注册并分享邀请链接,可获得视频播放与邀请奖励。

Max For AI
@MaxForAI
Building @lobehub Prev @listenhub @Sapient_Int 没啥好看的,也就发点AI相关的内容🫡 同名小红书4万粉丝,公众号01Founder(长文首发) 观点仅代表个人 更多请访问网站⬇️(欢迎商务、合作
3K 正在关注    45.1K 粉丝
🚨突发!DeepSeek V4.1 Pro疑似已经开始灰度,实测能力暴涨! 昨天DeepSeek服务突然中断,恢复之后,陆续有不少用户反馈V4 Pro的使用体验出现了明显变化。 我在LobeHub的私有评测集LobeBench Hard 50上,也检测到了非常明显的能力提升。 目前DeepSeek官网的V4 Pro,已经大幅超越此前的0813版本。 看下具体的成绩: 当前V4 Pro:64%,50道题通过32道,排名国产第一。 V4 Pro 0813:48%,50道题通过24道,排名第13。 直接提升了16个百分点,足足多通过了8道Hard级别的任务。 如果只看三次尝试中至少成功一次的比例,两个版本分别是82%和80%,差距其实很小。 真正拉开差距的是连续三次成功完成任务的能力。 顺道解释一下我们 @lobehub 这套私有评测主要考察模型在真实复杂Agent场景下,理解任务、调用工具、持续执行并最终完成工作的能力。 这次成绩变化,意味着当前版本在复杂任务上的执行稳定性有了非常明显的提升。 从实测结果来看,当前V4 Pro的能力确实已经发生了明显变化。
显示更多
0
89
568
23
转发到社区
人类一败涂地了。。。。
0
28
464
6
转发到社区
这是人类历史上最贵的一次点击链接。
Do NOT click links in emails. Do NOT download attachments. Even from people you trust, they may unknowningly have a virus on their computer.
0
6
230
7
转发到社区
朋友打印了这个摆桌子上,时刻警醒自己 要为国模之崛起而努力!
牛逼, @AnthropicAI 公开承认,Claude在回答完你的问题之后,还会在后台偷偷审查你刚才说了什么。 这套机制叫Self-Assessment(自我评估),从今年6月就已经在生产环境运行了,覆盖了Claude全球很大一部分对话流量。 具体来说,每次Claude回答结束,系统都会追加一条用户看不到的隐藏指令,让Claude回头审查整段对话。 它会输出一份结构化报告,判断这段对话有没有潜在危害、涉及什么风险、自己是否拒绝了请求,甚至给出一个1~10分的人工审查优先级。 整个过程只需要平均额外生成约10个Token,增加的推理计算量不到2%。 而且Anthropic已经开始利用这些记录进行实际的用户风险调查。 比如今年8月,这套系统发现单个API客户触发了超过10万次儿童性虐待与剥削相关警报。 9月,它还发现有人使用Claude Code搭建自动化恋爱诈骗系统,最终相关账号被封禁。 更有意思的是,Anthropic会按组织聚合这些风险信号,把多次触发高优先级警报的组织提交给人工审查。 所以现在,你和Claude的对话可能存在两个结果:一个是你能看到的正常回答,另一个是只有Anthropic内部系统才能看到的安全评估。 当AI开始承担越来越多私人、商业乃至组织内部的工作,用户与模型之间的对话,到底在多大程度上属于私人信息? 以及,平台究竟应该拥有多大的审查权? 反正我觉得这个机制非常差.... 没人喜欢被审查,而且是每次对话。
显示更多
We’ve trained Claude to flag potential misuse in conversations, a technique we call self-assessment. Right after it responds, Claude gives a preliminary safety assessment of the conversation. Since we began using self-assessment in June, it has surfaced misuse that our other safeguards weren’t designed to catch. Because Claude has already read the conversation, self-assessment is very efficient. And unlike classifiers, which target a discrete set of harms, it draws on Claude’s own judgment, so it gets more accurate as our models improve. Read more on our new Safeguards blog:
显示更多
0
17
155
10
转发到社区
