Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

我发现了AI最有用的用途——整理桌面！来看 Kimi-K2 Agent 能力实测! 通宵肝了4天, 厚脸皮请大家多转发, 谢谢各位老铁! AI竟然能帮我整理300多个桌面图标，还能开发MacOS监控工具和制作魔塔游戏？ Kimi-K2 Agent 能力实测来啦! 本期视频通过5个极限场景全面实测月之暗面刚发布的Kimi-K2大模型Agent能力，从整理桌面到统计发票，从制作学习教程到游戏开发，每个测试都让人意想不到. 本次测试在从召回, 长上下文, 编程, 内容梳理, 任务调度, Agent 能力等等全方位覆盖. 最终哪里表现很好? 那里表现不佳? 请看视频! #kimi #月之暗面 #kimik2 #AIAgent #CodingAgent #ClaudeCode

karminski3's profile picture

karminski-牙医

37,888 subscribers

58,467 görüntüleme • 1 yıl önce •via X (Twitter)

Bilim & TeknolojiEğitim
LIVE

Anya Rossi• Live Now

Private livecam show

11 Yorum

XCaptain profil fotoğrafı
XCaptain1 yıl önce

牙医大佬终于露面了

大海 profil fotoğrafı
大海1 yıl önce

提个小建议：背景音乐声音有点大，对比人声反而小了。建议调整。

karminski-牙医 profil fotoğrafı
karminski-牙医1 yıl önce

好的~感谢建议~

Mobile Scanner profil fotoğrafı
Mobile Scanner1 yıl önce

Scan any documents, convert images into text, PDF files, etc. 👍

endearqb profil fotoğrafı
endearqb1 yıl önce

忘记让它形成一个markdown文件记录操作过程了

karminski-牙医 profil fotoğrafı
karminski-牙医1 yıl önce

可以把 "每次任务你都要将执行过程记录到markdown文档里" 塞到memorize里，用 # 号命令。

Twodog profil fotoğrafı
Twodog1 yıl önce

漏脸了🫡

EC Elliot profil fotoğrafı
EC Elliot1 yıl önce

这视频质量很不错，👍

yAng profil fotoğrafı
yAng1 yıl önce

…

Sanguini profil fotoğrafı
Sanguini1 yıl önce

看起来不错， 用openrouter 和 siliconflow 可以极低成本跑 agent了

frwind profil fotoğrafı
frwind1 yıl önce

露脸了，必须点赞啊！

Benzer Videolar

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming
14:09

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

karminski-牙医

12,868 görüntüleme • 2 ay önce

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli
9:03

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,285 görüntüleme • 5 ay önce

最近，很多人说豆包2.1 PRO在编程方面可用！！ 但很少人实际跑一个项目去测试它，我自己也好奇它到底行不行？ 所以，我准备让豆包自己看抖音，然后把视频里面的一款玩具做成3D游戏。 我相信这个测试不仅仅可以测试编程能力，而且连多模态也能测试。 所以豆包到底能不能坐大人那桌了呢？ 下面是我的真实录屏测试👇：
4:03

最近，很多人说豆包2.1 PRO在编程方面可用！！ 但很少人实际跑一个项目去测试它，我自己也好奇它到底行不行？ 所以，我准备让豆包自己看抖音，然后把视频里面的一款玩具做成3D游戏。 我相信这个测试不仅仅可以测试编程能力，而且连多模态也能测试。 所以豆包到底能不能坐大人那桌了呢？ 下面是我的真实录屏测试👇：

铁锤人

51,359 görüntüleme • 3 ay önce

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent
7:35

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 görüntüleme • 4 ay önce

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程
8:01

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,683 görüntüleme • 6 ay önce

大家对 AI 清理垃圾和整理桌面已经“审美疲劳”，Agent 最终还是要回归到日常工作，让我们早下班。 刚好这几天 MiniMax (official) 发布了Agent Desktop，经过我的测试，有一些功能比 Claude Cowork 还牛。 视频中我只发送了一个制作 PPT 的提示词，它一口气干了十几分钟，结果我非常满意。
1:05

