眼下，行业沉浸在 Coding Agent 带来的确定性狂欢中。
代码世界近乎一个理想的封闭箱体：规则明确、边界清晰，程序能否运行、测试集能否通过，答案当场揭晓。强化学习能够获得足够精准的奖励信号，AI 犹如一台不知疲倦的解题机器。
商业回报也随之兑现。Claude Code 在 2025 年 5 月全面开放后，仅用半年便达到 10 亿美元年化收入，号称今年年底能达到 1200 亿，母公司 Anthropic 的估值也随之攀升到 2 万亿美金。
但已经有人开始对 Coding 作为唯一确定的赛道感到不满足。换一个角度看，Coding 的繁荣多少是在“捡软柿子捏”：它并不意味着模型已经理解了复杂的现实世界，而是模型恰好率先进入了一个反馈最清晰、训练最容易、部署成本也相对可控的环境。
有雄心壮志的人都在找编程之外的那个更大机会，但各家给出的回答并不相同。
小红书今早开源了 dots3-note preview 模型，向行业表明了自己的选择。不是继续围绕代码环境寻找更高的可验证奖励，而是向能够服务真实生活的长程智能体，迈出第一步。
图：dots3-note preview 在 Hugging Face 正式开源
跑分层面，dots3-note preview 在推理和 Agent 类任务上能跟参数规模大自己数倍的模型掰手腕，视觉能力放回同尺寸区间里看表现突出。性能之外看姿态。值得注意的是，它起手就直奔最难的生活场景，这样的路数在一众厂商里并不多见。回头看它十余年在生活内容上攒下的家底，走这一步，也算顺理成章。
更多细节请查看 dots 实验室的技术博客。
01 真实生活，遵循的是另一套逻辑
Coding Agent 的快速演进，本质上是因为环境被极度简化：任务有明确定义，结果能即时验证。
生活不是代码仓库的延伸，也不是多步推理题的叠加。一个人筹备婚礼，可能只敲定了日期，对风格和预算毫无概念；带父母出行，护照有效期和慢性病史这类隐性约束，不会自动写进 Prompt；经营一家咖啡馆，则要在供应商、客流和现金流之间动态权衡，任何一环的微调都会引发连锁反应。
这些场景从根上拆掉了 Coding 的闭环逻辑，暴露出四重断层。
需求会变。生活不提供清晰的初始指令，用户的真实意图，通常是在看到初稿、补充细节、甚至全盘推翻之后，才一点点成形的。Agent 不能只是被动执行，得学会主动追问和引导。
环境在动。现实世界从不静止，航班延误、库存告罄随时在静默发生，缺乏持续感知的 Agent，等于拿着一张已失效的地图赶路。
反馈来得晚。生活任务的评价稀疏又滞后，第 15 天做错的决定，可能到第 40 天才暴露后果，而且没有标准答案，很难归因。
错了撤回不了。出票、签约、支付一旦完成，就没法像改代码那样撤销回滚，任务周期越长，早期的预算红线和安全边界就越要背得紧。
四重断层叠在一起，就是大模型落地生活的真实处境。这也解释了为什么模型在各类榜单上屡创新高，一到真实生活里却频频失手。
为了测量这道鸿沟，小红书 dots 实验室提出了两套评测集：
一个叫 VibeSearchBench，专门看模型能不能在多轮对话里把用户含糊的需求问清楚；另一个叫 VibeLifeBench，给 Agent 搭了一个带时钟、会出意外的模拟世界，测试它在几周时间里能不能应对变化、记住该记的事。
然而评测结果近乎全军覆没：所有参评模型，包括头部厂商和小红书自研在内，无一及格。就连表现最好的 Claude Opus 5，avg@3 得分也仅有 0.325。
VibeLifeBench 参评模型得分，最高 avg@3 仅 0.325（图源：RED tech 公众号）
这个冷现实恰恰是此次开源的背景：从封闭的确定性走向开放的长程任务，是一场漫长的征途。dots 团队希望通过分享过程中的方法、经验、失败与反思，让更多人能够理解、使用并参与提升这些技术，也提示行业重视这一方向。
02 让模型学会在陌生世界里成长
