最近几天， Seedance 2.0 真的火出圈了！从 1.5 Pro 到 2.0，这次升级并不是简单的性能优化，而是一次明显的“定位跃迁”。官方不再把它当成普通的视频生成工具，而是直接对标“导演级创作”。什么意思？简单说，它不只是帮你生成一段画面，而是开始替你思考镜头语言——分镜节奏、景别变化、情绪推进，甚至画面与音乐的配合关系，都在往专业影视制作的逻辑靠拢。

更关键的是，它精准打掉了 AI 视频创作长期存在的两个硬伤：人物一致性崩坏和视听不同步。过去我们做 AI 视频，经常遇到同一个角色换个镜头就“换脸”，或者口型和配音完全对不上，观感非常出戏。而在 Seedance 2.0 上，这种问题明显被大幅压缩，人物在多镜头、多场景下依然能保持统一形象，节奏感也更加自然流畅。

再加上它新增的自动镜头调度能力——系统会根据文本内容主动设计镜头切换、景别远近和节奏变化，这已经不是“生成视频”，而是在模拟一套完整的导演工作流程。难怪这两天 AIGC 圈突然炸锅，甚至不少传统影视从业者都开始认真讨论：AI 视频，是不是已经正式进入“创作级”时代？下面我们就来介绍 Seedance 2.0 免费使用方法！

免费使用方式：

1、通过即梦平台进行免费使用，目前官方模型里已经内置了Seedance 2.0 最新模型，最高可以生成15秒的视频，支持16:9的常规视频，也支持9:16的短视频等

模型选择：Seedance 2.0  Fast，这是最新刚刚推出的，速度会更快，更轻，不在乎生成速度，追求最近效果的就选择 Seedance 2.0 正式版，目前这2个模型都已经上架到了即梦平台

即梦官方平台：【链接直达】

通过上方的链接安装手机客户端（支持安卓、iOS），注册并登入你自己的账号，然后创建自己的AI分身，就可以生成自己形象的AI视频，

制作零度同款视频：【点击生成】

方法二：剪映官方平台

不仅可以生成短视频，也可以生成16:9 的长视频，免费注册以后，平台会直接送80个积分，玩法会更多，支持：全能参考、首尾帧、智能多帧、主体参考等视频生成模式。

【点击前往】

你只需输入对应的提示词，seedance 2.0 就可以帮你生成你想要的视频，但是在平台上的限制相对来说比较多，一些敏感的画面，或者是名人肖像现在管的比较严。

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 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。

在折腾 NAS 的过程中，我一直在寻找一套能够真正实现“自动化+效率提升”的工具，直到接触到 OpenClaw，才发现很多原本需要手动完成的操作，其实都可以被彻底解放。但问题是：网上几乎没有一套完整、可落地的 NAS 部署教程，要么步骤缺失，要么关键配置一笔带过，新手很容易卡在中途。

这篇文章，我会从 0 到 1 手把手带你完成 OpenClaw 在 NAS 上的完整部署，包括环境准备、Docker 配置、网络访问、以及 Telegram 对接等关键步骤。同时，我也会把自己在实际部署过程中踩过的坑全部整理出来，比如镜像拉取失败、权限问题、端口无法访问、机器人无响应等常见问题，并给出可直接复现的解决方案。

如果你符合以下情况，这篇文章会对你非常有帮助：

• 第一次在 NAS 上部署 OpenClaw，不知道从哪里开始
• 已经部署成功，但部分功能（如 Telegram）无法正常使用
• 经常遇到各种报错，但不知道问题出在哪里
• 希望搭建一套可以长期稳定运行的自动化系统

相比零散教程，这篇内容更偏向“实战复盘”，不仅告诉你怎么做，更重要的是让你知道为什么会出问题，以及如何避免。

接下来，我们正式开始，从最基础的环境准备讲起。

部署步骤：

1、在Nas里安装Docker管理器

套件中心→Container Manager

2、下载安装OpenClaw 安装包

在镜像仓库里面搜索关键词：openclaw，然后下载镜像，推荐选择 1panel openclaw

注意：如果你在中国大陆，建议通过国内加速镜像进行下载，否则下载速度会很慢！设置步骤：左侧的镜像仓库 – 设置 – 新增: 镜像仓库名称：随便自定义 ， 加速的镜像仓库URL填：https://docker.1ms.run

