实测星火X2.5，我用摄像头造了5个「超亚比」体感应用
原创 夕小瑶编辑部 2026-09-08 18:25 北京
家人们，我最近用AI做了个东西，我相信有些家人们上班用得着～
昨天下午，我在工位玩砖块游戏（别问，问就是在体验AI）。
我的Boss刚好端着咖啡路过，屏幕“唰”一下，从游戏切成了一张密密麻麻的Excel预算表。
行列标题、工具栏、选中的单元格，全都有，里面还填着像模像样的预算数据。
Boss凑近看了两眼：“哟，算账呢？”
我：“对对对，我在算最近Token花了多少钱。”
他端着咖啡走了。
屏幕弹出一行提示：“第二张脸已离开。”我点了一下恢复，砖块接着飞，分数还在。
这个厉害吧！这是我让AI给我做的【老板来了】，用的AI是科大讯飞昨天发布的星火X2.5。
官方说，这次重点提升了代码和智能体能力，那我就来测测。
现在让AI写个网页已经不稀奇了，我在想我们能不能测得稍微有趣一点？
我想看一段需求交给它，最后能不能变成一个玩得起来且有趣的应用。比如说把一些想法做成体感交互的小应用，可以把摄像头、动作识别、画面渲染和交互规则接到一起。
我管这类玩法叫「超亚比」体感，这个词借了《奥拉星》里强化到顶的设定——
意思就是比普通交互更进阶、更带感。
◈伸手抽张签，给打工人一点好运
第一个需求是，我想给打工人加一点精神补给：做个不用鼠标、伸手就能玩的“今日签”。
需求是这样的：让一张张签卡组成悬浮的 3D 卡片球，摄像头识别我的手。张开手掌左右拨动，卡片球跟着转；拇指和食指捏在一起，就把选中的卡片抽出来，放大到眼前。看完松手，再把它放回去。
比起单纯生成一段漂亮动画，我更想试试，隔着屏幕，能不能有一点“亲手拿起东西”的感觉？
技术上来分析就是，手势识别和画面反馈能不能接起来。
这里的难点，是让选卡、捏住、移动、松开这几个动作连起来。手指指向哪张，抽出来的就应该是哪张；捏住不放，卡片也不能反复弹出。
第一次打开网页，卡片倒是在飘，我对着摄像头抓了半天，没什么反应。。。
后来发现，抓取的判定阈值设得太死，我又让它调整成动态阈值，效果就出来了！
手伸进摄像头画面，屏幕上会出现对应的手部轮廓。
我在卡片球前移动手指，选中的卡片随之亮起；拇指和食指一捏，那张卡片便从卡片群里抽出来，放大到眼前。
这个体验比我预想的好。
原本只是网页里的一个元素，现在多了点可以伸手去拿的感觉。
既然能拿起来，能不能再把它放到指定位置？
◈捏住一颗星星，把它送回家
沿着这个想法，我又加了一条游戏规则，再上上难度：识别到捏合以后，再拖到对应的位置，松手才算完成。
于是，就有了“星光捕手”：屏幕上飘着不同颜色的星球，用食指和拇指捏住一颗，拖到同色星门里，再松手放进去得分。
这个需求看起来只是多了个计分，但真正做起来，其实需要考虑的很多。
比如，我捏手指的时候，到底抓哪一颗？总不能手在左边，把右边的星球吸过来。也不能两颗星球挨得近，一把全抓走。
效果是这样：
实际玩下来，延迟不高，抓取、拖动、释放的手感也不错。目前属于已经能玩，但我还想继续盘的程度。
提示词给大家，有兴趣的家人可以拿去盘：
做一个可以用手势玩的“星光捕手”网页。屏幕中漂浮着不同颜色的星球，食指与拇指捏合抓住光标附近的一颗星，移动手可以拖动，松开后释放。把星球送进同色星门得分，送错要反馈但不能加分。设计 60 秒挑战、剩余时间、分数、重新开始以及难度递增。 操作要有明确的瞄准、抓住与释放反馈，捏合时不能隔空抓住远处物体，一次只能抓一颗。手离开画面时暂停或释放并解释当前状态，回来后可继续；重新开始时分数、计时器和物体全部复位，不能叠加多个计时器
我也顺手试了一下前端网站生成。
让它做一个“未来交互展”，把各种新奇的交互方式装进同一个网页展厅。
页面的功能比较完整，首页的3D粒子会随着鼠标移动，跟手程度也不错。
整体来看，最惊艳到我的，还是首页粒子交互的视效。
要我自己写，这部分确实得花点时间动脑子。
◈老板一入镜，游戏秒变工作表
然后，就轮到开头那个【老板来了】。
这个需求和我老板一样刁钻：
我的游戏必须真的能玩，有操作有分数，不能是个壳，摸鱼我必须摸的像样。
