就在刚刚，Google 正式推出了全新的旗舰模型 —— Gemini 3.1 Pro。这一次，它不只是一次常规升级，而是一次明显的能力跃迁。从目前公布的数据来看，Gemini 3.1 Pro 在综合能力排行榜中几乎处于“霸榜”状态，成为当前最强 AI 模型之一。

如果你觉得现在的 AI 已经足够聪明，那么 Gemini 3.1 Pro 很可能会重新定义你对 AI 的认知。

不再只是聊天 AI，而是真正的“思考型助手”

过去的大模型，大多数仍停留在「回答问题」阶段。

而 Gemini 3.1 Pro 的核心变化，是——推理能力的大幅提升。

它不仅能理解问题，还能：

• 深度分析复杂任务

• 拆解多步骤逻辑

• 像专业人士一样与你共同思考

• 给出真正有价值的解决方案，而不是表面正确的套话

同时，它具备完整的 多模态能力，可以同时理解：

• 文本

• 图片

• 视频

• 音频

• 代码

并将这些信息融合后给出统一回答。

简单来说：

这已经不是聊天机器人，而是一个可以真正一起做事的智能助手。

你可以让它学习新知识、解释复杂概念、规划项目流程，甚至把一个想法直接变成交互工具，大幅缩短开发与创作时间。

推理能力大升级：基准测试成绩惊人

在 Gemini 3 系列基础上，3.1 Pro 最大的升级就是核心推理能力。

换句话说，它变得更会“思考”了。

而这并不是官方宣传，而是被严格的基准测试验证。

在专门评估 AI 逻辑与理解能力的 ARC-AGI-2 测试中：

• Gemini 3.1 Pro：77.1%

• 上代 Gemini 3 Pro：性能不到其一半

• 推理能力提升 超过 2 倍

ARC-AGI-2 被认为是目前最接近“真实智能测试”的基准之一，主要考察模型面对全新逻辑问题时的理解能力，而不是记忆能力。

正面对决 GPT 与 Claude：Google 领先

Gemini 3.1 Pro 在多个关键测试中超过竞争对手：

• Gemini 3.1 Pro：77.1%

• GPT-5.2：68.8%

• Claude Opus 4.6：52.9%

在 19 项基准测试中，Google 赢下了其中 12 项。

此外，在科学知识测试 GPQA Diamond 中：

• Gemini 3.1 Pro：94.3%

• GPT-5.2：92.4%

• Claude Opus 4.6：91.3%

这意味着它在复杂科学推理领域同样处于领先位置。

实际能力：不只是更聪明，而是能直接“做东西”

真正让 Gemini 3.1 Pro 与众不同的，是它的实际应用能力。

下面几个能力，可以说已经接近“AI 开发助手”的形态。

① 实时数据 → 交互式可视化

Gemini 3.1 Pro 可以将实时数据直接转换成动态可视化应用。

例如：

• 航空航天仪表盘

• 实时监控界面

• 数据分析控制台

过去需要完整开发团队完成的系统，现在 AI 可以通过推理能力自动处理数据流，并生成可交互界面。

简单理解：

数据不再是数字，而是“会动的画面”。

② 复杂 3D 互动模拟

它还能生成带真实交互的 3D 场景。

例如：

• 椋鸟群飞模拟

• 沉浸式空间交互

• 实时环境反馈

不仅是动画，而是可实时操作的互动环境，甚至支持：

• 手部追踪

• 动态环境音效

• 空间交互逻辑

免费体验平台：【点击前往】

③ 自动构建真实模拟世界

Gemini 3.1 Pro 还能直接生成复杂虚拟环境：

• 自动地形生成

• 城市道路规划

• 交通系统模拟

• 多系统联动代码

换句话说，你不再只是开发网页，而是在创建一个完整数字世界。

④ SVG 秒变动画（开发效率暴涨）

对于开发者来说，这是一个极其实用的能力。

AI 可以：

• 理解设计稿意图

• 将静态 SVG 转换为动画代码

• 自动生成轻量化动画逻辑

结果就是：

更少代码
更快开发
更容易维护与扩展

Web 开发效率直接提升一个级别。

⑤ 从文学风格生成可运行网站

最有意思的一点来了。

Gemini 3.1 Pro 可以把“抽象风格”转成真实软件。

例如：

• 输入小说式描述

• 定义情绪与氛围

• 自动生成完整网站界面

不仅视觉符合主题，而且代码可直接运行。

也就是说：

AI 开始把“感觉”和“情绪”，转化为真正的软件产品。

三维空间理解达到行业顶级水平

在 3D 空间理解能力方面，Gemini 3.1 Pro 已经进入当前行业第一梯队。

它不仅理解二维信息，还能理解：

• 空间结构

• 物理关系

• 场景逻辑

这也是它能生成复杂模拟环境和交互界面的关键原因。

如何免费体验 Gemini 3.1 Pro？

目前可以通过 Google AI Studio 直接体验 Gemini 3.1 Pro：

（链接直达）

进入后即可在线测试模型能力，无需本地部署。

AI 正在从“回答问题”走向“完成任务”

Gemini 3.1 Pro 的意义，并不只是更高的分数。

真正的变化是：

• AI 开始具备持续推理能力

• AI 能直接生成可运行成果

• AI 从工具，变成协作者

我们正在从 AI Chat 时代，进入 AI Co-Creation（共同创造）时代。

而 Gemini 3.1 Pro，很可能就是这个阶段的重要分水岭。

封面点击率检测代码：【点击下载】

太空射击游戏代码： 【点击下载】或 【海外下载】

当 AI 视频生成开始从“能用”走向“好用”，Seedance 2.0 可能是目前最有代表性的产品之一。相比早期 AI 工具只能生成演示级内容，这一代不仅在画面质量、理解能力和稳定性上明显提升，更重要的是——它开始真正融入创作流程。本篇文章不会只讲参数或功能介绍，而是带你看看 Seedance 2.0 最有趣、同时也最实用的 10 种玩法，无论你是内容创作者、设计师，还是单纯想体验 AI 创作乐趣的人，都能快速找到属于自己的使用方式。

Seedance 2.0 官网： 【点击前往】

实用案例

1、一键生成短剧，开启人人当导演的 AI 时代

玩法：输入剧本+角色图+情绪描述，AI自动生成分镜、运镜、对口型
实战提示词：

【风格】国产短剧风，雨夜唯美虐心；【角色】黑风衣霸总VS白裙泪痕女主；镜头1：暴雨街头拉扯特写...

适用：自媒体短剧、情感号内容批量生产

2、AI 短视频赛道

让AI帮我们拍短视频，比如你不想露脸，甚至不想自己去拍视频，但是你也想进入自媒体，怎么办呢？Seedance 2.0 是目前一个非常不错其性价比高的选择

比如一句 “生成蛋炒饭的视频”，题目可以让你秒变美食博主，生成的效果绝对可以以假乱真

武侠短剧也不在话下

3、视频动作模仿

4、教育题材教学视频

如果你是一名老师，希望通过一个简单易懂的视频，来自展示物理、生物、地理环境等领域的复杂原理，那么通过Seedance 2.0制作的教学视频也能轻松搞定，让教学更加方便，学生也更容易理解。

5、黑白老照片修复、复活

上传：老照片、黑白照片

提示词：

让黑白照片变成彩色的视频，人物自然微笑并轻微动作...

