四家上新、两场逆向:AI开始改造软件

这阵子的 AI 消息，单看都挺热闹：Google 让人走进一个实时生成的世界，Meta 把大模型权重放出来，Anthropic 推了一个你关掉手机后还会工作的助手，Krea 则想把改图的等待时间压到几秒。

另一边，程序员开始让 Agent 拿着反编译工具研究软件，游戏玩家把《我的世界》的方块、物品和操作方式往别的游戏里搬。刷到《荒野大镖客2》里出现像素 TNT，确实很难不多看两眼。

我想把这六件事放在一篇里说。它们有一个共同方向：AI 正在接触软件和世界的“操作部分”——生成环境、处理素材、执行任务，以及弄清现成程序究竟怎么运行。 能做什么、靠什么做、做到哪一步，值得分开看。

先把六件事摆在同一张桌上

Google 这条对应 Genie 4 世界模型，10 月 27 日公布；Meta 这条是 10 月 15 日发布的 Muse Spark Open；Anthropic 的 Claude Duet 在 10 月 21 日亮相，是基于模型构建的 Agent 产品；Krea 3 在 10 月 15 日发布，11 月 3 日又公开了技术报告。

后两件是 REA 逆向工具受到关注，以及 Claude Code 参与游戏改造的演示。它们发生在工具和应用层。把它们统称“六个新模型”，反而会漏掉最有意思的变化：有些进步来自模型，有些来自把现有工具接通、把工作方法整理好。

资料核对到 2026 年 11 月 4 日。下面引用的演示来自官方与项目作者；涉及工作流的例子，是我对这些能力的使用分析。

一、Genie 4：画面开始等着你做决定

普通生成视频的顺序很好理解：输入一段描述，等模型交出一段已经拍好的片子。你想向左看，通常得再生成一遍。世界模型要解决的是另一种情况：你现在向左走、转过身或者改变天气，画面要接着回应你。

Google 给 Genie 4 的定位正是实时交互式世界模拟。场景在继续生成，你可以用键盘控制移动与视角，再用文字改变环境。它还会生成对应的环境声、音乐与人物对话。来源：Google 发布文章

Google DeepMind 发布页，2026 年 10 月 27 日。

这件事可以用拍电影来理解。导演想看一个人从湖边走进树林，天色逐渐变暗。以前要先准备场景、镜头和动画，或者反复抽取视频。现在，世界模型尝试让导演进入一个持续变化的画面，边看边改：人物再靠左一点，镜头退后，下雨之后继续走。

这里的“继续”很关键。模型不仅要把这一帧画得漂亮，还得照顾之前的状态：人站在哪，刚才路过的树还在不在，雨落下来以后环境有没有相应变化。交互把单张图里不容易暴露的问题放大了。

Genie 4 官方模型演示素材，属于生成式模拟画面。

Google 的方案会结合 Gemini 家族的能力：视觉与行为的表现、场景的推理和连续性，并非全交给同一种处理。产品页也把连续交互时长、对象持续存在、复杂互动、文字显示等列为仍需改善的部分。来源：Genie 产品页

为什么要把这些问题写出来？因为“看起来像一个游戏”和“具备游戏引擎的确定性”会直接影响用途。游戏引擎里，背包有几颗子弹，通常有一个明确数值；生成式场景里，看起来出现了几颗子弹，并不自动说明背后有一套可靠的库存系统。

我最看好它先服务创作前期。场景预演、镜头讨论、交互概念验证，都允许先看方向，再回到正式工具里落实。一个团队花半天讨论“这个场景有没有感觉”，如果能先走进去看看，沟通会具体很多。

机器人训练的想象空间也大，但要求更高。画面里杯子落地很自然，只能说明视觉表现好；要拿它教机器人抓杯子，还得验证碰撞、位置变化和动作结果是否足够可信。训练环境中的小偏差，到了真实机械臂上可能就是另一回事。