大家对 AI 清理垃圾和整理桌面已经“审美疲劳”，Agent 最终还是要回归到日常工作，让我们早下班。 刚好这几天 MiniMax (official) 发布了Agent Desktop，经过我的测试，有一些功能比 Claude Cowork 还牛。 视频中我只发送了一个制作 PPT 的提示词，它一口气干了十几分钟，结果我非常满意。

Austin

31,143 görüntüleme • 8 ay önce

现在都流行大模型月更吗? MiniMax-M2.1 实测! 申请 MiniMax-M2.1 内测通过了, 给大家带来 MiniMax M2.1 的测试结果: 本次测试较 MiniMax-M2 从编程, Agent能力, 长上下文召回能力均有不小的提升. 尤其是Agent能力和长上下文召回能力达到了摧枯拉朽的程度, 直接叫 MiniMax-M3都不过分. MiniMax M2.1 在 24 小时总计 300 回合的硅基骑手测试(让大模型调用 tool 送外卖)收益达到了 419.77 元, 总计执行了392次 tool call, 测试使用了大约56%的上下文空间, 这个范围内工具调用均表现良好. 作为对比MiniMax M2, 它的收益是285.27元, 不过只使用了32%的上下文空间, 模型就停止使用 tool call, 不断重复上文了. MiniMax-M2.1, 在192K长度上下文上有94%的召回水平, 而 MiniMax-M2 只有 52%. 可以说是摧枯拉朽的提升. 另外几个大家熟悉的编程水平测试上也有不同程度的提升. 这次的新模型特别适合大型Agent任务, 有这方面需求的朋友可以试试看. #MiniMax #MiniMaxM21 #ai写代码 #aiagent #KCORES大模型竞技场
4:32

现在都流行大模型月更吗? MiniMax-M2.1 实测! 申请 MiniMax-M2.1 内测通过了, 给大家带来 MiniMax M2.1 的测试结果: 本次测试较 MiniMax-M2 从编程, Agent能力, 长上下文召回能力均有不小的提升. 尤其是Agent能力和长上下文召回能力达到了摧枯拉朽的程度, 直接叫 MiniMax-M3都不过分. MiniMax M2.1 在 24 小时总计 300 回合的硅基骑手测试(让大模型调用 tool 送外卖)收益达到了 419.77 元, 总计执行了392次 tool call, 测试使用了大约56%的上下文空间, 这个范围内工具调用均表现良好. 作为对比MiniMax M2, 它的收益是285.27元, 不过只使用了32%的上下文空间, 模型就停止使用 tool call, 不断重复上文了. MiniMax-M2.1, 在192K长度上下文上有94%的召回水平, 而 MiniMax-M2 只有 52%. 可以说是摧枯拉朽的提升. 另外几个大家熟悉的编程水平测试上也有不同程度的提升. 这次的新模型特别适合大型Agent任务, 有这方面需求的朋友可以试试看. #MiniMax #MiniMaxM21 #ai写代码 #aiagent #KCORES大模型竞技场

karminski-牙医

25,641 görüntüleme • 9 ay önce

抱歉我们只有超大杯! GLM-4.7实测! 本次测试覆盖了GLM-4.7的编程能力, Agent/ToolCall能力, 长上下文召回能力, 给大家带来刚发布的 GLM 4.7 的测试结果: 考验Agent能力的硅基骑手测试, 简单讲是让大模型使用工具模拟骑手取外卖送餐. GLM 4.7 在24小时总计300回合的极限送餐中收益达到了 571.91 元, 执行了总计 354 次 tool call, 测试使用了大约 50% 的上下文空间, 直到超过100K后才停止工作. Agent 测试这次是创了新高, 执行效率特别高, 得益于模型可以在一次会话中发起多个 tool call, 节省了时间并能选择收益最大的方案. 然后是考验长上下文召回能力的霍格沃茨测试, 简单来讲就是在长上下文中, 能否记住上下文并准确的回答问题. GLM 4.7 在192K以内召回水平在91%到100%区间, 而200K也有95%, 召回效果同样也很不错. 最后再来看编程能力测试上最大的感受是粒子, 建模, 光影效果都有提升, 尤其是空间能力有了巨大的提升. 当然性能问题仍然存在, 希望下个版本着重优化下生成代码的性能问题. 总结, 这次GLM 4.7 在各个方面都有明显的提升, 作为主力编程模型不是问题, LMArena 和 SWE-bench 等编程测试中都取得了开源大模型 SOTA 的水平. 不过还是要说一句, 测试中我发现API速度时快时慢, 是不是因为大家都在用新版本导致的? 希望官方赶紧加机器. #GLM47 #智谱AI #智谱GLM #AIAgent #ai编程 #大模型 #开源 #KCORES大模型竞技场
4:16