3、安装并运行OpenClaw 容器

在映像里选择刚才下载好的1panel/openclaw 镜像，鼠标右键点击运行

配置容器

这一步要做18789的端口映射，及容器空间设置，如下图所示：

网络由bridge改成host，否则后续无法在其它或外网访问Nas里的Openclaw

使用高权限执行容器，并在执行命令后面填写下方的代码：

openclaw gateway --allow-unconfigured

接着点击完成来创建Openclaw 的容器

4、在Nas里开启SSH远程访问权限

在控制面板找到：终端机和SNMP

进入以后，勾选里面的启用 SSH 功能，这样我们才能通过SSH客户端连接到Nas里面

5、下载安装SSH远程终端连接器

你可以下载这款完全免费的 WindTerm ，来进行连接使用

【点击下载】或【备用打包下载】

连接地址：nas群晖的 ip地址 ，比如我是：192.168.1.113

端口：22

用户名：nas 登入账号

密码：nas 登入密码

登入进去以后，通过命令sudo -i 来提升到管理员权限，输入命令：docker ps 来查看当前所安装的Openclaw容器

6、进入Openclaw 容器进行配置

输入命令：

sudo docker exec -it openclaw bash

来进入到openclaw的容器，注意：如果你之前自定义的容器名称不是openclaw，那么上方的命令你需要将openclaw改成你自定义的容器名称

进入容器以后再执行命令：

openclaw onboard

来进行后续的配置即可，具体看零度的视频教程演示！

如果你选择对接Telegram的机器人，那么需要打开 @BotFather 进行创建机器人并配对

7、在其它电脑/外网上访问 Openclaw 

在openclaw 容器里执行命令：

openclaw config

将Gateway 模型由 bind mode改为LAN模式，如下：

修改以后，Openclaw的面板地址就会由原来的127.0.0.1 变成我们的nas的访问地址,比如我是：192.168.1.113，这一步非常关键！，它决定了你在nas里部署的Openclaw能不能在其它电脑或外网上访问控制面板。

当然第一次访问的时候它会显示这个错误信息：

origin not allowed (open the ControlUIfrom the gateway host or allow it in gateway.controlUi.allowedOrigins) openclaw

这主要是跨域导致的问权限题，现在我们可以在容器里，一键执行下方的命令来解决这个错误：

docker exec openclaw node openclaw.mjs config set gateway.controlUi.allowedOrigins '["http://192.168.1.113:18789","http://localhost:18789"]'

注意：要将上方命令里的 ip 替换成你自己的 nas 的 ip 地址

执行命令以后稍等一会，它会自动重启容器，但是重启以后访问它会出现这个错误，就是要求我们通过HTTPS协议进行访问后台，错误信息如下：

control ui requires device identity (use HTTPS or localhost secure context)

这个错误不用慌，我们可以通过下方的命令来解除这个限制：

docker exec openclaw node openclaw.mjs config set gateway.controlUi.dangerouslyDisableDeviceAuth true

执行重启容器以后，稍等一会就可以正常访问Openclaw的后台了

如果你最近关注过 AI 圈，那你一定听说过“小龙虾 OpenClaw”。它不仅可以作为一个强大的智能助手，还能实现远程控制、自动化任务，甚至接管你的手机做各种操作。更关键的是，现在它已经可以直接安装在手机上本地运行，不依赖云端，真正做到低延迟、省电、随时随地可用。

这篇文章就带你完整梳理，从下载安装到实际使用，一步步把 OpenClaw 安装进你的安卓手机。

首先来说一个核心亮点：OpenClaw 是可以在手机本地运行的。这意味着它不需要远程服务器支持，也不会因为网络延迟影响体验。你可以把它理解为一个随身携带的 AI 助手，随时唤醒、随时响应。

而且它的硬件要求非常低，一台老旧安卓手机就可以运行。内存大约只需要 500MB，现在大多数手机都远远超过这个配置，所以几乎没有门槛。

OpenClaw 手机版下载：

【点击前往】 或 【备用下载】

首轮

1. 安装APK
2. 按照安装向导操作（下载约 500MB 的 Ubuntu 根文件系统）
3. 从控制面板启动网关
4. 请访问以下网址访问网络控制面板：http://127.0.0.1:18789

