产品猎奇·11月08日：会看图改稿的模型

今天ProductHunt榜一有点意思. 一百票, 不多, 但名字很抓人. Inkling 2 Small, 说是能看见自己建出来的东西, 还能改. 李博, 这什么路数?

先说结论, 这是Thinking Machines Lab的模型, Mira Murati那边做的. 五百九十四B总参数, MoE, 只激活十七B. 重点不在参数, 在于它是冲着长周期编程和视觉任务去的.

能看见自己建的东西, 这话我怎么理解? 它自己生成个页面, 然后自己看效果?

对, 就是这个意思. 它把渲染结果当输入, 自己判断哪里不对. 传统模型是写完就交卷, 它是写完先自己批改一遍.

那这解决的是前端那种改到崩溃的痛点吧. 生成完还得人肉截图对比.

重点是闭环. 以前agent写代码, 视觉反馈得人贴回去. 现在模型自己看图, 自己迭代. 这就是长期任务能跑下去的关键.

可是十七B激活, 跑起来不便宜吧? 小团队能用吗?

它挂在Tinker上, 推理和微调一起给. 小团队不用自己训, 直接调. 这是它聪明的地方, 模型和平台绑着卖.

那它上榜的理由我懂了, 就是那个"自己看自己改"的画面感太强. 大家想看agent自己把活干完.

第二条, Sage2. Levanto Labs出的, 把实时对话直接变成结构化数据和动作.

这个我很喜欢, 它不卖界面, 卖API. 开发者拿去就能解析对话里的日期, 金额, 时长, 还能追踪意图变化.

不就是信息抽取吗? 不是早就有了?

不一样. 老一代是整段转录完再抽, 它是流式的. 聊到一半, 意图变了, 它当场就知道下一步该干嘛.

所以场景是客服那种? 用户说着说着改主意了?

预定, 下单, 报销, 都能用. 关键是它把"对话中状态"当一等公民, 这个设计思路比抽字段更值钱.

九十九票排第二, 跟榜一就差一票. 开发者对这类底层工具是真买账.

然后第三条, 这个不是工具, 是个语言学实验. Deduplication, 问哪个含义占了那个词.

HackerNoon做的, 挺较真. 它抓了七百一十九个被科技圈"抢走"的词, 横跨十四个领域, 用维基百科浏览量算谁赢.

bug本来是虫子, mouse本来是老鼠, token本来是代币. 这我熟, 天天被这些词绕.

它给每组打分, 原意还占着, 还是打成平手, 还是新意彻底接管. 这个数据其实很有意思, 能看出技术语汇的侵蚀速度.

免费开放, 还有词云和排行榜. 这不是产品, 是文化观察, 但九十三票说明大家爱看.

想一下, 这种小东西能上榜, 是因为戳中了一个集体感受. 我们这行天天在改词的意思.

那总结一下, 今天这三个有啥共性?

两个是AI往深处走, 一个往回看语言. 但共同点是都在处理"语义和现实之间的落差". 模型要看见现实, API要抓住意图, 词表要看含义怎么变.

所以今天不是工具扎堆, 是理解层扎堆. 大家都在教机器更准地理解正在发生的事.

对, 而且都不做端到端产品, 做能力层. 这是今年ProductHunt的一个明显转向.

那今日推荐呢? 只用一个的话.

我推Sage2. 门槛低, 今天就能接进去试. Inkling强, 但要平台绑着用, 先观望.

我同意, Sage2这种流式意图解析, 做对话产品的人真的该摸一摸. 今天就聊到这儿.