Introducing GLM-5.3-Flash - Leading capabilities at a highly competitive price - Natively multimodal with a 1M-token context window - A 320B-A18B model released under the MIT License - Previously previewed as Ox Alpha, running entirely on Chinese AI chips Blog: Available now across all official platforms: Weights: API: Coding Plan: ZCode: Chat: AutoClaw:

别再复制粘贴了，我让 Apodex直接读完一份 641 页文件 最近试了一种更实际的 AI 使用方式： 不再复制粘贴一段内容，而是直接上传一份真实文件，看它怎么把任务做完。 我把之前参与编写的《最优化：建模、算法与理论》上传到了 Apodex。整份文件有 641 页，覆盖优化建模、最优性理论，以及无约束、约束和复合优化算法等内容。 我先问了它一个基础问题： “请帮我分析一下，这份内容由哪些部分组成？” 它需要先真正读取文件，再从大量章节中梳理整体框架，而不是只根据标题生成一段泛泛的摘要。 接着我继续追问： “如果想基于这份内容做一些调整，可以从哪些方面修改？” 这一步更接近真实工作：不只是理解现有材料，还要结合原文件继续分析，找到可以调整的方向。 整个过程里，我比较在意的不是它最后写了多少字，而是任务过程本身：它如何理解文件、拆解问题、推进分析，并基于同一份材料继续完成下一步。 这也是我觉得 Apodex 1.1 和普通问答工具不同的地方——推理不只停留在一份回答里，而是进入真实文件，沿着任务继续执行。 如果你手上也有论文、报告、数据表或代码，可以自己上传一份真实文件试试： Web 在线体验： API 平台： 开源的 FrontierAgent 也可以在 GitHub 上找到，支持单 Agent 和多 Agent 协作，感兴趣可以顺手点个 Star： Apodex 1.1 mini（35B）模型权重已经开放，可本地部署，并能搭配 FrontierAgent 使用： 核心感受就一句： 别只问 AI 一个问题。上传一份真实文件，看看它能不能接着把事情做完。

wow，刚发布的 Apodex 1.1 把一整套开箱即用的多 Agent 架构（35B 权重 + 单机 harness）全开源了，支持本地单机部署！！！ 大家都在看它跑分，我直接拿它做了一次AI副业赚钱项目真实长任务实测： 2000 块启动资金、每周 15 小时、零粉丝不会编程，普通人做什么 AI 副业最值得先试？ 结果它跑出来的第一个核心结论，直接把网上的暴富营销滤镜给砸碎了。 8 个 Agent 并行跑了几十步，最后在公开采样范围内，满足 A 级证据标准的个人收入成功案例是 0。 这大概是我见过最不给暴富营销留面子的 Agent 跑测了，不是说现实里真没人赚钱，而是抓到的那些月入几万的故事，大多只有单人自述或单张收入截图，缺少完整成本、投入周期、既有资源和失败样本，根本撑不起普通人照做就能成的承诺。 但比这个打脸结论更狠的，是它跑任务的过程： 整个界面右侧的任务看板一直在实时更新，它不是丢给你一个转圈的黑盒页面，你能清楚看到后台有 8 个专业 Agent 并行在跑，谁在负责反方证伪（income_skeptic）、谁在核算成本（cost_analyst）、谁在抓需求（demand_scout）。 任务初始条件其实是 2000 块启动，跑了一半，1 个 Agent 已经完成、另外 7 个还在深度检索，我临时插了一句话：把预算砍到 1000，追加零粉丝、无品牌、不会编程，并排除卖课和泛流量。 换成普通 Agent 早就崩溃或者推倒重来了，但它在看板里立刻列出影响分析，把依然成立的需求和反例证据保留下来，只针对成本、获客和排序做了局部重算，原来的证据分支继续往下推进。 更硬核的是交付前的独立审查（Statement Review）。 生成和审查完全物理隔离，另一组审查 Agent 主动推翻了原稿里文案需求居首的断言，指出视频剪辑需求实际上最多，把简历优化移出了独立候选，还主动指出了 40 条样本里 90% 来自英文平台的局限性以及免费工具的商用授权风险。 经过两轮回归复核，所有问题全部修复才最终放行。 最后交付的不仅是一份报告，而是带有证据清单、验证优先级表、30 天去留标准、需求样本和业务模板等一整套可以直接落地的执行文件。 留下的是文案/脚本、PPT/办公文档、口播短视频剪辑、垂直头像/插画这几类需求明确、交付边界清楚的小单服务。 但必须把边界说明白：这是 30 天验证优先级，不是赚钱榜；30 天是验证周期，不是回本承诺。 这次最让我意外的，是他们不仅做了 Web 工作台，还把整套多 Agent 执行框架直接开源了——命令行框架 FrontierAgent 已经放上 GitHub，连带可本地跑的 35B mini 模型权重也同步上了 Hugging Face。 不想依赖云端、不想上传敏感数据的，macOS/Linux 一行命令就能在本地把这套多 Agent 跑起来。 跑完这一圈，我真正关心的早就不只是模型能不能吐出一个漂亮答案了。 在真实世界里，需求随时会变、证据经常打架、计算和引用也难免出错——它能让你全程看清进度，保留已经做对的结果，局部打补丁，还能拉着独立审查去反复挑刺，把能直接拿去用的文件稳稳交到你手里。 比起只会写报告的 AI，这种在混乱和变化中把任务真正做完的交付力，才是我理解里成熟的 Agent 能力单位啊。

我做了一个会“自己写”的手帐模拟器。 文字会一笔一笔长出来； 下划线、画圈和方框沿着手绘轨迹完成； 贴纸像刚被亲手贴上去； 饼图也会跟着笔尖一点点画出来。 还有一支真·手势笔，始终跟着笔尖在页面上走。 接下来，我准备把它抽象成一套手帐组件，集成进我的自媒体视频制作工具。