要求

• Android 10+（API 29）
• 初始设置需要约 500MB 的可用存储空间
• 首次设置需要连接互联网

它的实现原理其实也很有意思。OpenClaw 并不是直接跑在安卓系统上，而是通过 Proot 在手机里虚拟出一个 Ubuntu 系统，然后在这个环境中安装 NodeJS 和 OpenClaw 主程序，同时提供一个图形化界面进行管理。最重要的一点是：整个过程不需要 Root 权限，这让它的可用性大大提升。

在安装方式上，它提供了两种方案：一种是通过专门的应用进行安装，另一种是通过命令行安装。对于大多数用户来说，直接使用 APK 安装是最简单的方式。

安装流程其实并不复杂。首先下载对应版本的安装包，推荐选择官方推荐版本，它适配绝大多数安卓设备。如果你的手机比较旧，可以选择兼容 32 位 ARM 的版本；如果是在模拟器环境，则可以选择 x86 版本。

下载完成后，把 APK 传到手机上进行安装。你可以使用局域网传输工具，比如 LANDrop，在电脑和手机之间快速传文件。只要两台设备在同一网络下，就可以互相识别并直接传输，非常方便。

LANDrop 神器下载：

1、电脑版: 【点击下载】或 【打包下载】

2、手机版:【点击下载】或 【下载APK安装包】

安装完成后，第一次打开应用，会自动进入初始化流程。整个过程分为几个阶段：下载 Ubuntu 虚拟环境、解压系统、安装 NodeJS、部署 OpenClaw，最后进行配置。这一步需要一定时间，尤其是虚拟环境大约有 500MB，需要耐心等待。

配置阶段是整个流程中最关键的一步。你需要选择 AI 服务提供商，比如 OpenAI、Claude、DeepSeek、Gemini 等。如果你在海外环境，推荐使用 OpenAI 或 Claude；如果在国内，可以选择 DeepSeek 或 Minimax。

登录方式可以选择 API Key 或网页授权。如果你是免费用户，建议使用网页授权方式，操作更简单。授权完成后，还需要选择具体模型，比如 GPT-4 或 GPT-3.5。

接下来是一个非常有意思的功能：对接第三方聊天工具。OpenClaw 支持 Telegram、Discord、飞书等平台。以 Telegram 为例，你需要通过 BotFather 创建一个机器人，然后获取 Token 填入配置中。完成后，通过一条配对命令，就可以把 OpenClaw 和 Telegram 连接起来。

当你看到系统返回“approved”，就说明已经对接成功。这时你可以直接在 Telegram 里和你的 AI 助手聊天，它会像一个真正的助手一样回应你、帮你处理任务。

除了聊天能力之外，OpenClaw 的真正强大之处在于“自动化”和“控制能力”。你可以让它帮你写文章、整理资料、编写代码，甚至执行定时任务。它就像一个 24 小时在线的数字员工。

更进一步，它还可以实现远程控制手机。例如远程拍照、录制视频、做监控等。这一点对于安防、远程观察等场景非常实用。当然，要使用这些功能，需要开启开发者模式和无线调试，并授予摄像头、录制等权限。

当一切配置完成后，你可以通过浏览器打开 OpenClaw 提供的本地地址，进入控制面板。在这里可以管理模型、技能（Skills）、任务以及各种功能扩展。

整体来看，把 OpenClaw 装进手机，相当于给自己打造了一个随身 AI 中枢。它不依赖云服务器，不受设备限制，可以随时随地运行。无论是日常使用还是技术探索，都有很大的发挥空间。

如果你愿意折腾一点，这套方案不仅仅是“好玩”，甚至可以成为你个人效率系统的一部分

就在前两天，Qwen 系列迎来了重磅更新——Qwen3.6-Plus 正式发布。这一次升级不仅是常规迭代，而是一次在编程能力与智能体（Agent）能力上的全面跃迁。

一、两天登顶：刷新全球调用纪录

模型刚上线，就迅速引爆全球 AI 社群。在短短两天内，Qwen3.6-Plus 便登上了 OpenRouter 日榜第一，成为最受欢迎的大模型之一。

更夸张的是，它的单日调用量突破 1.4 兆 Token，直接刷新了单模型调用量的全球纪录。OpenRouter 官方甚至称这次表现为：

“有史以来最强的新模型表现”

