时隔五个月再让OpenClaw播音乐

上周五 DeepSeek 发布了 v4-flash 正式版。

我想起年初二月份给 OpenClaw 的播放音乐的任务，五个月后用 DeepSeek 再测试一次。

当时用的模型是 minimax-m2.1，全程得我看着帮她解决高清屏、点按钮这些 computer-use 的问题，但最后依旧没能搞定按钮坐标不对的问题，还是得借助 OCR 找文字这种非通用的方法。

而 DeepSeek 做同样的任务，全程零指导，自己打开音乐界面，搜索、截图找按钮点击一气呵成，中间她也遇到了之前坐标不对的问题，区别是这次她能自己思考自己解决（过程见图二、图三），智能化有一个明显的进步。

我终于明白为啥之前坐标不对了，原来多模态还会对图片做一次缩放（图四）。

从年初 claude4.6 到现在 5.0，gpt5.3 到 5.6，glm、kimi 和 qwen 也是一个接一个地发版本。还体验到 gpt-live 的 realtime talk 交互，也是大大的 AHA moment。

回头一看却才过去了五个月，AI 发展真的比我想象的要快得多。

BTW: DeepSeek 很便宜，周末深度用了 1.4 亿 token，花了八块钱，十分推荐大家用作主力模型

#DeepSeek #OpenClaw #AI #人工智能