AI助手正在超越单纯的问答。本周的几项发布同时指向两个方向:ChatGPT现在可以直接在对话中构建小型可运行应用,Meta AI则能在更长的交流中记住上下文和偏好,无需反复提醒。这两项变化都面向普通消费者账户而非开发者工具,因此也是大多数人最先会注意到的两项更新。本周其他动态还包括:微软一项用于编辑直播视频语音的专利、一款泄露的面向企业的下一代Gemini智能体、关于特斯拉Optimus机器人和宇树科技工厂的新细节,以及围绕AI系统是否可能值得道德关怀的再度争论。

ChatGPT在聊天中直接构建工具

OpenAI于10月7日至8日前后推出了名为"Intelligent UI"的ChatGPT更新。ChatGPT不再只是用文字作答,或给出一段需要粘贴到别处的代码,而是可以在消息气泡之间直接渲染可用的图形元素:按钮、滑块、图表、计算器、表单,甚至简单的游戏。该功能对免费和付费订阅用户均已开放。

一位TechRadar撰稿人在没有任何编程知识的情况下,让ChatGPT构建了六种不同的工具来测试这项能力。其中一个是可以拖拽和重新摆放家具的卧室平面规划器。另一个是为虚构耳机品牌Nova One制作的营销展示页,带有交互滑块、可自定义的视觉素材、声音配置设置,产品页上还标注了$99的起售价。

在尝试之前,有两个限制值得注意。第一,该功能不支持顶级的深度推理模型,这类模型的设计目标是逐步推演逻辑,而非渲染动态界面。第二,输出内容的正确性没有任何保证。一个看起来精致的计算器仍可能包含错误公式,因此它给出的任何数学或测量结果都需要独立核对。

三次实际构建测试

为了检验这项功能在实践中的表现,三个工具均在标准的ChatGPT对话线程中构建,而没有使用单独的画布或编程环境。

定价与利润计算器

第一个提示词要求为虚构企业Paper Lantern Poster Shop制作一个交互式定价沙盘,包含滑块、可编辑的数字输入框、清晰的计算结果展示,以及一张对比目标与结果的图表。ChatGPT在不到两分钟内生成了一个可用组件,分为两个标签页:收入模式和利润模式。每一个控件都能即时更新数字。

场景 每张海报售价 单位成本 月度目标 所需海报数 结果
收入模式 $25 未使用 $1,000收入 40 $1,000收入
利润模式 $25 $5 $1,000利润 50 $1,000利润
利润模式(高价款) $69 $5 $5,000利润 79 $5,451收入,$5,056利润

单位经济卡片显示了$69的售价、$5的成本,以及由此得出的每张海报$64的利润。这里的实际收益在于,用一个随滑块移动而即时重算的仪表盘,取代了一连串"如果价格是……会怎样"的提问。提示词中还要求加入防护规则,例如将数量向上取整为整数、妥善处理零值,在请求任何计算器时都值得明确写出这类要求。

可拖拽的房间规划器

第二个提示词要求为一个示意性的5.0米×4.0米房间制作俯视2D规划器,包含沙发、扶手椅、茶几和书柜,这些家具可以拖拽、旋转90度并保持在房间边界内,同时具备碰撞检测和门口留空规则。提示词还附上了一张室内照片,作为风格和尺寸的参考。

俯视房间规划器,含沙发、茶几、扶手椅和书柜方块、门口留空斜线阴影及微调按钮

▲ ChatGPT生成的可拖拽2D房间规划器

第一次回复耗时1分8秒,得到的却是一张静态示意图而非可点击的工具。随后补发一条消息,说明需要的是可用、可重新摆放的工具,问题便得以解决:ChatGPT显示"正在构建交互式方案",并在50秒内返回了一个可用的小部件。这类失误看起来属于生成式模型常见的不稳定表现,直接发出纠正提示即可解决。

