AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

一位从业超过三十年的职业画师把当下的 AI 焦虑放回了历史序列里，他亲身经历过两次几乎一模一样的恐慌。第一次是 Photoshop 与数位板出现时，美术圈普遍断言数字作画会毁掉画师的生计——后来数字绘画成了行业标准，岗位没有消失，只是换了工具。

第二次是游戏美术从二维转向三维，他认识不止一位同行因为讨厌这次转型而彻底离开游戏行业；而三维美术最终被承认为真正的艺术，当年离开的人失去的不是艺术，是一次适应机会。

两次恐慌的结构高度相似：工具降低了入门门槛、改变了技能定义、让一部分存量技能贬值，于是圈内最响的声音是"这不是真的艺术""这会毁掉工作"。但职业本身活了下来，活下来的原因是需求端一直在变——媒介在换，客户要的东西在换，创作者跟着换。恐慌时期最贵的代价不是技能过时，而是把时间花在争论媒介正统性上，错过训练新工具的窗口。

从产业角度看这两次转型还有共同规律。新技术先吃掉最标准化的环节——数字化替代了手工上色与贴网点，三维建模替代了逐帧手绘——而被吃掉的环节往往正是初学者赖以入行的台阶。台阶消失后，入行标准被迫上移，考核的重心从"执行得快不快"转向"判断得对不对"。

Photoshop 时代如此，三维时代如此，AI 时代也不会例外：能被清晰描述的任务最先被自动化，剩下值钱的是描述任务本身的能力。

两次转型还留下了另一个可观察的差别。三维转型发生在行业内部，技能升级有清晰路径，培训班与软件文档一应俱全；AI 这一轮的扩散速度快得多，工具每隔几个月就换代，路径还没写好就已过期。这让"等一个稳定版本再学"变成最差策略——没有稳定版本，只有持续迁移的能力。

放到 AI 这一轮，同一份历史给出的判断同样锋利：媒介变迁不毁掉创作者，主动退出才毁掉创作者。真正稳的策略是把"什么在贬值"和"什么在增值"分开看——重复性执行在贬值，品味、判断、把想法组织成完整作品的能力在增值；工具每几年换一代，这三项几乎没变过。上一次让同行退出的三维转型，今天回头看是主动退出者错过的最大红利期。

给创作者的行动顺序可以照抄：第一周先用新工具把自己的旧作品重做一遍，找出它替你省掉的环节；第二周把它接进固定工作流，只在它做不好的环节保留手工作业；剩下的时间全部投给品味与叙事训练——那部分是恐慌再过十年也贬不了的资产。不喜欢的新工具可以不参与，但别把退出包装成立场，这两件事在职业账本上的代价完全不同。

一条千赞的实操贴把 Claude Code 的三层编排写成了可直接抄的配方：主会话放最高推理档，只做计划与交付；三个子代理——读代码的探索者、改代码跑测试的执行者、查文档的研究者——统一压在中档跑例行工作；再挂一个顾问模型常驻待命，平时一言不发，只在三个时刻开口。

官方文档在 code.claude.com/docs/en/adviso… ，配置项逐条列了对照。

三个触发点是这份配方里最值钱的部分：计划成型之前问一句"这个方向对吗"，同一个错误反复出现时问一句"我是不是找错地方了"，任务自称完成之前问一句"我漏了什么"。这三处恰好是人类代码评审里最常出价值的位置——方向性错误、盲区、收尾疏漏——让读过全部会话与每一次工具调用的顾问在这三处开口，等于把评审集中在刀刃上，而不是每一步都打断。

"高档规划、中档执行、顾问待命"这条原则可以往下再套一层。同构的做法在决策模型上也成立：不需要动脑的分叉——选哪个文件、调哪个工具、重试还是停——交给轻量模型半秒内处理，大模型只看真正需要判断的节点。两层结构说的是同一件事：把确定性的工作压到便宜的层，把判断留给贵的层，贵层被调用的次数决定账单。

配置落地有三个容易漏的点。子代理的角色如果已有现成的就不要重建，只补缺的角色并统一设中档；主会话的推理档位与顾问模型写进全局设置；最关键的是排查那些会静默关掉顾问的开关——环境变量里禁用顾问工具、禁用特性开关的配置，会让上面的三层结构形同虚设，三层跑成了两层甚至一层，账单又回到单层烧钱的状态。文档里对这几项都有对照清单，逐条核对一次即可。

这套结构对账单的影响可以直接算。单层用最高档跑全部调用，等于让计划、检索、执行每一步都付最高推理的钱；分层之后，最高档只出现在计划成型和交付验收两处，检索与执行这类占大头的调用落在中档，顾问更是只在三个触发点产生消耗。按典型任务的调用比例估算，最高档调用次数能降一个数量级，而任务质量的差异主要取决于计划与验收两处的准确度，恰好是保留最高档的地方。

