单人助手走向团队协作与数据共享,开发者工具则在自动修复与发布把关上越做越深。此外还有面向营销团队的AI视频、为品牌与创作者搭桥的射手市场,以及让代理过夜干活的桌面助手。

时间轴

  • 00:00:04 开场
  • 00:00:38 三大新模型同台:OpenAI双发、Qwen与腾讯的MoE之争
  • 00:02:59 代理平台升级:共享工作空间与数据层
  • 00:04:58 桌面代理:多bot并行与过夜干活
  • 00:06:22 编码代理闭环:自查、修CI与视觉回归
  • 00:08:51 发布把关与本地开发工具
  • 00:10:27 营销、创作者与HR的AI流水线
  • 00:12:24 图表、地图与3D资产的可视化工具
  • 00:14:10 收尾

相关信息

本期节目由 Bri 出品。Bri 使用先进的 AI 技术将你在意的资讯转换成适合收听的播客。如需联系,请发邮件至 hi@bri.so。

Transcript

茉莉: 大家好,欢迎收听今天的节目,我是茉莉。

白桦: 我是白桦。今天这期我们聊的这批新东西,背后其实有一条共同的主线:AI不只是在回答问题,而是开始自己干活、自己决策,甚至自己验证自己的工作。

茉莉: 对,从三大模型厂商同时发布新模型,到桌面上的多代理并行干活,再到编码代理自己修CI、修视觉回归,一直到营销和HR的流水线,都能看到这个趋势。那我们就从最大的新闻开始——三大新模型同台。

白桦: 好的。OpenAI这次是双线发布,一边是前沿模型GPT-6.2 Astra,另一边是高效版Sol。Sol的API定价也公布了,每百万token输入2美元、输出10美元。也就是说一条产品线上,既有一款冲前沿的,又有一款冲性价比的。

茉莉: 这个双线打法值得注意,因为它意味着他们承认一个现实:不是所有场景都需要最贵的模型。你做大规模的日常任务,用高效版Sol可能就够了;做最难的问题,再上Astra。

白桦: 与OpenAI同一天较劲的还有两家。Qwen4-Max是基于2.4T参数的MoE新架构,每个token只激活71B,原生支持视觉,上下文到了1M。但要注意,权重没有开源。

茉莉: 1M上下文这点很关键,说明三家都押注了大上下文方向。腾讯的Hy4 flash也是1M上下文,总参数224B、激活只有12B,价格是每百万token输入0.07美元,非常便宜。腾讯说计划开源,但截至目前权重还没发布。

白桦: 把三家放在一起看,会发现几个共同点:第一,都是MoE架构,用激活参数控制成本;第二,都是1M级别的上下文;第三,开源承诺都存在疑问——Qwen4-Max明确未开源,腾讯说了计划开源但没兑现,OpenAI干脆没提开源。

茉莉: 所以对开发者来说,现在能确定的就是价格和规格,开源这件事只能观望。腾讯那个0.07美元的输入价格,如果开源真落地,对成本敏感的应用冲击会很大,但在权重发布之前,这只是一个承诺。

白桦: 另外还有一条相关的小消息可以放在这里:uRun推出了一款叫Sense的模型,专门面向语音和视频代理的实时决策,每秒最多做12.5次回答轮次决策。它不生成内容,而是决定"这一轮要不要回答"。这正好说明了模型分层——大模型负责生成,小模型负责实时判断。

茉莉: 这个思路很实用,因为语音场景里"该不该开口"本身就是个决策问题,用前沿大模型去判断太浪费了。

白桦: 模型讲完了,接下来看这些模型被装进什么样的平台。AutoGen团队出了一件作品,叫S.Space,它是一个团队与各家厂商AI代理的共享工作空间,支持共享记忆和审批流程。

茉莉: 这就引出一个新问题:不同厂商的代理,能不能在同一个空间里真正互信协作?S.Space的答案是给你一个共享记忆加审批的框架,让代理之间有共同的上下文,但关键动作需要人批准。

白桦: 共享只是第一步,数据从哪来是另一个问题。Dippr做的就是代理的数据层,支持联邦查询跨多个数据源,按代理来授权,还能托管代理构建的应用。

茉莉: 按代理授权这一点很重要——不再是按人来管权限,而是每个代理有自己能碰的数据范围。这在企业场景里是必要的,否则一个代理能读所有数据,风险没法控制。

白桦: 构建这一端也有新工具。Toone用自然语言构建代理工作流,节点可以是模型聊天线程,也可以是不带AI的普通自动化步骤,还支持暂停后续跑。

茉莉: 这个"无AI节点"的设计挺务实的,因为不是工作流里每一步都需要语言模型,有些就是普通的调度和格式转换。暂停续跑则是针对长任务的,跑一半等人审批、等外部事件,再接着跑。