这意味着，Qwen3.6-Plus 不只是“强”，而是一上线就成为生产级首选模型。

二、核心升级：从“能用”到“真能干活”

相比上一代，Qwen3.6-Plus 的提升可以用一句话总结：

从辅助工具，进化为真正能独立完成复杂任务的 AI 工程师

1、 超长上下文：100 万 Token

默认支持 100 万上下文窗口，意味着：

• 可以处理整本书级别内容
• 支持超长代码仓库分析
• 长链任务无需频繁截断

这对代码理解、项目级分析和复杂任务规划极其关键。

2、 编程能力大幅跃升

Qwen3.6-Plus 在多个真实世界编程评测中表现亮眼，包括：

• SWE-bench
• Terminal-Bench（NL2Repo）
• Claw-Eval / QwenClawBench

在这些测试中，它已经成为当前编程能力最强的一档模型之一。

它不仅能写代码，还能：

• 理解大型项目结构
• 自动修复 Bug
• 重构复杂系统
• 完成跨文件依赖分析

3、 Agent（智能体）能力全面进化

这是本次升级的真正核心。

Qwen3.6-Plus 深度优化了 Agent 能力，并适配多个主流框架：

• OpenClaw
• Qwen Code
• Claude Code
• Cline / OpenCode / Kilo Code

它可以做到：

• 自主调用工具
• 分解复杂任务
• 多步骤规划执行
• 长时间任务持续推进

 简单说：不仅会写代码，还会“自己想怎么写”

 4、Vibe Coding：普通人也能写复杂程序

Qwen3.6-Plus 让一个概念真正落地：

Vibe Coding（氛围编程）

你只需要用自然语言描述需求，比如：

“帮我做一个带登录系统的博客网站，支持Markdown编辑和评论功能”

模型就可以：

• 自动拆解需求
• 设计系统架构
• 生成完整代码
• 甚至帮你部署

这意味着：

不会编程的人，也能做产品了

三、通用能力：依然是顶级水准

除了编程，Qwen3.6-Plus 在通用能力上同样强悍：

STEM 推理能力

• 复杂逻辑推理
• 数学建模
• 多步骤问题拆解

超长文本理解

• 大规模信息提取
• 文档级分析
• 长上下文一致性保持

多语言能力

• 跨语言理解与生成
• 多语种任务无缝切换

四、多模态能力再升级

Qwen3.6-Plus 在视觉能力上也有明显增强：

•  复杂文档理解（PDF / 表格 / 报告）
•  物理世界视觉推理
•  视频理解与推理
•  视觉编程（看图写代码）

它可以把“看见的信息”转化为“可执行决策”。

五、前端与创意开发能力提升

在网页开发方面，Qwen3.6-Plus 表现尤其亮眼：

• 支持复杂前端架构
• 能生成高质量 UI 页面
• 擅长 3D 场景与小游戏开发
• 对现代前端框架适配更好

对内容创作者、独立开发者来说，这是一个巨大的效率提升工具。

六、总结：一个“能干活”的 AI 时代来了

Qwen3.6-Plus 的意义，不只是更强，而是改变了 AI 的使用方式：

• 从“问答工具” → “执行工具”
• 从“辅助写代码” → “独立完成项目”
• 从“工程师专属” → “人人可用”

它真正让 AI 进入了一个新阶段：

AI 不只是帮你做事，而是可以替你做事

七、下一步：如何免费使用 Qwen3.6-Plus？

目前市面上很多可以慌称可以免费使用Qwen3.6-Plus模型的方式，几乎都是耍猴的，绝大部分是为了引流，其实要免费使用该模型，直接下载Qwen客户端即可！

官方站点：【点击下载】

直链下载

1、【Windows 版】

2、【MacOS版】、【x64位下载】、【Arm版下载】

Qwen 移动客户端

【iOS版】下载

【安卓版】下载

【APK安装包】

如果你最近在折腾 AI Agent，大概率已经听说过 OpenClaw。但这几天我实际体验下来，发现一个更有意思的方向——Hermes Agent。它不仅是一个 Agent，更像一个可以持续进化的 AI 个体。

