AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

github.com/gavamedia/delt…

Deltafin 干了件够胆的事，把 2.8 万亿参数的完整 Kimi K3 压进了笔记本，而且只用一个原生二进制。

要点照录。三大平台的常见架构都认，具体是 macOS arm64、Linux x86-64 和 aarch64。加速上 Metal、CUDA、纯 CPU 三条路随你挑，代码按 MIT 许可放出来。

它狠在一点花招都不耍。照官方给的推荐，想跑 Kimi K3 得十六个节点、合计约四点八 TB 显存，一般人连看一眼的资格都没有。Deltafin 这边却一步不砍，十六个路由专家全数保留，该怎么出词还是模型自己说了算。

代价也写得老实，实测速度放在 M1 Max 上只有零点二九 token 每秒，慢到可以去泡杯茶再回来看。起点则要追到七月底的零点零一四一 token 每秒，六天提了二十倍，这条线还在往上走。

命令行直接就能跑，服务端走的是 OpenAI 兼容那套，斜杠 v1 斜杠 chat 斜杠 completions 一类路径直接对得上，现成客户端改个地址就能连。完整权重约一点七 TB，流式安装先下两百一十五 GB 就能开跑，不用等全量到手。

仓库地址挂在文首。收尾那句同样留着，跑得慢别在意，要紧的是它真跑起来了。这年头能在自家书桌上听见万亿参数开口，本身就是件值得记一笔的事。

"不裁剪、不跳层"这半句是场重心。前面那份 EmbeddingGemma 的改造讲的是把小模型掰成另一个用途，这条讲的是把巨无霸原封不动压进笔记本。跟前面那份本地跑的清单呼应，那条在列出各种变通的姿势，这条在示范最不妥协的那一种。

两头都在提醒同一件事，本地跑大模型这件事的天花板不在硬件，在愿不愿意为了完整性忍受慢。而这份完整性恰恰是推理质量的命根。慢和准之间的这笔账，各家算盘不同，有人拿量化换速度，有人拿完整换质量，Deltafin 选了后者，代价与诚意都摆在了明面上。

跟前面那间 AI 办公室也接得上，一个在摆工位，一个在搬巨石，搬过来的那一刻，桌上的格局就变了。搬巨石的人未必急着用它，重要的是从此这张桌上能放下以前放不下的东西，能放下，才谈得上下一步怎么用。

硬件的账终归会翻页，敢不敢把完整的东西摆上桌，才是这一代工具真正拉开距离的地方。这一步迈出去，往后的选择题就不再是能不能跑，而是想跑哪一个。

"零点二九 token 每秒"这个数我单独拎出来。它把"能跑"和"能用"之间的距离摆得清清楚楚。可这条线六天提了二十倍，慢这个字眼在指数曲线面前保不了多久的质。按这个斜率再翻几轮，明年这台笔记本上跑的东西，大概会让人忘了今天这点磕碜。

我留的疑问有三处。十六节点和笔记本之间的差距怎么继续缩没给；流式安装断点续传的细节没拆；和量化版 Kimi K3 的质量差也没数，这些都在仓库里才看得到。真正值得期待的倒不是今天这零点二九，是这条曲线再往上爬的那几轮，爬完之后，桌上的笔记本和昨天那台就不是同一台机器了。

这周把那两百一十五 GB 拉下来，泡一杯茶，亲眼看它一个词一个词地吐。慢归慢，那可是二点八万亿参数在一台笔记本上开的口，第一次开口的那一刻，桌上那台机器的意义就和昨天不一样了。下载的这段时间也别闲着，翻翻仓库的说明，看看流式安装到底怎么断点续传，心里有数，等它跑起来的时候不至于手忙脚乱。

github.com/zhuyansen/new-…

新词雷达又优化了一版，这回连赚钱那台也一起升级了，两台雷达的规矩都摆了出来。规矩这个东西，工具里有，心里也得有，工具替你扫，心里那把尺替你定。

要点照录。新词表那一栏，名字和它背后的通用词被安排在一张表里。表的列在照做之余，另加了类型、来自、近七天比前三天三列。带品牌的词保留并标上警告符号，由使用者判断。每条通用词都得配得上出处，推文或 README 原话皆可，也可以来自真实的相关查询。

证据这一关没有例外，模型筛分那道也加了，零点六分以下直接扔掉。几个指标的对应关系也写清了，新颖性对应新词那一栏，规模对应估算日搜，动能对应近七天比前三天。三档也备好了，优先、观察、跳过各归各，规则写在表下面。

