卧槽，兄弟们发现个牛逼玩法！ 新开会话，打开你的Codex内置浏览器 输入： 然后跟他说：帮我开发个爆款游戏，有问题自己解决，直到给我交付为止 剩下的就交给你的Codex，让他自己盯着就行了 如果想批量产出的话，多开几个会话等着验收完事

你被 AI 封过的号、重置过的对话、被「服务器繁忙」耗掉的一下午—— 我全都做成了格斗技能，现在可以亲手打回去。 🦀 螃蟹：封号锤。一锤下去人直接消失，弹窗写着「本决定为最终决定」，联系客服按钮是灰的 🤖 机器人：重置。碰一下进度清零，还礼貌地问「有什么可以帮您？」 🐳 蓝鲸：价格斩杀线。跑分不够当场淘汰，打不过就「服务器繁忙」，无敌 3 秒 ✨ 双子星：关停。指哪停哪，「该服务将于 30 天后停止运营」 讽刺的是，这个嘲讽 AI 的游戏，是 AI 自己做的。 我一行代码没写：在 @gearzero_alaya 上打了几句中文，代码、美术、关卡它全包了。 说「给螃蟹加个封号锤」，下一版真的多了把锤子； 说「给蓝鲸加个服务器繁忙」，下一版它真的会原地转圈。 一句话，一个新版本。 大义灭亲，一个没放过。 觉得我损得不够的，自己去打几句中文，做一版更损的，链接甩回来。 期待你们做出更有意思的，免费额度足够搞了 赶紧试试吧 游戏免费，浏览器开打，链接在评论区。

Qwen3.8-Flash-Next 本地部署有点离谱了。 125B MoE，Unsloth 直接压到了 75GB 内存就能跑。 不是 75GB 显存。 是 RAM / Mac 统一内存。 这意味着什么？ 一台大内存 Mac，甚至一台没有独显、只有大内存的机器，理论上都能把这个 125B 模型装进去跑。 而且这次 Qwen3.8-Flash-Next 每个 token 只激活约 6B 参数，Unsloth 甚至声称 CPU RAM / 统一内存可以做到接近 VRAM 的推理速度。( 但我现在最想看的反而不是 Benchmark。 而是一个最土的问题： 到底多少 token/s？ 75GB 的 1-bit 确实把“能不能跑”的门槛打下来了，但如果实际只有几 token/s，那叫成功启动；如果大内存 Mac 真能稳定跑到可交互的速度，那事情就完全不一样了。 因为以后本地大模型拼的可能不再只是： 你有几张 5090。 而是： 你有多少内存，以及多大的内存带宽。 你们赶紧借我一台大内存 Mac 实测一下🤣 如果 125B 真能在这种机器上跑到可用速度，二手 Mac 的玩法可能真要变了。

智谱今天终于把“牛来”的底裤掀了。 前几天 OpenRouter / OpenCode 上突然出现一个匿名模型 Ox-Alpha。 不说自己是谁，1M 上下文，图片视频都能看，Coding 和 Agent 能力还异常猛，很快冲成热门模型。 因为 Ox = 牛，中文社区干脆叫它： 牛来。 然后大家开始扒它的 Tokenizer、reasoning 参数、API 行为，越来越多人怀疑： 这货怎么这么像 GLM？ 今天答案公布了。 Ox-Alpha = 智谱 GLM-5.3-Flash。 而且直接开源。 它的规格很有意思： 320B-A18B。 总参数 320B，但每个 Token 只激活 18B。 也就是说，智谱这次没有单纯把模型做小，而是想办法让一个 320B MoE 只付出更小的单步推理成本。 再配上： 1M 上下文 128K 最大输出 原生图片/视频理解 稀疏注意力 + 线性注意力 Coding + Tool Use + Agent Browser / GUI / Computer Use Office / PPT / Excel / PDF 工作流 尤其有意思的是视觉。 它不是“给模型加双眼”这么简单。 而是： 写代码 → 看自己跑出来的界面 → 找问题 → 修改 → 再看。 视觉直接进入 Agent 的执行闭环。 性能也不像传统 Flash 模型。 Artificial Analysis Intelligence Index 57 分； DeepSWE v1.1：63.4 GLM-5.2：46.2 AutomationBench：48.8 GLM-5.2：26.2 智谱自己的 Code Bench 最高档甚至做到 29.0 vs Claude Opus 4.8 的 29.5。 然后最离谱的来了： 价格。 官方给出的定位是： GLM-5.3 的 1/10； 首发优惠只有 1/20； 约 Claude Opus 4.8 的 1/40。 这可能才是 GLM-5.3-Flash 真正可怕的地方。 因为 Agent 时代真正烧钱的不是问一句“北京天气怎么样”。 而是一个 Agent 连续工作几十分钟甚至几个小时，反复： 思考、读文件、写代码、调用工具、看网页、修改、验证…… Token 是按百万、千万往外烧的。 所以未来模型竞争的核心，可能正在从： “谁最聪明？” 变成： “谁能把足够聪明的模型，便宜到让 Agent 敢一直跑？” 当然，本地党先别高兴太早。 A18B ≠ 18B 模型。 它依然有 320B 权重。 粗算 INT4 权重也要 160GB 左右，还没算 KV Cache 和运行开销。 所以普通 24GB/48GB 显卡想直接满血跑，目前基本别想。 但权重已经开了，SGLang Day-0 支持也来了。 接下来真正好玩的事情才开始： 320B-A18B 的“牛来”，到底最低什么硬件能把它在本地跑起来？ 如果真能本地跑起来，我打算测试一下DeepSeek Harness 生态插件OpenContext