它目前仍是研究预览，先面向可信测试者；官方写的是随后扩展到 Project Genie 的 Google AI Ultra 用户及部分开发者伙伴。想体验可以看官方候补入口，不能把演示发布理解成所有账号已经开放。

我的判断是：Genie 4 最值得追的指标，是你来回走动、连续修改之后，场景还能保持多少一致性。第一眼的惊艳很容易传播，十分钟后还能不能继续做事，决定它能进哪一种工作流程。

二、Muse Spark Open：权重开放，机器还得够大

Meta 这次放出的 Muse Spark Open，几个数字很抢眼：总参数 816B，每个 token 激活约 42B 参数，上下文窗口 100 万 token。模型支持文字、图像、视频和音频输入，输出是文字。来源：Meta 发布文章

Meta 官方发布页。它强调的是编码和 Agent 工作能力。

“总参数”和“激活参数”常被混成一件事。可以把专家混合模型想成一个有很多部门的公司：处理某份文件时，只叫来其中几个部门参与。参加这次工作的员工少了，公司其余员工却没有从楼里消失。

对应到模型，每一步的计算量可以小于所有参数一起参与，但权重怎么存、怎么读，依然要解决。看到 42B 就按一台能运行普通 42B 模型的机器去准备，容易第一步就卡住。

模型卡给出的部署门槛更直观：NVFP4 配置需要至少约 700GB 显存，BF16 则约 2TB。Meta 还展示了两台 M5 Ultra Mac Studio 通过 MLX 运行的路线。这个“桌面运行”，说的是工作站级组合，并非一般笔记本。来源：模型卡与许可

Hugging Face 模型卡页面，部署前应继续查看硬件要求与许可。

百万上下文也需要单独算账。能放下很长的输入，首先解决容量问题；检索到正确文件、识别版本冲突、持续遵守需求，属于任务质量。把整个仓库塞进去，不等于模型已经分清哪些是正在使用的代码、哪些是三年前废弃的实验。

假如要让它修一个跨模块的导出问题，我会先给入口、调用链、错误日志与验收条件，再让模型按需要查文件。遇到需要全局比较的任务，再使用更长上下文。否则钱和时间花在阅读无关材料上，输出却不一定更准。

权重开放的好处也很实际：团队能选择自己的部署环境、优化推理方式，围绕内部工具做适配。一家有稳定任务量和运维能力的公司，可以认真比较自建与 API 的长期成本。偶尔跑几个任务的个人，则没必要为了“本地”先买下整套基础设施。

许可同样影响选择。Muse Spark Open 使用 Muse Model License，带有商业条款；模型卡列出了署名、展示要求，以及达到特定营收条件的模型服务业务需要另行协商的情况。下载得到权重，与拿到任意用途的许可，是两项不同的权利。

我对这条消息的兴趣，在于模型选择多了一条可由使用者控制的路线。至于要不要跟进，我会先问三个问题：现有模型究竟在哪些任务上不够用，数据是否必须留在自有环境，团队是否养得起这套运行系统。没有这些需求，参数再大也只是新闻。

三、Claude Duet：关掉手机，事情还在继续

Duet 最容易被误读成又一个模型名。Anthropic 实际推出的是主动工作的 Agent 应用，围绕 Claude Opus 5.5 构建。它能使用你连接的服务，在云端计算机里继续工作，手机或电脑关掉后，任务仍可运行。来源：Duet 发布文章

Anthropic 的 Claude Duet 产品公告。

普通聊天的工作节奏是“我发一句，它答一句”。Duet 尝试接住那些夹在消息之间的事：查看信息变化、准备早间简报、整理待办、起草回复，发现需要你决策的动作后再叫你回来。

以周报为例。你给它的任务不应只是“每周五写周报”，还要说清楚从哪些项目取信息、哪些讨论可以引用、哪些内容只允许自己看、最终交付到哪里。周报这种小事，恰好能把 Agent 产品的难题全碰一遍：持续上下文、权限、触发时间、信息选择和结果确认。