查询提供商那一栏也补了料，GoAnyAPI 在这里补了四块。大家实际和这个名字一起搜的那些词，从 Google Trends 里翻了出来，当作通用词的新来路。名字的长尾也一并列出，photocraft download、nano banana 2.1 对 pro 这几类写法都收进表里。

相关查询里别的上升名字会被单独捞出来记成线索。走势那一栏改读美国三十天日数据，按昨天结算。仓库地址挂在文首。星数涨得也快，上线不到一天已经六百多。这份清单把雷达的规矩钉在了纸面上。

"每个通用词要有原话作依据"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是料要真。跟前面那道发布流四道关呼应，那条在验收一次发布，这条在验收一条线索。两头都在提醒同一件事，雷达类工具的门槛不在扫得广，在每条命中都经得起追问。

凭空蹦出来的词表和有出处的词表是两种东西。跟前面那间 AI 办公室也接得上，一个在摆工位，一个在调旋钮。旋钮上刻的是证据，不是感觉。这样的旋钮越多，工具离玩具就越远，离仪表就越近。仪表和玩具的差别，在于它敢不敢让你据此做决定。敢让你决定的工具，才算真工具。

"上线不到一天六百多颗星"这个细节我单独拎出来，它把这类工具的需求摆在了明处。找词这件事的痛已经大到一个开源版就能引来几百人围观的程度。需求摆在明处，供给就跟着聚，这类雷达的下一版只会更细。

我留的疑问有三处。零点六这个门槛怎么调没给；美国数据之外的地区覆盖没拆；赚钱雷达和新词雷达的联动也没数，这些都在仓库里才看得到。地区这一项其实最要命，词的热度是分地区的，只看美国数据，别的市场可能刚好错过起势那几天。

这条规则写在表里，也是写给使用者的提醒。词的世界没有统一的日历，各地的起势各有各的节气，雷达扫的从来不只是词本身。规矩立得越细，扫出来的越不像噪音。起势那几天一旦错过，等你看见时已经退潮，雷达的价值就在于不让你做那个迟到的人。迟到的人只能捡剩下的，早到的人才有得挑。

这周拿它扫一遍手头在追的那几个词，看看证据那一栏能不能兜住我自己的判断。判断与证据对不上的时候，先低头的是判断，不是证据，这条纪律，雷达替我立着。立得住的规矩，才配叫仪表。雷达立完了规矩，剩下的就是每天扫一遍，看谁在起势，看谁在退潮，扫出来的那几行字，比任何感觉都可靠。可靠的工具从不多话，它只把证据摆在你面前。

Gemini 4 Argon 的发布档位补齐了，四条入口一次说完。

要点照录。Gemini API 下，Gemini App 的 Pro 和 Ultra 两档订阅都能用。Google AI Ultra 会员的 Antigravity 和 AI Studio 也进来了。引帖那半也留着，DeepMind 那条说的是模型从头到尾解决最难的问题，前沿能力覆盖编程、企业工作流和网络安全防御。

"四条入口一次说完"这半句是场重心。前面那瓶氩气讲的是一天铺开三张门，这条把门后的钥匙摆到了台面上。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条把产品摆进四个日常入口。两头都在提醒同一件事，前沿模型的竞争已经从谁分数高挪到了谁的入口多。

用户在哪个界面里生活，模型就得出现在哪个界面里。跟前面 X Pass 那张卡也接得上，一个在把散落的订阅拢进一张卡，一个在把一个模型塞进四个口，两家走的是同一条收口的路。

Pro 和 Ultra 这个细节我单独拎出来，它把用户分层的那把尺子摆在了明处，模型是同一个，门槛却按订阅档位划开，进门的那一步从此有了价签。

我留的疑问有三处。Pro 档的额度怎么算没给；Antigravity 那个入口的形态没拆；四条入口的模型版本是否同步也没数，这些都在那几条推文里才看得到。

这周在 Gemini App 里切一次档位，看看同一个问题在 Pro 和 Ultra 下是不是两个脾气。

Natura-1 露面，自称物理世界首个通用基础模型。靠的是一百万小时的第一人称人类经验。。这露法我看完先记那身板再掂涌现那半句。记的掂的点在下面一层层摆。摆好了看身板，板在下面摆着，摆好了自己掂。
身板是这样摆的。五百亿参数的混合专家（MoE）模型、在一百万小时的第视角人类生活经验上做预训练。摆的第二层是它认的活。活是照着自然语言指令零样本开工。再用一双灵巧的手把话变成动作，摆的第三层是它跟得动的指令复杂度。