6、 PPT/静态图动态化

玩法：上传PPT截图/产品图+首尾帧设置，生成呼吸感动态展示
技巧：首尾帧一致=循环动画；首尾帧不同=变化转场

这个用途非常适合：汇报演示、电商详情页、品牌宣传视频快速产出

7、生成广告大片

8、生成首尾帧连贯、角色一致性的视频

只需2张图片作为视频的起始帧与结束帧，并通过提示词对角色行为和运动轨迹进行约束，Seedance 2.0 便能自动推演中间帧内容，生成一个角色外观高度一致、动作逻辑自然连续、过渡平滑的视频。这种“关键帧驱动”的生成方式，让原本需要复杂动画流程的创作，变成几分钟即可完成的 AI 工作流。

9、生成AI数字人

AI 数字人本质上是一种“形象一致性 + 语音驱动动画”的生成技术。系统通过扩散模型或视频生成模型锁定角色身份特征，同时利用语音对齐算法（lip-sync）控制嘴型与微表情变化，再结合运动预测生成连续帧，从而实现无需真人拍摄即可输出稳定口播视频。

10、跨界角色大乱斗

所谓“跨界角色大乱斗”，本质上是利用 AI 的角色一致性与风格融合能力，把多个来源不同的角色放入同一个生成环境中。AI 会自动调整人物比例、光影、动作逻辑和画面风格，使原本风格差异巨大的角色看起来像是在同一个世界里互动。

简单理解就是：

AI 不只是生成角色，而是让不同宇宙的角色“演同一部戏”。

谷歌放大招！Nano Banana 2 正式发布：速度更快、中文更强、全面升级

就在刚刚，谷歌正式发布了 Nano Banana 第二代模型 —— Nano Banana 2。

这一次，它背靠全新的 Gemini 3.1 Flash Image 图像能力，在生成速度、多语言理解、中文处理、可控性等方面都实现了全面升级。

一句话总结：
它不仅更快、更强，而且真正开始“懂中文”了。

一、发布即刷屏：从草稿到成品，只需几秒

Nano Banana 2 一发布，立刻在全网刷屏。

你可以把一张“鬼画符”式的草稿图丢给它，它能直接帮你生成精美的网页版 UI；
一句话生成游戏界面；
甚至一次性输出 20 多张连环漫画。

无论是：

• AI 生图

• UI 设计

• 信息图制作

• 教育插画

• 海报设计

都会因为它的升级发生巨大变化。

Nano Banana 2 免费使用通道： 【点击前往】

进入后选择任意模式都可以

二、中文能力大幅提升：真正可用的中文生图

这一次最大的升级之一，就是中文理解能力明显增强。

比如输入中文提示，让它生成一张“水循环俯拍信息图”：

• 几秒钟内完成

• 原理讲解清晰

• 中文无错字

• 排版自然

• 教育感强但不沉闷

这种效果，已经达到了可以直接用于课堂展示的水平。

更重要的是：

在最新版 Gemini 中，即使使用“快速模式”，也可以直接生成带中文文字的图片——
不需要 Pro 会员。

这对免费用户来说，是一个非常大的好消息。

目前无论你使用：

• 快速模式

• 思考模式

• Pro 版本

系统都会自动调用 Nano Banana 2 进行图像生成。

三、各大评测成绩：深图一哥地位基本坐实

在权威评测中，Nano Banana 2 的成绩非常亮眼。

Artificial Analysis 基准测试

在 Artificial Analysis 的文生图基准测试中，它直接拿下全球第一。

图像编辑能力位列第三，仅次于：

• GPT Image 1.5

• Nano Banana Pro

Image Arena 评分

在 Image Arena 排名中：

• 文生图性能问鼎榜首

• 斩获 1279 Elo 高分

• 图像编辑能力仅次于 GPT Image

 官方评测结果

在谷歌官方测试中，开启深度思考与文本图像搜索后，在以下三个维度全面领先：

• 整体偏好

• 视觉质量

• 信息图准确性

甚至在部分指标上，超过了自家大哥 Nano Banana Pro。

四、Nano Banana 2 强在哪里？

更强的图像模型能力

它采用谷歌目前最新、最强的一代深度模型。

意味着什么？

• 复杂场景理解更精准

• 现实知识表达更准确

• 离谱创意也能实现

• 画质更清晰

• 细节更真实

简单来说：

只要你能想到的，它基本都能画出来。

 可控性更精准：真正开始“修图”

相比上一代，最大的变化之一是“精准控制”。

现在你可以：

• 把白天改成夜晚

• 更换拍摄角度

• 调整焦点

• 突出人物主体

以前只是“重新生成一张图”，
现在更像是在：

• 修照片

• 导演画面

• 控制镜头语言

一键换风格

可以上传一张参考图，然后：

• 套用颜色

• 套用质感

• 套用艺术风格

比如把普通照片变成：

• 电影风

• 动漫风

• 油画风

不用从零重新生成，一键完成风格迁移。

多平台尺寸自动适配

对于内容创作者来说，这是非常实用的功能。

可以直接生成不同尺寸比例的图片，例如：

• YouTube 封面

• 手机竖屏

• 各大社交媒体尺寸

而且不会乱裁重点内容，
不需要再用 PS 手动改半天。

中文大字生成更靠谱

现在它可以直接生成：

• LOGO

• 海报

• 邀请函

• 漫画

• 信息图

中文支持明显提升，多语言能力更加完善。

大段中文排版也几乎不出错。

五、适合哪些人使用？

Nano Banana 2 的适用场景非常广：

• 自媒体创作者

• 教育工作者

• UI 设计师

• 电商商家

• 品牌运营

• 小型咖啡店或实体商家

例如：

• 一句话生成活动海报

• 制作生日贺卡

• 生成产品规格图

• 做社交媒体宣传图

效率提升非常明显。

总结：这是一次真正意义上的升级

Nano Banana 2 并不是简单的“小迭代”。

它的升级体现在：

• 更快的生成速度

• 更强的中文理解

• 更精准的可控编辑

• 更高的画质

• 更完善的多语言支持

• 免费模式也能使用

在当前 AI 生图领域，它已经基本坐实“深图一哥”的位置。如果你是内容创作者，或者需要频繁制作视觉内容，这次升级，值得你认真关注。

就在刚刚，Qwen 正式发布了全新的开源模型系列 —— Qwen3.5 多模态模型。这一次更新，可以说在开源模型领域掀起了不小的震动。不仅性能几乎“屠榜”，而且全面迈向了原生多模态智能体时代，真正把开源模型带入了一个新的阶段。

Qwen3.5 多模态系列覆盖了从 0.8B 到 397B 的多个尺寸版本，适配不同硬件环境和应用场景。其中 0.8B 和 2B 两款模型体积极小，但推理速度极快，非常适合移动设备、物联网设备以及低延迟实时交互场景。在边缘端部署时，这类小模型可以实现更快响应和更低功耗，对于需要即时反馈的应用来说意义重大。

4B 版本则是“平民级”中的性能担当。它在资源消耗和性能之间取得了极佳平衡，非常适合作为轻量级 Agent 的核心大脑。对于本地部署用户或显存有限的开发者来说，这是一个兼顾智能水平与成本的理想选择。

9B 模型的表现则更进一步。它的综合能力可以媲美许多超大参数开源模型，在推理能力与多模态理解方面表现优异，同时对显存的要求却远低于百亿级以上模型，是服务器端部署中性价比极高的通用模型方案。

而最引人关注的，是开源的 Qwen3.5 397B-17B 模型。该模型总参数达到 3970 亿，但每次前向传播仅激活 170 亿参数，采用创新的混合架构，将线性注意力机制与稀疏混合专家（MoE）结构结合，在保持强大能力的同时显著优化了推理效率与成本。这种“高智能密度”的设计理念，让它在推理、编程、智能体能力、多模态理解等基准测试中全面领先。

Qwen3.5 还大幅扩展了多语言与方言支持，从 119 种提升至 201 种语言与变体，为全球开发者与企业用户提供更广泛的可用性和更完善的支持。模型发布后迅速引爆 AI 社区，连 Elon Musk 也在社交媒体上点赞评论，称其“智能密度令人印象深刻”。

真正让 Qwen3.5 脱颖而出的，是它的原生多模态与 Agent 能力。它不仅可以理解文本与图像，还能够边思考、边搜索、边调用工具，实现真正意义上的智能体协作。在代码与智能体方向，Qwen3.5 可以协助进行网页开发、游戏开发，尤其是在前端构建与界面适配方面表现出色。开发者只需输入自然语言指令，它便能生成可运行代码，并支持实时迭代。