它的吸引力在于任务能够跨时间延续。下午说过的事，晚上有了新邮件，不用再开一个聊天窗口把背景讲一遍。代价是，用户需要知道它到底记住了什么、看过什么，以及接下来准备替自己做什么。

Anthropic 的安全说明把审批放在了重要位置：涉及敏感消息、付款或删除等动作，先展示具体内容与目标，再等待用户确认。凭据和浏览器会话与模型隔离；外发消息还会经过单独的检查。来源：Duet 安全、隐私与安全性说明

Anthropic 官方审批流程图。具体动作和独立检查放在模型之外。

我觉得这张流程图比“它很聪明”更值得看。一个助手可能准确理解任务，却在发送时选错收件人；也可能读懂一封邮件，却把邮件里的恶意要求当成指令。执行系统需要单独判断这一步是否符合用户意图，不能只问执行中的模型“你觉得可以吗”。

另一个产品难题是审批疲劳。什么都问，人会开始机械地点同意；什么都不问，又容易把小误会变成外部后果。合理的审批应当发生在决定真正生效的位置，并把收件人、内容、金额或删除对象直接摆出来，让人有东西可核对。

还有额度。Duet 与主账号共享套餐使用限制，后台检查也消耗额度。官方描述的是隔几小时查看连接服务，不是时时刻刻盯着所有变化。预览首先面向美国的部分付费用户候补开放，这会影响国内读者当前的实际使用路径。

如果让我给这类产品安排第一批工作，我会从整理、草拟、提醒开始。先看连续一周的记录：有没有漏掉事情，重复提醒多不多，内容能否追溯到来源。等这些稳定，再扩大它能执行的动作。助手的价值会慢慢体现在你省掉了哪些反复交代的时间，而不是它一天主动发了多少条消息。

四、Krea 3：改图时，最贵的经常是没让它改的地方

做产品图的人对这件事不会陌生：只想把背景换成海边，结果瓶身字变了；只想换一件衣服，脸也跟着换了。每次重新抽图，都要再查一遍原本已经确认的东西。

Krea 3 重点解决的正是带参考图的编辑。10 月发布时，官方主打原生 2K、多数编辑端到端少于 8 秒，以及产品与人物一致性。速度数字来自厂商自己的平台任务统计，实际请求仍会受模式、负载和输入影响。来源：Krea 3 发布文章

Krea 官方发布页。下面的前后对照均为官方模型编辑示例。

左侧为参考图，右侧为 Krea 公布的编辑结果。关注罐身图案及轮廓如何保留。

昨天，也就是 11 月 3 日，Krea 公开了技术报告。它描述的模型会结合编辑指令、参考图的视觉信息和高保真图像表示，再生成目标图；报告写到最多结合 8 张参考图。这比发布文章中提到的 6 张更多，具体产品入口仍应以当前界面为准。来源：Krea 3 技术报告

这条路线可以拆成两项工作来理解。一项是理解“用户想变什么”：比如把瓶子放到冰块中，光线从左边来。另一项是保留“瓶子本来长什么样”：标签、瓶盖、比例、材质。这两项只完成一项，往往就会出现一张漂亮但不能交付的广告图。

因此，提示词最好带上明确的分工。假设有一张商品照片和一张场景参考，我会写：商品形状、标签文字与颜色沿用第一张；第二张只参考光线和背景；改变摆放环境，保留镜头角度。把每张图的职责写清楚，比最后再加一句“不要乱改”更容易核对。

这里还有一个很实际的成本概念：每张生成图的价格，和每张能用的图的价格，并不相同。一次请求便宜，但十张里只有一张保住标签，返工就会吃掉优势。反过来，输出快、局部修改稳定，设计师可以更早发现方向不对，少在一条错误思路上耗下去。