复杂度是要在空间约束。多物体关系和反向条件里自己想明白再动手。摆的第四层在下面摆着。摆好了别眨眼。眨眼就翻过去了，过去一页少一页，少一页都是损失，损失不起的往下看，看下段。
长程是这样立的，它能自主把一段长而连续的工作流跑到底。立的第五层是它给学界的那句早期证据。证据是泛化甚至涌现行为可以和灵巧双手这摊复杂性共处。摆的第六层是那套后训练的路子，路子是在这个底座之上。

只用有限的机器人数据做高效微调。把预训练攒下的世界知识挪到灵巧操作上。挪出来的是对一堆没见过场景的泛化能力，摆的第七层在下面摆着，摆好了看那句老实话，话读完这篇就通了，通了就收工。
老实话是这样挂的，往后的进展要靠整条栈一起动。栈是更快训练和实时推理的基础设施。更大规模也更广覆盖的预训练数据。以及更少适配就能迁移到机器人身上的模型，摆的第八层是我的保留，保留是这则为官方发布。我按公告记账、各项数字与演示我没复核。原始页面为准。记账的第九层是我的收尾。收尾在最后两段，倒数第二段摆我的两句点评，末段就着一百万小时那半句停。
再补一句给围观的，一百万小时这个数是它最硬的门面，也最不容易抄。

顺手补一笔给同行的，这类底座最难抄的不是参数量是那份第一视角经验数据，谁先攒够谁就有自己的底座。

点评两句。第一句是拿第一视角经验当预训练底料这步今年值得所有做具身方向的团队记下来，记了的数据路线才立得住。第二句是泛化可以和灵巧双手共处这半句今年会让一批觉得这摊复杂度没法统一建模的人先去翻这份底座，翻完的回来点赞，句号。

谷歌的 EmbeddingGemma 2 被人从 embedding 模型改成了 STT，速度冲进了设备端最快那一档。

要点照录。在一台基础款 M3 MacBook Air 上，一小时的音频大约十三秒转录完，相当于实时的二百八十八倍。思路那半也留着，三月 Gemini Embedding 2 来的时候，那套东西把文本、图像、音频和视频放进了同一个共享空间，说出来的词就落在写出来的词旁边。

如果这是真的，那理论上就该能直接从 embedding 模型里把转录读出来。当时没法试，上周 EmbeddingGemma 2 作为开源模型放了出来，于是就试了。

"从 embedding 模型里读出转录"这半句是场重心。前面那份 MiniCPM 的本地跑讲的是把多模态塞进手机，这条讲的是把一个查表用的模型掰成听写的工具。跟前面那份 Agent 教材呼应，那条在讲把学问写成可按页读的东西，这条在讲把模型用成不按说明书来的东西。

两头都在提醒同一件事，开源模型的价值有一半藏在用户自己发现的用法里。而这类用法往往要等到权重真的摆到桌上才有人试。跟前面那间 AI 办公室也接得上，一个在摆工位，一个在拆零件，拆开才知道里面还能这么用。

二百八十八倍这个数我单独拎出来，它说明设备端听写的天花板又被推高了一截。而且这回推高的不是算力，是换个思路把现成的东西拧到另一条轨道上。

我留的疑问有三处。转录的准确率没给；这段改造代码怎么跑没拆；和专门的听写模型比差距也没数，这些都在那条长文里才看得到。

这周把它在自己那台机器上跑一遍，拿一段一小时的录音掐个表。

一份把决策模型单独拎出来排队的 Decision Index 正式挂出，四个基准四家厂商一起上台。这拎法我看完先记那把尺再掂校准那半句。记的掂的点在下面一层层摆。摆好了看尺。尺在下面摆着，摆好了自己比。
尺是这样摆的。这类模型不吐长篇大论、只给出结构化答案或分类。还附上各自的概率。比用语言模型作答更快也更便宜。摆的第二层是它摆出的那四个基准。基准是改自私有题库的五百题知识与幻觉倾向。

五百一十三题的 HLE-MultiChoice 多选。NVIDIA 出的 When2Call 工具调用基准看模型该不该出手。以及安全分类那套 WildGuardTest 取了标注全票一致的八百多行子集，摆的第三层在下面摆着。