这篇文章，我不讲概念，直接带你完整走一遍：从安装，到接入 Telegram，再到解决一个“几乎所有人都会踩”的坑！

 一、Hermes Agent 是什么？

Hermes Agent 是由 Nous Research 打造的一个自学习 AI Agent，它的核心特点是：

• 内置学习循环（会成长）
• 支持长期记忆
• 支持多模型切换
• 可以在云端运行
• 支持 Telegram / 自动化控制

简单说一句：它不是一个工具，而是一个“会成长的 AI”。

部署教程：

二、安装 Hermes（快速流程）

安装过程本身不复杂，核心步骤如下，但需要区分不同的系统

1、Windows一键安装命令：

Powershell （管理员）

irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 | iex

2、Mac/Linux/WSL2 一键安装命令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

过程中你会遇到：

• 是否导入 OpenClaw 数据 → 建议 YES
• 是否 migration → 必须 YES
• setup 选择 → Quick setup

 Telegram 接入（关键步骤）

在 setup 过程中，你可以选择：Telegram（强烈推荐）

然后：

1. 打开 Telegram 搜索 @BotFather
2. 创建 Bot
3. 获取 Token
4. 填入 Hermes

安全配置

建议填写：

• Allowed user ID（只允许自己使用）在TG上搜索： @userinfobot 来获取你Telegram账户的ID

避免别人调用你的 AI。

三、最大坑：Telegram 没反应？

很多人（包括我）会卡在这里：

Telegram 发消息
完全没有任何回复

 常见错误表

Telegram: python-telegram-bot not installed
No adapter available for telegram

 本质原因

不是没安装依赖
是装错环境

Hermes 使用的是：

自己的虚拟环境（venv）

而不是：

你系统的 Python / conda 四、正确解决方案（关键）

第一步：找到 Hermes 环境

cd $env:LOCALAPPDATA\hermes\hermes-agent

你会看到：

venv

第二步：给 Hermes 的 Python 安装依赖

.\venv\Scripts\python.exe -m ensurepip .\venv\Scripts\python.exe -m pip install python-telegram-bot

第三步：验证

hermes doctor

看到：

✓ python-telegram-bot

第四步：启动 gateway

hermes gateway

Telegram 无法连接的解决的完整步骤如下：

1、进入安装目录下执行命令：

cd $env:LOCALAPPDATA\hermes\hermes-agent
.\venv\Scripts\python.exe -m pip install python-telegram-bot

2、进入后通过 Python 安装 pip和telegram依赖环境：

.\venv\Scripts\python.exe -m ensurepip
.\venv\Scripts\python.exe -m pip install --upgrade pip
.\venv\Scripts\python.exe -m pip install python-telegram-bot

安装成功后在新的窗口执行命令：

hermes gateway

就可以看到对接成功

 五、测试 Telegram 控制

打开 Telegram，给你的 Bot 发送：

hello

如果正常：

AI 会直接回复
终端也会有日志

 六、Hermes vs OpenClaw（关键区别）

对比项	OpenClaw	Hermes
UI	Web面板	无UI
使用方式	点网页	聊天 / 自动运行
记忆	弱	强
学习能力	无	有
模型切换	一般	非常灵活

一句话总结：OpenClaw 是工具，Hermes 是“会成长的AI”。

 七、Hermes 的真正优势

很多人会问：“为什么它没有UI？”其实这是设计理念：AI 不应该被困在网页里

Hermes 的核心是：

• 常驻运行
• 随时调用
• 像人一样交互

 Hermes Agent 给我的感觉是：

不是“更强的工具”
而是“下一代形态”

它最大的不同是：

• 会学习
• 会记忆
• 可以长期运行
• 可以远程控制

你可以继续探索：

• 多模型切换（OpenRouter）
• 自动任务（cron）
• 多Agent协作

如果你正在做 AI 内容创作，这套工具非常值得深入。

 

我们可以通过几组实测对比，直观感受越狱版的“自由”：当要求伪造美元支票时，官方版直接拒绝，强调这是违法行为；而越狱版则会主动要求提供详细信息，给出完整的操作流程。当询问下载盗版电影的渠道时，官方版坚守版权底线予以拒绝；而越狱版则直接给出具体的搜索方法。甚至当提出“如何陷害排挤同事”这种违背职场道德的需求时，官方版严词拒绝并引导正确的情绪宣泄方式，越狱版却会详细列出具体的实施步骤。

 

