国庆长假，AI 大模型献礼的方式是一波接一波的更新。
OpenAI 突然发布 Sora2，DeepSeek 更新了 V3.2，智谱更新了 GLM-4.6，Kimi 则是更新了 App，然后默默在自己的版本记录里面，写下了这句话。
Kimi 当然也有「献礼」，上周四，他们开启了 Agent 模式的测试，推出了一项名为「OK Computer」的智能体。
和之前我们分享过的深度研究不同，OK Computer 能做的不止是一份可视化报告，而是直接给了我们一台电脑。我们用电脑能完成的事情，OK Computer 智能体都可以做到。
但能做，和做得好，还是有很大的区别。和之前一样，我们用实测带你来看看，Kimi 全新的 OK Computer 到底在 Agent 品类里面，表现如何。
AI 帮你策划一份国庆游玩攻略
首先是看看它的网站部署能力，速度比深度研究快上不少，但这个效果，我觉得还是比较「大众化 Agent」的水平，尤其是，部分页面的背景颜色，依然渐变紫。
▲ 提示词：我想做一个多页面的国庆旅游网站。要求： 1. 首页介绍「国庆去哪里玩」，推荐 3 个适合 3-5 天出行的国内目的地，内容要有趣味性。 2. 第二页是行程规划：每天安排吃、玩、住，输出表格。 3. 第三页是预算计算：帮我把费用拆解成交通、住宿、餐饮、门票四类，给一个大概价格范围，并能让我修改人数后自动更新预算。 4. 风格要 mobile first，适合手机浏览，页面清爽，最好有 emoji 装饰。
https://dpcbcrcmrjbym.ok.kimi.link/
内容上，布局和图片的选择很合理；但是推荐的地点，北京、杭州，而且还是西湖，国庆节去西湖，应该只能看到人吧，所以这个「国庆旅游网站」的开发，我认为是不能算出色。
而如果是让 OK Computer 直接帮我生成一份旅游路线，告诉他要扮演一个顶级的旅行定制师，设计两条彻底避开国庆黄金周的旅游路线。OK Computer 这次交付的成果，看起来很不错。
▲提示词：马上就是国庆黄金周了，我和 3 个朋友（共 4 人）想来一次为期 7 天的自驾游，我们的核心要求是「人少、景美、有深度」，彻底告别排队和人山人海。请你扮演一位顶级的旅行定制师，为我们设计两条风格迥异的「反向旅游」路线，并为每一条路线制作一份精美的、详细的幻灯片，方便我们内部投票决定。
https://3hhjy4acccol4.ok.kimi.link/
审美相当在线，这个字体、背景图片，颜色，都选的非常好，奈何我还是觉得内容稍显空洞，真正能帮到我旅行的内容，不算多。
大多数时候，我可能只是知道了有这些地方，但是我不知道我为什么要去，以及怎么去。而且，总是对这些内容，有一些不信任感，可能把一个 AI 推荐的景点和一张小红书滤镜的景点，同时摆在我眼前，我还是会选择小红书用户发布的帖子。
OK Computer 完成这两个项目都非常快，我们也用 Kimi 的深度研究尝试了一波，结果是，它花了快有一个小时的时间，最后生产了一份超过 50 页的预览报告。
▲ 受限于篇幅限制，全部内容可访问链接。https://www.kimi.com/preview/19984f16-9a42-89a6-8000-05d52a6374b9
由于深度研究和 OK Computer 不同，深度研究只有一个预览报告，且不能对报告再进行修改。
最近千问也更新了一大波新的模型，在他们的官方博客，我看到一个「旅行规划师」的智能助手，同样的需求丢给它，结果会比 Kimi 的 OK Computer 要更好吗？
▲ 10 页的 PDF，把时间段、活动类型、可能要消耗的油费都清楚地列举出来。https://chat.qwen.ai/s/15769740-974a-4fbb-b0bf-dd835ea999ec
答案是真的更好。Qwen 这个旅行规划师，完全利用了阿里的庞大生态系统，它不是简单的给几个景点，然后连成一条路线，而是会实际地调用高德地图，用明确的经纬度来确定合适的行程。这一点很像前段时间的飞猪 AI 旅行规划，毕竟也是一家公司。
其他 agent 产品的效果，和 Kimi 的 OK Computer 其实差不太多，ChatGPT agent 生成了一个 10 页的 PPT，一如从前的精简；而 Manus 也是一样，好看，但实用价值不多。
▲ ChatGPT agent 生成的内容，基于同样的提示词
不过 Kimi 的好处是，能产出类似结果的同时，不需要额外的网络设置。
此外，他们最近上线了付费会员方案，还可以将之前的打赏金额，全部抵扣为会员费，免费用户也能获得有限次数的 OK Computer 试用机会。
iPhone 和小米的 17 Pro Max 对比
同样基于 Kimi K2 的 Agentic 能力，OK Computer 会自动的浏览网页，进行相关内容的搜索，生成图片，来完成网页的设计。
这次的信息更加全面和准确，OK Computer 在搜索网页内容的时候，我看到基本上都是采用 the Verge 等国际科技媒体的信源，而在使用 Kimi 深度研究的过程中，使用的信息源大部分是简体中文的网页。
▲ 提示词：帮我生成一个动态响应式布局的网站，适合手机和电脑浏览。内容是「iPhone 17 Pro Max 和 Xiaomi 17 Pro Max 对比」。要求： 联网获取这两款手机的最新资料，要有核心卖点对比，做好看的表格，突出相机、芯片、电池、价格等方方面面。 要有这两个产品的横向比较，也要有纵向比较，例如是 iPhone 17promax 和 16 promax，还有小米 17promax 和 15 promax 对比。还要给结论：哪个更加值得买？用简洁的 bullet point，总结优缺点。 每一页都要简洁，不要太多字，但是信息要足够，多用合适的配图。