抱歉我们只有超大杯! GLM-4.7实测! 本次测试覆盖了GLM-4.7的编程能力, Agent/ToolCall能力, 长上下文召回能力, 给大家带来刚发布的 GLM 4.7 的测试结果: 考验Agent能力的硅基骑手测试, 简单讲是让大模型使用工具模拟骑手取外卖送餐. GLM 4.7 在24小时总计300回合的极限送餐中收益达到了 571.91 元, 执行了总计 354 次 tool call, 测试使用了大约 50% 的上下文空间, 直到超过100K后才停止工作. Agent 测试这次是创了新高, 执行效率特别高, 得益于模型可以在一次会话中发起多个 tool call, 节省了时间并能选择收益最大的方案. 然后是考验长上下文召回能力的霍格沃茨测试, 简单来讲就是在长上下文中, 能否记住上下文并准确的回答问题. GLM 4.7 在192K以内召回水平在91%到100%区间, 而200K也有95%, 召回效果同样也很不错. 最后再来看编程能力测试上最大的感受是粒子, 建模, 光影效果都有提升, 尤其是空间能力有了巨大的提升. 当然性能问题仍然存在, 希望下个版本着重优化下生成代码的性能问题. 总结, 这次GLM 4.7 在各个方面都有明显的提升, 作为主力编程模型不是问题, LMArena 和 SWE-bench 等编程测试中都取得了开源大模型 SOTA 的水平. 不过还是要说一句, 测试中我发现API速度时快时慢, 是不是因为大家都在用新版本导致的? 希望官方赶紧加机器. #GLM47 #智谱AI #智谱GLM #AIAgent #ai编程 #大模型 #开源 #KCORES大模型竞技场

karminski-牙医

19,592 görüntüleme • 9 ay önce

不写prompt改看视频了! Kimi-K2.5 实测! 月之暗面发布了新模型 Kimi-K2.5, 最大的更新是它终于成为统一模型了, 不仅支持文本和图片, 还支持视频输入! 给大家带来 Kimi-K2.5-Thinking 实测结果: 我找了一个有小行星带背景+鼠标交互+滚动切换的炫酷动画效果网页, 然后对着他录屏, 把录屏视频丢给 Kimi-K2.5-Thinking 做, 这个还原度我给80分, 除了柔性材料弯曲效果没实现, 其他都挺不错. 编程能力测试细节: 大象牙膏测试夯爆了, 这个效果短期内感觉很难有敌手了; Python杯子倒水测试直追 Claude-Sonnet, 在没有斜边辅助的情况下实现了侧面滴水不漏 (虽然性能有提升空间, 粒子碰撞是O(n²)的, 400个粒子每帧要算8万次, 我让它用空间网格划分优化了一下就流畅了). Agent能力我用硅基骑手测试跑了40分钟, 烧了1000万token, 最高分543.94, 妥妥第一梯队. 长上下文召回也稳定在85%以上, 不过审查有点严, 小说内容容易误判敏感 (已反馈官方在修). 总结: 编程算法和性能都有提升, Python能力直接第一梯队, Agent和长上下文都在线. 最重要的是视频模态, 我已经想了一个新玩法了——做个摄像头MCP让它帮我盯着屏幕干活哈哈! #KimiK25 #Kimi #月之暗面 #KCORES大模型竞技场 #AIAgent #全模态模型 #AI开始使唤AI干活了
5:58

