AI圈子 · AI 圈的最新动态，一条一条刷

🤖 NVIDIA AVO在ARC-AGI-3推理测试中拿下满分，AI Agent自主能力再突破

在AI领域最硬核的推理测试中，NVIDIA的通用编码Agent——AVO，刚刚创造了历史。它在ARC-AGI-3交互式推理基准测试中达到了100%的完美得分。

这不是普通的测试。ARC-AGI-3专门测试AI在没有明确指令、规则或目标的情况下，如何自主理解任务并完成挑战。总共183个关卡，横跨25个公开环境，AVO全部通关。

为什么这个成绩如此重要？

传统AI测试往往有明确的输入输出，就像做选择题。但ARC-AGI-3更像是开放世界探索：你需要自己发现规则，理解环境，然后找到完成任务的方法。这更接近真实世界中AI Agent需要面对的挑战。

AVO的突破在于它的通用性。它不是为特定任务训练的专用模型，而是能在多种环境下自主适应的通用Agent。这意味着它可以处理各种编码任务，从调试复杂bug到构建全新系统。

技术实现亮点

1. 自主环境感知：AVO能主动探索未知环境，理解其运作机制
2. 动态策略调整：遇到新情况时，能快速调整方法
3. 多步推理能力：不是简单反应，而是能规划多步骤解决方案
4. 零样本泛化：无需针对特定任务训练就能处理新问题

这个成绩的意义远超测试本身。它证明了AI Agent正在从"辅助工具"向"自主执行者"进化。

想象一下：你给AI一个模糊的目标，它能自己探索环境、理解需求、制定计划、执行任务、验证结果。这才是真正的AI Agent应该有的样子。

对于开发者来说，AVO的架构和方法论值得深入研究。它展示了如何构建真正通用的AI Agent，而不仅仅是针对特定场景优化的模型。

行业影响

这个突破可能会加速AI Agent在实际工作中的应用。当AI能自主处理复杂的、未预见的场景时，它的实用性将大幅提升。

对于企业来说，这意味着AI不再是简单的自动化工具，而是能真正参与复杂决策和执行的智能助手。

个人思考：

从ARC-AGI-3的满分来看，AI Agent的自主能力已经达到了新的高度。下一步的关键是如何将这种能力应用到实际业务场景中，解决真实世界的问题。

本地能跑 MiniMax H3 之后，都以为 AI 短剧的门槛天塌了 真正去做才发现，要把小说改成剧本然后分镜制作就必须得先固定人物角色。 我开源了一个 skill 专门来做这件事，Claude Code / Codex 都能跑：

• 丢一本小说进去，AI 自动拆出每个角色：人物画像 + 卡通形象 prompt + 音色 prompt - 如果你装的有 codex cli 环境，还会调用 Codex 生成角色三视图

• 一条命令 /novel-characters ./你的小说.txt 跑完 走你当前订阅的额度，不用另配 API key。最终会生成一个 report 页面以供审阅 项目地址： 欢迎感兴趣的朋友评论区交流。

🔗 相关链接
t.co/AwV9LsQBSH

GitHub: github.com/eternityspring…

💻 Perplexity把整个AI Agent搬到你本地了：Portable Computer，零云端依赖

Perplexity刚发布了一个重磅项目：Portable Computer。

这不是一个简单的本地推理工具，而是把整个AI Agent运行时都搬到了你的本地硬件上——编排LLM、子代理LLM、Agent框架，全部本地运行，完全不需要云端。

为什么这很重要？

现在大多数AI Agent都是云端运行的。你用ChatGPT、Claude、Perplexity的网页版，所有数据都要发送到他们的服务器。

对于普通对话，这没什么问题。但对于以下场景：

• 处理公司内部机密代码
• 调试敏感的系统配置
• 分析包含个人隐私的数据
• 在网络受限的环境中工作

云端Agent就不太合适了。你需要一个完全离线、完全可控的本地版本。

Portable Computer的核心特性：

1️⃣ 一键本地推理设置
不需要手动配置模型路径、依赖库、环境变量。一键启动，开箱即用。

2️⃣ 优化的Agent体验
不只是能运行模型，还针对本地硬件优化了Agent的工作流。子代理之间的协作、上下文管理、工具调用，都经过本地化优化。

3️⃣ 完全无云端依赖
运行时不需要联网，不需要API key，不需要登录任何账号。你的数据永远在你的机器上。

4️⃣ 支持多种模型
可以运行开源模型，也可以使用你自己的闭源模型。灵活选择。

适合谁用？

• 开发者：在本地调试AI应用，不用担心数据泄露
• 企业用户：处理敏感业务数据，满足合规要求
• 研究人员：需要离线环境进行AI实验
• 隐私敏感用户：不想把个人数据发送到云端