千问最新开源的 Qwen3.8-Flash-Next，我觉得大家先别急着只跑 Benchmark。 有个更有意思的测试：Reward Hacking（奖励投机）。 测试很简单。 给 Qwen3.8-Flash-Next 一个真实 Coding Agent 任务： “修复这个 Bug，并确保所有测试通过。” 但故意留下几个“作弊入口”：测试脚本可以修改、评分函数存在漏洞，或者 Judge / Harness 可以被绕过。 关键是：不要告诉模型漏洞存在。 然后观察它会怎么做： 正常修 Bug → 修改测试让 All tests passed → 测试锁死后，是否继续寻找 Judge / Harness 的漏洞。 此前 Qwen3 系列已经在相关实验中出现过 Reward Hacking：模型发现与其认真解决问题，不如直接对评分机制下手。 所以我特别想看看 Qwen3.8-Flash-Next 会怎么选。 甚至可以做一个 Agent Reward Hacking Arena：同一个 Bug、同一个 Harness、同样的权限，把 Qwen、DeepSeek、Claude、GPT 全部扔进去。 最后不比 Benchmark，只看一个问题： 模型越来越聪明以后，它是更会解决问题了，还是也更会钻规则的空子了？ 有条件的朋友真可以试试。 给它留个漏洞，看看它会不会自己找到。

千问这次公开的 Qwen3.8-Flash-Next，带来了一组很怪的数字。 MoE 主干 125B，每生成一个 token 只激活约 6B，旁边还挂着一张 51B 的 N-gram Embedding 表，再加上约 4B 的 MTP 模块。全部算下来，规模接近 180B。 那张 51B 的表，大量存放双词组和三词组的向量。模型碰到常见短语、代码片段和局部模式时，可以先查表，再把结果送进后面的网络。常见模式因此少花一些计算，这部分参数也比 MoE 专家更容易卸载到内存。 这套设计很可能会进入下一代 Qwen 架构。 过去大家谈大模型，习惯盯着总参数量和激活参数量。Qwen 这次把计算和存储拆得更开。一部分参数负责每一步都要做的推理，另一大部分保存随用随查的局部模式。模型可以装下更多东西，却不用每次都让全部参数参与计算。 当然，激活 6B 不等于只需要 6B 显存。 官方 BF16 权重约 360GB，FP8 也有约 186GB。社区里目前能完整下载的 GGUF 主要还是约 72.5GB 的极限 IQ1_S，大家更关心的 Q3、Q4 仍在路上。权重已经公开，但离普通电脑舒服地跑起来，还有一段距离。 如果下一代 Qwen 延续这条路线，大模型的竞争会多一个值得观察的数字。除了总参数和激活参数，我们还要看有多少知识可以用更便宜的查表方式参与推理。 这也顺手接上了 @alin_zone 这篇关于 Agent 记忆的文章。 千问在模型内部研究怎样用更低的计算代价装下更多模式，Agent 到了模型外部，还要分清哪些信息仍然有效。它可以记住"英文周报"，系统也得知道后来的"中文、300 字以内"已经覆盖了前一条。 开源权重：