子代理的角色划分也有讲究。探索者只读不改，避免读代码的过程污染编辑上下文；执行者带着明确任务去改并跑测试，产出可验证的结果；研究者负责把外部文档压缩成摘要回传。三个角色都设中档，是因为它们的输入输出结构固定——给定文件或给定问题，产出是确定格式的答案，这类任务对推理深度不敏感。真正需要深想的是"下一步该做什么"，那属于主会话。

"每改动一项都留 diff"的验收习惯同样重要。贴子里的提示词特意要求先给出全部改动对照、经确认后才动手——这把一次性大改拆成可审阅的小步，也和三层结构的思路一致：贵的模型负责把关，便宜的模型负责生产，人类只在结构变化时出现一次。

跨工具迁移时，配置的可移植性决定这套结构的寿命。角色定义、触发规则、验收标准尽量写进与具体工具无关的描述文件，换工具时迁移的是规则而不是重学一套。绑定某一家工具的专有开关越多，下次迁移的代价越大；能平移的配置才是真正沉淀下来的资产。

盘点自己任务的顺序值得照抄：把最近一周的工作按"需要判断"和"重复执行"分两堆，前者标进高档队列，后者写成可复用的子代理；再把三个顾问触发点写进项目协作说明，让每次计划、报错、交付都强制过一次这三问。改动不大，但模型调用结构会立刻从单层烧钱变成三层分工。

一次针对视频模型的"找茬式"实测值得参考：作者挑的场景看起来简单，却是最容易暴露破绽的组合——三个人、细微表情、自然动作、暖色室内灯光。用 Wan 3.0 跑出来，成片的合成感比预期低不少，样片见 be.magnific.com/4wPeipA 。

这类场景为什么难，值得拆开说。人物一多，身份一致性就先出问题：换脸、串脸、衣服漂移在单人镜头里看不出来，三个人同框一次全暴露；细微表情对嘴型和眼神同步的要求极高，稍有错位就掉进恐怖谷；自然动作考验物理连贯，抬手、转身、重心变化都是硬指标；室内暖光则考验肤色与环境光的融合。

四个难点叠在一起，恰好是多数 demo 回避的区域——炫技片段偏爱大远景、快剪辑和强特效，把最容易翻车的部分藏了起来。

给选模型的人一个反向方法：测试集专挑"看起来最不起眼"的镜头。多人对话、手部特写、持续三十秒以上的固定机位长镜头，这三类是当前视频模型的真实分水岭。能在这些镜头上不出戏，换到创意类镜头只会更稳；反过来，只在炫技镜头上惊艳的模型，落到实际生产往往需要大量返工。

落地很直接：建一个三镜头的最小测试集，每次换模型先跑一遍，通过与否决定要不要投入。判断标准只有一个——人物身份和表情连贯性能不能撑住三十秒。

一家网关厂商把 token 聚合市场的噪音摆到了台面上：第一类来自 provider 打着免费 token 旗号的促销，而这些公司拿你的数据训练；第二类来自声称零数据保留、实际存疑的 provider。

按他的说法，他们每周都会拒绝这类"免费 token"合作，理由是对方的零保留承诺可疑、声誉存疑；同时强调自家凭真实客户用量与规模平台看清全球 token 流向，且不加价。

这段话带着明确的厂商立场，但描述的行业现象不难复核。免费 token 是当前模型分销里最顺手的拉新手段，价格战打到 token 层面，采购方的注意力被单价吸走，数据去向反而没人问；零数据保留（ZDR）又是一个几乎无法自证的承诺——把数据留在哪里、有没有用于训练、日志保留多久，全凭供应商一句话，外部很难验证。两类手段叠加的结果是：聚合市场里最响的营销声，恰好来自最该被审计的那批提供商。

信任缺失正在反向抬高数据安全的议价能力。愿意让第三方审计、公开数据流向、提供删除可验证机制的 provider，即便单价更高，也在被越来越多把合规写进采购单的团队优先选择。相反，靠免费额度换接入的模式会持续遭遇大平台的公开拒收——当平台规模大到能拒绝诱惑，可信数据源本身就成了竞争壁垒。

给采购方的实操是三个问题，问不出答案就换下一家：你的数据是否用于任何模型训练？有没有可索取的第三方审计报告？我删除数据后能否拿到可验证的回执？三个问题全绿再看单价，顺序反过来，省下的差价通常会在一次数据事故里加倍偿还。

做模型分发的团队也可以对号入座：若你的免费额度拿不出审计与删除验证，它迟早会变成客户合规问卷上的红叉；与其在价格上内卷，不如先把可验证性做成卖点，价格战的参与者再多，能回答这三个问题的永远是少数。