基于 Qwen3.5 底座模型打造的 Qwen Code，更进一步提升了 Web-coding 体验。它能够将自然语言直接转化为代码，实现实时开发与创意生成任务，包括网页构建、项目原型设计，甚至视频生成等创新型任务，为日常编程与探索性开发带来流畅高效的体验。

在视觉智能体方向，Qwen3.5 可以自主操作手机或电脑完成任务。移动端已适配主流应用，支持自然语言驱动操作；电脑端则可处理跨应用数据整理与多步骤流程自动化，有效减少重复人工操作，显著提升效率。

视觉编程能力同样令人惊艳。Qwen3.5 可以将草图转化为结构清晰的前端代码，将简单游戏视频还原为逻辑框架，甚至将长视频内容提炼为结构化网页或可视化图表，大幅降低从创意到实现的门槛。

在空间智能理解方面，Qwen3.5 通过对图像像素与位置信息的建模，在物体计数、相对位置判断与空间关系描述任务中更加精准。它能够有效缓解因遮挡或视觉变化带来的误判，在自动驾驶场景理解与机器人导航等具身智能领域展现出良好潜力。

相比上一代视觉语言模型，Qwen3.5 在学科解题与复杂视觉推理任务上更加稳健。它能够结合图像内容与上下文进行多步逻辑推理，为教育与科研领域的多模态 Agent 应用提供更加可靠的基础能力。

如果你想在本地部署 Qwen3.5，可以通过 Ollama 来运行模型。Ollama 支持完全本地化部署与离线运行，保障数据安全，同时也能与自动化工具 OpenClaw 快速集成。不同尺寸模型对显存要求不同，例如部分版本约需 6GB 左右显存即可运行，而更大尺寸模型则需要更高显存配置。根据自身硬件条件选择合适版本即可。

通过 Ollama 下载模型后，可在终端运行对应命令进行加载。如果希望更友好地使用，也可以通过外部 UI 插件直接调用本地模型。在集成 OpenClaw 后，Qwen3.5 可以实现网页搜索、信息收集、结构化报告生成，以及自动化编程任务。

安装部署教程

1、下载Ollama 最新官方客户端：【点击下载】

2、下载 Qwen3.5 最新模型

安装好Ollama客户端以后，现在我们需要下载对应的 Qwen3.5 模型，根据自己的需要和硬件配置来选择合适的模型大小

【点击前往】

或者可以直接使用模型下载命令来完成：

ollama run qwen3.5:9b
ollama run qwen3.5:35b

安装号模型以后，如果想直接通过可视化的UI操作界面，来先使用的话，那么可以使用下方的这个浏览器来实现，它是完全免费的。

浏览器插件：【点击下载】

3、安装部署 OpenClaw

下载好模型以后通过下面的命令来安装最新的OpenClaw客户端：

ollama launch openclaw

4、对接 Telegarm 电报机器人

如果需要接入 Telegram，只需在 OpenClaw 中重新进入配置流程，选择本地 Ollama 模型，创建 Telegram Bot 并填写 Bot Token，通过配对命令完成绑定即可。完成后，你就可以在 Telegram 中直接调用本地 Qwen3.5 模型进行对话、写代码或执行自动化任务，全程本地运行，无需额外 API 费用。

打开你的 Telegram，搜索 @BotFather，发送 /newbot，来创建一个新的机器人，按提示设置：

给 Bot 起个名字，比如我设置为 lingduopenclaw

设置用户名（必须以 bot 结尾，比如 lingduopenclawbot  ）

最后会给你一串 Token：

8123121125:AAExamegv-0FQCfhfbazmp4405V0XAJCKfk

输入 token 进行对接，并进入到刚才创建的机器人里，第一次打开会显示还未正式对接，但是会在里面提供配对码，比如我的是 Pairing code: DLW7HQ69

现在只需重新打开一个新的 Powershell 窗口，然后在里面输入配对命令即可

openclaw pairing approve telegram 这里填写你的配对码

当你看到这个界面的话说明已经和Telegram配对成功了！

5、重启后启动的命令：

6、彻底卸载并删除OpenClaw

总的来说，Qwen3.5 的发布不仅刷新了开源模型的性能上限，也让原生多模态智能体真正走向普及。从移动端到服务器，从轻量部署到超大规模模型，从视觉理解到自动化编程，它正在构建一个更完整、更高效的开源 AI 生态。

就在今天，OpenAI 正式推出了新一代模型 GPT‑5.3 Instant。这是 GPT-5 系列中的 低延迟高速版本（Instant），主打 更快响应、更强推理、更稳定代码能力。

更重要的是：

目前 GPT-5.3 Instant 已经向所有用户开放，包括免费用户。

免费体验入口：

• 官方使用入口：
  https://chat.openai.com

• OpenAI 官网：
  https://openai.com

只要打开网页即可直接使用，无需复杂配置。

接下来我们通过 真实测试 来看看 GPT-5.3 的能力到底提升了多少。

一、GPT-5.3 Instant 到底升级了什么

相比上一代 GPT‑5.2，GPT-5.3 的核心升级主要体现在五个方面。

1 推理能力明显增强

GPT-5.3 在 复杂逻辑问题、多步骤分析任务上明显更强。

例如：

• 逻辑推理

• 数学问题

• 编程思路分析

• 数据分析

它不仅能给出答案，还会 完整展示推理过程。

2 代码能力大幅提升

现在 GPT-5.3 不仅可以写代码，还可以：

• Debug 调试代码

• 优化代码结构

• 自动重构程序

• 生成完整项目

很多情况下，它更像一个 真正的程序员助手。

3 多模态能力更加成熟

GPT-5.3 不仅能处理文本，还可以理解：

• 图片

• 文件

• 数据表格

• 复杂图表

未来 AI 的交互方式将越来越接近 真正的智能助手。

4 响应速度明显更快

“Instant”版本最大的特点就是 低延迟。

实际测试中：

• 基本 1~2 秒就开始生成答案

• 输出过程更加稳定

• 几乎不会卡顿

这对日常使用体验来说非常重要。

5 明显减少“过度防御式回答”

很多用户在使用 GPT-5.2 时都会遇到一个问题：

模型有时会 过度保守，甚至拒绝回答一些本来可以安全回答的问题。

GPT-5.3 在这一点上进行了明显优化：

• 减少不必要的免责声明

• 减少说教式回答

• 更直接给出有用信息

整体交流体验更加自然。

二、测试一：解释复杂概念（量子计算）

我们首先让 GPT-5.3 解释一个比较复杂的概念：

“用最简单的方式解释什么是量子计算”

GPT-5.3 的回答结构非常清晰：

1. 先解释传统计算机

2. 再解释量子比特

3. 为什么量子计算更强

4. 实际应用场景

最重要的是：

普通人也能看懂。

很多 AI 在解释技术概念时会非常专业，但普通用户很难理解，而 GPT-5.3 在 表达清晰度上明显更好。

甚至还能进一步要求：

“用小学生也能听懂的方式解释。”

它也能轻松完成。

三、测试二：代码能力实测

接下来我们测试开发者最关心的部分：代码能力。

我们给 GPT-5.3 一个需求：

写一个 Python 程序
扫描电脑已安装软件
支持搜索下载软件
带简单 UI 界面

GPT-5.3 生成的结果包括：

• 完整 Python 代码

• 模块化结构

• UI 界面

• 运行方法

• 环境安装步骤

项目结构类似：

project/
 ├ main.py
 ├ core/
 │   ├ scan.py
 │   ├ download.py
 │   └ clean.py
 ├ ui/
 │   └ main_window.py
 ├ requirements.txt
 └ build.bat

