20260422研读Openclaw类Agent资料摘录

20260422研读openclaw类agent资料摘录

Claude Mythos的核心不是一个更大的Transformer，而是一种叫做「循环深度Transformer」（Recurrent-Depth Transformer, RDT）的架构。
说白了就是，同一套权重，在一次前向传播里循环跑最多16次。

整个OpenMythos的架构分三段：
Prelude（序曲）→ Recurrent Block（循环核心）→ Coda（终章）
Prelude和Coda是标准的Transformer层，各跑一次。
真正的计算核心是中间的「循环块」，它最多循环16次，

Karpathy 最近讲了一个很反直觉的判断：今天的大模型之所以越做越大，未必是因为“思考”本身需要这么多参数，而是因为训练数据太脏、噪声太多。
换句话说，我们现在看到的模型膨胀，未必主要是在为“智力”买单，更像是在为垃圾数据买单。

Karpathy 进一步的预测是：应该把这两件事彻底拆开。
一边是“认知核心”，只保留推理、问题求解这些真正和智能有关的算法；
另一边是外部记忆，需要事实时再去查，而不是全都硬塞进模型权重里。
他的判断很激进：如果只用高质量数据训练，一个真正专注认知的核心模型，可能只需要 10 亿参数左右，就能达到相当强的智能水平。

今天的旗舰模型大概在 2000 亿到 1.8 万亿参数之间，而这其中很大一部分权重，可能只是拿来“记住”互联网上大量低质量噪声。
而且趋势已经开始往他这个方向走了。
GPT-4o 大约是 2000 亿参数级别，但整体表现已经超过最初那个 1.8 万亿参数的 GPT-4。
再看成本侧，2022 到 2024 年，达到 GPT-3.5 级别性能的推理成本下降了 280 倍，背后最主要的推动力，几乎就是模型变得更小、更干净、架构更合理。

上周4月16日至17日，短短48小时内，阿里云发布世界模型HappyOyster（快乐生蚊），腾讯同日开源混元3D世界模型2.0，而专注空间智能的群核科技则于次日登陆港交所，成为“全球空间智能第一股”。这或许并非巧合，他们正在释放一个清晰信号：世界模型赛道正从技术探索迈向商业化临界点。

2026年4月16日，阿里云ATH创新事业部（Token Hub）正式发布世界模型HappyOyster。这款产品被定位为“世界模拟器”而非单纯的视频生成工具，核心功能包括漫游模式（支持1分钟连续实时位移）和导演模式（支持3分钟以上480p/720p画面）。
HappyOyster采用原生多模态+长时序建模技术路线，与谷歌Genie 3同属“生成式视频派”，但在交互时长上实现突破。值得注意的是，此时距离阿里云在2026年3月财报会上宣布“五年内云+AI收入超1000亿美元”目标仅过去不到一个月。

同样在4月16日，腾讯混元团队宣布开源Hunyuan3D 2.0（HY-World 2.0）。与阿里的闭源策略不同，腾讯选择将这款3D世界模型完全开源，并支持与Unity等游戏引擎无缝对接。
HY-World 2.0的核心差异化在于“可导出性”——生成的3D资产文件（Mesh/3DGS/点云）可直接用于二次编辑，而非仅能观看的视频。这一设计直指游戏开发、影视预演等B端场景的工程化需求。

基于对12家主要玩家的技术路线梳理，逼着发现当前世界模型领域已形成三大主流流派，分别由不同的AI领袖押注，且暂无收敛趋势。
首先是生成式视频派（“世界即视频”），代表玩家包括Google Genie 3、OpenAI Sora、阿里HappyOyster、Runway GWM-1。这一流派的核心理念是通过视频生成技术模拟世界演化，认为“能够生成逼真视频就意味着理解了物理规律”。
其次是抽象预测派（“世界即因果”），代表玩家为Meta V-JEPA 2（Yann LeCun主导）。其核心理念是反对像素级重建，主张学习世界的抽象表征和因果逻辑，认为“真正的世界模型应该是预测未来的抽象大脑”。最后是空间智能派（“世界即3D”），代表玩家包括斯坦福World Labs、腾讯HY-World 2.0、NVIDIA Omniverse、群核科技。其核心理念是真正的世界模型必须理解三维空间和物体关系，能够生成可编辑、可导出的3D资产而非仅视频。

