（来源：上观新闻）
用户盲⚡测中，🗞研究团队邀请了🧙♀️10名👣🥍参与者对100🍻对随机🚏视频进行主观评分©📊，结果61🍭%的参与者偏好🇹🇴NUMI🇦🇶💿NA生成的视频🦞🏝，39🌌%偏好原始模⛈型生成的视频🔔🐸，印证了客观指标🚮的结论🌏🇯🇲。这样AI才能从👩🏫吟诗作画的对♌🇱🇺话工具，变🔗🧖♀️成能解决现实问题🧚♂️的落地能力👀。去年这个时🛬🍕候，一位以👩🔧色列程✡🤲序员正在东南亚👨👦🇭🇳旅行🇨🇰👠。Cos🇧🇪mos平台不🦚生产世界模型，👩👩👧☎它生产“生产🥥世界模型的工🕦具”⏏。Onl🌟ine RL的👨💻工程挑战远未被🦜😓解决⚛。3月16号G😲🚂LM-5 🧧Turbo📗出来，👩🎤🐈又涨2🔛0%🇧🇭。在这类工作🈴负载里🍱，主导账单的是s📵earch / 🤦♂️groundi🤮ng这类🦓外层能力☔🔥，模型推⛓😢理本身反而退居二😔线🇮🇪。
但需求侧都是🛡🙋重AI投入的💮📶企业，😿🇳🇮比如大模👊型公司、互🔧👨🎨联网大厂，在🔟数据上的支出规🕔模相对较📊♐大🈵。总结 C🇳🇨🏀lawGU⭕0️⃣I不是要证明GU👯I比CLI🎏👨⚖️更好，而🛠🇹🇱是想探索一种🌖◀可能性🍞☎：训练、评💞测、部署🤦♀️打通之后，💸🇬🇹GUI智能体💌能走多远？CLI💗🛋和GUI的协作🇳🇺又能释😐✅放出怎样的😾✡潜力？ 🇸🇧🧬ClawGUI-🌔RL让GUI7️⃣ Ag🥰ent的在线训练🔺📀从虚拟👳🥕环境走向真机，😼色图二区Claw🙍💐GUI📊-Eval🧙♀️为社区提🍂供了一套可信🇨🇭色图二区赖的评测标准🧩🇰🇪，Ope📳nClaw😦📒-GUI把GUI🆖智能体🐙从研究带到🐡了真实设备😷😞。Q：你♿色图二区们会介入多深🇱🇷？会去和ASM🇵🇫🇺🇿L沟通🌯📸吗，告诉🙎♌他们：“看看三🏓📌年后的需求吧📁🕡。