朋友 Chimney 居然真把 DeepSeek Harness 塞进安卓手机里了😧 他的项目DSH Go,直接在手机里内置了Ubuntu、Node.js 和完整的DSH运行环境,免Root、免Termux,Agent可以直接在手机上执行任务。 也能通过SSH或DSH Remote连接电脑,继续使用原来的工作区。 甚至还给Agent装上了「眼睛和手」,授权后可以自己看手机屏幕、点击、滑动和输入文字。 原生UI、插件市场、可交互的插件卡片、对话分享、主题切换,还有两只会跟着Agent工作状态做动作的桌宠,也全给做了。 *这里的本地运行指Agent的Runtime,模型推理仍通过在线API。 我觉得挺有意思的!终于有人开发者开始认真解决大肥鱼如何直接使用手机的问题了!! 更好笑的是,他在README里写了,满1000 Star就去适配iOS 和鸿蒙。 推荐大家点个Star,把这个坑给他挖上。
显示更多
官方版适配移动端在即,我却打造了一个DeepSeek Harness移动端的终极答案?! 地址: 精美原生UI+手机本地运行DSH+远程控制电脑+插件市场+社交功能+宠物系统+可交互UI+手机操控+可更换主题+兼容官方所有插件++++… 随时随刻,想Go就Go~
显示更多
0
14
32
3
转发到社区
今天,我们 @lobehub 团队发布了一个我觉得很有意义的新Benchmark:Interaction Bench。 一直以来,我们都觉得Agent的评测和真实用户体验之间,存在着相当大的距离。 真实用户不会告诉Agent哪一行代码出了Bug,也不会给它一份详细的修复方案。用户只会说,我想实现这个功能,或者这个东西坏了,你帮我解决一下。 所以,这次我们尝试换一种方式来评估Agent。 Interaction Bench从25个真实的开源应用中提取了44个任务,只告诉Agent用户想实现的目标,让它自己探索环境、发现问题、尝试解决,并验证最终结果。 首轮结果里GPT-6 Astra以34.1%排名第一,Claude Opus 5.5为 27.3%,其他模型的成功率只有4.5%~15.9%。 即便是目前最强的模型,面对这些真实任务,依然有超过六成无法完成。 我觉得这也是我们做这件事的意义。 随着Agent开始真正进入软件、接管工作流,我们需要更多能够反映真实用户体验的评测。 毕竟对于用户来说,Benchmark上的分数再高,都不如一句「这件事我已经帮你搞定了」。 目前还是0.1 Preview,欢迎大家体验、提 ssue,也欢迎一起来建设。 GitHub: Website:
显示更多
Introducing Interaction Bench 0.1 Preview — Benchmarked on what users feel - 44 tasks from 25 real open-source apps - GPT-6 Astra leads at 34.1%, Claude Opus 5.5 at 27.3%, others 4.5–15.9% - Agents get the user's goal, never the bug GitHub: Website: 9🧵s next 👇
显示更多
0
20
94
8
转发到社区
《纽约时报》刚刚爆了个大新闻,美国情报机构认为,一名中国女企业家涉嫌通过接近黄仁勋,为北京搜集情报。特朗普早在大约一年前就收到相关情报简报,但最终没有采取行动。 这名女性叫黄乐(Alice Huang),曾是新加坡算力公司 Megaspeed 的高管。 2024 年 6 月,她和黄仁勋在台北一家酒吧参加行业聚会;2025 年 5 月,两人又在台北一家餐厅外被拍到。Megaspeed 本身也是英伟达的客户。 这家公司的背景相当复杂。 早在去年,《纽约时报》和彭博社就报道过,美国商务部正在调查 Megaspeed 是否通过东南亚的数据中心,帮助中国企业规避美国的先进芯片出口限制。 当时有一个很有意思的细节,美国商务部官员前往马来西亚的一座数据中心检查,发现部分英伟达设备居然还装在箱子里,没有安装使用。这引起了美国官员对芯片可能被转运的怀疑。 根据最新报道,2024 年 6 月至 2026 年 2 月,Megaspeed 的马来西亚关联公司已经采购了至少 48 亿美元的先进 AI 设备。 而这次《纽约时报》爆出的新信息,是美国情报机构据称在监控中发现,黄乐涉嫌直接向北京传递情报,同时与黄仁勋建立了较密切的联系。 这件事之所以让美国政府紧张,还因为黄仁勋近年来在白宫的影响力越来越大。他既掌握着英伟达的商业信息,也可能了解特朗普政府在对华芯片政策上的考虑。 不过,目前这些情报指控仍然缺乏公开证据。英伟达明确表示,与黄乐的接触只是正常的客户往来,没有向 Megaspeed 提供敏感商业机密或涉及国家安全的信息。中国驻美使馆也否认了有关指控。 报道没有证明黄仁勋知情或参与。 我觉得这件事很值得关注的地方,是美国对中国获取先进算力的警惕,已经延伸到了东南亚的数据中心、芯片采购链路,以及英伟达 CEO 本人的商业关系。 如今的黄仁勋,已经站在全球 AI 算力供应和中美科技博弈的中心,甚至一次普通的客户晚宴,都可能成为情报机构关注的对象。 当然,关于间谍活动的判断,最终还需要更多证据来支撑。
显示更多
‼️ BREAKING: US officials believe Nvidia CEO Jensen Huang is the target of a Chinese spy plot. They believe Alice Huang, a Megaspeed executive seen at his side in Taiwan, is a Chinese intelligence asset. President Trump has been briefed about the matter.