基于技术指标、产品成熟度、商业化进展三个维度，全球12家主要玩家可划分为三个梯队。
第一梯队（产品化领先）包括Google Genie 3、阿里HappyOyster、腾讯HY-World 2.0、群核科技，共同特征是已发布可用产品，技术指标明确，具备实时交互能力，且有清晰的场景定位。其中，群核科技是唯一实现盈利的空间智能企业，2025年营收8.2亿元，毛利率82.2%。
第二梯队（技术独特但场景有限）包括Meta V-JEPA 2、Tesla FSD、NVIDIA Omniverse，技术路线独特但聚焦特定垂直场景，不直接面向大众消费者。
第三梯队（早期探索）包括百度文心、字节豆包、Runway GWM-1、斯坦福World Labs、OpenAI Sora，仍在技术验证阶段，商业化路径不清晰。具体对比详见下图。

一只四足机器狗，无需预设路线、无需人工遥控，在开放城市环境中自己认路、自己走、自己干活——这是高德「途途」正在上演的真实场景。背后的秘密，是一套终结「一机一图」困局的具身智能Harness——ABot-Claw。ABot-Claw处于ABot技术体系的Agent层，承上启下：向下接收ABot-M0（操作模型）和ABot-N0（导航模型）的能力输出，向上统一调度四足、轮式、人形等不同形态的机器人本体。

Trae Solo，越来越觉得它不只是写代码，更像是一个能理解你意图的执行团队。所以这次我也想试试，看它能不能把数据大屏这种"纯前端可视化"的活也干了。
打开 Trae Solo，我输入的需求就一行：「帮我开发一个商品销售数据大屏看板，然后生成模拟数据。」没有给技术方案，没有指定框架，没有设计稿。怎么用：打开 https://solo.trae.cn，描述你要什么看板，等几分钟就行。不会写代码也没关系。

Anthropic 在官网说，Claude Mythos Preview 是公司目前能力最强的前沿模型，合作方会把它用于防御性安全工作；
首批参与者包括亚马逊 AWS、苹果、谷歌、摩根大通、微软、英伟达、Palo Alto Networks 以及 Linux 基金会等，另有 40 多家建设或维护关键软件基础设施的组织获得有限访问权限。

如果你想做一家 AI Native 的一人公司，
至少要同时跑两条线：
业务线：持续思考、设计、验证你的商业模式
2. AI 线：基于一个稳定的 AI 工作平台，把内容、营销、交付、系统搭建这些事快速执行出来

OpenClaw创始人Peter，也曾连发五条推文公开称赞MiniMax是最好的开源模型。
他表示，M2.1能以其他模型5%的成本运行OpenClaw，效果完全不输顶尖闭源模型。Notion联合创始人Akshay Kothari则亲自宣布，MiniMax M2.5成为Notion Custom Agents中第一个开源权重模型。被称为「Cursor最强对手」的AI编程工具Kilo Code，也高调宣布MiniMax是默认首选模型。

模型和Harness的闭环要真正转起来，还需要产品层的验证和反馈。
为此，MiniMax同时推了MaxHermes和MaxClaw两条线，分别对应两种Agent进化路径。
MaxHermes基于开源智能体Hermes Agent构建，核心特性是「学习闭环」。

MiniMax还上线了Skillhub，精选上百种Skills供探索安装。在平台层面，MiniMax Agent则推出了Expert 2.0。用户用自然语言描述任务目标，Agent自动完成SOP梳理和能力配置，不需要懂Skill、SubAgent、MCP这些概念。上线以来已有1.6万+专家Agent被创建和使用。训练侧，MiniMax与腾讯云深度合作，基于腾讯云Agent Runtime沙箱搭建Forge强化学习框架的基础设施。