最终的规划器渲染出带网格的画布,标有窗户位置和门扇开合的斜线阴影区域,下方是控制按钮。示意性的家具尺寸分别为:沙发2.1米×0.9米、茶几1.2米×0.6米、扶手椅0.9米×0.9米、书柜0.8米×0.4米。拖动这些方块可以确认,家具之间不能重叠,也不能侵入门口留空区域。当拖拽显得不够精细时,方向微调按钮可以进行精确定位;"旋转90°"按钮可以旋转任何选中的家具;"自动排列"按钮则会将所有家具重新排成一个合规布局。工具本身也提示,其位置和尺寸只是示意性假设,并非建筑图纸。有两个功能似乎缺失:一是45度旋转,用于把扶手椅斜放在角落;二是从画布直接添加新家具的按钮。

30秒广告的分镜编辑器

第三个提示词上传了四张预先生成的图片,要求制作一个"Morning Cup Storyboard Studio",用于编排一支30秒咖啡店广告的四个镜头:开店、制作咖啡、第一口品尝和结尾特写。提示词要求提供可编辑的描述、每个镜头的时长控制、"提前"和"延后"的排序按钮,以及一条追踪30秒目标的时间轴。ChatGPT用了2分26秒完成组装。

结果显示了一张概览卡片,包含总时长、00:30的目标、场景数量和一条彩色剪辑时间轴,四张照片分别渲染在各自的场景卡片中。默认时长依次为6秒、8秒、8秒和8秒。将第一个镜头从6秒缩短到3秒后,总时长立即降至27秒,并显示"-3s"标记;再把第二个镜头提高到10秒、第三个镜头提高到9秒,总时长便回到目标值。布局比理想状态偏高,更紧凑的设计会更好,但作为视频规划器的原型已经可用。ChatGPT还提供了一个可下载的独立HTML文件,图片以全分辨率嵌入其中,因此这个工具也可以在聊天之外使用。

还有一点值得注意:之后在同一对话线程中回到房间规划器时,小部件仍然处于可用状态,可以通过继续对话加以改进,而不会丢失原有状态。与自行构建、调试和托管一个独立网页相比,这种连续性可以说是最大的变化。

Meta AI记得更多,遇错不停

Meta宣布升级Meta AI及其Muse智能体背后的基础模型,这些服务运行在WhatsApp、Instagram、Facebook和Messenger中。新增两项能力。

Active Memory(主动记忆)让助手能够在冗长的多轮交互中跟踪对话上下文和用户偏好。Meta举的例子是,一位家庭厨师询问此前提到过的食谱配料时,无需重复说明背景。Meta表示,该功能将上下文准确率从之前版本的76%提升到了90%。

家庭厨师在支起的手机旁切菜,相连的对话气泡显示被回忆起的对话内容

▲ Meta AI在烹饪时回忆此前的食谱细节

Active Focus(主动专注)针对复杂的多步骤指令。此前的助手会在遇到第一个错误时停下来,而升级后的模型会自行尝试其他路径。Meta报告称,从此类障碍中恢复的能力提升了67%。

这两个数字都来自Meta的内部评估,尚未经过独立验证,因此在外部测试出现之前,最好将其视为公司自己的说法。

本周其他动态

微软用于编辑直播语音和口型的专利

微软于4月提交、10月29日公开的一项专利申请描述了这样一套AI系统:它监看直播流,根据观众的年龄或所在地等设置识别特定词语,在1到10秒的缓冲区内修改音频,同时重绘说话者的口型以匹配。列出的用途包括过滤脏话、去除"嗯""啊"之类的填充词,以及带口型同步的实时外语配音。申请文件称,原始未编辑的录像会被保留。这只是一项专利申请,并且在7月收到了美国专利商标局的质疑意见,目前没有产品、价格或发布日期。