显示更多
神了,还真有人反代微信支付啊....
0
53
651
7
转发到社区
梁文峰那双眼睛到底看到了多远....? 之前泄露的 @deepseek_ai 投资人会议录音里,梁文峰曾表示:“Anthropic现在超过OpenAl,不是长期的,是阶段性的。OpenAI和Google未来大概率会交替上升。” 现在Gemini 4 Carbon重新获得了第一名😧
显示更多
Google’s Gemini 4 Carbon is the new #1# on the Artificial Analysis Intelligence Index v5, and second only to Claude Opus 5.5 on the Artificial Analysis Coding Agent Index Gemini 4 Carbon scores 59 on Intelligence Index v5, driven by leading performance in complex reasoning, knowledge, and scientific tasks. It also has large gains in coding and knowledge work, particularly when compared to other Gemini models, but it is not leading in all these areas. As with launch of Gemini 4 Argon, Gemini 4 Carbon is being rolled out to selected users and is not yet publicly available. Google is offering a 50% launch discount, with no confirmed end date. All our charts and figures use standard pricing for both Gemini 4 Carbon and Argon. Key results for Gemini 4 Carbon with high reasoning: ➤ Gemini 4 Carbon leads the Intelligence Index v5, with the #1# score in 4 of the 9 Index evaluations: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA. Carbon makes substantial gains elsewhere but is not leading in coding and knowledge work ➤ Behind only Claude Opus 5.5 on coding agents: With Antigravity CLI, Gemini 4 Carbon (high) scores 59 only 3 points behind Claude Code with Claude Opus 5.5 (max, 62) on the Artificial Analysis Coding Agent Index. Carbon ranks second on both Terminal-Bench 4.0 (64%) and FrontierCode v1.1 (51%), behind Claude Opus 5.5 (max) at 56%. Google has historically underperformed in this area and so this improvement stands out ➤ Improved agentic knowledge work, but not yet leading: On AA-Briefcase, Gemini 4 Carbon (high) scores 1609 Elo, a 126-point improvement over Gemini 4 Argon (high, 1483), but still behind models including Grok 4.7 (xhigh, 1638), Muse Wonder (max, 1659) and Kimi K3.1 Pro (1678). The largest gain comes from Presentation, up 293 Elo to 1598, alongside a 120-point improvement in Analytical Quality to 1671 ➤ Lower Cost per Task than Claude Opus 5.5 for comparable overall intelligence: Gemini 4 Carbon costs $7.76 per Intelligence Index task, ~23% less than Claude Opus 5.5 (max, $10.04) but ~1.2x GPT-6 Astra (max, $6.25). It uses 123k output tokens per task, 29% fewer than Claude Opus 5.5 (max, 173k). At the same $4/$20 standard pricing, its Cost per Task is in line with Gemini 4 Argon ($7.68), while scoring 9 points higher on the Intelligence Index ➤ Leading AA-Omniscience v1.1 score, with low hallucination: Gemini 4 Carbon scores 54 on our recently updated AA-Omniscience v1.1, 6 points ahead of Claude Opus 5.5 (max, 48) and 8 points ahead of Gemini 4 Argon (46). Accuracy (% correct) rises 10 points over Argon to 58%, while its hallucination rate rises from 4% to 11%. This is still the second lowest of any model, behind only Argon, compared with 50% for both Claude Opus 5.5 (max) and GPT-6 Astra (max) Key model details: ➤ Context Window: 1M tokens ➤ Multimodality: Text, image, video, and speech input, with text output ➤ Pricing: $4/$20 per 1M input/output tokens, the same as Gemini 4 Argon’s standard pricing, with a 50% discount. Cached input tokens receive a 95% discount ($0.20 per 1M) Congratulations to the @GoogleDeepMind team!