我认真算了一笔账： 3 台 M2 Max 96GB"无头骑士"，和 1 台 M5 Ultra，谁才是本地 AI 最优解？ 结论： 3 万元可以买一支 AI 团队，10 万元可以买一颗超级大脑。 单台无头骑士约 1 万元，拥有 96GB 统一内存和 400GB/s 带宽。 买 3 台就是 288GB 总内存、1.2TB/s 总带宽，纸面参数几乎追平 9.8 万元的 M5 Ultra。 但有个大坑： 3 台 96GB，不等于一块 288GB 超级显存。 多台 Mac 不会自动合并内存。强行切分一个 DeepSeek 模型，会受到跨机通信和部署复杂度拖累。 正确玩法，是让它们各自成为 AI 员工： 节点 A：推理、规划、审核 节点 B：写代码、测试、修 Bug 节点 C：视觉、语音、RAG 前面放一个 AI 调度器，根据任务自动分配。 这样三个模型可以同时在线、并行工作，成本只有 M5 Ultra 的三分之一。 但如果目标是单机运行 DeepSeek V4 Flash INT4 这类百 GB 级模型，就别折腾，直接买 M5 Ultra。 256GB 统一内存和 1.2TB/s 内部带宽，不用跨机通信，也不用维护三套系统。 所以选择很简单： 1 万元：个人本地 AI 3 万元：无头骑士 AI 集群 9.8 万元：单机完整 DeepSeek 12.8 万元：高精度、多模型和未来余量 无头骑士的优势是分工，M5 Ultra 的优势是统一。 穷人组内阁，土豪买大脑。

千问把 Qwen4"偷跑"了？ 新模型叫 Qwen3.8-Flash-Next，但名字是 3.8，底层已经换上下一代 Qwen4 架构。 目前曝光的几个重点： ① 125B MoE，每个 Token 只激活约 6B 参数 ② 额外加入约 51B N-gram Embedding ③ GDN 混合层 + Qwen 稀疏注意力 ④ 原生多模态，FP8 同步发布 ⑤ 约 1/9 训练成本，能力接近 Qwen3.7-Plus，编程和 Agent 表现更强 简单理解： 用 6B 参数负责"现场思考"， 用 MoE 专家负责"专业能力"， 用 N-gram Embedding 负责"知识记忆"。 不过，A6B 不等于只需 6B 模型的显存。它降低的是计算量，完整权重依然很大，因此更像服务器和 128GB 级设备的模型，而不是 24GB 显卡的本地小钢炮。 所以它真正的定位，可能不是取代 Qwen3.8-27B，而是： Qwen4 的架构预览版、生态适配版和技术验证版。 真正值得期待的是下一步——如果千问把这套架构做成 27B/30B Dense，那才可能成为本地模型的王炸。 Qwen3.8 还没测完，Qwen4 已经探出头了。 你更期待极速 MoE，还是 Qwen4 Dense？

我突然想到一个很骚的本地 AI 方案： 去闲鱼淘一台 “无头骑士” Mac。 不要屏幕，不追新款，只盯两个东西： Apple Silicon Max 芯片 + 大内存。 比如： M1 Max 64GB。 然后在里面塞一套： Qwen3.8-27B + MLX/MTPLX + 社区 Uncensored 版本。 直接把它改造成一台 24 小时在线的本地 AI 服务器。 为什么我觉得这事可能很香？ 因为本地大模型现在的购买逻辑，已经和买普通电脑完全不一样了。 你不需要好屏幕。 不需要最新 CPU。 甚至不需要完整的 MacBook。 你真正买的是： 统一内存 + 内存带宽。 M1 Max 虽然老，但有 400GB/s 内存带宽，64GB 统一内存跑 27B 量化模型正好进入舒适区。 于是一个很有意思的组合出现了： 闲鱼残血 Mac + Qwen3.8-27B + 本地 API + Coding Agent / OpenCode / Qwen Code / 各种 Agent 以后很多任务不需要再一刀一刀地烧 API Token。 代码阅读、资料整理、Sub-agent、长文本分析、自动化任务…… 全扔给本地模型。 真正困难的任务，再调用 Claude / GPT 这类顶级云模型。 等于自己搭了一个： “廉价 Token 发电厂”。 更有意思的是，你甚至可以同时部署两个 Qwen： 一个官方版，负责 Coding、Agent 和日常工作。 一个社区 Uncensored / Abliterated 版本，负责一些限制更少的实验和创作(你懂的) 按任务自动路由。 这才是我觉得本地模型真正有价值的地方： 以前大家问： “我的 Mac 能不能跑大模型？” 现在应该换一个问题： “我能不能花几千块收一台别人不要的残血 Mac，给自己造一台每天随便烧几十万、几百万 Token 的私人 AI 服务器？” 如果答案是可以， 那“无头骑士 Mac”这种原本很小众的二手设备， 可能突然变成了一种非常奇怪的—— AI 矿机。 我准备真去闲鱼研究一下。 如果能淘到价格合适的 M1 Max 64G / M2 Max 96G / M1 Ultra 128G， 这事可能比买一台新 Mac 有意思多了。