一个路由方案团队把十二个编程 agent harness 的系统提示词拆开分析并开源：Claude Code、Codex、Cursor、Devin、OpenCode、Cline、Kilo、MiniMax Code、GLM ZCode、DeepSeek Harness 等在列。

他们只看两件事——每个 harness 的"独门配方"构成（提示词、工具、记忆、技能、规则与循环），以及它们到底有多模型无关。

这份对比给"harness 护城河"提供了可检验的答案。配方清单高度同构：都是角色分工加循环控制，差别在细节顺序与工具封装——规则写进上下文的权重、记忆放不放文件系统、模型能否自己决定何时收尾。真正拉开距离的是模型无关性：绑死单一模型的换模型就退化，写得干净的配置可以平移，这才是配置资产的价值。

自建 harness 的团队拿这十二份当参照系逐段对齐：角色定义是否清晰、循环有无终止条件、工具描述会不会撑爆上下文、记忆与技能能否随模型迁移。买 harness 的验收多问一句"换模型要改什么"，答案越短，锁定越浅。

最省事的验证：挑最近的两份，用同一组任务在主力模型跑一遍，对比完成率与轮数，缺的是结构还是封装一目了然。

OpenAI 在开发者大会上发布 Decisions API：开发者写好一个问题和几个备选答案发过去，模型直接挑一个返回，不生成多余文本。底层用 GPT-6 家族里最小最便宜的 Luna 的特化版本，一次判断约 150 毫秒，同任务走普通接口约 1.6 秒，快十倍。目前有限预览，面向部分 API 客户，随后放开；输入同时支持文字与图片。

它替代的是两条老路。让大模型自由回答再从长文本里解析结果，慢且偶尔答非所问；自训分类器则要先攒标注数据，类别一变就得重训。把答案限定在给定选项里，输出不会越界，换选项也只需改一次请求。

典型场景立刻能对号入座：工单连同"账单组、技术组、售后组"发过去马上知道派给谁，内容审核判断图片能否放行，智能体每走一步决定下一步调用哪个工具。定价也贴着用法定：输入每百万 token 0.042 美元，输出免费，一百万道三选一的判断题大约 19 美元。

更有趣的是这次发布所处的位置。社交媒体普遍调侃 Decisions API 在对标 Jev——创业公司 TypeSafe 九月中旬发布的决策模型：不逐字生成，一次性给所有选项打分，直接返回答案与概率，被称作 System 1 模型。

Jev 上线后在开发者圈快速传播，一个月内就让大厂把同类能力做成了官方接口。创业公司定义问题、大厂规模化交付，这个节奏在工具链上已经反复出现。

两者的能力边界仍有差别：Jev 目前只收文本但每个答案附带校准概率，便于设"低于 0.7 转人工"这类阈值；Decisions API 能看图，也返回置信度。选择标准随之清晰——需要图像输入的走官方接口，需要严格概率校准做风控阈值的，先比较两边的概率分布再定。

给做自动化路由的团队一条落地路径：把最近两周靠大模型自由回答完成的二选一或三选一任务挑出来，估算调用量，按每百万 token 0.042 美元的输入价算一遍，与现有方案对账。若命中场景以文本判断为主，直接替换能省一个数量级；若涉及图片，等预览放开后一并迁移。

Claude Sonnet 5.5 在代码竞技场的 WebDev 榜单拿到第四名、1699 分，评测方给出的评价是它重塑了成本效率的前沿：混合价每百万 token 约 8 美元，比排在第三的 Fable 5.1 与第二的 GPT-6 Astra 都便宜八成。

与自家上一代 Sonnet 5 相比，总分从第 37 名的 1540 分涨了 159 分，其中参考式设计从第 38 跃到第 4，模拟类任务从第 37 跃到第 4。

名次跳升里最值得看的是分域而非总分。参考式设计指的是照着设计稿还原界面这类像素级任务，模拟类则是对物理与逻辑规则的持续推演，两者都是 Web 开发里最容易暴露模型短板的方向；一个季度内从三十名开外冲到第四，说明这一档模型正在把"能用"变成"好用"，而它的价格只有旗舰的两成。

这种"中档贴身、旗舰被架空"的格局正在成为常态：前沿两三个名次之间的分数差在缩小，价格差却保持数倍，帕累托前沿的拐点被一再压低。对预算敏感的团队，继续为旗舰的边缘优势付全价的理由越来越少，除非任务正好落在中档明显失手的那几个分域上。

选型的动作可以很具体：先看自家任务分布最重的两三个分域，去对应榜单查这两项的名次差，再对比混合价。分域名次接近就果断切到中档，把省下的预算留给真正卡脖子的少数任务。