在日新月异的AI浪潮中，保持前沿视野与敏锐洞察，是持续创新的核心动力。2月9日起，图灵院公众号全新栏目「算法半月报」正式上线。栏目内容源自图灵院研发一线工程师的深度沉淀，旨在为大家甄选前沿资讯、实战测评工具、分享真实思考。定期更新，干货满满，欢迎关注~
模型更新：谷歌 Gemini 3.5 Flash 与 Omni 双子星闪耀 I/O 2026；通义千问 Qwen 3.7-Max 登顶国产第一。
产品更新：Kimi WebBridge 打通浏览器 Agent 最后一公里；腾讯系统级 AI 助手 Marvis （马维斯）正式上线。
硬核实测：Kimi WebBridge 网页跨站自动化与 Skill 方案测试；Gemini 3.5 Flash 多 Agent 编排体验；Gemini Omni 视频生成的多类型输入与物理逻辑性测试。
1、谷歌发布 Gemini 3.5 Flash 与 Gemini Omni
2、阿里千问推出新一代旗舰模型 Qwen3.7-Max
3、Cursor 上线 Agentic 编程模型 Composer 2.5
4、小米发布并开源 Xiaomi OneVL 自动驾驶模型
5、智谱推出 GLM-5.1 高速版
6、百度发布新一代旗舰基础大模型 Ernie5.1
2、xAI 发布首款 Coding Agent Grok Build
3、月之暗面发布浏览器插件 Kimi WebBridge
4、腾讯 AI 助手 Marvis 正式上线
5、OpenAI Codex 登陆 ChatGPT 手机 App
本期深度测评我们将考察 Kimi WebBridge 浏览器插件在网页自动化操作及跨站点信息整合上的执行性能；同时针对谷歌最新发布的基础模型，重点评估 Gemini 3.5 Flash 的真实响应性能与处理效率，并多维度验证 Gemini Omni 跨模态视频生成的实际质量与物理逻辑表现。
1、Kimi WebBridge ：专为 AI Agent 设计的浏览器插件
产品定位：
专为 AI Agent 设计的专属浏览器插件。能够授权 AI 直接操作网页，实现点击按钮、填写表单、提取信息等动作，旨在自动化处理各种繁琐的跨端网页操作。
安装方式：
https://www.kimi.com/zh-cn/features/webbridge
验证方式：输入测试指令「使用 kimi-webbridge 帮我打开 kimi.com」，若成功打开标签页并出现 agent:kimi 提示即代表安装成功。
实测说明：
测评场景设定为“餐厅测评图文草稿自动化”。输入餐厅名称后，要求通过 Kimi WebBridge 操作真实浏览器，依次完成：百度地图搜索并截取首个匹配结果 → 访问大众点评详情页截图 → 生成约 100 字推荐文案 → 最终保存到小红书图文草稿。本次测试在 Codex 环境中进行，底层模型调用 GPT-5.5。
Kimi WebBridge测评截图
实测表明，页面读取、元素点击、表单填写、截图及多站点串联等基础能力整体可用。但在小红书上传环节，WebBridge 虽能将文件注入页面的 file input 并显示“已选择 2 个文件”，却未能稳定触发小红书 SPA（单页应用）内部的图片校验、预处理和上传流程，导致页面长时间卡在上传入口。后续需通过读取站点内部 JS、定位原生上传方法，并借助本地服务构造合规 File 对象才得以绕过，排障耗时 25 分钟，Token 消耗显著。这反映出当前对复杂 SPA 上传组件的深层兼容性仍显不足。
此外，初始启动时 WebBridge 守护进程曾出现 PID 存活但 HTTP 探测失败的状态，需重启恢复，暴露出进程状态监控与自动恢复机制仍有改进空间。
高频流程的固化方案：
针对上述探索模式耗时长、Token 成本高的问题，官方提供了 x-cli/Skill 方案，可将标准动作封装为确定性 CLI 工具，安装方式：
npx skills add better-world-ai/x-cli以“在百度地图/大众点评搜索餐厅 → 截图 → 生成文案 → 在小红书保存草稿”流程为例，固化后同类任务耗时从 WebBridge 探索模式下的数十分钟缩短至约 42 秒，Token 消耗与运行稳定性均显著改善。