白桦: 另一个构建工具Mermaid Flow走的是可视化路线,把代理工作流构建成可执行图,一步接上工具、连接MCP,而且每次运行都会逐步留痕。

茉莉: 留痕这个功能对调试和合规都关键——代理跑错了,你能回看是哪一步出的问题。把Toone和Mermaid Flow放一起看,一个是自然语言生成,一个是图形式编排,殊途同归,都是想让非专业开发者也能搭代理流程。

白桦: 平台讲完,我们换个场景——桌面上的代理。这块最近很热闹,dusk bot是一款免费开源的多代理桌面应用,每个bot都有独立的电脑环境和独立记忆,而且可以直接接入用户已有的ChatGPT、Claude、Grok账户。

茉莉: 用已有账户这点很聪明,用户不用再买新的API额度,直接复用自己已经付费的服务。每个bot独立电脑和记忆,意味着它们互不干扰,你可以让一个bot干一件事,另一个干另一件事。

白桦: 同类思路还有Mac上的Dream,它的定位很有意思——专门挑选能过夜完成的任务,早上汇报结果,而且跨工具共享记忆。

茉莉: "过夜干活"这个产品设计很打动人,等于把8小时睡眠时间变成了生产力。但这里有个隐含的信任问题:你敢让它无人监督跑一整晚吗?跑错了怎么办?

白桦: 第三个是Incredible Agents,用语音创建AI代理,直接在Mac或Windows电脑上7×24小时运行任务,还会主动寻找可以交接给你的工作,可以免费试用。

茉莉: "主动找活干"是这三个产品的共同押注点——不只是你让它干什么它才干什么,而是它自己发现下一步该做什么。这个方向很有潜力,但稳定性如何,三家都还在早期,效果是否可靠还得观察。

白桦: 说到干活,编码代理是AI落地最深的一个领域,最近的进展已经形成了一条闭环。先看SoreQen Code,它是一个自主编码代理,会检查自己的工作、做编辑、跑测试,还能用浏览器验证效果。产品形态是桌面应用加开源CLI,支持18个模型。

茉莉: "自查加浏览器验证"是它和普通代码补全的区别——它不只是写完就交差,而是确认改动真的能跑、界面真的正常。

白桦: 闭环的下一环是CI。Polylane for CI会读取主分支和合并队列上失败的CI日志,定位是哪个提交造成了破坏,然后直接开一个修复PR,并且在自己开的PR上继续迭代。它和GitHub Actions配合工作。

茉莉: 这个流程以前是工程师最烦的活之一——半夜CI挂了,爬日志、找提交、修代码。现在这一整套都交给了代理。当然,代理开的修复PR,合不合还是人说了算。

白桦: 视觉这一环有UI Verify。它让编码代理能看到自己的改动影响了哪些界面,自动修复视觉回归。它是开源的,每月5万快照免费。

茉莉: 视觉回归是编码代理的一个盲区——代码测试都过了,但页面上按钮错位、样式崩了,代码层面的测试发现不了。UI Verify补的就是这个洞。

白桦: 最后是用户侧的Replay QA,它捕捉受挫用户的会话,自动复现问题并做根因分析,然后把结果直接发给编码代理去修复。

茉莉: 这就形成了完整链条:写码有SoreQen,验证有测试和浏览器,CI挂了有Polylane,界面坏了有UI Verify,用户反馈有Replay QA直接转给代理。闭环确实在成型。中间还有两个辅助工具值得一提:Review Box是一个GitHub PR审查的桌面应用,支持已审追踪、代码智能、结果视图和集成AI;KaDeep AI则统一了QA、本地化和无障碍审计。

白桦: 但要泼一盆冷水:这些工具都还处在"代理修复、人工复核"的阶段。代理自动开的PR、自动修的视觉问题,质量到底稳不稳定,没有哪家给出了可验证的数据,团队接入时还是得把人留在审核环节。

茉莉: 说到审核环节,KaDeep其实可以单独展开讲,因为它做的就是发布把关。它把QA、本地化——支持100多种格式——和无障碍审计统一到一个代理里,通过一个开源CLI输出有证据支撑的go/no-go发布门。