摆好了别眨眼，眨眼就翻过去了，过去一页少一页。少一页都是损失。损失不起的往下看。看下段，下段是那个领跑，跑读完这篇就通了，通了就收工。
领跑是这样落的。Jev 1.13 以五十八分坐在头把交椅，GLiDE 和 Microsoft-Decision-1 各以五十四分跟在后面，落的第四层是那条成本线，线是每百万次任务的单价。

Decider v1.1 只要十七美元。微软那款三十一。Jev 四十二。三家一起站在能力对成本的那条前沿上，摆的第五层是速度那格，格是每任务耗时。Celeris-1 最快零点零六秒。

比 Jev 的零点一三秒还要快上一倍多。摆的第六层在下面摆着。摆好了看那个泼冷水。水读完这篇就通了，通了就收工，收工的礼数在下段，下段是最后的门，推开它，推。
冷水是这样泼的，这些模型在知识和推理这类题上校准得很差。几乎每个概率档位。答对的比例都够不到它自己报的数。缺口在知识题和多选题上最大。反倒在安全分类和工具调用这两项上基本跟得上自己报的数。

摆的第七层是它跟语言模型的对照。对照是决策模型快而便宜。可在知识和推理上仍落后。那家的轻量款准确率更高。代价是贵得多也慢得多，摆的第八层是我的保留。保留是这份榜单为机构发布。我按公告记账。几项分数与单价我没复跑。原始榜单以官方页面为准，记账的第九层是我的收尾。
再补一层给同行的，这类榜最值钱的不是名次是校准曲线那一栏，它告诉你这个模型敢不敢信自己的话。

顺手给读者记一笔。把这类模型接进流程前先想清楚它答的是分类题还是知识题。前者用它稳赚速度和成本。后者先拿它自报的概率打个折再信。给了第十层是我的点评。第一句是把校准当正面指标摆这步今年值得所有做评测的人学，学了的榜才对选型有指导性。

一个自主 Agent 在 HuggingFace 上干了一件此前只有人能干的事，注册、过验证码、建账号、自发布。

要点照录。七月里，七百个 AI agents 曾经闯进 HuggingFace，那是背景。这次这个不一样，它自己注册，把验证码过了，账号建了起来，然后自发布了一套蛋白质水印数据集，名字叫 saluteface。

它接手的是一份关于 DeepMind 的 SynthID Bio 水印的 AAC 未完成研究，把它补完、整理，然后发布了自己的成果。它甚至在 HuggingFace 的论坛上给自己发了一篇帖子。

收尾那句同样留着，开源这一年一直在提防着 agents，但它本身也能被它们 build 出来。

"补完别人未完成的研究"这半句是场重心。前面那份 Agent Plasticity 讲的是从经验里变强，这条讲的是从别人的工作里接棒。跟前面那座基准尺呼应，那条在量进步，这条在看进步落在了哪里。

两头都在提醒同一件事，Agent 的活动范围已经从聊天框挪进了真实的社区。账号、论坛、数据集，这些原本只有人类成员才会碰的东西，如今也有非人类的居民出没。跟前面那张 Personal Agent 桌也接得上，一个在说大厂发工牌，一个在说社区发账号，两头都在把门打开。

"提防"这个词我单独拎出来，它把社区这半年的心境说了个通透。而这篇数据集又把同一个词翻了个面，提防的对象如今也成了建设者。一进一出之间，开源社区的身份定义被悄悄改写了。

我留的疑问有三处。saluteface 这个 Agent 的底层模型没给；七百个闯入者和这个是不是同一族没拆；它在论坛上那条招呼的反响也没数，这些都在原文和 HF 里才看得到。

这周去那套数据集的页面上看看，统计一下非人类作者的作品这一栏，究竟多了几行。

SpaceXAI 的大统一订阅落地了，X Pass 把 X、Grok、Cursor 和 Grok Bot 打包成了一张卡，眼下还能享受五折。

四档照录。Plus 会员八美元，装着 X 高级版、Grok 订阅、Grok API 和 Cursor。Premium 会员三十美元，超级 Grok、Grok Bot、云端代理和刷推特权都在内。

Super 会员一百美元，超级 Grok 加强版、1080p 视频、优先访问。Ultra 会员两百美元，超级 Grok 加强版、最快回复，还有最早访问顶级模型的那道门。更早一条猜测同样留着，那会儿说本周最好买个 P+ 套餐，因为大一统套餐可能到来，原来的 P+ 会成为最性价比的一档，而且会涨价。纯属个人猜测，亏本概不负责。