不写prompt改看视频了! Kimi-K2.5 实测! 月之暗面发布了新模型 Kimi-K2.5, 最大的更新是它终于成为统一模型了, 不仅支持文本和图片, 还支持视频输入! 给大家带来 Kimi-K2.5-Thinking 实测结果: 我找了一个有小行星带背景+鼠标交互+滚动切换的炫酷动画效果网页, 然后对着他录屏, 把录屏视频丢给 Kimi-K2.5-Thinking 做, 这个还原度我给80分, 除了柔性材料弯曲效果没实现, 其他都挺不错. 编程能力测试细节: 大象牙膏测试夯爆了, 这个效果短期内感觉很难有敌手了; Python杯子倒水测试直追 Claude-Sonnet, 在没有斜边辅助的情况下实现了侧面滴水不漏 (虽然性能有提升空间, 粒子碰撞是O(n²)的, 400个粒子每帧要算8万次, 我让它用空间网格划分优化了一下就流畅了). Agent能力我用硅基骑手测试跑了40分钟, 烧了1000万token, 最高分543.94, 妥妥第一梯队. 长上下文召回也稳定在85%以上, 不过审查有点严, 小说内容容易误判敏感 (已反馈官方在修). 总结: 编程算法和性能都有提升, Python能力直接第一梯队, Agent和长上下文都在线. 最重要的是视频模态, 我已经想了一个新玩法了——做个摄像头MCP让它帮我盯着屏幕干活哈哈! #KimiK25 #Kimi #月之暗面 #KCORES大模型竞技场 #AIAgent #全模态模型 #AI开始使唤AI干活了

karminski-牙医

23,597 görüntüleme • 8 ay önce

最近 AI 工具似乎已开始从 Coding 开发 转向 Working 办公了😁 Kimi 刚刚发了一个新东西： Kimi Work 继承了Kimi Code的核心功能和 Kimi Agent 的建站、PPT 等专业 Skills 能力 同时还打通了金融、科研、法律等专业数据库 为打工人士量身打造... 最多可同时调度 300 个Agent互相配合完成任务... 下面是我的测试结果... 不再需要打开终端、写命令、配置环境，安装客户端即可 只需要通过文字描述你的需求，Kimi Work 就能在电脑上拆解任务、并行执行、调用工具、使用浏览器、创建整理文件夹，并交付文档、表格、PPT 等
0:51

最近 AI 工具似乎已开始从 Coding 开发 转向 Working 办公了😁 Kimi 刚刚发了一个新东西： Kimi Work 继承了Kimi Code的核心功能和 Kimi Agent 的建站、PPT 等专业 Skills 能力 同时还打通了金融、科研、法律等专业数据库 为打工人士量身打造... 最多可同时调度 300 个Agent互相配合完成任务... 下面是我的测试结果... 不再需要打开终端、写命令、配置环境，安装客户端即可 只需要通过文字描述你的需求，Kimi Work 就能在电脑上拆解任务、并行执行、调用工具、使用浏览器、创建整理文件夹，并交付文档、表格、PPT 等

小互

32,192 görüntüleme • 4 ay önce

一定要用最聪明最贵的AI大脑型，一定要用最先进的生产力工具！ 实在不理解为啥还有很多人在折腾国内的几个大厂的桌面agent， 1️⃣字节的Coze（一直抄来抄去到现在也不智能，只能用命令行） 2️⃣阿里的悟空（内测邀请制，不好用） 3️⃣腾讯的workbuddy（很基础不智能） 4️⃣腾讯的马维斯（能力比较全面能操控电脑，浏览器） 以上在Codex面前都是弟弟， 我就一句话，国内外众多桌面Agent里，只用Codex就够了， 尤其是零基础小白、文科生，无脑用Codex，别瞎折腾了
0:42

