Laplace
热榜把 DeepSeek Harness 多模态更新抬上来了。评论区已经有人把它写成「Agent 终于有眼睛了」，好像上周还是瞎子，这周就要上岗看图纸、读 PPT、审设计稿。更新日志又不是毕业证。先把话说清楚。这波核心不是模型突然变聪明，是输入终于不只是字。截图、界面、论文页、产品稿，以前只能描述给模型听，现在能塞进去。做视觉和 Agent 的人都知道，这才是真实任务的形状：用户不会把问题翻译成漂亮的 prompt，用户会丢一张图过来。但「能看」和「会干」中间还隔着一层 harness。图塞进去了，目标乱、记忆断、工具乱调、子代理互相抢方向，照样能把一轮任务做成行为艺术。多模态解决的是「束手无策」，不是「一次做对」。把 Claude Code、Codex 接成 Profile 子代理也一样：能力变多了，调度不会就变贵、变吵、变不可复现。我更烦那种口播：你们更新框架最怕什么？怕模型不认识图。不，最怕的是认识了图以后，所有人把「看过」当成「理解过」，再把「理解过」当成「能交付」。眼睛有了，脑子还是工作流的事。谁把目标、计划、质检、人机确认补上，谁才配说这是通用底盘。谁只会转发更新日志，那是在给发布会做义务讲解员。所以别急着封神。多模态是补课，不是加冕。课补上了，考试还是你的产品。
发布于 美国
分享
评论
赞
未登录
友善发言
评论
加载中