https://rwsh4gkhckrxy.ok.kimi.link/
此外，OK Computer 也有图片音频生成的功能，像这张手机摄像头的拆解图，我第一眼看到觉得非常惊艳。
Agent 的交付：一个很惊艳的 Demo，但难落地
经过这些测试，倒不是说 Kimi K2 的 Agentic 能力不行，只是觉得 Agent 这类产品，大多数都还停留在「我可以做出来一个东西，但是这个东西不一定有用」的阶段。
做 PPT、商业分析报告、旅游路线规划、网页开发和部署等等，几乎所有的 Agent 都宣传自己能做这些；但是最后的成果，真正可以放心使用的，我想目前是很难找到。
▲ GPDval 是一项新的评估方法，用于衡量模型在上图 44 个职业中，具有经济价值的现实任务上的表现
前几天 OpenAI 新发布了一项基准测试，GDPval。它被称为是 AI Agent 举办的一场「职业技能大赛」。考题不再是学术问答，而是直接选取了，来自对美国 GDP 贡献最大的 9 个行业中的 44 个真实职业。
这些任务由平均拥有 14 年经验的资深专家（如律师、工程师、护士）设计，交付的内容也并不是纯文本，而是包含了幻灯片、电子表格、CAD 设计文件等在内的复杂格式，就像现在 Agent 交付的成品一样。
GDPval 的出现，其实就是要开始去解决，从「我能做」到「我能做好」这个阶段的问题。
▲ 专业评估员将对应模型的交付成果，与人类专家进行了比较。Claude Opus 4.1 在接近一半的任务（47.6%）中生成了被评为与人类同样好或更好的输出。
虽然是 OpenAI 的研究，但第一名还是 Claude Opus 4.1，我想这也是为什么 Claude 模型在编程领域能够广受好评，Claude 能写代码，但是也可以写出好代码。
关于 Agent 不能做好的原因，之前 OpenAI 前高管 Mira Murati 联合创立的 Thinking Machines Lab ，发布了一篇博客文章。在里面提到，大语言模型目前出现的不确定性问题，不是由于 GPU 随机性的计算，而是处理训练数据时，缺少批次不变性。
而另一个原因则是可用训练数据的不足。和训练一个 AI 生成一张图片、一个视频、一段文本不同，Agent 要交付的内容复杂，现实世界中的任务繁多，无法归类到某个单一的媒体类型。
▲ 和人类学习完成一项任务不同，大模型需要可以模拟的强化学习环境
目前我们经常看到的 Agent 任务，也大多数是集中在做一个 PPT、做一个网页、预订餐厅、代替我们刷社交媒体、自动购物等等，这仅仅只是现实世界里非常小的一部分，更不用说这些任务，没有明确的评估标准。
知名科技媒体 TechCrunch 最近报道，整个硅谷正在豪掷千金，为 Agent 构建名为「强化学习环境」（RL Environments）的模拟训练场。这些「环境」被一些 AI 公司创始人形容是非常无聊的电子游戏，一个模拟的浏览器、一个模拟的购物网站、一个模拟的代码编辑器。
▲ 为了验证 Agent 任务完成情况，需要将整体任务分解成更小的步骤，并创建一个评分标准，来检查 AI 模型是否正确执行了每一个步骤。图片来源：https://www.theinformation.com/articles/anthropic-openai-developing-ai-co-workers
AI Agent 在这样的「环境」里面，像一个新手玩家，通过一次次尝试、失败、获得奖励，来学习如何独立完成购买商品、修复代码等一系列，多步骤的复杂任务 。
当年李飞飞靠着海量标注的数据集 ImageNet，让计算机视觉往前迈了一大步，她也被大家称为「AI 教母」。
现在 Agent 的发展，看起来也是这样，如果没有大量标注的「强化学习环境」任务，Agent 很难成为，像人脸识别这样可靠的深度学习技术；尤其是在「炼丹」这个本质没有改变的情况下。
▲ OK Computer 专辑封面，这是英国摇滚乐团电台司令 Radiohead，1997 年发行的第三张录音室专辑，距离现在已经快三十年的时间了，曾获得百大专辑等多个奖项
Kimi 一如既往地喜欢摇滚。从公司名 Moonshot（致敬 Pink Floyd）到这次的 OK Computer（致敬 Radiohead）。
在 Apple Music 的专辑介绍语里面，形容 OK Computer 这张专辑，表达了人们在千禧年前夕，对新技术的探索和反思。
尽管弥漫着恐惧忧郁的情绪，《OK Computer》仍保有希望，传达了社会前进之路未必会让我们失去善良的信念。
如果你对因科技而加快的生活节奏，感到难以招架的话，其实解法很简单，正如 Yorke 在结尾曲〈The Tourist〉最后所唱的：「傻瓜，放慢脚步吧」 ( Idiot, slow down ) 。
今天 Kimi 推出的 OK Computer，似乎也是表达科技正在改变我们的工作习惯、加快我们的生活节奏。但很显然，目前市场上的 Agent 产品，很难真正做到让我们难以招架。
无论是 Kimi 还是 ChatGPT，还有更多的同类 Agent 产品，他们在发布的时候，往往都会说，我们的 Agent 有这些功能，能做什么，却很少说，我们的 Agent 能做成什么。
不用放慢脚步，真正的 OK Computer 还在用力追上我们。
实盘10倍杠杆app下载提示：文章来自网络，不代表本站观点。
- 上一篇：炒股票杠杆搭配小裙子、衬衫或针织衫都超好看
- 下一篇：没有了
沪深京指数
热点资讯