一定要用最聪明最贵的AI大脑型，一定要用最先进的生产力工具！ 实在不理解为啥还有很多人在折腾国内的几个大厂的桌面agent， 1️⃣字节的Coze（一直抄来抄去到现在也不智能，只能用命令行） 2️⃣阿里的悟空（内测邀请制，不好用） 3️⃣腾讯的workbuddy（很基础不智能） 4️⃣腾讯的马维斯（能力比较全面能操控电脑，浏览器） 以上在Codex面前都是弟弟， 我就一句话，国内外众多桌面Agent里，只用Codex就够了， 尤其是零基础小白、文科生，无脑用Codex，别瞎折腾了

AYi

82,582 görüntüleme • 4 ay önce

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。
1:21

试了一下昨天这个海外产品 MuleRun，发现很牛啊。 从理念和效果上看都很厉害，感觉 Agent 产品要有新品类了。 我眼睁睁看这个 AI 帮我打完了星穹铁道的每日任务。 这个最强的核心能力是，每个用户都会有一个完整的虚拟机可以运行 Agent 帮你操作里面的软件，不只是浏览器。 Agent 创建者可以把完成任务的环境建好，用户就能直接用这些自动化的 Agent。 不是 Manus 那种你只能看到有限文件和界面的，你甚至可以自己操作里面的 Windows 电脑，这样想象力就丰富超级多了，Agent 终于拜托了 Office 三件套和网页生成。 他可以帮你自动做游戏的日常，能帮你用 Blender 建模。里面甚至还有帮你自动打崩坏星穹铁道的每日任务的 Agent 。 我亲眼看着他找到游戏的图标启动引导我登录之后开始自己操作角色和界面打对应的日常任务，太省心了，而且这个不死板，你可以指定任务完成的顺序和轮数以及完成哪些任务。 我还用里面的 Blender Agent 让他创建了一个灯塔模型。 里面还有帮你做视频的以及刷评论作图的 Agent，要是有邀请可以试试，很好玩。

歸藏(guizang.ai)

62,627 görüntüleme • 1 yıl önce

Codex 最新动态： 从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。 无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。 本视频由 baocut 翻译
7:12

Codex 最新动态： 从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。 无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。 本视频由 baocut 翻译

宝玉

37,498 görüntüleme • 2 ay önce

终于有人做视频Agent的大横评了！六家视频Agent：AIpai、星流、纳米AI、美图 RoboNeo、Flowith、Manus，两大场景：剧情短片和产品广告！ 整个过程我会不掺杂任何优化，完全实测，从交互体验、画面、细节到音画匹配，都实打实展开说，看看它们到底能做到什么程度。 （1/9）
3:05

终于有人做视频Agent的大横评了！六家视频Agent：AIpai、星流、纳米AI、美图 RoboNeo、Flowith、Manus，两大场景：剧情短片和产品广告！ 整个过程我会不掺杂任何优化，完全实测，从交互体验、画面、细节到音画匹配，都实打实展开说，看看它们到底能做到什么程度。 （1/9）

卡尔的AI沃茨

34,262 görüntüleme • 1 yıl önce

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming
1:40

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming

卡神 Karu

10,157 görüntüleme • 4 ay önce

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾
5:09

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾

karminski-牙医

41,275 görüntüleme • 6 ay önce

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。 过去开发 Agent 的 skill 基本是这样的： 写 prompt → 试一下 → 不行再改 → 靠感觉上线。 但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试） 可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试 可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复： 错误触发 没触发 描述不清 这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样： 测试 评估 基准测试 持续优化 更有意思的一点是： 如果某一天，基础模型在没有 skill 的情况下也能通过这些测试， 说明这个能力已经被模型“学会”了。 也就是说： 今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。
0:34

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。 过去开发 Agent 的 skill 基本是这样的： 写 prompt → 试一下 → 不行再改 → 靠感觉上线。 但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试） 可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试 可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复： 错误触发 没触发 描述不清 这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样： 测试 评估 基准测试 持续优化 更有意思的一点是： 如果某一天，基础模型在没有 skill 的情况下也能通过这些测试， 说明这个能力已经被模型“学会”了。 也就是说： 今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

axiaisacat

68,008 görüntüleme • 7 ay önce