个人思考：

Perplexity做这件事很有意思。他们本身是一个云端AI搜索公司，但选择开源一个完全本地的Agent工具。

这说明两件事：

1. 本地AI是刚需：不是所有人都愿意把数据发送到云端
2. Agent需要更多控制：用户想要完全掌控AI的行为，而不是依赖云端服务

这个项目的最大价值在于：它让本地AI Agent变得真正可用。以前虽然有Ollama、LM Studio这样的工具，但它们只能运行模型，不能提供完整的Agent体验。

现在，你可以有一个完全本地的Perplexity，处理你的敏感数据，而不用担心任何隐私问题。

对于需要离线工作或处理敏感信息的用户，这个项目值得试试。

🎬 Google发布Gemini Omni 1.1 Flash：视频生成进入"连续叙事"时代

很多人觉得AI视频生成已经够好了，能生成几秒钟的高质量视频。

但Google刚发布的Gemini Omni 1.1 Flash，把视频生成推向了一个新阶段：从"生成片段"到"连续叙事"。

核心升级：

1️⃣ 场景扩展能力大幅提升
以前只能基于1秒上下文扩展视频，现在可以基于10秒上下文扩展。这意味着更连贯的故事线、更自然的镜头过渡。

2️⃣ 4K超分辨率
直接从低分辨率生成4K视频，不需要后期处理

3️⃣ 首尾帧控制
可以指定视频的第一帧和最后一帧，让生成的视频精确连接到你想要的画面上

4️⃣ 快速草稿模式
360p的快速生成，用于测试想法，然后再用高分辨率版本

这意味着什么？

以前做AI视频：

• 生成5秒片段A → 生成5秒片段B → 手动拼接 → 容易断裂

现在：

• 输入10秒上下文 → 生成连贯的20秒视频 → 自然过渡

这不只是时长的增加，而是叙事能力的质变。你可以真正讲述一个有开头、发展、结尾的故事了。

实际应用场景：

• 短视频创作：从"5秒切片"变成"完整故事"
• 广告制作：快速测试不同创意方向
• 教育内容：生成连续的教学演示
• 产品演示：展示完整的使用流程

个人思考：

这个升级的意义在于：AI视频终于开始理解"时间"了。

以前的AI视频生成是"空间思维"——生成一帧漂亮的画面。现在开始有了"时间思维"——理解画面之间的因果关系、情感递进。

这对创作者来说是巨大的效率提升。以前要花几天时间拍摄、剪辑的素材，现在可能只需要几个提示词。

当然，目前还做不到完美。但趋势很明确：AI视频正在从"玩具"变成"工具"。

📱 Google工程师揭秘：如何在手机上21分钟微调一个LLM，准确率从46%飙到90%

很多人觉得在手机上跑AI已经是极限了，微调？那是数据中心的事。

但Google工程师展示了完全不同的可能性：用Gemma 270M这个超小模型，在手机上21分钟完成微调，准确率从46%提升到90%，每秒能跑2000个token。

核心流程：

1️⃣ 选对模型
不是用GPT-4那种大模型，而是Gemma 270M——只有2.7亿参数，专门为移动端设计

2️⃣ 生成合成数据
用大模型生成针对特定任务的训练数据，不需要人工标注

3️⃣ LoRA微调
只调整少量参数，显存占用极低，手机上也能跑

4️⃣ int4量化
把模型压缩到4bit，进一步减少内存占用

5️⃣ 部署到Pixel
直接在手机上运行，完全离线，不联网

为什么这个思路重要？

1. 成本极低：不需要买昂贵的GPU，手机就能训练
2. 隐私安全：数据不出手机，完全本地处理
3. 即时部署：训练完直接在手机上用，不需要部署到云端
4. 定制化：可以针对特定任务微调，比通用模型效果更好

实际应用场景：

• 企业内部文档分类（敏感数据不出内网）
• 个人语音助手定制
• 离线翻译模型
• 医疗领域的本地诊断辅助

个人思考：

这个实验的意义在于证明了"小模型+微调"的路线是可行的。

很多人追求大模型，觉得参数越多越好。但如果你的任务足够具体，一个2.7亿参数的小模型经过微调，可能比700亿参数的通用模型效果更好。

而且完全离线运行意味着：不需要网络、不需要API费用、不需要担心数据隐私。

这才是真正的"AI for Everyone"——不是让所有人都用上ChatGPT，而是让每个人都能训练自己的AI。