泄露的下一代Gemini企业智能体

一个追踪新功能的账号在谷歌Gemini应用中发现了一个尚未发布的菜单项,指向一款下一代企业协调智能体,随后一家商业战略媒体对此进行了分析。路线图幻灯片显示,Gemini Enterprise Platform将于2026年4月22日推出,面向工作场景的Gemini智能体将于2026年10月8日到来,而新发现的这个条目标注的日期是2026年11月8日。原型图中展示了分别负责CRM、网页搜索、RFP协调、合规和问题分流的专门子智能体,并与Slack、Salesforce、Google Drive、Microsoft Teams、Jira和GitHub相连。谷歌尚未宣布定价、日期或外部测试资格,内部测试内容在发布前也可能发生变化或消失。

特斯拉Optimus可能以租代售

在11月6日的一场投资会议上,埃隆·马斯克表示,特斯拉很可能将Optimus人形机器人出租或租赁给企业,而非直接出售,以降低中小企业的前期成本。马斯克提到,起步制造成本目标约为$30,000,随着产量扩大将降至$20,000-30,000区间。一家第三方机器人追踪网站估计,目前的制造成本为每台$50,000至超过$100,000;一家行业分析网站则指出,租赁价格和商业条款尚未敲定。Optimus目前只在特斯拉自己的设施内运行,对外供应最早要到2027年底,且取决于安全性和可靠性得到验证。

宇树科技的工厂靠人手而非机器人

宇树科技(Unitree)在上海提交的IPO文件显示,公司过去一年生产了近32,000台机器人,其中约26,000台是四足机器狗。一位分析了招股书的投资者计算出,工厂机械设备账面价值总计约$170万,折合每台机器人约$50,这表明杭州的装配环节仍以人工为主,而非许多人想象中的全自动"黑灯工厂"。宇树科技的股价自10月中旬以来上涨超过50%,管理层表示机身制造已经稳定,正将重心转向机器人的AI软件。从整个行业看,不到5%的人形机器人在从事实际的工厂工作,75%流向了大学和研究实验室。美国7月出台的贸易规则也限制了海外制造的机器人,除非大部分零部件在美国本土生产。

模型福利:两种立场

微软AI首席执行官穆斯塔法·苏莱曼在CBS新闻节目发表评论后撰文探讨了"模型福利",即先进AI是否有朝一日会拥有值得道德考量的主观状态。他在X上澄清,当今的系统没有意识或主观感受,但如果出现有感知能力的确凿证据,他愿意重新考虑。Anthropic在1月发布的准则持不同立场,将Claude的道德地位描述为"高度不确定",而非断然不存在。两种立场都属于哲学层面的框架,而非影响现有产品的工程或政策变化。

Anthropic的天然气供电协议

据报道,Anthropic签署了一份价值超过$30亿的合同,采购天然气涡轮发电机为其数据中心直接供电。现场发电可以在不给当地电网增加压力的情况下获得稳定的基荷电力,但燃烧化石燃料会产生大量碳排放,与可持续发展目标之间存在张力。

用户现在能用到什么

上述所有内容中,有两项已经在消费产品中可用。ChatGPT的对话内工具对免费账户开放,Meta AI的记忆升级则存在于许多人已经在用的消息应用中。其余各项,从微软专利到Optimus租赁,再到Gemini企业智能体,仍停留在申请、泄露或路线图阶段,没有可以据此行动的日期或价格。

如果想尝试ChatGPT的Intelligent UI:

  1. 使用标准模型而非深度推理模型,并明确要求一个交互式工具,写清你需要的控件:滑块、输入框、图表、标签页。
  2. 写明边界条件,例如不允许负利润率、妥善处理零值、将数量向上取整为整数。
  3. 构建布局或视觉类工具时附上参考图片,并按顺序为上传的文件命名。
  4. 如果得到的是静态图片而非可用工具,回复说明你需要可点击、可重新摆放的东西。
  5. 在依赖结果之前,测试每一个按钮,手动核对计算,并用卷尺实测数据替换所有估算尺寸。

同样的谨慎也适用于Meta AI的记忆宣称:90%和67%这两个数字是Meta自己给出的,因此应根据它在实际使用中对你自己上下文的回忆效果来评判。把AI构建的工具和AI回忆的细节当作快速初稿,最终核对仍要由自己完成。