文章 - 半庄

Aval 把视频变成有状态的网页交互件；Mint MCP 让 coding agent 调用 3D 制作链；Plamo 试图把生成式 3D 接进参数化编辑。它们都还处在早期，已经能看出 AI 创作工具开始重视后续控制。

Agent 的能力正在被包装为可交付流程：六轮独立检查清理发布残留，设计、实现与验证按阶段分工，Skill 与 GUI 共同承接自动化和人工复核。要让这类流程长期可靠，知识工作也需要像代码一样建立可重复的 eval。

今天三条样本分别展示了同一提示词下可运行的 3D 施工模拟器、帮助人和 coding agent 找到 UI 名称的词典，以及支持文字、路径和关键帧实时重规划的动画系统。它们都在处理生成之后如何继续操作和修正。

高能力模型适合承担约束、委派和验收，低成本模型负责可规模化的执行；这套分工只有在权限、上下文、运行环境和过程记录都可检查时才成立。今天的帖子提供了浏览器 agent、跨端入口、持续会话、企业私有数据与推理系统的具体样本。

今天三条实验分别把 agent 安全做成公开攻防题，把真实 UI 验证做成可回看的证据链，也把个人的视频演示需求做成带素材处理的小工具。它们共同指向一件事：AI 的价值需要落在可检查的规则、过程和结果上。

今天的信息把注意力从单次模型表现带回执行层：企业需要把 eval、路由和 trace 变成工作流资产；多 agent 要验证模型是否真的遵从委派规则；敏感代码与第三方路由要先核对数据边界。模型能力提高后，配置、恢复机制和运行环境决定了它能否进入长期流程。

视频编辑器里的 agent 协作、把生成图像接入移动端 3D 渲染，以及能直接在屏幕上标注的浏览器 agent，都在展示同一件事：AI 的价值开始取决于它能否进入真实操作面，并把人的介入保留下来。

从多模型协作到企业部署、浏览器 QA 和机器人控制，今天的样本都指向同一个现实：模型能力进入工作流后，角色分工、可验证性、跨平台细节与人的控制权会决定它是否真正可用。

3D 节点工作流、带图层和协作的无限画布、以及一个小游戏演示，展示了 AI 编程正在把复杂工具的主要骨架直接做成可操作的成品。复现证据仍有限，值得先关注交互表面和制作边界。

长文档分析开始强调来源引用和工作区交付；Meta 把长任务中的决策遗忘做成主动记忆模块；产品侧则暴露出联网权限、artifact 批注和桌面交互这些更具体的使用边界。

生成式 AI 的有趣处正在从“得到一个结果”转向“继续在结果里操作”。今天的户型生成、3D 生物游戏、街景世界原型和编码桌宠，分别展示了编辑、探索和环境提示这几种更具体的交互表面。

`GPT-5.6` 发布当天，讨论很快从模型名字转到真实工作流：模型该怎样分工、配置任务会在哪里失手、agent 在支付和基础设施里会遇到哪些摩擦。这些样本比单一 benchmark 更接近日常选择。