五天群聊串起了一条完整路径：先比较 Kimi K3、Codex 与 Gemini 的能力和成本，再把 Agent 放进工作台；随后，机器人、语音、智能体手机、AI 创作活动与模型验真，把讨论从“模型有多强”推进到“它能否稳定完成现实任务”。

0. 速览

本期判断：选 AI 工具不能只看一次惊艳 Demo。真正影响使用的是单位成功成本、权限边界、失败恢复、跨场景稳定性，以及能否留下可复测的证据。

1. 阅读入口

如果只读六个入口，建议依次看 Kimi K3、TRAE Work、SkillPay、WAIC、MossLand 与智能体手机；模型验真原论文放在资源索引中。

核验 K3 的视觉、长上下文、Agent 与产品入口。

补充内置模型与自定义接口适配讨论。

包含安装、定制、验证、恢复及安全提醒。

核验付费技能上架、调用、支付和首批场景。

论坛资料、报告与笔记的持续更新入口。

作为低声交互线索，参数不做扩写。

2. 项目雷达

2.1 07.17｜模型能力变强，任务经济账先浮出水面

群聊从 Kimi K3 与 GLM-5.2 的体验对比开始。K3 的网页复刻和前端生成获得肯定，但长历史读取、Agent 长程执行和订阅额度消耗也迅速成为焦点。官方资料显示 K3 原生支持视觉和 100 万 token 上下文，并进入 Kimi Agent、Work、Code 与 API；这意味着比较模型时，应把交付质量与完整任务成本放在一起看。

• TRAE 中国版很快接入 Kimi-K3；正文镜像还记录了自定义接口适配问题。
• TRAE Work 换肤教程不只讲视觉：安装、定制、验证、恢复四个入口构成了可逆的本地改造流程。
• Codex 推理强度形成实用分档：路径明确直接执行；陌生系统、并行探索或高风险审计再升档。
• 腾讯 SkillPay 把技能分发、Agent 调用和支付接起来，也把交付定义、失败处理和付款确认推到台前。

2.2 07.18—07.19｜WAIC 现场：机器人从“会动”走向“会反馈”

群友用大量图片、视频和现场描述记录了足球、舞狮、握手、跌倒恢复、拟真面部与家庭任务。最重要的现场判断不是动作更炫，而是感知、决策、失败恢复和连续交互开始同时出现。群里还补充了首形相关展示与智元展位线索，公开信息显示双方参与成立“智形未来”，组合方向指向高拟真表达与运动控制协同。

• 五层观察法：本体、感知、决策、恢复、交互；每层都区分单次演示和连续运行。
• 共享 WAIC 知识库把论坛资料、报告、录音笔记和现场侦察汇到同一入口。
• 展会复测应主动记录失败、重试和环境变化，避免只留下“现场很震撼”。

2.3 07.19｜语音成为低打扰入口，也成为完整内容工作流

群里转发了公共场所低声办公和模思语音模型的内容，并在 WAIC 现场确认模思展位。MossLand 官方正文显示平台覆盖 TTS、音色库、多语言配音、多人转写、音视频生成与数字人。语音产品的判断重点正在从“像不像某个人”转向角色一致性、长文本稳定、情绪控制、环境噪声和授权边界。

• 低声办公要同时测近讲拾音、噪声、隐私和连续指令准确率。
• 声音生成要做连续多段、情绪切换和长文本漏字测试，不能只听一条样例。
• “万物开口计划”把这套能力变成声音人格创作：选对象、定人格、写台词、生成多版、放进具体场景。

2.4 07.19—07.20｜AI 从产品展示进入手机、学习活动与创作现场

NaviX Ultra 把智能体手机的卖点推向跨应用任务执行；群里同时发起 IF.Link × Datawhale 面向准大学生的南京 AI 学习活动，并分享 AI 恐怖片黑客松。三个信号共同指向“端到端任务”：手机要安全办完事，课程要让零基础完成真实作品，黑客松要把脚本、分镜、声音、视频与剪辑接成生产线。

• 智能体手机验收：权限逐步确认、敏感操作拦截、失败回滚、操作日志。
• “领学一夏·南京”覆盖对话、调研写作、知识库、PPT、图片、智能体和 AI Coding，并招募课程测试、助教、运营与组织共创。
• AI 恐怖片黑客松用 12 小时短片任务检验多工具协同，而不是只比单张效果图。

2.5 07.20—07.21｜Gemini 3.6 Flash 发布，群聊把新模型拉回同题复测

时间窗末，群里从截图追问“为什么是 3.6 Flash、3.5 Pro 发了吗”。Google 7 月 21 日官方发布 Gemini 3.6 Flash，并将其放在编码、多模态、知识工作和 Agent 场景中；3.5 Pro 当时仍处于合作伙伴测试。真正有用的做法不是追版本号，而是固定任务比较完成时间、token、工具调用、返工次数和最终质量。

• 截图适合作为新动向提醒，上线状态以官方模型页和控制台为准。
• 速度更快或单价更低，不代表单位成功成本一定更低。
• 同题复测要保留提示词、输入、配置、失败记录和最终交付物。

2.6 07.21｜随机数变成模型指纹，但“照妖镜”不是问一次 42

群里转发了“AI 说不出的随机数”，并马上联想到测试中转站。原论文对 165 个模型做跨语言单词探测，把随机数字、颜色、动物等回答的经验分布当作行为指纹；40 个探测单元的等错误率为 7.3%，8 个探测单元约 10.6%。它适合发现路由或版本变化，但不是一次提问就能完成的密码学验真。

• 先用同日官方 API、相同模型和采样参数建立可信基线。
• 重复采样后计算分布距离，再输出“相符、异常、证据不足”三态。
• 若结果影响采购或安全，还要结合供应商证明、性能基准和请求日志。

3. 话题雷达

3.1 模型复测矩阵

同题比较前端还原、仓库理解、长程稳定、工具执行、返工次数和最终成功成本；第二轮允许复用缓存与交接包。

3.2 Agent 任务经济账

分别记录历史读取、实际执行、人工接管、失败重试和最终成功交付；不要只看订阅价格或单次 token 单价。

3.3 具身智能五层表

按本体、感知、决策、恢复、交互拆解 Demo；每项同时收集成功片段、失败片段和连续运行证据。

3.4 声音人格五步法

选对象 → 写人格矛盾点 → 写一句专属台词 → 生成三种情绪版本 → 放入 15–30 秒具体场景。

3.5 智能体终端四步验收

给跨应用任务 → 观察授权 → 主动制造异常 → 检查暂停、解释、回滚与日志。

3.6 模型端点统计审计

固定配置 → 选择一词任务 → 重复采样 → 建立经验分布 → 与官方基线计算距离 → 异常端点复测。

4. 高质量内容与资源索引

欢迎加入 IF.Linker AI 交流群，联系值班管理员加入。