听澜

做算法，也做 Agent 落地
关注 AI 产品与前沿变化，分享真正跑起来的东西

[Matthew Berman @MatthewBerman]

LOOPS - everything you need to know:

[听澜 @010Zaj]

@xiaohu @BeMarkovian MJ这是要跨界啊🤣

[听澜 @010Zaj]

@frxiaobei 嗯 非手写或标准手写可以直接用 又省一大笔接口💰

[听澜 @010Zaj]

小模型也可以办大事了

[凡人小北 @frxiaobei]

我把刚开源的 PP-OCRv6 考了一遍，34.5M 居然跑赢了 235B。

这两年大模型越做越大，好像连读张图上的字，都得丢给一个几百 B 的多模态大模型。可我一直有个疑问，OCR 这件最朴素的事，未来真得越做越大吗。

百度上周开源的 PP-OCRv6 给了个反过来的答案。它一次出了三档，按官方定位，Tiny 只有 1.5M，给浏览器和端侧用；Small 7.7M，对手机和桌面；Medium 34.5M，对服务器，也是三档里最准的一档。三档都认五十种语言，tiny 是四十九种。我挑了最准的 Medium，装进自己 Mac，纯 CPU 跑了一遍。

先说结论，这么小的模型，日常这些图读得又准又稳。
一张洇着红污渍的旧登机牌，航班、姓名、长票号一字不差；手机截图里的状态栏、搜索框、一长串地名也都挑了出来；印刷的课本表格更不在话下，规整的手写它也能认对。真正难倒它的，只有那种连我肉眼都认不全的连笔草书。毕竟它是老老实实读字的，不替你瞎猜。

[Codez @0xCodez]

https://t.co/hmpJtXuXCq

[听澜 @010Zaj]

这两天在看微信小程序接AI这块，除了官方文档没找到太多的资料
整理了一篇方便感兴趣的朋友参考，里面把一些真正会卡人的接入细节和原理详细说清楚
有其他疑问欢迎留言
如果你也在看小程序 + AI 的落地，可以参考下：

[听澜 @010Zaj]

https://t.co/POWeg3c1YH

[听澜 @010Zaj]

https://t.co/POWeg3c1YH

[听澜 @010Zaj]

@frxiaobei 固定流程太受限，放开让他自己发挥，结果发现控制不住了，还是得搞一些固定流程模版约束他

[听澜 @010Zaj]

好好好 以后我不问你了

哪天你翻车挂了不理我……
看我不骂死你！！

[听澜 @010Zaj]

最近越来越烦一种情况，搞得我都焦虑了：
老板很喜欢“赛马机制”，但又不设计实验边界。

最后就是 2、3 拨人一起搞，
事情可能真做出来了，
但谁也说不清到底是哪边真的起作用了。

最难受的是，
你一边得把事真干了，
一边还得想办法让结果最后能被看明白。

不然到复盘的时候，很容易就变成：
大家都很努力，
但没有一套东西是以后还能复用的。

这种局面各位大佬一般怎么破？

[听澜 @010Zaj]

@yyyole 这是真炸裂了👍 请问artarch有官网吗？都没搜到干这个的啊

[听澜 @010Zaj]

@CuiMao bio写了anthropic的都在研究AI，没写的给你点赞了你也不知道

[听澜 @010Zaj]

@CuiMao 闭环了🤣

[听澜 @010Zaj]

@frxiaobei 哈哈哈哈哈 继续出吧，最好一周出三次🤣🤣

[听澜 @010Zaj]

不错，给龙虾吃点带颜色的

[小互 @xiaohu]

兄弟们 重大利好

X Premium 会员现在已经支持

Openclaw
Opencode
Hermes

直接授权登录

意味着，你可以使用X Premium 会员的Grok用量来驱动上面所有的产品。

由于Grok的尺度很大，所以能做的事情还是很多的，哈哈哈

[听澜 @010Zaj]

@imwsl90 除了修bug没什么可说的了，只能把这个放前边了

[听澜 @010Zaj]

@AYi_AInotes 远看图以为是加了一个自动呼叫120的快捷入口……
细看……原来是 fired……🤪

[听澜 @010Zaj]

Codex还更新了4个功能，我更关注这次的Appshots和桌面版/goal

而且把这两个功能，放在一起看才知道OpenAI在做什么。

Appshots： Mac上按两个Command，
当前应用窗口直接挂进Codex对话，截图有，屏幕外的文字也有，不用你复制粘贴，不用重新解释。

桌面版/goal：正式从实验功能毕业。给Codex一个目标，它自己跑，
几小时、跨几天，做完为止，甚至可以随时介入调整方向。

我自己的理解是，这两个功能解决的是同一件事的两端：

Appshots 解决的是"AI不知道我都在干嘛"，
/goal 解决的是"AI干一会儿就停，还得我催"。

一个负责上下文注入，一个负责持续执行。
你告诉它目标，它自己看着屏幕，自己跑完。

提完需求去喝杯咖啡，回来看结果的愿望，实现了！

[OpenAI Developers @OpenAIDevs]

It’s Codex Thursday, and yes, we have updates for you.

First up: Appshots, a new way to bring the context of what you’re working on into Codex.

On your Mac, press Command-Command to attach your app window to a Codex thread. Codex gets both a screenshot and text from the window, including content beyond what’s visible onscreen.

Appshots are available across plans on Mac, with enterprise access coming soon.

[听澜 @010Zaj]

@dotey 卷起来了～来回抄