更厉害的是：

代码一次运行成功，没有报错。

甚至可以让 GPT-5.3 自动打包成 EXE 软件。

只需要几分钟，就可以生成一个完整软件。

四、测试三：经典逻辑推理题

我们再测试一个经典逻辑题：

三个开关控制三个灯泡
只能进入房间一次
如何判断哪个开关控制哪个灯？

GPT-5.3 的解题步骤：

第一步

打开 A 开关 3~5 分钟，让灯泡变热。

第二步

关闭 A，打开 B。

第三步

进入房间观察：

• 亮着的灯 → B

• 不亮但热 → A

• 不亮且冷 → C

不仅给出答案，还提供了 完整推理过程和图示。

这对：

• 学习

• 教学

• 科普

非常有帮助。

五、测试四：生成 YouTube 视频脚本

我们再模拟一个真实工作场景。

要求 GPT-5.3：

写一篇 8 分钟科技视频脚本
结构清晰
有吸引力

结果它直接生成：

• 视频标题

• 开场钩子

• 内容结构

• 总结

甚至还模仿了 “零度解说” 的风格。

对于内容创作者来说，这非常实用：

• YouTube

• B站

• 博客

• 自媒体

都可以直接用作内容框架。

六、GPT-5.3 适合哪些人

如果你经常使用 AI，那么 GPT-5.3 非常适合以下人群：

1 开发者

• 写代码

• Debug

• 学习新技术

2 内容创作者

（比如做 YouTube、博客）

• 写脚本

• 写文章

• 内容规划

3 学生和研究人员

• 学习复杂知识

• 辅助研究

4 普通用户

任何人只要有：

• 手机

• 电脑

都可以用它提高效率。

七、免费使用 GPT-5.3

目前 GPT-5.3 Instant 已经免费开放。

直接通过以下入口即可使用：

免费体验 GPT-5.3：

• https://chat.openai.com

• https://openai.com

打开即可开始使用。

总结

整体体验下来，GPT-5.3 带来的并不是简单升级，而是一次 整体能力进化。

主要提升体现在：

• 推理能力

• 代码能力

• 表达清晰度

• 响应速度

当然 AI 仍然不完美，有时也会出错。

但可以确定的是：

AI 正在越来越接近真正的智能助手。

未来几年，AI 的发展速度可能会 远远超出大多数人的想象。

就在昨晚凌晨两点，OpenAI 毫无预兆地丢出了一个重磅更新——GPT-5.4。毫无疑问，这个模型正在改写 2026 年 AI Agent 的主线剧情。这一次，大家等了很久的核心能力终于真正落地：原生操控电脑。

而在我第一时间实测之后，可以非常直接地说一句：GPT-5.4 很可能是目前最适合跑 OpenClaw 的模型，甚至没有之一。尤其是在原生操控电脑方面，达到前所未有的水平。

原生操控电脑，真正的 Agent 分水岭

Agent 能力，是 2026 年 AI 进化的主线任务。过去的模型更多停留在“生成内容”“回答问题”层面，而 GPT-5.4 直接进入了“执行任务”的阶段。它不仅能理解指令，更能真正操控电脑环境。

只要是打工人日常在电脑上能做的事情，它几乎都能完成。这已经不是简单的“聊天机器人”，而是一个具备完整操作链条的数字执行者。

Web 版 + Codex 同步上线，Windows 用户也能用

目前 GPT-5.4 已经在网页版以及 OpenAI Codex 中上线。

昨晚 OpenAI 也同步推出了 Windows 版本的 Codex 客户端，这对 Windows 用户来说意义重大。

Codex Windows 版下载： 【点击前往】

这意味着，即使你不部署复杂环境，也可以直接通过 Codex 客户端体验 GPT-5.4 的电脑操控能力。

为什么说 GPT-5.4 是 OpenClaw 的“天选模型”

我们都知道，OpenClaw 这只“龙虾”之所以爆火，核心就在于它强大的 Agent 能力。在 Mac mini 上部署的 OpenClaw，几乎拥有与人类一致的操作权限和执行路径。而 GPT-5.4 这一次，是在模型层面就实现了原生电脑操控能力。

也就是说，它不再是“外挂式控制”，而是“内生式理解 + 执行”。两者结合，几乎是 2026 年 Agent 形态的最优解。

完整的 OpenClaw + GPT-5.4 部署与实测流程：

1、安装并升级到最新版的 OpenClaw，一键安装命令如下：

iwr -useb https://openclaw.ai/install.ps1 | iex

模型的服务提供商选择OpenAI

模型登入方式选择OpenAI API key

创建 OpenAI API key：【点击前往】

然后在命令输入框输入密钥确认

在选择模型的时候，请选择GPT-5.3 codex，因为目前OpenClaw还没内置到GPT-5.4模型，但是一会我们可以通过命令进行切换过去。

切换模型需要重新开一个新的power shell窗口，并输入第1个切换模型的命令：

openclaw onboard --auth-choice openai-codex

执行命令以后，在配置选项里Config handling 选择 Update values：

确认以后会自动弹窗登入窗口，只需输入你的openAI账号登入即可

登入以后，再开一个新的power shell窗口，执行第2个切换模型的命令：

openclaw config set agents.defaults.model.primary "openai-codex/gpt-5.4"

就可以把当前Openclaw的默认使用模型切换到GPT-5.4上去了

注意：由于通过网页端授权登入的方式，只有Plus、Pro及以上的会员才可以调用GPT-5.4模型，所以要确保你当前登入的OpenAI账号是开通会员的才可以，否则会提示你找不到模型！

Mac 电脑

将 OpenClaw 默认模型切换到 GPT-5.4 的命令：

openclaw onboard--auth-choiceopenai-codex

执行命令后登入OpenAI账号

授权登入以后再开新的命令窗口执行下方命令：

openclaw configsetagents.defaults.model.primary"openai-codex/gpt-5.4"

重启 OpenClaw 后，问它“你是什么模型”，就会回复gpt-5.4：

当然如果你不想开通会员，也想使用最新的GPT-5.4模型，那么你可以通过刚才说的Open Codex 客户端进行安装使用！亲测即使是免费账户，登入以后照样可以使用GPT-5.4模型

核心能力全面升级：

这次升级，不只是“能操作电脑”这么简单。不仅会操作，还更聪明

知识型工作能力提升

在 GDPval 测试中（覆盖 44 个职业的知识工作能力评估），GPT-5.4 在 83% 的案例中达到持平或更优水平，而 GPT-5.2 为 71%。

在投行级电子表格建模内部测试中：

GPT-5.4：87.5%
GPT-5.2：68.4%

在演示文稿评测中，人工评分者在 68% 情况下更偏好 GPT-5.4 生成的作品，原因是：

更好的审美
更丰富的视觉元素
更有效的图像生成配合

对于内容创作者、分析师、咨询顾问来说，这是生产力的实质跃迁。

浏览器与网页操控能力

在 WebArena-Verified 测试中：

GPT-5.4 成功率 67.3%
GPT-5.2 为 65.4%

同时使用的token数量也大幅减少

在 Online-Mind2Web 测试中，仅凭截图观察成功率达到 92.8%，明显领先早期系统。

这意味着它在真实网页环境中的操作稳定性进一步提升。

视觉理解能力强化

在 MMMU-Pro 测试中，无需外部工具即可达到 81.2% 成功率。

在 OmniDocBench 文档解析测试中，平均误差下降至 0.109。

这就是它“原生操控电脑”能力的底层支撑——更强的视觉理解与结构解析能力。

编程与长任务执行

GPT-5.4 融合了 GPT-5.3-Codex 的编程能力，同时强化了长时间自主执行任务的能力。

在 SWE-Bench Pro 测试中，与 GPT-5.3-Codex 持平或更强，同时整体推理延迟更低。

它可以：

自己调用工具
多轮迭代优化
减少人工干预

这已经是半自动工程师级别的能力。

工具调用与多步任务

在 Toolathlon 测试中，它用更少轮次完成复杂真实任务，比如：

读取邮件
处理附件
评分
记录到表格

准确率更高，执行更稳定。

联网搜索能力

在 BrowseComp 测试中，GPT-5.4 相比 5.2 提升 17 个百分点。

GPT-5.4 Pro 更是达到 89.3%。

这意味着它在海量信息检索、多轮搜索整合方面的能力显著增强。

可控性：真正的“Thinking”升级

GPT-5.4 Thinking 在处理复杂任务时会先给出“前言”说明思路，并支持在生成过程中实时追加指令。

这对高阶用户来说意义巨大。

你可以在任务进行中微调方向，而不需要推倒重来。

在长流程任务中，它对上下文记忆更加稳定，推理更深入。

这才是 Agent 真正可控、可用、可扩展的关键。

最后总结：打工人真的悬了？

实测之后，我只有一个感受：

这不是一次小升级，而是一次形态级进化。

GPT-5.4 让“原生操控电脑”从概念走向现实。
它不再只是一个聊天模型，而是一个可以真正执行工作的智能体核心。

当它与 OpenClaw 这样的 Agent 框架结合，2026 年的工作方式，很可能会被重新定义。

相信大家已经使用OpenClaw一段时间了，是不是有时候会觉得自己的 OpenClaw（龙虾）不好用、不够智能，甚至连浏览器自动化都实现不了？其实问题往往不在工具本身，而是在模型没有选对，或者关键的 skills 没有安装完整。今天这篇文章，我会一次性帮你彻底解决这些核心痛点，避免走弯路，更别再被人割韭菜。