表格必须真的像Excel，行列标题、工具栏、可选中可编辑的单元格，一个不能少，不能贴张图片糊弄，老板没有那么好骗的。我还要可复用的，毕竟我的工作内容一直在更新。
检测到第二张脸要覆盖整个游戏区域并暂停游戏，不是弹个提示就算完。
人走了不许一惊一乍来回闪，得给手动恢复按钮。
摄像头只有我主动点才开启。
这绝对是一个好的考题，功能蛮多蛮复杂，需要会写代码+会功能配合+高智商。
来看实测：
实测录屏里，我打着砖块，老板入镜，检测人数从1跳到2，屏幕瞬间切成Excel表，游戏当场冻结。老板离开，提示"第二张脸已离开"，点按钮，游戏从暂停处接着来。
我比较满意的就是这个细节做得很好。
“切成表格”只是最显眼的一步，暂停、等待、恢复这些地方处理好了，它才真的能用。而且那张表格里的单元格确实可以选、可以改，并不是贴了一张Excel图片。
我的提示词也给大家，因为我感觉家人们或许用得上【狗头表情】：
所以，这几个案例让我看到的，是星火X2.5能把一个想法做成可运行应用的能力。
一个真能跑起来的应用，是一条完整的链路：调摄像头、做人脸或手势识别、跑3D渲染、处理实时视频流里的噪声。
任何一个环节断掉，前面全白开发了，不只交付代码片段，要交付的是一个能跑、能扛事儿的系统。
◈赋予我真实魔法
然后，再给大家看两个视觉交互上更有意思的！（我直呼🐮🍺的）。
第一个，双手魔法阵。
双手靠近、拉开、转动，金色法阵就跟着展开、收拢、变化。
我张开双手，金色法阵在身前展开，周围还有飞来的碎片。再向镜头推掌，画面里便出现一波冲击效果。
（Ps：前面是在抓星星，到这里已经开始施法了。。。）
从展开法阵到推掌释放，动作有了连续的玩法，多少有点在工位上练魔法的感觉了。。。
提示词：
另一个是《洛神赋图》手势交互网页。
这个我参考的是博物馆里用手电筒照亮长卷、去看画面细节的体验，让它用摄像头识别手势，把手变成一支“虚拟手电筒”。
从视频中可以看到，光照会跟着手移动，照到哪里，哪里的画面就从暗处显出来，光圈大小也能随手离屏幕的距离变化。
这个效果我还挺喜欢的～～
提示词我也给大家公开了：
请做一个 顾恺之洛神图卷 手势交互网页，参考博物馆中用手电筒照亮长卷、发现故事的体验。 用户打开摄像头后，用一只手在空中移动，就像拿着火把探索：手掌中心控制照明中心，附近恢复底图的清晰细节与暖色，外围逐渐过渡回暗处。光圈边缘柔和，中心明亮但不过曝，直径默认约舞台短边的三分之一；张开手掌光圈变大，握拳变小，变化连续且稳定。无须真实手电筒，不要做成只移动一个发光圆点；核心是局部照亮原图
◈结语
按照官方公布的信息，星火X2.5采用MoE架构，总参数293B，每次激活约30B，覆盖200多种语言。
不过这次玩下来，我比较有感的是，还是对着摄像头捏星星、开法阵的那几分钟。
以前操作网页，手基本放在键盘鼠标上。这次，张开手、握拳、转动手掌，都能变成操作，进一步打破了人机交互的边界，不再是敲击与点击，而是姿态、手势与身体的自然语言，让“意图即执行”成为可能。
另一个让我感兴趣的，是官方介绍，星火X2.5的训练和推理全流程基于国产算力完成。
这背后要解决的事情不少。大尺寸模型要跑起来，计算、通信、显存管理和软件适配都得配合好，换一套硬件，也需要把相应的软件和工程能力补起来。
全国产路线的价值，就在于逐步把这套能力掌握起来：从底层算力到模型训推，遇到瓶颈可以更有针对性地适配和优化，也能减少对特定海外硬件生态的依赖。
对我来说，好奇的落点还是很直接：这套技术最后做出来的模型，面对我这些有点刁钻的需求，到底好不好用？
这次几个案例跑下来，我是愿意继续给它加难度的。
此外，讯飞近期还开源了X2.5-4B和1.7B两个端侧小模型。按照官方介绍，它们原生支持100万Token上下文，在其智能家居控制测试中，指令正确率达到90.3%，平均响应时间为0.85秒。
这部分我还没实测，先记下来，后面有机会再单独盘。
价格也放一下，按平台公布的信息：星火X2.5的价格是输入1.6元/百万Token，缓存命中输入0.24元/百万Token，输出6元/百万Token。
家人们如果也感兴趣，可以去讯飞开放平台试试，最近限免哎：
传送门：
如果跑出了什么好玩的，评论区分享一下，我也想抄抄你们的作业～