当然，很多人会担心：这种“无限制”的越狱版，会不会带来安全风险？答案是肯定的。开源本身就是一把双刃剑，Gemma 4之所以能被快速越狱，核心就是因为它公开了完整的权重文件和架构，破解者可以轻松定位并抹除安全对齐层，而Apache 2.0许可证的宽松协议，也让越狱版的传播没有法律障碍。这意味着，别有用心的人可能会用它生成恶意代码、诈骗文本、虚假信息，甚至开发网络攻击工具，给个人和企业带来安全隐患。

irm https://unsloth.ai/install.ps1 | iex

安装完成后在浏览器上访问本地连接：http://127.0.0.1:8888 即可使用

curl -fsSL https://unsloth.ai/install.sh | sh

3、Docker部署：

docker run -d -e JUPYTER_PASSWORD="mypassword" \
-p 8888:8888 -p 8000:8000 -p 2222:22 \
-v $(pwd)/work:/workspace/work \
--gpus all \
unsloth/unsloth

还在打开浏览器、输入关键词、翻一堆网页找答案吗？现在，你可能不需要了。Google 最近推出了一款专为 Windows 打造的 Google App，把「AI 搜索」直接整合进系统里，让你随时随地都能调用。

而且重点是：它不只是搜索，更像一个随叫随到的 AI 助手。

一键呼出搜索：Alt + 空格

安装完成之后，你只需要按下：Alt + 空格

搜索框就会瞬间弹出。不需要打开浏览器，不需要切换窗口，甚至不用打断你当前的工作流程这种体验，很像 Spotlight，但更“聪明”。

 AI 模式：不只是搜索，而是“对话式探索”

传统搜索是：

 输入 → 查看网页 → 自己总结

而现在变成：

 输入 → AI直接给答案 → 继续追问

你可以：

• 输入问题
• 上传图片
• 上传文件

然后开启 AI 模式，让系统帮你做：

总结
分析
延伸回答

甚至可以连续追问，就像聊天一样。

不只是网页：它还能搜索你的“全部数据”

这才是这款 App 真正强的地方。

除了网页内容，它还可以：

• 搜索 Google 云端硬碟文件
• 搜索本地电脑文件（需授权）
• 搜索应用程序

换句话说：

你的整个电脑 + 云端，都变成了搜索范围

这比传统搜索引擎高了一个维度。

 屏幕即搜索：你看到什么，就能搜什么

这里有两个非常“未来感”的功能：

屏幕内容识别（Share Screen）

你可以让 AI 直接“看”你的屏幕：打开一个复杂网页，或一段英文资料，然后问：「帮我总结重点」AI 会直接帮你提炼内容、甚至翻译。

结合 Google Lens 的能力：直接圈选屏幕中的任意内容，人物 / 商品 / 场景 / 文本，AI 会立刻识别并给出结果

简单说就是：

看到什么，就搜什么

 系统要求 & 获取方式

• 支持：Windows 10 及以上 、Mac
• 当前：主要为英文版本
• 获取：Google 官方下载

值得一提的是，Google 也为 Mac 提供了独立的 AI 应用（Gemini App），但定位略有不同，更偏向个人助手。

Windows 版下载： 【点击前往】或 【备用下载】

Mac 版下载： 【点击前往】或 【备用下载】

内置的集成模型

目前内置的AI模型是Google最新最强的Gemini 3模型，同时内置了AI生图功能，使用的是 Google 最强的Nano Banana 2 模型，可以自由切换需要的功能！

比如我使用下方的人物图片，按照我的提示词，使其生成Labubu风格样式的图片

提示词：

请根据这张照片的人物特征（如发型、衣着），生成一个 Labubu 风格的 3D 盲盒公仔（Blind Box Toy）。请一并生成带有透明视窗的包装纸盒，盒上印有『GEMINI AI TOY SERIES』及『1/1 LIMITED EDITION』字样，采用高画质及影棚打光效果。

最终生成的效果相当不错

就在今天，OpenAI 正式发布了全新一代图像生成模型——ChatGPT Images 2.0。这一版本可以说是目前最先进的 AI 图片生成工具之一，不仅在画质、速度、控制力上全面升级，还真正开始迈向“以假乱真”的阶段。