显示更多
0
39
260
17
转发到社区
逆天了,美国大豆包居然跑到世界第一了!??? @GoogleDeepMind 刚刚发布了Gemini 4 Carbon,在Artificial Analysis Intelligence Index v5.0上拿到了59分,超过Claude Opus 5.5的58分和GPT-6 Astra的57分。 最离谱的是,距离上一代Gemini 4 Argon发布才过去两周,分数就从50涨到了59。 Google公布的17项评测里,Carbon拿下了15项最高分,尤其是网络安全、长上下文和Agent能力,提升非常明显。 要知道,之前中文互联网一直管Gemini叫「美国大豆包」,因为它经常一本正经地胡说八道,指出错误之后又特别喜欢道歉,情绪价值拉满。 结果现在,美国大豆包突然支棱起来了。 不过目前Carbon还没有向普通用户开放,排行榜第一能不能转化成实际体验,还得等大家真正上手。 只能说,Google这次是真把美国大豆包给练出来了。。 RSI无敌了😭
显示更多
Gemini 4 Carbon is our next frontier model. It’s state-of-the-art across cybersecurity and long-horizon capabilities.
0
19
109
4
转发到社区
你知道的,我一直是Gemini的粉丝,从2.5 Pro时期就紧紧跟随;Nano Banana是我的主力,3 Pro第一时间跟上,Flash也一直是拥趸。 重建期熬完了,天赋兑现了,速度、推理、多模态全在线——现在到了Gemini 4复兴的时候,comeon! 至于GPT和Claude,我祝他们好运。
显示更多
0
11
125
3
转发到社区
尼玛,Anthropic又被扒出来搞小动作,偷偷提高了SDK的额度消耗!!! Claude Code被发现了一个有点离谱的问题:同样的模型、同样的任务、消耗几乎相同的 Token,5 小时额度的扣减居然能差一倍以上。 有开发者在 @AnthropicAI 的GitHub上提交了一个Issue #97074,并且做了多组对照实验。# 其中一组测试使用Claude Opus 5.5,让模型读取相同的 10 个文件,完成相同的任务。 TUI的Claude Code:142 万折算 Token,消耗 5% 额度。 无头模式的claude -p:132 万折算 Token,消耗 8% 额度。 自定义入口名称的claude -p:143 万折算 Token,只消耗 4% 额度。 也就是说,默认的SDK入口消耗额度的速度,大约是自定义入口的 2.2 倍。 而解决办法,居然只是修改一个环境变量就行了.... 在环境变量里的CLAUDE_CODE_ENTRYPOINT这个地方,你可以给自己的工具设置一个自定义入口名称,例如 my-tool。 然后模型和实际执行的任务没有变化,但订阅额度的消耗明显下降。 更有意思的是,10 月 17 日还有另一位开发者进行了独立测试,发现Agent SDK的sdk-ts和sdk-cli入口,相比VS Code扩展使用的 claude-vscode,消耗 5 小时额度的速度接近 3 倍。 这意味着,差异很可能与Anthropic如何识别、分类不同客户端有关。 目前Anthropic的官方文档只说明,Claude Agent SDK和 claude -p会消耗订阅额度,并没有明确解释不同入口是否存在不同的计量权重。 这件事对大量使用Claude Code自动化、Agent SDK和第三方编程工具的人影响尤其明显。 因为开发者可能一直以为自己遇到的是额度不够用,实际上,不同调用入口可能直接影响同一份订阅额度能够完成多少工作。 目前这个Issue仍然处于Open状态。 究竟是配额统计的Bug,还是Anthropic有意设置了不同的计量策略,仍然没有得到官方回应。 如果这是一项有意设计的策略,我觉得 Anthropic 至少应该把规则公开。 毕竟大家付的是同一份订阅费,连额度怎么扣都搞不清楚,确实有点奇怪。 原 Issue:
显示更多
颠覆级别的创新👏
我他妈又弄一个新活,你的哈苏现在可以使用 GPT 了,控制对焦,快门,甚至唠闲嗑都可以我真的笑晕了。 多亏了@openai,@fedesarquis 这是你要的哈苏接入 GPT 吗哈哈哈哈哈哈哈哈哈哈哈哈 将会开源到我的 git 中
显示更多
今天群里都在发这个🤔
Claude风控天机泄露😱 1. Claude 的风控是积分制:注册时会先给账号打分,之后根据行为加分或减分,低于一定分值就会直接封号(很少加分)。 2. 注册:邮箱和 IP 的权重最高。IP 不一定要家宽,但一定要干净,例如自建 IP。Gmail 已经不是最优选,他们现在使用的是一些其他高权重邮箱。注册时直接弹 KYC 的账号可以直接放弃。注册环节很重要,否则后续稍有高危行为就可能直接封号。使用手机 App 注册会加分。 3. 支付:刚注册就订阅会减分,直接订阅 Max 会大幅减分,最好间隔一两天再订阅 Pro。订阅时弹出 KYC 意味着账号处于考察期,但不一定会封;简而言之,A 社想先看 KYC 结果再决定。KYC 使用中国护照没有问题,最大的问题是不能一人多扫;闲鱼上很多账号都属于这种情况,要小心。 4. 注册后的 IP:最重要的是稳定,千万不要随便切换,尽可能一直使用同一个 IP;同样要求干净即可,不要求一定家宽,最好与注册 IP 一致。代理一定要开启全局模式并启用 TUN,这是重点。 5. 老号:老号权重非常高,也就是积分很多,容错率更高。账号积分会随着账号寿命增加,不过 2023 年的老号才是显著更高。 6. 使用:不要一上来就把周限额用完,尽量控制并平均使用;用量大的宁可开两个号轮换使用,也不要一次性用完。使用 CLI 和 Desktop 都可以,Desktop 似乎会少量加分。尽量少用网页端,最好只保留手机端和 Desktop 登录。 7. 时区和语言基本不减分,或仅极少量减分,没必要特意调整。 8. 高并发、反复提问同一个问题、频繁登录、频繁切换 IP 都会大幅减分。 9. 手机端使用会少量加分。开启记忆功能会加分,甚至可能记忆文件越多分数越高。 10. 支付方式为国外实体正规银行信用卡会加分,其次是 Google Play。Apple Pay 不了解;官方礼品卡不减分,但要注意来源是否为黑卡;虚拟卡直接绑定会减分。 11. 到达斩杀线后可能进入观察期。例如及格线是 60 分,账号 55 分就进入观察;如果继续扣分直接掉到 40 分,就会直接封号。观察期的典型特征是掉登录。有的高权重号可能经历两三个观察期才被封。 12. 多设备登录会大幅扣分,最好只在一台电脑上使用一个客户端。 13. Windows 和 macOS 没什么区别,Linux 使用会减分。 14. 跟 Claude 说自己是中国人也没事,不会因为记忆文件就封号。 15. 充值 Credits 会加分,不过成本太高,尚未进行大量实验。 16. 大量使用 Fable 会减分。 17. 升级 Max 大概率会直接进入观察期,除非是积分特别多的高权重号。观察期内有减分行为,大概率会封号。 18. 在工作时间使用不会扣分,不会出现因为使用北京时间就封号的情况。
显示更多
国内的OPC已经惨到这样了么???
嘿!我找到了 @thsottiaux 和 @poteto 的秘密约会视频🔥 原来tibo的28天计划只是为了获得poteto的注意,他能重置别人的额度,但是重置不了他对poteto的💔.....
显示更多
我讨厌在社交媒体上公开秀恩爱的😡