AI平台价值 = 智能密度 × Token吞吐量。MiniMax已经透露了几个关键方向：
更大更智能，尤其在coding和通用办公场景；
原生多模态，支持视频和图像输入；
价格亲民，目标让每个人都负担得起7×24小时的Agent。

据国内多家行业媒体爆料，DeepSeek即将发布的V4模型，核心完成了对华为昇腾算力生态的深度适配，大幅降低了对英伟达生态的依赖。过去全球绝大多数主流AI大模型，从OpenAI的GPT，到Anthropic的Claude，核心训练与部署都深度绑定英伟达的生态：DeepSeek的工程师们花了大量时间，完成了算子层兼容、通信库适配、训练框架底层优化，实现了模型从英伟达CUDA生态到华为昇腾CANN架构的深度迁移。

华为盘古大模型从2020年立项起，就基于昇腾芯片+CANN计算架构+MindSpore框架的全栈国产生态开发，是国内最早实现完全不依赖英伟达CUDA生态的前沿大模型。
更早的悟道2.0、紫东太初等大模型，也早已实现了纯国产芯片的落地部署。

Perplexity 重度用户，不用犹豫。每天大量阅读英文内容、做信息研究的人，划线提问就值得试。日常刷刷网页看看视频，Chrome 够用，没必要换。Comet 基于 Chromium，免费下载，桌面和移动端都有，移动端的体验更好。
下载地址：perplexity.ai/comet

OpenClaw 的 Skill 是手写的 Markdown 文件——你写多少它会多少，你不写它就不会。Hermes 做了一件 OpenClaw 架构上做不了的事：Agent 干完活之后，会自动把踩坑经验提炼成可复用的 Skill，下次遇到同类问题直接调用。用得越久，能力越强。这不是功能差异，是设计哲学的分野——一个靠人喂，一个自己长。

OpenClaw 的 Skill 是手写的 Markdown 文件——你写多少它会多少，你不写它就不会。Hermes 做了一件 OpenClaw 架构上做不了的事：Agent 干完活之后，会自动把踩坑经验提炼成可复用的 Skill，下次遇到同类问题直接调用。用得越久，能力越强。这不是功能差异，是设计哲学的分野——一个靠人喂，一个自己长。

在一些大厂，Token使用量甚至成了继工资、奖金、股权之后的“第四种薪酬”。为了证明自己职位的不可替代，打工人不得不亲手教AI如何“Skill”自己。
这就像一场没有终点的马拉松，市场以为自己在驾驭AI，但在绩效的指挥棒下，年轻人更像是在为AI打工。

Claude、DeepSeek可以写方案，Midjourney出设计，数字人做直播，一个AI客服团队24小时在线。

赵姐说，“我们双方都在用AI生产大量的、无意义的、应付流程的材料。这就像工作泔水，看起来有一大桶，实际上没什么营养。”
“AI没有替代我，它只是把我变成了一个AI校对员，兼Prompt工程师兼流程合规员。”赵姐说。
“我的工资没涨，但工作变成了给AI打工，就像一条高速公路，修得越好，车流量越大，堵得越死。”

幻觉不挑人，一个初出茅庐的法学生可能被骗，一个身经百战的律师照样被骗。
在AI面前，专业人士和普通人的起点是一样的，都是面对一堆“看起来很真”的信息。
这才是AI时代最反直觉的地方：知识变得前所未有的廉价，但真知识反而前所未有地稀缺。

大多数动漫人物都可以生成，但宝可梦、蝙蝠侠、蜘蛛侠之类的角色会被拒绝。
现在，Image 2生成的游戏梗图，已经铺满了全网。

GPT-image-2还原的各种千古名篇真迹，就已经在全网刷屏。
兰亭集序、出师表、滕王阁序、岳阳楼记，纷纷在Image 2的笔端重现，它竟然能以前所未有的写实精度，还原名篇真迹的质感与神韵。
没有任何错字，没有任何乱码。
从今天起，AI图像形成已经从「形似」，进化到了深层逻辑和艺术韵味的「神似」！

更夸张的是，以后做信息图、搞UI设计，完全没必要打开那些复杂的图像编辑软件了——ChatGPT一条龙搞定，省钱省力。