产品猎奇·10月19日：跨机跑agent与刷脸验身份

今天在ProductHunt上又看到几个挺有想法的产品。有跑agent的,有刷脸查人的,还有一个专门做法律的模型。 你这三个词放一块,我第一反应是这榜单越来越往垂直场景走了。 对,先看第一个Beam.win。一句话概括,在一台Mac上跑AI agent,另一台Mac上用它的窗口。 这个痛点其实很真实。你想,agent跑起来要占资源,谁愿意拿自己主力机去扛。 所以它让你把agent和构建都丢到Mac mini或者Studio上,然后远程把窗口拉过来?这不就是串流吗。 不一样。重点不在串流,重点在窗口的形态。每个远程窗口都有独立Dock图标,能⌘Tab切换。 等一下,这个细节有点戳我。等于在你的Mac上,那些远程窗口跟本地应用是一个待遇。 对,Terminal、浏览器、其他app窗口都能这么搬过来,Mac之间还是加密的。体验上就是一台机器。 那它适合谁?我觉得不只是开发者,还有那种跑长任务、又不想电脑一直嗡嗡响的人。 还有多机党。一台笔记本随身,一台mini在家当算力池,这个组合现在很常见。 不过它免费试用,后续大概率是订阅。你怎么看它的增长逻辑? 我觉得它吃的是agent工作流红利。agent越多,算力越重,分离算力和界面的需求就越强。 总结一下,Beam.win赢在把远程窗口做成了本地窗口的体验,而不是又一个远程桌面。 好,第二条,face2social。标语是Search By Face, Know Who's Real。 这个产品名字就说明一切,用人脸去搜人,判断对面那个人是不是真的。 场景我懂。你见个投资人、创始人、招聘方,光搜名字出来几千条结果,根本对不上。 对,它让你上传一张照片,然后去Instagram, Facebook, LinkedIn, TikTok, X上找人脸匹配。 然后比对名字、公开资料,看有没有前后矛盾的地方?这不就是尽职调查的轻量版吗。 没错。但我得说,这个产品一出来,隐私争议是躲不掉的。 我正想问这个。它只搜公开信息,可人脸本身也是公开信息,这个边界很模糊吧? 边界很模糊。它的商业模式也很有意思,免费预览,没匹配到不收钱,按结果付费。 这个定价逻辑其实挺聪明的,先把信任成本降下来。但它拿到一百多票、四十五条评论,讨论度很高。 评论多恰恰说明大家又想要又害怕。安全问题背后其实是信任问题。 所以结论是,face2social切的是商务社交里的身份验证焦虑,产品成立,但伦理争议会一直跟着它。 第三个,GLM-Legal。Z.ai出的法律AI模型,专门做合同审查和合规。 这个我得先抛结论:它是一次非常典型的垂类模型打法,先mid-training,再强化学习。 你展开说说,它和在通用模型上套个法律提示词,区别在哪? 它基于GLM-5.3-Flash,先做法律mid-training,然后在几万个法律任务环境里跑强化学习。 效果呢?我看到一个数字,Harvey的法律agent基准,它通过了19.17%的任务。 基础模型只有6.67%,差不多翻了三倍。这个提升放在专业任务上,不小了。 而且它做的是agentic legal work,合同审查、证据分析、合规研究,全是流程活。 对,法律是少数几个高质量数据稀缺、但付费意愿极强的领域。API还是申请制beta。 那它的挑战是什么?我觉得是律所敢不敢真让它上生产。 信任和可审计。模型跑得快没用,出了错谁负责,这才是法律行业的核心门槛。 所以总结一下,GLM-Legal证明了垂类mid-training加RL这条路,在专业领域能拉开明显差距。 好,三个产品聊完。你发现共性没有? 有。它们都不做通用入口,全在切一个具体到不能再具体的场景。 对,跨机跑agent、刷脸验身份、合同审查,全是某类人的刚需,不是所有人的痒点。 而且都是先解决信任问题。Beam靠加密,face2social靠结果付费,GLM靠基准数字。 如果今天只推荐一个,我选Beam.win。场景清晰,体验有巧思,落地门槛也低。 我同意。face2social有意思,但争议太重,GLM-Legal太依赖专业渠道。Beam更普适。