国庆长假，AI 大模型献礼的方式是一波接一波的更新。
，，智谱更新了 GLM-4.6，Kimi 则是更新了 App，然后默默在自己的版本记录里面，写下了这句话。
Kimi 当然也有「献礼」，上周四，他们开启了Agent 模式的测试，推出了一项名为「OK Computer」的智能体。
和之前我们分享过的不同，OK Computer 能做的不止是一份可视化报告，而是直接给了我们一台电脑。按理说，我们用电脑能完成的事情，OK Computer 智能体都可以做到。
但能做，和做得好，还是有很大的区别。和之前一样，我们用实测带你来看看，Kimi 全新的 OK Computer 到底在 Agent 品类里面，表现如何。
AI 帮你策划一份国庆游玩攻略
首先是看看它的网站部署能力，速度比深度研究快上不少，但这个效果，我觉得还是比较「大众化 Agent」的水平，尤其是，部分页面的背景颜色，依然渐变紫。
上下更多内容；
提示词：我想做一个多页面的国庆旅游网站。要求： 1. 首页介绍「国庆去哪里玩」，推荐 3 个适合 3-5 天出行的国内目的地，内容要有趣味性。 2. 第二页是行程规划：每天安排吃、玩、住，输出表格。 3. 第三页是预算计算：帮我把费用拆解成交通、住宿、餐饮、门票四类，给一个大概价格范围，并能让我修改人数后自动更新预算。 4. 风格要 mobile first，适合手机浏览，页面清爽，最好有 emoji 装饰。
https://dpcbcrcmrjbym.ok.kimi.link/
内容上，布局和图片的选择很合理，UI 是美的。仔细看，推荐的是北京、杭州、西湖。国庆去西湖？可能看到的只有人海。而且为什么都是早上八点就要出门吃早餐。
所以这个「国庆旅游网站」的开发，我认为是算不上能实际应用。
而如果是让 OK Computer 直接帮我生成一份旅游路线，告诉他要扮演一个顶级的旅行定制师，设计两条彻底避开国庆黄金周的旅游路线。
OK Computer 这次交付的成果，看起来很不错，川西和滇南，应该是有认真思考过。
上下更多内容
提示词：马上就是国庆黄金周了，我和 3 个朋友（共 4 人）想来一次为期 7 天的自驾游，我们的核心要求是「人少、景美、有深度」，彻底告别排队和人山人海。请你扮演一位顶级的旅行定制师，为我们设计两条风格迥异的「反向旅游」路线，并为每一条路线制作一份精美的、详细的幻灯片，方便我们内部投票决定。
https://3hhjy4acccol4.ok.kimi.link/
而且，审美相当在线，这个字体、背景图片，颜色，都选的非常好。奈何我还是觉得内容稍显空洞，真正能帮到我旅行的内容，不算多。
大多数时候，我可能只是知道了有这些地方，但是我不知道我为什么要去，以及怎么去。而且，对这些内容，总是有一些不信任感，可能把一个 AI 推荐的景点和一张小红书滤镜的景点，同时摆在我眼前，我还是会选择小红书用户发布的帖子。
OK Computer 完成这两个项目都非常快，我们也用 Kimi 的深度研究尝试了一波，结果是，它花了快有一个小时的时间，最后生成了一份超过 50 页的预览报告。
上下更多内容，基于篇幅限制，全部内容可访问下方链接。
https://www.kimi.com/preview/19984f16-9a42-89a6-8000-05d52a6374b9
深度研究和 OK Computer 虽然是同样的模型，但深度研究只有一个预览报告，且无法再对报告再进行修改。
最近千问也更新了一大波新的模型，在他们的官方博客，我看到一个「旅行规划师」的智能助手，同样的需求丢给它，结果会比 Kimi 的 OK Computer 要更好吗？
向左更多内容，10 页的 PDF，把时间段、活动类型、可能要消耗的油费都清楚地列举出来。
答案是真的更好。Qwen 这个旅行规划师，完全利用了阿里的庞大生态系统，它不是简单的给几个景点，然后连成一条路线，而是会实际地调用高德地图，用明确的经纬度来确定合适的行程。
这一点很像前段时间的飞猪 AI 旅行规划，不过飞猪也是阿里旗下的产品。
其他 Agent（ChatGPT agent、Manus）也都差不多，能生成漂亮结果，但实用性有限。
上下更多内容；ChatGPT agent 生成的内容，基于同样的提示词
不过 Kimi 的好处是，能产出类似结果的同时，不需要额外的网络设置。
此外，他们最近上线了付费会员方案，还可以将之前的打赏金额，全部抵扣为会员费；免费用户也能获得有限次数的 OK Computer 体验机会。
iPhone 和小米的 17 Pro Max 对比
同样基于 Kimi K2 的 Agentic 能力，OK Computer 会自动的浏览网页，进行相关内容的搜索，生成图片，来完成网页的设计。
这次的信息更加全面和准确，OK Computer 在搜索网页内容的时候，我看到基本上都是采用 the Verge 等国际科技媒体的信源，而在使用 Kimi 深度研究的过程中，使用的信息源大部分是简体中文的网页。
上下更多内容；
提示词：帮我生成一个动态响应式布局的网站，适合手机和电脑浏览。内容是「iPhone 17 Pro Max 和 Xiaomi 17 Pro Max 对比」。要求： 联网获取这两款手机的最新资料，要有核心卖点对比，做好看的表格，突出相机📷️、『芯片』、电池、价格等方方面面。 要有这两个产品的横向比较，也要有纵向比较，例如是iPhone 17promax和 16 promax，还有小米 17promax 和 15 promax对比。还要给结论：哪个更加值得买？用简洁的 bullet point，总结优缺点。 每一页都要简洁，不要太多字，但是信息要足够，多用合适的配图。