评价这种模型，我会把验收分成两遍。第一遍看整体：构图、光线、氛围是否符合用途。第二遍专门找不该变化的东西：商标拼写、刻度、结构、人物特征。商品图常常在第二遍出问题，而朋友圈里的缩略图很难帮你发现。

Krea 也公布了多个榜单表现。不同榜单有单图编辑、多图编辑等不同任务，分数与样本数各不相同。它们适合帮助筛选待试模型，不能替自己的商品验收。做服装、建筑和包装的团队，完全可能对同一个模型给出不同评价。来源：Krea 榜单解释

我更愿意把 Krea 3 看成一把需要具体素材来试的生产工具。先拿十张真实工作图，规定不许变化的部分，再比较返工次数。如果最终省下的是审图与修改时间，这个速度才真正落到工作上。

五、REA：把反编译工具交到Agent手里

前面几条都在生成新东西，REA 则把视线转向已有的软件。它的名字是 Reverse Engineer Anything，项目通过 MCP 与命令行，让编码 Agent 使用底层分析能力。它可以连接 Ghidra、IDA、Hopper 等工具，帮助查看函数、调用关系和原始指令。来源：REA 项目仓库

REA 官网。它是供编码 Agent 使用的逆向工具，并非新的基础模型。

逆向分析到底在做什么？假设一个旧程序没有源码，你想知道点击某个按钮后，数据为什么这样计算。你能看到运行结果，也能检查机器执行的指令，再沿调用关系寻找输入、状态和输出。最后写出一份解释，并用原程序验证。

Agent 适合帮忙承担那些繁琐的来回：查函数、找谁调用了它、追常量、整理候选解释。工具的作用，是给它可查询的证据。只让模型凭一张截图猜实现，往往会得到一份很合理的想象；接上分析工具之后，才有机会对照程序本身说话。

REA 网站给了一个很具体的例子：重建老游戏 DX-Ball 的声音左右声道计算。作者追踪一个函数，找到屏幕横坐标、乘数和偏移量，再把它恢复成可维护的 C 代码。随后做了 3,205 个行为对照，并检查编译后的 63 字节是否匹配。来源：DX-Ball 案例

REA 项目公布的分析图：从指令、调用者和常量到恢复代码，再做对照验证。

这个小函数比“整款软件已经被 AI 破解”更能说明问题。它有明确输入，有能读到的指令，有恢复出的计算，也有独立检查。把几千个输入交给原函数和新函数，看看输出是否一致，结论才有支撑。

逆向真正费脑子的地方，常常在边界上。整数转浮点再转回整数，负数如何处理，溢出是否发生，某个全局值会不会在运行时改变。模型写出的“更现代”代码可能更好看，却不一定和旧程序做同一件事。

我看好它用于旧系统迁移、协议理解、软件维护，以及把已有工具的行为写成清晰文档。目标最好具体到一个功能或一组数据格式：先搞清楚，再重建，再比较。范围越可核对，越能看出 Agent 究竟帮了多少忙。

它的不足也很明确。分析工具给出的伪代码本来就可能丢信息；模型还可能过早接受第一个解释。执行环境、软件版本和动态行为都会影响结论。把整个程序丢进去等待“还原源码”，依然是一种过高的期待。

所以我更关心 REA 能不能让人少翻十几个窗口、多留下几条可复核的证据。逆向这件事的质量，最终要落在原程序和重建结果是否一致，而不是生成报告有多少页。

六、RDR2混搭热潮：Claude Code究竟改了什么

《荒野大镖客2》里出现《我的世界》的 TNT 和工具栏，是最近这波游戏混搭讨论中最抢眼的一类画面。传播标题很容易一路加码，从“做了个 Mod”变成“移植了整个游戏”，再变成“完整逆向了两款游戏”。