Openclaw 最佳模型选择

【点击前往】查看最佳模型

安装 OpenClaw 最新版本：

在Power shell下以管理员身份运行下方命令：

iwr -useb https://openclaw.ai/install.ps1 | iex

如果出现闪退现象，先执行下方的命令即可解决：

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass

如果你之前已经安装过OpenClaw，那么你可以通过下方的命令进行一键升级到最新版本：

① 打开 PowerShell（管理员模式）

开始菜单 → 搜索 PowerShell → 右键 → 以管理员身份运行

② 执行升级命令

npm install -g openclaw@latest

openclaw --version

openclaw gateway

openclaw onboard

npx clawhub@latest install agent-browser

npx clawhub@latest install tavily-search

npx clawhub@latest install find-skills

npx clawhub@latest install weather

npx clawhub@latest install self-improving-agent

npx clawhub@latest install summarize

npx clawhub@latest install skill-vetter

clawhub install proactive-agent

npx clawhub@latest install gog

npx clawhub@latest install <skill-slug>

在过去的1个月里，越来越多的人开始在 Mac 上运行本地 AI 大模型。比如使用 Ollama 来运行各种模型，再通过 OpenCat 或 Ollama桌面客户端 来调用。但很多人都有一个非常痛苦的体验：速度慢、推理卡顿、token 每秒只有个位数。

尤其是在 Mac Mini 或 16GB 内存设备 上，这个问题更明显。今天给大家介绍一个 Mac 本地跑模型的加速神器 —— OMLX。

它可以让本地模型 推理速度提升 10 倍以上，即使是 丐版 Mac Mini 也能轻松运行大模型。

下面我带大家 完整实测 + 部署教程

一、为什么 Mac 本地模型这么慢？

很多人在 Mac 上运行本地模型时，一般是这样的架构：

但默认情况下：

• 推理效率不高

• KV Cache利用率低

• CPU/GPU 调度不充分

所以经常会出现这种情况：

• 回复 一个字一个字往外蹦

• 每秒 3~5 token

• 一个简单问题 几十秒甚至几分钟

这对于日常使用来说体验非常差。

二、OMLX：Mac 本地模型加速神器

OMLX 的核心作用：

• 优化本地模型推理

• 提升 token 生成速度

• 管理模型缓存

• 提供 OpenAI API 接口

• 支持压力测试

简单理解：

OMLX = Mac 本地 AI 模型加速服务器

部署后，本地模型速度通常可以 提升 5~10 倍以上。

三、Mac Mini 推荐模型

如果你的设备是 16GB Mac Mini，推荐使用：

Qwen3.5-9B ：[点击前往]  进行下载

原因：

9B 模型在 性能和质量之间非常平衡。

四、安装 Ollama

首先安装 Ollama。

步骤：

1️⃣ 打开官网下载安装

【点击前往】

2️⃣ 安装完成后打开终端

下载 Qwen3.5 9B 模型

ollama run qwen2.5:9b

下载大小：约 6.6GB

下载完成后，就可以测试模型：

我们先测试一个简单的数学推理题：

2,6,12,20,30,(?)

规律是：

第六个数：

但在 Ollama 默认推理下：

结果：

速度非常慢。

六、安装 OMLX

在安装之前请确保你当前的mac上已经安装了Openclaw，没有安装的话可以通过下面的一键安装命令：

curl -fsSL https://openclaw.ai/install.sh | bash

来进行安装、升级到最新版本！

4、接下来安装 OMLX。

目前 Github 已经有 4000+ Star。

下载步骤：

1️⃣ 打开项目 Release 页面

下载最新版本【点击前往】或 【网盘打包下载】

注意选择正确版本：

下载后直接拖入 Applications 安装。

七、启动 OMLX 服务器

打开 OMLX 后：

配置如下

默认端口：8000

API Key：随便设置，例如：12345678

点击：

当看到 绿色状态 就说明启动成功。

进入后台：

在设置里建议这样配置：

内存限制

如果是 16GB Mac

热缓存

冷缓存（强烈建议）

例如：

作用：

• 保存 KV cache

• 模型下次启动更快

九、下载模型

OMLX 不识别 Ollama 模型格式。

所以需要 重新下载模型。

在后台：

搜索：

直接下载即可。

十、对接 OpenCat

接下来把 OMLX 接入 OpenCat。

终端运行：

opencat config

配置：

Provider

API 地址

API Key

留空即可。

然后填写模型 ID：

配置完成后即可。

十一、速度再次实测

同样的问题：

2,6,12,20,30,(?)

结果：

速度提升接近 10 倍！

几乎可以做到 秒级响应。

十二、OMLX 的高级功能

OMLX 还有很多强大功能：

1️⃣ 性能矩阵测试

可以测试：

• 单线程

• 多线程

• 并发压力

评估：

2️⃣ OpenAI API 兼容

支持：

• OpenAI API

• Cloud 模型

• 自定义模型

可以直接当：

3️⃣ KV Cache 持久化

大幅提升：

• 模型启动速度

• 上下文推理效率

如果你想在 Mac 上本地跑 AI 大模型，那么这套组合非常推荐：

优势：

• 本地运行

• 不消耗 token

• 推理速度大幅提升

• Mac Mini 也能轻松运行

尤其是对于喜欢折腾 本地 AI + 自动化工具 的朋友来说，这套方案真的非常香。

OpenClaw 到底能干什么

这大概是青小蛙也想知道的事情，OpenClaw 火的莫名其妙，但它除了聊天，还能干什么？

• 简单的说，普通 AI 工具，就是无所不知的聊天工具
• 而 OpenClaw 在此基础上，增加了「能操作电脑」这个新功能。

一个案例：让龙虾干活

前几天已经深夜了，青小蛙运动完回家遇到了一件事情：

小朋友参加活动，需要提交四张表格。此前已经通过微信，把四张表格以图片的方式发了过去。但已经快11点了，得到反馈：图片不行，需要提交 word 文档。

这…很尴尬。因为很晚了，很累，不想动弹啊。但是又必须解决这件事情。

于是我在想：能不能让养了那么多天的龙虾，干点活？

我直接把四张图片发给了 Openclaw，并说：「把这四张图片，依次放到word文档中，然后保存到共享目录中」。

这个共享目录是之前已经和龙虾商量好的。

第一轮它行动了，三分钟在我的追问下，回复已经做好了：

但是，我没有看到这份文档。

只能继续追问它：

然后，我就看到了真的文档：

预览了下，虽然没什么格式要求（它直接把图片以最大的尺寸放了进去，还在每张图片顶部写上了：图片1、图片2），但的确符合我的要求。

因为我把这份文档发给对方之后，解决了这个深夜文档问题。

OpenClaw 在成为会操作电脑的小助手的路上，又进了一步。

后记

这是一个简单的例子，并且这件事本身，在现有的很多 AI 工具中，实际上是可以完成的。

比如豆包就行：

但是，豆包读取了图片的内容。

OpenClaw 则是通过 Python 程序来完成的这件事，图片没有上传给大模型。这大概是他们两者之间的区别。

不过大模型进化的速度非常快，可能用不了多久，OpenClaw 的这种能力就会融合进豆包等工具中。

AI 的竞争已经不只是模型谁更强，而是谁先把「能干活的AI」塞进浏览器、办公套件、设计链路和开发流程里了。

原文：https://www.appinn.com/openclaw-ai-document-automation-night-workflow/

相关阅读

• Bookmarklet – 小书签，实用浏览器小工具补完
• OpenClaw 常用命令[持续更新]
• Workflow 工作流 iOS 神作 – 初识 (为什么它值得你去了解)
• OpenClaw 的世界，有点癫狂
• 限量5000台，联通云免费送1个月4核8G服务器，预装 OpenClaw