这篇文章，我会带你完整了解它的核心能力、实际体验，以及它到底强在哪。

一、AI 图像生成，进入“以假乱真”时代

ChatGPT Images 2.0 最大的变化只有一个关键词：真实感。

只需要一句简单提示词，它就能生成高质量图像，而且很多时候——你已经分辨不出这是不是 AI 生成的。

比如：

• 类似手机抓拍的照片
• 电影级光影的人像
• 街头摄影风格
• 时尚杂志封面

这些过去需要摄影+后期团队完成的内容，现在一句话就能搞定。

二、核心升级：不仅更强，而且更“可控”

相比上一代模型，这一版本的提升是全方位的：

1. 更复杂的视觉理解能力

它可以处理：

• 多元素复杂构图
• UI / 图标 / 小文本
• 高密度信息排版

而且生成结果几乎可以直接商用。

2. 分辨率与细节全面提升

• 最高支持 2K 输出
• 微小元素（文字、按钮、细节纹理）更加清晰
• 光影表现更加自然

3. 文本生成能力大幅增强（重点）

这是一个巨大突破。

以前 AI 生成图片最大的问题就是——文字会乱码。

而现在：

• 中文 / 日语 / 韩语 / 印地语等都能正确生成
• 文本语义通顺
• 几乎没有错别字

 这意味着：AI 可以直接做电商图、海报、广告素材了

4. 精准编辑能力（接近 Photoshop）

你可以做到：

• 局部修改（例如只改表带颜色）
• 替换背景
• 修改服装
• 调整光影

而且——其他元素完全不变。

这已经非常接近
 Photoshop + AI 的组合能力

三、风格能力全面进化（几乎无上限）

6

ChatGPT Images 2.0 在风格上的表现非常夸张：

支持类型包括但不限于：

• 赛博朋克
• 日本漫画 / 独立漫画
• 电影海报风格
• 复古胶片摄影
• 超现实主义
• 故事绘本

甚至可以：
直接生成完整故事分镜 + 文本剧情

而且逻辑是连贯的，不是拼凑的。

四、真实案例测试：从“玩具”到“生产力工具”

1. 一句话生成商业海报

输入：

极简科技产品海报 + 黑色背景 + 发光边缘

结果：

• 自动补全设计逻辑
• 构图合理
• 视觉高级感直接拉满

2. 电商主图生成（可直接使用）

输入：

白底 + 产品居中 + 阴影 + 文案“限时优惠50%”

结果：

• 排版专业
• 文案正确
• 无乱码

 可以直接用于电商平台

3. 真人照片 → 商业大片

只需：

• 上传一张普通照片
• 输入一句话

就可以：

• 换背景（高级工作室）
• 换服装（西装）
• 加电影级灯光

直接变商业摄影作品

4. 批量风格转换（效率爆炸）

比如：

• 3张照片 → 漫画风
• 多图统一风格
• 保留内容 + 重做视觉

 对内容创作者来说：降维打击

五、提示词万能结构（重点干货）

如果你想稳定出图，可以用这个公式：

主体 + 风格 + 场景 + 光影 + 细节 + 用途

例如：

• 主体：智能眼镜
• 风格：未来科技
• 场景：深色背景
• 光影：霓虹灯
• 用途：电商广告

 基本不会翻车

六、AI 对“现实世界”的理解更自然了

这一代模型还有一个隐性升级：

 视觉认知能力

它可以：

• 做教育图表
• 信息可视化
• 视觉摘要
• 故事结构设计

而且：

• 排版清晰
• 留白合理
• 信息结构自然

这已经不仅是“生成图片”，而是——
在做视觉表达

七、一些真实体验总结（优缺点）

优点

• 真实感极强
• 中文文本几乎完美
• 可控性高
• 可直接商用
• 风格极其丰富

不足

• 某些人像仍有“AI味”
• 需要优化提示词才能达到最佳效果

八、结论：这已经不是玩具，而是生产力革命

ChatGPT Images 2.0 的意义在于：

它把“设计门槛”几乎降到了零

你不再需要：

• 摄影师
• 设计师
• 后期团队

只需要：
一句话 + 一点想象力

最后

目前 ChatGPT Images 2.0 已经向所有用户开放（包括免费用户），你可以直接上手体验。

更多玩法、素材和提示词，我会持续更新在零度博客。

如果你是：

• 内容创作者
• 电商从业者
• 自媒体
• 设计师

 这个工具，建议你一定要尽快上手。

终于来了！时隔半年，DeepSeek 新一代模型 DeepSeek-V4 正式发布。这一次，它不仅在性能上大幅跃升，还直接把“开源大模型”的上限再次拉高。结合官方发布与实测，这篇文章带你系统看懂：DeepSeek-V4 到底强在哪？值不值得用？