应用 Skill 后自动化流程运行演示
对于已跑通的高频固定流程，建议通过 x-cli/Skill 封装为专用工具，以获得更低耗时、更低 Token 成本和更高的可复用性。
2、Google 最新模型实测：Gemini 3.5 Flash 与 Gemini Omni
模型定位：
Gemini 3.5 Flash 专为“智能体时代”量身定制，主打低延迟与端到端自动化能力；Gemini Omni 定位为具备物理常识的多模态“世界模型”，支持跨模态生成，能深度理解现实世界的空间与因果关系，首发聚焦于高精度视频生成与交互式音视频编辑。
Gemini 3.5 Flash实测说明：
在 Google DeepMind 最新发布的 「Antigravity 2.0」 智能体编排平台中，我们对 Gemini 3.5 Flash 与 Gemini 3.1 Pro 进行了深入的对比评测。场景为高并发多智能体物理涌现探索，在 8×8 渐变权重矩阵中调度 64 个智能体，模拟并分析鸟群（Boids）的复杂涌现行为。
3.5 Flash（左） 与3.1 Pro（右） 仿真效果对比
从实测结果来看，3.5 Flash 在并发响应速度与可视化渲染配合上均展现出明显优势。在本地环境中调度 64 个并发智能体时，其状态参数合成仅耗时 3.7 秒；控制链路闭环后，模型仅用 15 秒便输出了高质量测评文档，充分验证了其在高吞吐推理与结构化文本规整方面的极佳表现。
不过，当两个模型并发调度 64 个智能体时，都因为触发了云端接口的访问频率和流量限制而被限流。系统虽然自动切换回本地运行、勉强完成了任务，但这也导致它们无法实现原本设计的云端实时协作。可以看出目前的云端访问限额对大规模智能体的协同编排依然存在不小的制约。
Gemini 3.5 Flash 适合对延迟高度敏感、强调快速原型验证与敏捷迭代的轻量级工程探索任务。在高难度的核心推理与重度编码能力上，相较于当前的旗舰级模型 GPT-5.5，它并未展现出足够令人惊艳的跨代际破局效果。
Gemini Omni 实测说明：
接下来我测试了 Gemini Omni 的纯文本生成视频以及图文混合生成视频能力。
场景一是微距延时冰块融化，视频还原了表面张力极限下的水平面及棱角分明的冰块形态，符合物理逻辑，并较好的呈现了冰块融化过程中的杯壁水汽凝结与液面动态变化，长序列一致性与音画同步表现优异。
微距延时冰块融化
场景二则是以随手拍摄的笔为参考，生成悟空转笔变出金箍棒，继而“大闹天宫”的国风动漫。实测画面未能精准解构并还原参考图中的笔身特征，场景与人物刻画亦显不足，手部指甲稍显违和；虽然整体运镜激进且音效协调，但画面精细度仍显不够，缺乏视觉震撼力。
参考图
动漫大闹天宫
总体而言，Gemini Omni 在基础物理规律模拟、多模态语义理解以及音画同步协调上表现扎实；但在应对高动态、高精度角色资产保持的复杂场景时，综合图像质感与细节控制力相较于 SeedDance 2.0 等竞品没有明显优势，整体表现不算惊艳。
Kimi WebBridge 在封装 Skill 之后速度直接翻了十几倍，这印证了一个很现实的问题：模型在做“自主规划”时，大量的 Token 其实都浪费在盲目的摸索和试错上了。虽然底层的模型能力在不断变强，但在实际的业务应用中，面对未知的任务，给 Agent 一个经验参考能节省极大的开发和运行成本。把我们自己手里的 SOP 作为 Skill 沉淀并教给 Agent，不仅能让模型更精准地理解真实需求、少走弯路，最直观的收益就是能帮我们把不必要的 Token 损耗降下来。
谷歌这两款模型和新平台整体测下来，效果谈不上惊艳。新发布的 Antigravity 2.0 编排平台虽然在理念和框架上跟 Codex 极其相似，但实际用起来，在交互和协同的细节体验上还是差了一些。这次发布更像是为了应对市场竞争而急于卡位推出的过渡产品，只能把期待留给它后续更高阶模型的表现了。
更多内容，敬请期待