淘宝桌面版最近新增了 AI 功能，以及 MCP 功能，青小蛙在 OpenClaw 上配置成功，并尝试了一下。
现在可以通过AI在淘宝进行：搜索、比价、加入购物车、直接下单、查看管理订单、催发货、开发票等功能。

但并未发现设置页面中提到的允许AI代理操作旺旺聊天功能。

淘宝桌面版

淘宝在去年5月份发布了淘宝桌面版，支持 Windows 与 macOS，带 AI 对话功能。(官方下载地址）

最近的更新中，增加了 MCP 功能，并且现在可以直接检测到很多 AI 工具，包括 OpenClaw：

安装之后，就可以看到入口了：

安装 MCP

这是一个 MCP 服务，可以在 AI 客户端中直接连接：

{
  "mcpServers": {
    "taobao-native": {
      "type": "streamableHttp",
      "url": "http://localhost:3654/mcp"
    }
  }
}

如果是 OpenClaw，需要使用 mcporter 连接（mcporter 是一个 OpenClaw Skill，可以使用 mcporter CLI 直接列出、配置、验证和调用 MCP 服务器/工具）。

实际上，只需要将淘宝桌面版的 SKILL.md 文件，发给 OpenClaw 就完成了配置，还是很简单的。

青小蛙尝试搜索了常买的零食，结果不是很如意（它挑出来的价格好贵啊）目前阶段还不敢让它帮忙买东西。

不过未来可期，比如对龙虾说：家里的卫生纸用完啦。龙虾：好嘞，已帮你买了新的卫生纸。

淘宝桌面版 MCP 真的什么都能干吗？

先说结论：可以搜索、浏览、下单一条龙，但并没有在 skill 文件中看到旺旺的相关内容。

SKILL 里明确能做的事

当任务涉及以下淘宝/天猫购物操作时，按说明应通过 mcporter 调用 taobao-native MCP：

• 导航到淘宝预设页面（首页 / 搜索页 / 购物车 / 订单页）
• 导航到任意网页地址
• 搜索商品
• 获取搜索结果列表
• 查看商品详情
• 将商品加入购物车
• 立即购买商品
• 提交订单
• 读取当前页面内容
• 扫描页面可交互元素
• 点击页面元素
• 在输入框输入文本
• 滚动页面

优势

• 直接操作已登录的淘宝桌面客户端
• 不需要处理登录、验证码、反爬
• 使用 Chromium 原生输入事件，稳定性比普通浏览器自动化更好
• 在本地桌面客户端执行，不会额外打开浏览器窗口

工作流程

按 skill 说明，标准流程是：

1. navigate
   导航到目标页面
2. read_page_content
   读取当前页面可见文本
3. scan_page_elements
   扫描当前页面可交互元素
4. click_element / input_text
   执行点击、输入等交互
5. 重复 2-4，直到完成任务

如何将淘宝 MCP 转发给局域网使用

淘宝的 MCP 默认只绑定了本机（127.0.0.1）地址，没办法给其他设备使用，可以简单的通过 Windows 自带 portproxy 将 MCP 转发给局域网使用：

# 转发（需要管理员权限）
netsh interface portproxy add v4tov4 listenport=3654 listenaddress=0.0.0.0 connectport=3654 connectaddress=127.0.0.1

# 开放防火墙：
netsh advfirewall firewall add rule name="MCP 3654" dir=in action=allow protocol=TCP localport=3654
# 查询是否成功
netsh interface portproxy show all

# 删除命令
netsh interface portproxy delete v4tov4 listenport=3654 listenaddress=0.0.0.0
# 查询是否删除成功
netsh interface portproxy show all

然后，就可以在局域网内通过其他机器连接使用了。

为什么要这样？

以青小蛙为例，青小蛙的 OpenClaw 是安装在一台 Ubuntu 虚拟机中，而淘宝客户端运行在 Windows 中。

原文：https://www.appinn.com/taobao-pc-ai-mcp/

最后，这一波 AI 快速的改变了无数软件本身，曾经的软件使用者是人类，未来（现在）的软件使用者，是 AI。

相关阅读

• OpenAI 就这么选择了 Anthropic 的 MCP 开放标准，MCP 要一统未来了么？
• MCP iCal Server – 真秘书！用 AI 控制 macOS 日历
• 在北京参加赢在淘宝活动
• annas-mcp – 安娜的档案 MCP 服务器与 CLI 工具
• 如何查询：五一期间，成都周边200公里，哪有晴天，方便安排行程

AI Token 很贵，而且没完没了，这是所有 AI 重度用户迟早会面对的问题。
于是越来越多人开始尝试本地大模型——只要电脑能跑，就相当于拥有“无限 Token”。

但关键问题是：你的电脑到底能跑哪些 AI 模型？

前几天分享了一款软件：llmfit – 1秒测出：你的电脑能跑哪些 AI 大模型，它可以测出你的电脑硬件配置，再显示出当前配置下，能跑哪些大模型。

• 优点：硬件识别准确、可选模型多。
• 缺点：就是需要下载一个软件

那么，有没有不需要下载软件也能识别的呢？

CanIRun.AI 就是为了解决这个问题而诞生的。

这是一个可以自动获取你的电脑硬件信息，主要包括 CPU、显卡、内存（大概）信息，然后给你可用的大模型列表的网站。

• 官网地址

进入详细大模型页面后，还有更详细的内容，包括：

• ollama 安装命令
• HuggingFace 下载链接
• 下载次数/爱心统计
• 量化选项
• 详细参数等

为什么它能知道你的硬件信息？

关于这个问题，青小蛙也去研究了一下，于是有了这个网站：

• https://hardware.appinn.com/

这是青小蛙让 AI 写的一个用浏览器检测用户硬件信息的页面，包括 CPU、内存、显示器信息、显卡信息、存储、预估带宽等信息，简单易用。

原文：https://www.appinn.com/canirun-ai/

OpenClaw 如何切换到本地模型？如果希望在执行自动化任务时保持流畅、不出现卡顿，同时避免频繁触发上下文长度限制，那么选择一个合适的开源模型就非常关键。

对于 OpenClaw 来说，模型不仅需要具备良好的推理能力和语言理解能力，还需要拥有稳定的 工具调用（Tool Calling）能力。因为在自动化任务中，模型需要频繁调用各种工具完成操作，因此工具调用能力往往是选择模型时最重要的指标之一。

很多人在第一次尝试本地部署模型时，往往会选择 Ollama。它的优点确实很明显：安装简单、配置方便，几乎可以做到“傻瓜式”部署。

但在 OpenClaw 这种自动化任务场景下，Ollama 的调用方式和推理速度并不理想。实际使用中往往会遇到两个问题：

• 推理速度较慢

• 上下文长度很容易被耗尽

在连续运行多个任务后，经常会出现上下文不够用的情况。

因此，如果你希望获得更稳定、更高效的本地部署体验，就需要选择更合适的推理框架。

一般来说：

• 远程集群 / 多 Agent 场景：推荐使用 SGLang

• 单卡本地部署：强烈推荐 vLLM

目前来看，vLLM 可以说是单机部署 OpenClaw 的最佳解决方案之一。

接下来我就给大家详细介绍vLLM 部署本地模型并对接到OpenClaw 的整个过程：

前期准备：

在开始之前，建议大家安装下 Windows Terminal，它是一款新式、快速、高效、强大且高效的Windows 的终端程序，适用于命令行工具和命令提示符，PowerShell和 WSL 等 Shell 用户。可以方便我们切换不同的系统！