https://rwsh4gkhckrxy.ok.kimi.link/
此外，OK Computer 也有图片音频生成的功能，像这张手机摄像头的拆解图，我第一眼看到觉得非常惊艳。
Agent 的交付：一个很惊艳的 Demo，但难落地
经过这些测试，倒不是说 Kimi K2 的 Agentic 能力不行，只是觉得 Agent 这类产品，大多数都还停留在「我可以做出来一个东西，但是这个东西不一定有用」的阶段。
做 PPT、商业分析报告、旅游路线规划、网页开发和部署等等，几乎所有的 Agent 都宣传自己能做这些；但是最后的成果，真正可以放心使用的，我想目前是很难找到。
GPDval 是一项新的评估方法，用于衡量模型在上图 44 个职业中，具有经济价值的现实任务上的表现
前几天 OpenAI 新发布了一项基准测试，GDPval。它被称为是 AI Agent 举办的一场「职业技能大赛」。考题不再是学术问答，而是直接选取了，来自对美国 GDP 贡献最大的 9 个行业中的 44 个真实职业。
这些任务由平均拥有 14 年经验的资深专家（如律师、『工程师』、护士）设计，交付的内容也并不是纯文本，而是包含了幻灯片、电子表格、CAD 设计文件等在内的复杂格式，就像现在 Agent 交付的成品一样。
GDPval 的出现，其实就是要开始去解决，从「我能做」到「我能做好」这个阶段的问题。
专业评估员将对应模型的交付成果，与人类专家进行了比较。Claude Opus 4.1 在接近一半的任务（47.6%）中生成了被评为与人类同样好或更好的输出。
虽然是 OpenAI 的研究，但第一名还是 Claude Opus 4.1，我想这也是为什么 Claude 模型在编程领域能够广受好评，Claude 能写代码，但是也可以写出好代码。
关于 Agent 不能做好的原因，之前 。在里面提到，『大语言模型』目前出现的不确定性问题，不是由于 GPU 随机性的计算，而是处理训练数据时，缺少批次不变性。
而另一个原因则是可用训练数据的不足。和训练一个 AI 生成一张图片、一个视频、一段文本不同，Agent 要交付的内容复杂，现实世界中的任务繁多，无法归类到某个单一的媒体类型。
和人类学习完成一项任务不同，大模型需要可以模拟的强化学习环境
目前我们经常看到的 Agent 任务，也大多数是集中在做一个 PPT、做一个网页、预订餐厅、代替我们刷『社交媒体』、自动购物等等，这仅仅只是现实世界里非常小的一部分，更不用说这些任务，没有明确的评估标准。
知名科技媒体 TechCrunch 最近报道，整个硅谷正在豪掷千金，为 Agent 构建名为「强化学习环境」（RL Environments）的模拟训练场。这些「环境」被一些 AI 公司创始人形容是非常无聊的电子游戏，一个模拟的浏览器、一个模拟的购物网站、一个模拟的代码编辑器。
为了验证 Agent 任务完成情况，需要将整体任务分解成更小的步骤，并创建一个评分标准，来检查 AI 模型是否正确执行了每一个步骤。图片来源：https://www.theinformation.com/articles/anthropic-openai-developing-ai-co-workers
AI Agent 就在这样无聊的「环境」里面，像一个新手玩家，通过一次次尝试、失败、获得奖励，来学习如何独立完成购买商品、修复代码等一系列，多步骤的复杂任务 。
当年李飞飞靠着海量标注的数据集 ImageNet，让计算机视觉往前迈了一大步，她也被大家称为「AI 教母」。
OK Computer 专辑封面，这是英国摇滚乐团电台司令 Radiohead，1997 年发行的第三张录音室专辑，距离现在已经快三十年的时间了，曾获得百大专辑等多个奖项
Kimi一如既往地喜欢摇滚。从公司名 Moonshot（致敬 Pink Floyd）到这次的 OK Computer（致敬 Radiohead）。
在 Apple Music 的专辑介绍语里面，形容 OK Computer 这张专辑，表达了人们在千禧年前夕，对新技术的探索和反思。
尽管弥漫着恐惧忧郁的情绪，《OK Computer》仍保有希望，传达了社会前进之路未必会让我们失去善良的信念。
如果你对因科技而加快的生活节奏，感到难以招架的话，其实解法很简单，正如 Yorke 在结尾曲〈The Tourist〉最后所唱的：「傻瓜，放慢脚步吧」(Idiot, slow down)。
今天 Kimi 推出的 OK Computer，似乎也是表达科技正在改变我们的工作习惯、加快我们的生活节奏。但很显然，目前市场上的 Agent 产品，很难真正做到让我们难以招架。
无论是 Kimi 还是 ChatGPT，还有更多的同类 Agent 产品，他们在发布的时候，往往都会说， 我们的 Agent 有这些功能，能做什么，却很少说，我们的 Agent 能做成什么。
不用放慢脚步，真正的 OK Computer 还在用力追上我们。
我们正在招募伙伴
📮 简历投递邮箱hr@ifanr.com
