# Karpathy 聊人机交互下一步：别只让模型吐 Markdown，试试让它直接写 HTML

> 原标题：人机交互界面的演进：从文本到交互式神经视频

- 来源：AI HOT 精选
- 发布时间：2026-05-11T16:20:21.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/17634
- 原文：https://x.com/karpathy/status/2053872850101285137

## 摘要

Karpathy 觉得现在大模型默认输出 Markdown 太简陋了，他建议直接让模型生成带排版、图形和交互的 HTML，界面会好用很多。更远的想法是“交互式神经视频”——用扩散模型实时生成能操作的画面，但他也承认这玩意儿怎么跟精确的传统软件配合还是个没解的问题。输入这边，光靠语音、文字或视频不够，得加上手势指点这类更自然的交互。

## 推荐理由

Karpathy 提出大模型可直接生成带排版与交互的 HTML，并设想用扩散模型实时生成可操作画面，为界面设计提供了一条从输出形态入手的思路。

## 锐评

让模型直接吐 HTML 这个方向我认，Markdown 那套排版能力确实撑不起现在的产品界面，模型能顺手把布局和交互一起写出来，前端那层壳就省了。但 Karpathy 自己抛的神经视频我不太买，扩散模型实时生成的画面没法跟传统软件对齐精度，一个按钮点下去位置飘两像素就没法用，这问题他也没答案。反正现在能落地的就是 HTML 输出这一层，先把这个用起来，神经视频那部分当个远期方向听听就行。