【点击下载】

一、安装 WSL2

在 PowerShell（管理员）执行：

wsl --install

安装完成后重启电脑，然后安装Ubuntu，

wsl --install -d Ubuntu

检查版本：

wsl --version

确保输出结果是：WSL2

二、WSL 安装 CUDA 驱动支持

先确认 Windows 已安装 NVIDIA 驱动。

检查：

nvidia-smi

然后在 WSL Ubuntu 里运行：

nvidia-smi

如果出现显卡信息说明 GPU直通成功。例如：

RTX 4090 # 根据你自己的显卡而定

三、安装 Python 环境

更新系统：

sudo apt update
sudo apt upgrade -y

安装 Python：

sudo apt install python3-pip python3-venv -y

创建虚拟环境：

cd ~
python3 -m venv vllm-env

进入环境：

source vllm-env/bin/activate

四、安装 vLLM

安装命令：

pip install --upgrade pip
pip install vllm

安装完成后测试：

python -c "import vllm; print('vLLM installed')"

五、下载模型

推荐模型：

Qwen2.5-14B-Instruct-AWQ

模型优点：

• 中文强

• Agent能力好

• 支持更全面的工具调用能力

启动 vLLM 时会自动下载模型。

显存提示

本教程演示使用的是 24GB 显存显卡。如果你的显存更小，建议选择参数规模更小的模型，否则在加载模型时可能会出现：显存不足（Out of Memory）的问题。

如果显存不够大，那么可以选择：Qwen2.5-7B-Instruct-AWQ 或  Qwen2.5-4B 等更小的模型

六、启动 vLLM 服务

运行命令：

python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-14B-Instruct-AWQ \
  --quantization awq_marlin \
  --gpu-memory-utilization 0.9 \
  --max-model-len 32768 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes

成功后会看到：

说明 API 已启动成功。

七、测试模型

在 Windows PowerShell 测试：

curl http://127.0.0.1:8000/v1/models

返回模型信息：

Qwen/Qwen2.5-14B-Instruct-AWQ

说明连接正常。

八、安装 OpenClaw

在 WSL 子系统里执行安装命令：

先安装Nodejs

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -<br />sudo apt install -y nodejs

再执行安装Openclaw

sudo npm install -g openclaw@latest

九、OpenClaw 配置本地模型

进入配置：

openclaw onboard

添加模型：

模型提供商必须选择自定义的：

Base URL：http://127.0.0.1:8000/v1

API key：123456 (随便填写)

模型名称：Qwen2.5-14B-Instruct-AWQ

最后保存即可！

十、OpenClaw 推荐参数（优化）

为了避免卡顿：

Context length：6000–8000

Temperature：0.7

Max tokens：2048

十一、优化推理速度（强烈推荐）

vLLM启动参数建议：

注意：这是RTX4090显卡的配置，请根据你自己的显卡显存来适当修改max-model-len  后面的参数

python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-14B-Instruct-AWQ \
  --quantization awq_marlin \
  --gpu-memory-utilization 0.9 \
  --max-model-len 32768 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes

效果：

• prefix cache 加速 prompt

• GPU利用率更高

十二、解决长对话卡顿

在 OpenClaw System Prompt 加：

When the conversation becomes long,
summarize previous messages into a short memory.
Keep the memory under 200 tokens.

这样：
8000 token
↓
200 token memory

速度不会下降。

十三、最终性能参考（RTX4090）

Qwen2.5-14B-Instruct-AWQ：

本地模型跑 Openclaw 就完全够用。

是时候再次拿出尘封的 Perplexity Pro 账号了！

App Store：https://apps.apple.com/app/id6748622471

Perplexity 的 iOS 浏览器 Comet 已上架 App Store。与 Perplexity 本体应用最大区别就是可以直接打开网页了。

在底部地址栏上方，Comet 放了一个明显的助手按钮，你可以随时针对当前页面继续追问。并且支持跨标签页提问，也就是你同时打开了多个网页，它一起回复你。

它也支持像桌面浏览器那样，直接下达指令，比如：“控制浏览器，帮我填表”。

另外，免费用户可用，但有限额，无 Agent 功能，即自动浏览器功能。

但…之前不是免费送过 Pro 嘛

Comet 有什么不一样？

AI 助理常驻网页：

不是独立聊天 App，而是完整浏览器。它可以读取当前页面、总结内容、回答追问，还能结合多个标签页的上下文。

Agentic 浏览：

在 Comet 里说：「帮我在 Skyscanner / Booking.com 找从北京到东京的直飞航班，3月25-30日，预算2000元以内，按价格和评分排序。

语音模式：

可以边浏览边问问题，青小蛙觉得还挺好用的，比如我问：这个软件有什么用，它给我解释了下

未来：AI 操作软件

未来，一定是 AI 操作各种软件，这个趋势太太太快了，快的有点来不及用。

原文：https://www.appinn.com/perplexity-comet-ios-browser/

相关阅读

• 浏览器，你自己能动！注册 Comet 就送1个月 Pro 会员
• Perplexity 正式提出 345 亿美元要约，收购 Google Chrome
• Perplexity 正式发布 macOS 客户端｜基于 AI 的对话式搜索引擎
• Apple 教你 16 种 iPhone 7 拍照技巧，人人都是摄影师
• 数码荔枝双 11 软件大促开启，100+ 正版工具 5 折起

New API 是知名的 API 中转开源项目，它可以把多处的 API 聚合在一起，统一管理、使用。
OpenClaw 大家都熟了。

当你通过 OpenClaw 调用 NewAPI 里的模型时，会出现无响应的问题。

此前青小蛙让 OpenClaw 自己解决了这个问题，就…没管它了。

无模型，龙虾失效

最近因为 Token 吃紧，在添加新的 NewAPI 时，又遇到了这个问题。

因为已经没有可用模型，龙虾失效了，无法让它解决，就只能自己来了。

具体问题

通过 OpenClaw 常用命令：openclaw configure 可以使用向导的方式配置新的模型：

但这种方式无法正常使用，完全没响应，OpenClaw 自动跳转使用备用的 fallback 模型

解决方案

于是青小蛙去研究了 openclaw.json 配置文件，这里有当初 OpenClaw 自己配置 NewAPI 时的可用参数，如下：

OpenClaw 为 models.providers.myprovider 配置了 headers：

        "headers": {
          "User-Agent": "@openclaw/2026.1.29 node/v22.22.0 (KHTML, like Gecko) Edge/125.0.2535.67",
          "Accept": "*/*",
          "Accept-Language": "en-US,en;q=0.9"
        },

然后，就可以正常使用了。

原文：https://www.appinn.com/openclaw-newapi-model-error/

相关阅读

• OpenClaw 常用命令[持续更新]
• Molili：当贝推出中文版 OpenClaw，不看教程都能用[Windows/macOS]
• 时隔11天，OpenClaw 2026.3.23 发布，内置 ClawHub 插件/技能市场
• 限量5000台，联通云免费送1个月4核8G服务器，预装 OpenClaw
• OpenClaw 的世界，有点癫狂

微信派在几十分钟之前宣布：《微信支持连接你的龙虾了》，提供了一个专属的机器人叫做：微信ClawBot，以及一个 OpenClaw 插件。
扫码登录之后，即可通过微信控制 OpenClaw，从而控制整个电脑。