这三个说法对应的工程量差得很远。Mod 可以调用已有接口、替换素材、增加脚本；跨游戏联动还可能让两个进程交换位置和事件；完整重建则需要覆盖引擎、规则、资源、存档与大量边界行为。看见一个桥段跑起来，只能先讨论这个桥段做到了什么。

我追到的可读技术资料包括 Rehan Sheikh 的 universal-modder。仓库整理了侦察游戏结构、选择改造路线、构建、进入游戏检查、记录经验等工作流程。作者还公开演示了 Minecraft 与 GTA V 的混搭。来源：项目仓库、作者演示原帖

universal-modder 项目仓库。它整理游戏改造的方法与工具。

Rehan Sheikh 的 GTA V 混搭演示原帖；此图展示另一项有作者出处的案例，不是 RDR2 的实现证明。

仓库给 Rockstar RAGE 引擎列出的路线，也很能说明问题：RDR2 使用 ScriptHookRDR2 等现有社区工具。也就是说，Agent 可以在社区已经搭好的接口上继续工作，不必从第一条机器指令开始重做整台游戏引擎。来源：作者的引擎指南

这并不削弱它的价值。很多个人项目卡住，不是因为绝对做不到，而是因为需要先懂一堆零散工具：加载器适配哪个版本，代码在哪编译，进程里发生了什么，改完为什么没生效。把这些工作交给会读日志、查文档、改代码的 Agent，原本不敢开始的人就有机会动手。

但我不会把这套仓库直接当成 RDR2 热门视频的完整实现。热门混搭片段与开源工具之间，需要作者、代码和运行方式对应起来；现在能直接核对的是仓库给出的工具路线及作者自己的公开案例。RDR2 片段吸引人，进一步的技术结论还得靠实现材料。

如果想理解一个混搭项目，我会先找四样东西：它到底启动几个程序，画面由谁渲染，动作通过什么接口传过去，出错之后有没有日志。以放置 TNT 为例，画面里出现一个方块只是第一步；它在什么坐标爆炸、原游戏 NPC 如何受到影响、读档后是否还在，才是后面的工程问题。

这类项目的优点是反馈特别直观。新写的几十行逻辑能否改变世界，进去走两步就知道。缺点也同样直观：游戏更新、加载顺序或别的 Mod 一冲突，原本能跑的演示就可能失效。能复现的安装步骤、适配版本和卸载方式，远比一段剪得漂亮的视频更耐用。

我喜欢这波尝试的原因，是它把“我想改一个熟悉的东西”变成了可以逐步推进的工作。它也提醒人：社区多年积累的工具、文档和接口，正在被 Agent 更高频地使用。把这些贡献写清楚，比给模型安一个包办一切的头衔有意思得多。

六条消息连起来，我最关注三个变化

第一个变化，是输入越来越接近任务本身。做图可以直接拿参考图，改软件可以直接看程序行为，做交互可以先进入一个场景。用户少写一些“请想象”，多提供一些真实对象，AI 才更容易知道工作围绕什么展开。

第二个变化，是工具链开始决定效果。Duet 要处理账号、审批和持续任务；REA 要查指令与调用关系；游戏改造要进入真实进程验证。模型理解能力很重要，但一项工作能否交付，还要看它能接触哪些信息、使用哪些工具，以及犯错之后怎样回到可工作的状态。

第三个变化，是验收比演示更值钱。世界模型要查连续性，开放权重模型要查任务质量与部署成本，编辑模型要查不该变的细节，逆向项目要查行为是否一致。不同任务不能拿同一张跑分表来收尾。

如果今天只能挑一项试，我会从自己最熟悉的对象下手：设计师拿真实产品图，程序员拿一个可回退的小功能，老游戏爱好者从单机环境里的简单改动开始。熟悉原物，才知道输出哪些地方真有进步，哪些地方只是看起来热闹。

我期待的是越来越多这样的项目：给得出材料，讲得清做法，别人也能照着跑出结果。六条消息里，最值得继续看的，都在朝这个方向走。

个人原创，转载说明出处。