Claude凌晨4点自己调颜料画水彩：303笔，机械臂还是它自己在eBay淘的

新智元报道  

主人已经睡下，Claude倒是在凌晨4点给自己调起了颜料。

11月6日深夜的柏林，开发者nil（@dhvanil）临睡前给家里的Claude丢下一句指令：「画一棵秋天的树。」

交代完就关了灯、上了床，没想着能出什么奇迹。

工作室里，只剩下机械臂安安静静地起落。画纸上，深褐色的树干一点点显现出来，调色盘里的颜料则一格接一格见了底。

事情在凌晨四点拐了个弯。

轮到画树冠的层次时，Claude发现调色板上少了几档关键的过渡色阶。

搁在以前那种自动化程序身上，结局无非两种：要么直接报错停机，等人天亮来救；要么像个敷衍的差生，随手蘸点相近的颜色抹上去交差。

Claude走了第三条路。

它把画笔搁下，将机械臂挪到第二块空着的调色板上，蘸上红色、赭石和茜草红，一点一点往里兑水，架势像化学实验室里做滴定的老学究。

每调好一格，它就拍一张照，再从照片里推算色槽的深浅。不够准就接着兑，直到色阶完全到位，才重新把颜料蘸满，笔尖回到画纸上。

nil清早醒来，桌上摆着一幅已经干透的水彩：落笔303次，耗时4.5小时，作品名为《秋之冠》（autumn crown）。

帖子发出去几小时，浏览量到了13.8万。

人只说了「画棵树」，AI却在没人看着的深夜里给自己添了一道工序：先等等，我得把颜色调出来。

说起来有点离谱：就连这只干活的手，都是Claude给自己弄回来的。

nil用的是UFactory xArm 7，一台7自由度工业机械臂，重复定位精度±0.1毫米。

新品价格不低，nil便让Claude上网碰碰运气。它真就在eBay上一家工厂的清仓甩卖里翻出了这台二手货，连物流也帮忙办妥了。

有网友评论，这算硅基灵魂给自己置办了一具肉身。

绘图文具里明明有便宜很多的笔式绘图仪，nil 却偏爱六轴臂，他的理由透着做手工活的那份较真：笔式绘图仪只能动2.5个自由度；而六轴臂在画复杂曲线时反倒容易碰上「奇异点」，胳膊像抽筋似的顿住。

七轴多出来的那个关节，作用类似人的手肘——笔尖贴着纸拉弧线时，手肘在半空自行避让，一笔就能画到底。

这棵树也并非一夜之间的灵光乍现，而是从今年6月起一点点养出来的。

在工作室里，nil更像个只负责交房租、买画纸的包租公：整套系统28.5万行代码、1100多次提交，他一行都没写。相机标定、运动学、路径规划、数字孪生碰撞检查，乃至3D打印夹具的图纸，全出自Codex和Claude Code之手。

有个细节，比凌晨调色还让人恍惚。

9月8日，系统需要掌握笔尖在三维空间中的准确位置，通常的做法是由工程师拿精密仪器来标定。

那天Codex（GPT-6 Astra）手上没有任何预设参数，它自己想了个笨办法：让机械臂在空中晃两下，盯住三台没标定过的相机画面里那点细微变化，从视觉倒推出笔尖在三维空间里偏到了哪，误差压在0.2毫米以内。