但是，依旧是灰度测试！

具体步骤

请注意，微信明确「微信ClawBot 插件在逐步放量中。更新至最新版本，敬请期待。」

第一步：更新最新版本微信 8.0.70

第二步：进入我 > 设置 > 插件

没看到 ClawBot 就是没有灰度到

第三步：让你的 OpenClaw 安装 ClawBot 插件

ClawBot 插件安装命令：

npx -y @tencent-weixin/openclaw-weixin-cli@latest install

注意安装插件会自动重启你的 OpenClaw。

12小时前刚刚上传：

第四步：扫一扫码登录

启用插件后会触发扫一扫：

然后就可以愉快的使用了。

你们谁灰度到了，快说出来让我羡慕一下。

最后，实在没想到是 OpenClaw 逼出了微信机器人。

相关阅读

• OpenClaw 常用命令[持续更新]
• Molili：当贝推出中文版 OpenClaw，不看教程都能用[Windows/macOS]
• 时隔11天，OpenClaw 2026.3.23 发布，内置 ClawHub 插件/技能市场
• OpenClaw 的世界，有点癫狂
• 限量5000台，联通云免费送1个月4核8G服务器，预装 OpenClaw

在 OpenClaw 的视频下方，我看到一条评论：

控制电脑能做什么工作？是所有的吗？除了重装系统，什么都能干吗？

现在的 AI，还真干不了所有的事情，但距离实现这件事，已经不远了。

因为我们已经越来越习惯，让 AI 帮我们把事情做完。

AI 能控制电脑这件事，悄然发生了变化：

从 0 到 1，我们等了好几年，但最近半年（几个月），正在从 1 到 100，快速进化。

AI Agent 到底是什么？

还记得前几天青小蛙使用 OpenClaw 的例子吗？（经典空气交付：OpenClaw 简单案例，拿锤子找钉子）

我让 OpenClaw 做一个 Word 文档，把图片放进去。但是我并没有告诉它怎么做，甚至电脑里都没有安装 Word。

结果，它自己做了两件事：

1. 选了一个程序，失败了
2. 换了另一个程序，成功了

整个过程，我什么都没说。

它不是“执行”，而是在真的“尝试”：

那一刻我突然意识到：这个东西，已经不再是传统的“工具”了。

它会自己尝试、失败、再尝试，直到把事情做完。

这不是工具，这就是最近大家都在说的那个东西：

AI Agent

AI Agent 这个词，大概是近半年以来听到最频繁的陌生词汇。

直到 OpenClaw 出现，我才真正理解它了，甚至昨天晚上，我还和小朋友聊到了这个词。

我们从 “Agent” 这个词怎么翻译开始：

Agent：代理人，代表他人或团体行事的人，积极发挥作用或产生特定效果的人或事物。

这个时候，我发现，要理解这个词，其实一点也不复杂。

AI Agent，就是 AI 代理人。

它在替谁做事？

你、我、人类用户，青小蛙觉得甚至可以代理 AI…

它在做什么？

比如 OpenClaw 这样的典型应用，它可以直接帮你操作电脑。

它是怎么做到的？

在给定目标后（prompt），它可以：自己决定怎么做，并持续执行，直到完成。

你可以把它理解成一件很简单的事情：

你下达指令，它去干活。

AI Agent 有多种形态：

• • 一个完整应用（OpenClaw）
• • 一个系统模块（自动流程）
• • 一个框架/能力（AutoGPT）

但无论形式如何，它们都有一个共同点：

给目标，它自己把事情做完，这多像牛马啊，这就是牛马啊 

命令行：正以 AI 的速度卷土重来

这个世界上的计算机，一开始并没有图形界面，只有冷冰冰的命令行（终端是什么？）。

那时候，人类操作计算机，需要一行一行敲：

• 记住命令
• 记住参数
• 连空格都不能出错

后来，图形界面出现了

直到 Windows、macOS 的出现，一切才改变。

鼠标、窗口、图标、按钮、拉杆，把命令隐藏了起来。

人们不再需要「理解计算机」，只需要「使用计算机」。

甚至我们开始讨论：哪个系统更漂亮？

命令行的回归

但这几个月，正在发生惊人的逆转。

天然会写命令行，从来不会出语法错误的 AI，正让命令行以一种更快的速度卷土重来。

比如昨天的 API 开机、关机。

比如前几天说的淘宝MCP、安娜的档案MCP，Eagle MCP。

让 AI 能够买东西、下书、管理素材，再到流行技能（Skills）里的小红书，AI 帮我们把社交媒体也发了。

越来越多的功能，正在一点一点，被 AI 接管。

而 AI 最大的优势，它会写命令，而且不会写错。

所以命令行回来了，但这一次，不是给人用的，是给 AI 用的。

我们还需要“自己用软件”吗？

现在，越来越多的软件开发者开始优先思考一件事：

AI 能不能使用我的软件？

而不是：人类如何使用我的软件。

有时候我会突然意识到一件事，以前我们用软件，每一步，都必须亲自来：

• 打开
• 点击
• 复制
• 粘贴

但现在，好像开始变了。

你不再需要知道：

• 按钮在哪
• 功能叫什么
• 操作顺序是很美

你只需要说一句：“帮我把这件事做完。”

你不再需要关心“怎么做”，只需要关心：它能不能做。

甚至，再也不需要「教程」这个东西了。

然后，软件开始自己动了起来。

最最神奇的是，这个变化，不是未来，而是现在。现在的每一天，都在发生的事情。

所以，最后的问题来了：未来我们还会“自己用软件”吗？

相关阅读

• Open Broadcaster Software – 开源直播软件[Win/OS X/Linux]
• 微软的 150 款免费软件[部分，待更新]
• 一站式 AI 多媒體增強與轉檔軟體 VideoProc 黑五大促，新模型帶來更強大的 AI 影片、圖片、音訊處理功能
• 十大不为人所知的免费软件[译文]
• 通杀各种exe安装程序

微信正式支持 OpenClaw后，意料之中的情形出现了：有开发者根据微信 OpenClaw 插件，改造了一个可以将 Claude Code, Codex, kimi-cli 等任意 AI 接入微信的开源项目。

weixin-agent-sdk 是什么？

weixin-agent-sdk 是一个第三方项目，基于微信 OpenClaw 插件 @tencent-weixin/openclaw-weixin 改造而来。

它本质上是一个桥接层（bridge），在微信与 AI Agent 之间建立一层统一的通信接口。而它与 AI Agent 之间通过 ACP 协议沟通，或者直接使用其 SDK 工具。

总之一句话：可以将任意 AI 接入微信。

ACP (Agent Client Protocol) 协议

ACP (Agent Client Protocol) 是一个开放的 Agent 通信协议，weixin-agent-sdk 兼容 ACP 协议，常见的 ACP 客户端有：

• Claude Agent (via Zed’s SDK adapter)
• Codex CLI (via Zed’s adapter)
• Cursor
• Gemini CLI
• GitHub Copilot (in public preview)
• Junie by JetBrains
• Kimi CLI
• Kiro CLI
• OpenClaw
• OpenCode
• Qwen Code 等等

weixin-agent-sdk 接入方法

扫码登录：

npx weixin-acp login

然后选择对应的：

Claude Code

# 安装 claude-agent-acp
npm install -g @zed-industries/claude-agent-acp

# 启动 agent
npx weixin-acp start -- claude-agent-acp

Codex

# 安装 codex-acp
npm install -g @zed-industries/codex-acp

# 启动 agent
npx weixin-acp start -- codex-acp

kimi-cli

npx weixin-acp start -- kimi acp

-- 后面的部分就是你的 ACP agent 启动命令，weixin-acp 会自动以子进程方式启动它，通过 JSON-RPC over stdio 进行通信。

SDK 接入方法参考 GitHub 示例代码吧。

获取

• GitHub

原文：https://www.appinn.com/weixin-agent-sdk/

且看微信如何应对。

相关阅读

• 软件 AI 化，势不可挡
• 时隔11天，OpenClaw 2026.3.23 发布，内置 ClawHub 插件/技能市场
• Agent A – 一个有故事的特工/一个有特工的故事[iOS]
• 10 款最新发现的免费小工具！
• Gmail 手机版更新至 2.0.5 及安装教程