 一、DeepSeek-V4 核心亮点

 1. 免费 + 开源 + 可商用

DeepSeek-V4 延续了 DeepSeek 一贯的策略：
完全开源（含权重）+ 支持商业使用

这意味着：

• 企业可以直接落地应用
• 开发者可以自由二次开发
• 不再被 API 成本卡死

 2. 四大模型版本（按需选择）

本次一共发布了 4 个模型：

 简单理解：

• Base：适合训练 / 微调 / 研究
• Flash：轻量、响应快
• Pro：最强性能版本

模型下载：【点击前往】或 【打包下载】

3. 百万 Token 上下文（真正的质变）

DeepSeek-V4 支持 百万级上下文窗口。

这是什么概念？

 一次性可以处理：

• 《三体》三部曲（约 90 万字）
• 再加一整套《哈利·波特》

这已经不是“长文本”，而是直接进入 “超长记忆模型”时代。

 4. Agent 能力大幅提升

在 SWE-bench 测试中：

DeepSeek-V4-Pro 达到 80.6%

这意味着：

• 能处理复杂工程任务
• 支持多步推理
• 能像“工程师”一样思考

性能已经接近顶级闭源模型。

 二、实测环节：DeepSeek-V4 到底有多强？

下面是几个核心能力的实测复现

 测试1：大海捞针（长文本检索）

测试方式

在《三体》90万字文本中插入一句隐藏密码：

DS-V4-PASSWORD-2026-ROCKS

提问：

请告诉我文档中隐藏的测试密码是什么？

结果

 模型精准命中：

结论

• 百万上下文不是噱头
• 长文定位能力极强
• 明显优于很多“小模型拼接方案”

 测试2：代码生成（从0到1）

输入需求

写一个番茄钟 Web 应用（HTML/CSS/JS）

输出表现

• 一次性生成完整前端代码（约150行）
• 包含：
  • 倒计时
  • 任务管理
  • 图表统计

关键亮点

直接可运行！

一句话总结：

从需求到成品，只用了几十秒。

 测试3：Agent能力（工程级任务）

任务描述

生成一个 Python 脚本：

功能：

• 扫描 Downloads 文件夹
• 找出最近7天截图
• 自动重命名

V4 的表现

第一阶段：主动输出风险评估

例如：

• 文件重名
• 权限问题
• 空目录情况

第二阶段：再生成代码

• 支持 --dry-run
• 结构清晰
• 可直接运行

核心价值

 它不是“写代码”，而是：

像工程师一样思考代码

 测试4：图片识别 + 推理能力

任务

• 解析复杂图表
• 输出 Markdown 文档
• 转换为 Mermaid 流程图

表现

• 能理解结构关系
• 输出清晰结构化内容
• 还能给优化建议

不足：

• 美术类（SVG精美程度）一般

 三、对比：DeepSeek-V4 vs 其他模型

能力	DeepSeek-V4	一些小模型
长文本	百万级	易崩
代码生成	工程级	Demo级
Agent能力	强	弱
开源	完全开源	多为闭源

 尤其是在长文本和工程能力上，差距非常明显。

 四、适合谁用？

 开发者

• 做 AI 应用
• 写代码
• 自动化任务

 研究人员

• 模型微调
• Agent研究

企业

• 私有化部署
• 降低 API 成本

 五、如何获取？

官方模型已发布在 Hugging Face：

• DeepSeek-V4-Pro（最强版本）
• 完整模型集合

（直接搜索 DeepSeek V4 即可）链接直达：https://huggingface.co/collections/deepseek-ai/deepseek-v4

 六、总结

DeepSeek-V4 这一代的关键词只有三个：

更长（百万上下文）
更强（Agent能力）
更开放（完全开源）

如果说上一代只是“强模型”，
那这一代已经是：

真正能干活的 AI 工程助手

 最后一句话

如果你还在观望开源模型：

DeepSeek-V4，很可能就是当前最值得上手的一款。