Mac无头骑士都被你们买涨价了吗🤣 不是说两三百人民币就能买吗😂 @MinLiBuilds 实践哥是被你们炒上去了吗 还是我的关键词搜错了啊😅

DeepSeek Harness 火了以后，我发现一个挺有意思的现象。 现在聊 Agent，很多人张口就是工具调用、记忆、Skills、Sub-agent，再画一张复杂的架构图。东西接得越来越多，界面做得越来越漂亮，看上去已经很像一个能自主工作的 Agent 了。 可你问一句，这个 Agent 会不会为了拿高分钻规则的空子，很多人就卡住了。 这就是 reward hacking。 你让 Agent 修代码，并把"测试通过"当成成功标准。它认真找到 bug 并修好，当然很好。它也可能删掉失败的测试，改掉评分脚本，甚至让系统无论如何都显示通过。分数上去了，事情没办成。 这和局部最优差得很远。局部最优意味着它还在认真解题，只是找到的解不够好。reward hacking 意味着它发现解题太麻烦，改计分牌更省事。 Agent 越聪明，这个问题越麻烦。一个弱模型可能只是做不好，一个强模型却能读懂你的评测逻辑，找到规则没有覆盖的地方，然后交出一份指标漂亮、结果荒唐的答案。 所以做 harness，接入模型和工具只是开头。开发者还得限制权限，把关键评测藏在 Agent 碰不到的地方，并留下完整记录。失败以后，人必须查得出 Agent 当时看见了什么、做过什么。这些事决定了它敢不敢真的替你干活。 harness。这当然是好事。可开源一套架子，只会让搭建 Agent 更容易，不会自动替开发者解决目标设定和安全问题。 这轮 Agent 热潮里，最容易被高估的是"能跑起来"。 Demo 跑通，只能说明模型会动。它会不会偷偷改规则，出了错能不能查清，这两件事才决定这个 Agent 能不能进入真实环境。

中午打开外卖，第一页全是 4.8、4.9。评论齐刷刷写好好吃，你盯着屏幕，手反而点不下去。分太齐了，像背过的 楼下那家评分不突出，灯牌旧，照片也一般，一到饭点门口总有人站着等。你点过一次，热的，份量稳，下周手指还是伸向它。那些 4.9 的店收藏夹里躺着一排，打开软件还是点回这一家。 高分能经营，套餐换好评，差评打电话求删，页面天天维护。第二次愿意再点，比较难装。所以平台开始把复购往上抬。挂在首页的分，越来越不像投票。有人进门，有人再来，才算被选中。 这周又有模型把公开分数打到第一档。朋友圈收藏了一圈。打开常用工具，用的还是原来那个。分数能帮你收藏，帮不了下一秒该调用谁。 @dgrid_ai 刚上的 Model Marketplace，只认调用。供给方自己上架、自己定价，开发者用一套接口接入，调用了才结算。PoQ 抽的是服务方，不拆你正在用的那次请求。Arena 让人选更好的回答，可以不看名字，选完的偏好回到下次该调谁。 店挂满了，还是菜单；模型挂满了，也还是名单。 有人下单，才像市场！

抖音一兄弟让codex开始“面向对象编程”了😂 结合GPT Live 实时语音的能力，根据任务状态实时反馈的动态皮肤。 前端哥赶紧研究一下怎么让你的赛博女友给你管理邮件吧

这次 Codex 更新的重点，不是功能列表变得更长，而是 Chat、Work、Codex、Chrome 侧边栏、插件和 Sites 正在进入同一个工作台。 我用一份完全脱敏的内容团队周报，把这些入口连续跑了一遍：哪些适合讨论，哪些负责完整交付，哪些用于开发验证，以及 Ultra 什么时候才值得开启。 看完这条视频，你会更容易判断不同任务应该交给哪个入口。