凌晨四点Claude自行调配颜料续写秋树画作，通用人工智能跨越物理世界门槛

11月6日凌晨4点，位于柏林的工作室中，开发者nil（@dhvanil）已入睡，其家中的Claude智能系统却自主启动了创作程序。该系统在执行画树枝干的任务时，检测到调色盘上缺少关键过渡色阶。面对这一物理世界的异常状况，Claude没有像传统自动化程序那样报错停机或凑合了事，而是选择停下机械臂，将手臂移至第二块空白调色盘。

随后，系统自主蘸取红色、赭石和茜草红颜料，按照化学滴定般的手法逐滴混合，并利用相机拍摄照片测算色槽深浅。这一验证闭环过程持续进行，直到色彩配比完全达标。待颜色调配妥当后，机械臂重新蘸满颜料，继续完成树冠层次的水彩绘制。

当日清晨nil醒来时，桌面上已呈现一幅干透的作品《秋之冠》（autumn crown）。整幅画作共历经303次落笔和4.5小时的创作时间。这一过程展示了通用模型在没有机器人实操数据的情况下，仅凭互联网常识跨越了通常需要千万条动作数据训练的门槛。

支撑这一自主操作的是开发者搭建的特殊架构与硬件配置。nil使用的UFactory xArm 7是Claude自行在eBay清仓市场淘到的二手工业机械臂，具备七自由度及±0.1毫米的定位精度。相比仅有2.5个自由度的笔式绘图仪，多出的一个关节赋予了机械臂类似手肘的避让能力，能够流畅完成复杂曲线绘制。

整套系统的核心代码由Claude和Codex生成，包含28.5万行代码、1100多次提交记录，涵盖了相机标定、运动学计算及数字孪生碰撞检查等模块。其中一项关键细节是9月8日系统在没有预设参数的情况下，通过让机械臂空中晃动并结合三台未标定相机的画面变化，反推算出笔尖三维偏移量，误差控制在0.2毫米以内。

业内观点认为，虽然机器人画画并非全新概念，但此次事件标志着代码中的Debug回路首次在物理世界长出肉身。系统通过感知异常、中断主线程、生成子任务、验证闭环及恢复主任务的流程，将原本存在于软件世界的逻辑修正转化为实打实的物理颜料调配。

与此同时，行业正面临通用模型与专用模型的路线分化测试。Anthropic的Project Fetch实验显示Opus 4.7在连接机器狗等任务上效率远超人类，但针对捡球、叠衣等快任务的毫秒级响应仍是VLA模型尚未攻克的难点。相比之下，水彩创作这种允许长时间停顿和验证的慢世界任务，更适合当前通用模型展现其基于常识的物理交互能力。”,