Rabbit R1 上線 LAM Playground：讓使用者自己教 AI 替自己上網

很多人當初掏 199 美元買 Rabbit R1，圖的就是釋出會上吹的神奇能力：不用自己動手滑螢幕，讓 AI 替你去網頁上把事辦了。結果機器到手後大家發現，它畫的餅大半都沒熟。

當時宣稱的核心賣點大動作模型（LAM），上線時只支援 Uber、Spotify 和 DoorDash 三個平臺，而且實測成功率連一半都不到。除了偶爾放放歌，這臺橙色小方塊很快淪為不少人抽屜裡的擺設。

終於不用只點外賣了

Rabbit 終於放出了承諾已久的更新，上線了名為 LAM playground 的跨平臺智慧體系統。這套工具執行在 Rabbit 的雲端平臺 Rabbithole 裡，目的就是讓使用者教 R1 學會在真正的網際網路上跑腿。

顧名思義，這次更新叫 playground（練兵場），就說明它不是一個閉門做好的現成功能。以前的 LAM 只能在幾個固定接口裡轉悠，而新的系統讓使用者可以訓練自己的 R1 智慧體去瀏覽 Google、Walmart、YouTube 等常規網站。

在演示中，Rabbit 執行長呂騁展示了具體操作。他在網頁裡輸入指令，讓 AI 去找六罐裝的無糖可口可樂並加入亞馬遜購物車。隨後多模態智慧體開始掃描 Google 頁面上的各種網頁元素，點選相關的亞馬遜購買連結，最後完成了加購。

整個過程耗時大概 45 秒。雖然速度算不上快，但這種不用自己盯螢幕、泡杯茶的功夫 AI 就把繁瑣步驟跑完的體驗，確實兌現了當初發佈會上的承諾原型。

驗證碼難題與更大的系統野心

不過，離開溫室的網頁代理立刻撞上了現實裡的高牆。

在隨後的測試中，測試者讓它去沃爾瑪網站找最划算的 iPhone 16 優惠。AI 確實找到了頁面，但當沃爾瑪跳出人機驗證（CAPTCHA）時，訓練中的智慧體直接卡殼失敗了。

呂騁解釋稱，這是因為演示環境沒有掛載 Rabbit 的 IP 叢集。但在防爬機制越來越嚴的今天，普通使用者幾乎每天都會在各種網站遇到驗證碼，這個問題如果不徹底解決，自動化體驗隨時會斷在半路上。

呂騁還透露了 R1 的下一步規劃：他們希望將操作能力從網頁擴充套件到桌面系統和應用軟體，比如直接拉起一個獨立的 Linux 作業系統，或者幫使用者在 Adobe Photoshop 裡上傳並修圖。不過跨進作業系統級別後，隱私和許可權控制的難度也會成倍增加。

為什麼重要

對於手頭已經有一臺 R1 的使用者來說，這一版更新是把它從抽屜裡翻出來的最好理由。你現在終於能親手試試教 AI 跑腿，但我們認為它目前依然偏向極客的測試玩具，45 秒的操作延遲加上隨時可能跳出的驗證碼，註定它還不能完全替代你手動在手機上下單。

從行業來看，Rabbit 這一步走得相當務實。他們很聰明地把測試場搬到了雲端 Rabbithole，並冠以 playground 的名字，既降低了使用者對翻車的反彈，又能靠早期使用者的真實反饋幫模型趟水。比起那些只能聊天問答的硬體，能點進真實網頁辦事的智慧體才是下一階段的競爭核心。

但隱患同樣明顯。讓雲端 AI 替使用者接管賬號、操作真實電商和流媒體，一旦涉及支付和未來設想的桌面系統操作，安全風險就會被無限放大。微軟此前在系統級 AI 記錄上踩過的隱私大坑歷歷在目，Rabbit 要想證明自己不是曇花一現的玩具廠，接下來不僅得搞定驗證碼，還得讓使用者敢把真正的數字生活交託給它。