dots3-note preview 的核心，是一套让模型在陌生环境里自己长本事的机制。
它基于 TEMPO 方法，把长程任务切成若干宏观步骤。Agent 不再消极等外部打分，而是主动盘点状态：对环境的理解靠谱吗？行动带来实质进展了吗？栽了是手滑还是根子错了？哪些经验该写进长期记忆？下一步接着刚还是换路？这份自我评价转化为实时信号，帮模型在终局前动态校准。
这套"探索、评价、记忆、复用"的闭环究竟管不管用？团队放了四个任务进去。
从零破解 ARC-AGI 3
ARC-AGI-3 是近期 GPT-5.6 Sol、Claude Opus 5 等前沿模型重点测试的超长程任务。与传统 benchmark 直接给出问题、让模型回答不同，ARC-AGI-3 不会提前告诉模型规则，而是把它放进一个陌生环境里，让它一边行动、一边摸索，直到逐渐弄清环境如何运转。这意味着，模型需要自己看、自己猜、自己试。
最初几帧不过是几个色块在动。模型先猜两个方块是不是上下同步，是不是左右镜像，再动手验证。几次碰壁后，它逐渐摸清了危险格、可移动标记、压力开关和闸门等机制。
三百二十步后，六关全部解开。
接管《杀戮尖塔 II》
换一局《杀戮尖塔 II》。模型事先没受过专门训练，一切规则现场学。
选路、拿牌、碰不碰精英、金币留给商店还是砸进营地。每个决定都在几十个回合后产生连锁反应。它得在战斗里摸清每张牌的效果、每个敌人的攻击模式，同时盯着血条、牌组、金币和药水，不断重新算账。
几次关键路口，它放弃了短期更肥的路线，选择给后期牌组留空间。最终活到了第三十三层。
读图解决冰箱难题
虚拟考场终究不是生活。真正考验人的，是家里冰箱放不放得下这种琐事。
一张户型图、两张冰箱参数截图，再加一段补充信息：厨房靠近书房那面墙已做了 1.5 米台面，冰箱还能塞进去吗？
信息散落在图和字里。模型自己把墙面总长、台面尺寸、冰箱厚度宽度、开门预留全拎出来，做一道算术题。
算完结论清楚：哪款能进，哪款会突出来挡路。
接着没换图，继续给书房设计实木风方案。模型记着刚才的尺寸和采光，自己上小红书搜笔记，整理四套方案，生成一张网页。读图、计算、检索、生成，一气贯通。
端到端跑通 visionOS 应用开发
最后一个任务，参考小红书设计，独立开发一款 Apple Vision Pro 原生应用。
模型先读需求，把九张界面设计图一张张看完，自己定下技术路线：SwiftUI 搭界面，RealityKit 做 3D，拆成组织窗口、沉浸式空间、3D 商品展示几个模块。从理解需求到写代码，整套流程一个人跑完。
成品已经像模像样：信息流可以手势滚动，笔记能点进详情页，个人主页和私信各自在独立窗口里展开。最直观的是购物界面：空间里直接摆进 3D 商品，左右切换，模型、材质、角度全都能上手交互。
03 从 Omni 到 Life Agent，AI 开始进入生活现场
人们希望 AI 进入真实生活，并不是 Agent 火了之后才出现的想法。
回看过去几年的探索，OpenAI 在 GPT-4o 中展示实时语音和视觉交互，Google 持续推进 Project Astra，并尝试把 Gemini 更深地融入 Android。模型正在从理解文字，走向理解声音、画面和周围环境；从回答问题，走向帮人完成一件事。
这背后的方向十分清晰：AI 最终要解决的，不只是有标准答案的问题，也包括每个人每天都会遇到的具体难题。怎么规划一次旅行，怎么挑选适合自己的东西，在不断变化的条件里做决定——这些事情往往没有唯一答案，也很难靠一次问答解决。
小红书对 Life Agent 的设想，也建立在这里：每个人都可以拥有一个真正了解自己、能够帮助自己的 AI。
过去十多年，几亿用户在小红书上分享过自己怎么吃、怎么玩、怎么做选择，也记录了大量没有唯一答案、却真实发生在人们每天生活里的问题。
让 AI 不只停留在屏幕里的问答，而是走进每个人具体、琐碎又各不相同的生活。
