Hy4 会点鼠标了,DSH一句话造插件,AI 的交付从能看变成了能用

一

11 月 2 日，DeepSeek 的智能体用一句话给自己写了个插件，装好，跑通，五分半钟。

11 月 3 日，商汤交出的 3D 场景，是一个还能在 Blender 里接着改的工程文件。

11 月 4 日，混元的 Hy4 开始自己看屏幕、点鼠标、敲命令行。

三件事是三条新闻，摆在一起看，看见的是同一句话：模型交出来的东西，换了性质。

先把三件事摊开。

DeepSeek 的交付方式叫 Creator Mode。切进去，用一句话说你要什么，它在现场写代码、装插件、跑起来验。官方演示里做的是个浮动番茄钟，从说出口到能转，五分半钟。演示清单上还有 3D 地标画廊、Transformer 内部计算的交互演示、带时间轴和预览器的视频剪辑台、论文阅读器。它交出来的是已经长在软件里、点一下就开的功能。代码只是过程。

商汤那边更直白。你让它在 Blender 里搭一个卢浮宫，它给初版，你看屋顶不对、金字塔位置偏了，说出来，它改。改完你还想加雨雪，它也加。多轮下来，最后交给你一个 .blend 工程文件，你打开，接着改。它交出来的是一个还留着修改余地的工作现场。

我把它那段演示来回看了几遍。前面整个场景是灰的，屋顶、檐口、窗洞、下沉庭院一层层立起来，没上颜色，也没打光。后面几帧，材质上来了，金字塔落在了院子里，天光也调好了。

（图源：商汤 SenseNova 6.8 Flash 发布材料。左边那些檐口和窗洞，是能被继续编辑的几何；右边只是它的一个视角。）

混元 Hy4 走的是另一条路。这次正式版头一回支持电脑操作，看屏幕，动鼠标键盘，也能调命令行。官方说它针对 Blender、CAD 这类专业软件和跨应用的长任务做过专项训练。为了让训练有地方落，他们跟腾讯云 Agent Runtime 一起搭了沙箱，里面装了几百款应用软件，让它反复做、反复验。它交出来的是已经在你的软件里做完的那串操作。答案只是附带的。

三件事，三个厂，三种做法。共同点只有一处：交出来的东西都没走完。没走完，和没做完是两件事。前者是故意留了下一道工序。

二

这里要换一把尺子。

这几年我们评价这类模型，用的是「像不像」。像不像照片，像不像插画，像不像人写的。这把尺子只需要眼睛，看一眼就能打分，打完分这事就结束了。

现在这三件事，眼睛不够用了。你得问：这东西交到我手上，我下一步能不能直接用。

换一句话说清楚：

一种「能用」，是「我可以用它」。主语是我，我拿它当工具，产出我搬走，搬到别处再加工。

另一种「能用」，是「它能被用」。主语是它，它自己接进我的流程，接完我不用搬。

只有第二种，说明产物变了性质。第一种只是换了个更好看的玩具。

有意思的是，这个词不是我造的。商汤自己的发布稿里就写着：让 AI 的产出不止「能看」，更要「能用」。厂商自己把评判标准换了，这比我在这里论证十句都管用。

那怎么当场判断一下？我在用 AI 做任务的时候，给 AI 的交付制定了三个标准：

拿到 AI 交的东西，第一件事是改，还是重做？

要改的话，是改局部，还是推倒？

改完以后，风格还对得上原来那张吗？

三问里有一问答不上，这东西就还停在「能看」。

三

这三件事情，让模型的交付的性质改变了：

第一层，产物里开始留下痕迹了。

一张 PNG 没有图层，没有节点，没有历史。你只能看着它，然后重做一张。它的全部信息就是那点像素，而像素不记录你是怎么想的。

一个 .blend 里面有物体层级，有材质节点，有修改器堆栈。你打开它，能看见上一任是怎么搭的，能看见他为什么这么连。它记得决策。

可编辑性说到底是痕迹问题，文件格式只是外壳。PPTX 能改，因为里面留着母版和占位符。一张图改不了结构，因为它从头到尾就没打算让人改结构。

第二层，模型开始能钻进有痕迹的地方。

Hy4 的电脑操作是这条路的另一头。它不一定非要把痕迹装进产物，它可以进到 Blender 里去，直接在痕迹所在的地方动手。

两条路，一个终点：让下一道工序不用从零开始。

视觉理解、工具调用、长任务执行，这三样能力各自爬了两年。它们同时到货，才有这三天的三件事，它们看起来是不相关的三件事，但本质上都在改变 AI 的输出。

还有一处细节值得说。三家的发布说明里，都有一个位置差不多的小补丁。

商汤说，动态 3D 依赖本地环境搭建，要跟用户多轮交互才能完成。DeepSeek 说，部分演示插件经过多轮对话调整，光凭一条提示词不一定能复现视频里的效果。混元说，为了练出这个本事，得建沙箱、装几百款软件、让它反复做。

三句话说的是同一件事：一键生成的魔法不存在。这是多轮磨合出来的工序。

所以「能用」不等于「一次就对」。它等于「改得动」。

四

往后退一步，软件自己的位置也在动。

以前软件是目的地。你打开它，人待在里面干活，活干完了也在里面，导出那一刻才算离开。软件的价值在「里面」，所以它拼命做界面，做功能，做那些让你愿意待着的东西。

现在软件开始当中途站。它被调用，被插进一条它看不见全貌的流水线，干完一段就交出去。它的价值在「接口上」。

这里有个问题一定会被问：既然智能体什么都能点，界面还要不要。

要。只是它服务的对象变了。

以前界面服务于「怎么干」。按钮放哪，菜单怎么排，快捷键怎么设，都是为了让人的手更顺。

现在操作被智能体接走了，界面服务「干得对不对」。你得看得见它改了什么，得能一眼判断这一版能不能收，得能在它跑偏的时候按停。

当操作被接管，界面就从操作台退成了验收台。

这也是我这一年做工具时越来越清楚的一条：接口的形状，比界面的样子要紧。我自己做了一个生图工具，界面上只有一个输入框，剩下的判断交给模型。因为它真正要被使用的地方，不在我的窗口里。我的窗口里只管验收，看见它交付的成果。

五

回到那三件事。

它们都在说同一句话，只是说法不同。

能被接着改的东西，才叫交付。

不能被接着改的，只是演示。

后记

写完这篇，我去翻了一下自己的文件夹。过去半年 AI 给我做的东西，能接着改的，我留着了。只能看的，大部分躺在某个目录里，连名字都记不住。

我想问大家使用 AI 的模式，一次性完成，还是 AI 交付了一半你需要反复打磨让它修改呢？

还有一个：.blend、.pptx、.fig、一个代码仓库，你觉得哪个更像一个工程？