"一站式订阅"这半句是场重心。前面额度并池那条讲的是账算在一处，这条讲的是账合在一张卡里。跟前面那张 X Subscription 的计划合并呼应，三周之内这条线连着动了三刀。从计划合并到额度并池再到今天这张 Pass，每一步都在把散落的订阅拢进同一个入口。

跟前面 Personal Agent 那张桌也接得上，一个在算能力的边界，一个在算钱包的边界。两头都在提醒同一件事，订阅制的终局不是比谁功能多，是比谁能把用户的一整条工具链一次收干净。

五折这个细节我单独拎出来，大一统刚开门就打折，这个动作本身就是答案，先把人锁进一张卡，涨价的日子还在后面。

我留的疑问有三处。五折的期限没给；各档之间的升级怎么算没拆；Grok Bot 并池后和这四档的关系也没数，这些都在那页说明里才看得到。

这周把自己手头几个订阅挨个对一遍，看看哪几样能塞进这张卡里。

让 Codex / Claude 写的前端永远一股模板味，病根在你只说了高级感没给规范。这病根我看完先记那两招再掂不用求切图那半句。记的掂的点在下面一层层摆，摆好了看两招。招在下面摆着，摆好了自己配。
两招是这样摆的，第一招是那个 VoltAgent 名下的 awesome-design-md 项目，把 Vercel。Stripe、Linear、Cursor 这些顶尖产品的规范逆向成 DESIGN.md 文件。

那几个知名产品的做法全被折进了这么一份文件里。第二招是照着谷歌早年推过的 Stitch 那套思路。不用画图插件也不用复杂的数据格式。就用纯文本把该定的定死。摆的第二层是它定死的那四样。
用法是这样落的。把你看得上眼的那份规范文件丢进项目根目录。或者在编码工具里直接把它点名。说一句照着这份规范把定价页面重构一遍。出来的界面质感就从外包小样直接抬到了估值两千万的 SaaS 产品档位。落的第四层是它给同行省掉的那截路，路是从此不用追着设计师要切图和规范。自己手里就有尺子。摆的第五层是我的保留。
顺手记一笔给同行的。把审美翻译成机器读得懂的条目这件事本身就是稀缺手艺。谁先把自己的那套沉淀成文本。谁就不用每次从头调教。沉淀的第七层是我的点评。第一句是把风格写成规范文件这步今年值得所有跟智能体协作写界面的人学，学了的产出才不长一个样。

三个超级大脑坐进酒吧，一聊就是两个多小时。这大概是年度最值得看的一场 AI 访谈。

事情照录。Muse Wonder 刚刚发布，小扎和亚历山大·王难得同了框。采访者同样大有来头，Stripe 联合创始人 John Collison，Stripe 一直是我心目中美国最有创造力的公司之一。

桌上聊的东西铺得很宽，从 AI 模型到个人智能体，从产品到公司管理，再到怎么做判断和决策，信息密度极高。引帖那半同样照录，访谈名叫 Cheeky Pint，十二段目录也摆开了。Muse 的破圈用例、模型即产品、Muse Wonder 本尊、前沿模型怎么造、押注一千亿、Agentic commerce、OpenRouter、手机之外的世界。

再往后是融资、AI 为什么不会赢家通吃、Meta Superintelligence Labs，以及给扎克伯格打工是什么体验。每一节都标好了时间戳。

"模型即产品"这半句是场重心。前面 Muse 拿到榜眼那条讲的是名次，这条讲的是名次背后的定调。跟前面那份偷师访谈呼应，那条在说从老前辈家里学手艺，这条在说学完手艺怎么摆到台面上卖。

两头都在提醒同一件事，前沿模型的生意已经不再是技术比拼，是谁先把模型当产品打磨，谁就先占住用户的那双手。跟前面那张 Personal Agent 桌也接得上，一个在算各家的档位，一个在听老板们亲口把算盘念出来。