8月画一片银杏叶花了65分钟，11月2日画出迎风倾斜的《背风处》（leeward），再到凌晨四点不慌不忙地调色，它的笔触库就这么一点点攒厚了。

以前AI在屏幕里生成像素块，人最多说一句「算法真厉害」。这回它真拿起毛笔，在水彩纸上留下深浅不一的水渍，人的情绪就没那么简单了。

有人搬出油画大叔鲍勃·罗斯玩梗，管这叫「快乐的小小滴定」；也有人夸它「缺色就停下来调，而不是拿现成的凑合，这脾气太像个画家了」。

内行人却在泼冷水。前Anthropic Fellow Adam Karvonen说得很直接：说白了就是写代码让笔刷沿矢量路径走，机器人画画早有人干过。

几格稀释过的颜料，怎么就让人这么放不下？

过去几十年，不管是工厂里焊车门的机械臂，还是照着轨迹画画的机器，都活在「世界假定完美」的剧本里。

颜料一干、纸一皱，它们立马又瞎又傻。

可这个凌晨，原本只活在软件世界里的「程序员找Bug回路」，第一次在物理世界有了肉身：

发现颜色不对（感知异常）→ 停手（中断主线程）→ 转到第二个盘子兑颜色（生成子任务）→ 兑一点拍一张量一下（验证闭环）→ 弄好后继续画（恢复主任务）。

区别只在于，这回改的不是变量，是实打实的水、赭石和茜草红。

它之所以这么从容，是因为nil搭了一套「慢功夫」架子：每条路径执行前，先在数字孪生里做一次全臂碰撞扫描，过了才交给确定性执行器，硬件急停则挂在整套系统之外。

固件管每一笔0.1毫米的稳，大模型只管像画师那样，画完一笔，退后半步，拍张照，想一想，再落下一笔。

这套分工，恰好撞上今年机器人领域的一道分水岭。

今年6月，Anthropic公开了一个叫Project Fetch的实验：给一台商用机器狗写程序，接上摄像头和雷达，让它认出一只沙滩球并叼回来。

去年上场的是两支没有机器人经验的工程师团队，一支能用Claude帮忙，一支不能；今年换成Claude Opus 4.7自己上，不带人。

结果是：人类工程师带着上一代Claude干了181分钟，Opus 4.7独自9分35秒就干完，代码量还只有人类的十分之一。而一年前，Opus 4.1连机器狗都连不上。

可到今天，那条狗还是叼不回那只球。

一个能通宵画水彩、还会自己兑颜料的大脑，怎么连捡个球都办不到？答案就两个字：时间。

捡球、叠衣服、拧灯泡，在物理世界里都是「快任务」：手指碰到东西的那几毫秒里，力道重一点就捏碎，轻一点就滑掉，根本没空让你拍照、上传、慢慢写代码。

这正是Gemini Robotics 2和π0.5这类专用模型死磕的泥潭——

把眼睛看到的画面，直接变成肌肉的条件反射。

π0.5已经能在没见过的住宅里收拾厨房，分布外成功率94%；7月发布的Gemini Robotics ER 2也能盯着视频追踪进度、出错重试。

不过，「颜料不够就自己调一个」这件事，眼下还没有哪个VLA模型拿出过可对照的证据。

画画恰好属于「慢世界」。水彩颜料不会自己跑掉，两笔中间隔上十分钟，树依旧是那棵树。

就在这个容许慢下来的空隙里，一个没碰过任何机器人实操数据的通用模型，靠读遍互联网攒下的常识独自过了关——红加赭石会变暗、水多颜色就淡、相机接口该怎么调，它硬是跨过了那道需要千万条动作数据训练的门槛，成了个手艺人。

给机器人添一项新本领，通用模型正把这个门槛压到一个晚上。

专用模型接下来要回答的是：在速度、成功率和灵巧操作这几项上，端到端训练究竟值多少？

天亮之后，面对满屏的求购消息，nil半开玩笑地说要办个「机器人艺术俱乐部」：每月定一个主题，机械臂一笔一笔画出来，再连同遥测数据一起寄给会员。

也许将来某天，机器把毫秒级的触觉和力道啃下来了，能一边颠勺一边接住你扔过去的钥匙。

但很多人的记忆，大概还是会停在2026年11月的这个秋夜：

凌晨四点，主人已经睡了。一盏孤灯下，一只二手淘来的机械臂悬在半空，看了看那棵没画完的树，嫌手头的红不够温柔，于是默默转身，往调色盘里滴了一滴清水。

参考资料：

https://x.com/dhvanil/status/2118756173721575767