白桦: "有证据支撑"是关键词。以前的发布决策很多时候靠经验和感觉,它要求每个判断背后有证据,这对降低发布风险是实质性的改变。

茉莉: 工程师的另一块新基建在本地资源管理。canfit是一个开源的Rust CLI/TUI工具,它判断一个本地LLM或应用能不能装进当前的内存,还会建议哪些进程可以安全关闭来腾出空间。

白桦: 这个问题很真实——想在本地跑一个模型,经常是下完了发现内存不够。canfit在你下载之前就告诉你能不能装,还告诉你关掉哪些进程是安全的,这比反复试错省时间。

茉莉: 设计基建方面有AI Canvas,它为AI代理提供完整的React设计系统,附带MCP,包含820个图标,还有一个叫done-gate的机制,用来强制执行规则。

白桦: done-gate的意思大概是代理要宣告"做完了",必须先通过这套规则的检查,防止代理自作主张跳过设计规范。这三样——发布门、内存检查、设计系统——都是工程师生态里以前靠人肉、现在开始工具化的部分。

茉莉: 从工程师的世界跳出来,看看营销、创作者和HR这边。Arcade是面向营销团队的AI视频生成器,从提示词或者Notion等来源生成可编辑的品牌视频,然后可以直接发布。

白桦: "可编辑"是它和一堆一键生成视频工具的区别——营销团队拿到视频后还能自己调整品牌元素,不是只能全盘接受或全盘丢弃。而且生成到发布是一条流水线,不用导出再上传。

茉莉: 推荐营销这边有Introzy,它追踪推荐介绍从首次接触到佣金支付的全链路,免费起步,还有一个AI助手叫Kai,专门标记停滞的介绍。

白桦: 做推荐联盟的人都知道,介绍发出去之后经常石沉大海,你不知道卡在哪一环。Kai帮你找出哪些介绍停滞了,这是把联盟营销里最不透明的部分透明化了。

茉莉: 创作者经济方面有ICONS,它是一个市场,品牌可以在上面约创作者做植入内容,或者授权AI肖像。创作者自己定价,并且有权审批脚本和最终成片。

白桦: AI肖像授权这个功能很有前瞻性,但也带来一个合规上的未知数——肖像被AI使用之后的边界在哪里、被滥用怎么办,目前都还没有清晰的答案。创作者保留审批权是好的起点,但这个市场的规则还在形成中。

茉莉: HR这边有Pitch Avatar HR Suite,用对话式AI头像自动执行入职、培训和HR沟通,支持70多种语言。

白桦: 对跨国团队来说,70多种语言意味着同一个入职流程可以覆盖所有地区的员工,不用每个语言版本单独录视频。当然,AI头像做HR沟通的情感细腻度,跟真人还是有差距,这个工具更适合标准化程度高的内容。

茉莉: 最后一个板块,看看把文字直接变成可视产物的工具。Diagramly 2.0的玩法很直接:输入文字,就得到手绘风格的图表。这版还新增了审阅链接、形状评论,以及带备注的幻灯片演示。免费,无需注册。

白桦: 手绘风格是个有趣的差异化——它让图表看起来不那么冰冷,适合用在演示和头脑风暴场景。免费无注册意味着试用门槛几乎是零。

茉莉: 地图方面有Waldo,出自Wherobots,也就是Apache Sedona的创作者团队。它是一个地理空间AI代理,把普通英语的问题变成地图和数据管道,目前处于公开预览阶段。

白桦: 出自Sedona团队这点很重要,因为地理空间计算的底层引擎他们最熟。以前做一张专题地图,要会GIS工具和数据管线,现在一句自然语言的问题就能出结果。

茉莉: 3D领域有lepoly,由Sketchfab的创始人打造,是一个浏览器端的3D资产数字资产管理平台,自筹资金。

白桦: Sketchfab创始人再做3D资产管理,说明他判断这个领域还有空白——3D模型越来越多,但管理、检索、预览的工具没跟上。浏览器端意味着不用装重型客户端。自筹资金也说明它是按自己的节奏在做,不用急着讨好投资人。

茉莉: 把这三个放一起看, Diagramly把文字变图表,Waldo把问题变地图,lepoly管理3D资产,领域各不相同,但提效路径是一致的:降低专业工具的使用门槛。

白桦: 好,今天从三大模型之争,到代理平台、桌面代理、编码闭环、工程基建,再到营销和可视化工具,整体看下来,AI正在从"回答问题"走向"接管流程"。

茉莉: 但每一段我们都留了问号:开源承诺会不会兑现、跨厂商代理能否互信、过夜代理稳不稳、肖像授权的合规边界在哪。这些答案要等接下来几个月的市场检验。感谢大家收听,我们下期再见。

白桦: 再见。