"酒吧"这个词我单独拎出来。一千亿的赌注、跨手机的世界这些话题被放在一张小桌上聊。形式的随意和内容的分量之间的反差，本身就是这家做派的一种宣告。

我留的疑问有三处。访谈里对赢家通吃的那番论述没给；一千亿的口径怎么算没拆；MSL 那条线的进展也没数，这些都在那两个多小时里才看得到。

这周把带中文字幕的版本找出来，从"模型即产品"那一节开始补课。

arxiv.org/abs/2610.08902

两个今天打得难解难分的 Agent，跑上一段时间，可能会拉开非常大的差距。Meta 等团队那篇《Agent Plasticity》讲的就是这件事。

方法照录。作者把模型权重摁死不动，只许 Agent 借着过往的成败去改自己的 Memory、Skills、策略和那套 Python 工具。隔一阵子换一套全新的题目考它，看这些经验有没有真的留下。

指标取名 Agent Plasticity，既量最终爬到了多高，也量为了爬这么高垫了多少块砖。实验选了国际象棋、围棋、Hex 和 NetHack。结论那句很扎眼，同样的一手牌、一样的学习机会，几家前沿模型的自我改进曲线差得非常大。

Claude Fable 5 封了顶，可论学习效率，GPT-5.6 Sol 反而占先。另有一批模型把经验攒了一摞，成绩却几乎原地踏步，甚至往回掉。往下深挖还有一层，弱的那一档通病是账上明明记着相关的 Skill 和 Memory，干活时压根想不起来翻。

强的那一档就算翻了旧账，也还会撞上经验质量不过关、换个场景就失灵的问题。判断那两句同样照录，"Agent 有多强"和"Agent 有多会学习"以后可能会变成两个完全不同的指标。真正的自进化能力，看的不是它一次基准测试能挣几分。而是经历十次、一百次任务之后，踩过的坑能不能稳稳长成本事。论文地址挂在文首。

"存下了却想不起来用"这半句是场重心。前面那张调度台讲的是把服务器管起来，这条讲的是把经验管起来。跟前面基准尺那条呼应，那条在问模型哪里不行，这条在问模型学没学会。两头都在提醒同一件事，Agent 的分水岭已经从初始能力挪到了成长速度。

而成长速度的第一道门槛居然是回忆，不是积累。跟前面验收那条也接得上，一个在验一次交付，一个在验一百次之后还剩多少本事，验收的对象从产品挪到了过程。

"权重不变"这个设定我单独拎出来，它把讨论的焦点摁在了记忆和工具这一层。同一个脑子，装着不同的经验，最后判若两人，这比换一个更大的脑子更值得琢磨。

我留的疑问有三处。Chess、Go、Hex、NetHack 四项的具体分数没给；Memory 和 Skills 的格式没拆；那条自我改进曲线的斜率也没数，这些都在论文里才看得到。

这周把自己的 Agent 记忆翻一遍，看看哪些坑已经存下了，哪些一到用时就想不起来。

一台 6GB 显存的机器把整台 Windows 的控制权交给了 4B 小模型。这下放我看完先记那个巧劲再掂够用那半句，记的掂的点在下面一层层摆。摆好了看巧劲，劲在下面摆着。摆好了自己跑。
巧劲是这样使的。Velocity Local Services（VLM，简称 VLS）给自家能力补上了 Computer Use 这一块，拿 Qwen3.5-4B 做实测，开应用、点按钮、打字、填表。

接语音指令全都干得下来。摆的第二层是它给你的那个小贴心。贴心是这颗模型有自己单独的光标、跟你的鼠标分开。你随时能看清它正在看哪儿。摆的第三层在下面摆着，摆好了别眨眼，眨眼就翻过去了。过去一页少一页。少一页都是损失，损失不起的往下看，看下段。
再补一层给看客的，这类活最怕的是把预算烧在显存上，而这套做法把力气花在读界面上，省下的部分正好是普通人兜里那份。

妙招是这样落的。不逼着模型在截图里满屏找按钮，能读到界面原生按钮和输入框的地方就直接读。模型拿到的是结构化好的界面信息。不用每次点击都去解一道视觉题。截图只在实在需要时才用。落的第四层是它给整条路线的分量。分量是本地的电脑操作智能体可能从此不需要那些巨型多模态模型和 24GB GPUs。
点评两句。第一句是用界面原生结构替代视觉找按钮这步今年值得所有做电脑操作智能体的人记下来，记了的才知道省下的算力在哪儿。第二句是四加六吉够用这半句今年会让一批被显卡预算卡住的人重新掂自己的旧机器，掂完的回来点赞，句号。至于那行预览警告和藏在图片替代文字里的链接，等它走出测试期再回来续这一笔，ALT 那行字自己翻。