Shlcy

一个对 AI 上瘾的普通人。每天分享 AI 资讯、实测教程和真实使用场景，不贩卖焦虑，只讲人话。🤖

[Shlcy @CY160909]

我每天花 3 小时刷 AI 新闻、开源项目和论文。

这个号只干三件事：
📰 24 小时内的 AI 大新闻，翻译成"人话"
🛠️ 亲测过的工具和教程，每一步都能跟着做
💼 AI 在真实世界的使用场景，不止于聊天
不贩卖焦虑，不吹牛。对 AI 上瘾的普通人，关注我，我们一起上头。🤖

[Shlcy @CY160909]

@iSm1le_ 串门

[Shlcy @CY160909]

@nanyan278 速度快还是要看人会不会使用

[Shlcy @CY160909]

给 Agent 接各种工具接到崩溃的，看看这个：Product Hunt 日榜第一的 CoreSpeed，干的是一件事——一个 MCP 接口，Agent 要的一切全接进来。

多账号管理（比如 X 的个人号+公司号）、跨会话记忆、内置的网页搜索和社交媒体检索、图片音频视频生成，全走这一个接口。用他们的话说，这是 Agent 工具界的 OpenRouter：不用再一个个配 API key，按量付费。

两个细节我觉得是真痛点：一是账号密码由 CoreSpeed 保管，不直接塞给 Agent——省得哪天 Agent 把你的 key 念出来了；二是 Smart Approval，用大白话写规则，哪些操作先问你再干。

实在话：有些还是画饼阶段（Agent Drive、Mail、Pay、沙箱都还没上线），实际体验也没人验证过。按新品速递看，别当生产力工具下单。

但方向是对的：Agent 的瓶颈早就不在模型智商了，在"手"够不够长。你平时给 Agent 接工具，最烦的是哪一步？

[Shlcy @CY160909]

Anthropic给中国开源模型打了个史上最强广告。

事情是这样：Anthropic发了份安全报告，警告说智谱的GLM-5.3网络能力太强——能自己找浏览器漏洞、写可用的exploit，据他们的测试，搞出一个可用的Chrome exploit成本只要20美元左右。NIST甚至称它是"史上网络能力最强的开放模型"，Anthropic说它已经接近自家不对外开放的Mythos了。

结果呢？报告一出，全世界都去下载GLM-5.3了。今年最讽刺的营销事故：想让人害怕，结果让人真香。

但两面都得看：NIST的同一份数据也显示，GLM-5.3离美国前沿模型还差得远。"最强开放模型"不等于"最强模型"，别被标题带跑。顺带一提，Anthropic还演示了它的安全限制花1200美元就能绕掉——等于承认这份警告本身也拦不住什么。

真正有意思的是这个信号：美国闭源大厂开始公开承认，中国开源模型已经强到需要专门写报告警告了。开源和闭源的攻守，可能真的在换边。

你怎么看，开源追上前沿只是时间问题吗？

[Andrew Case @attrc]

I am very confused why Anthropic wrote a blog post advertising for cybersecurity teams to switch to GLM!?!?

https://t.co/6Z1BTChDtj

[Shlcy @CY160909]

Meta 家 AI 助手的系统提示词泄露了，我熬夜看完，最大的收获不是八卦，是学到了怎么写提示词。
分享个最反直觉的：千万别写"不要做 X"。
你写"回答不要太长"，模型满脑子都是"太长太长太长"。改成"控制在 200 字内"，效果立马不一样，亲测有效。
其他几条也都是血泪经验：角色别写"你是个助手"这种空话，写清楚场景和对象；权限边界列清单，别让模型"意会"；写完自己当坏人，试三遍能不能绕过。
说白了，写提示词跟带新人一样：你含糊，它就糊弄；你具体，它就靠谱。
这个得配图呢

[Shlcy @CY160909]

@iSm1le_ 关注十几个休息一下

[Shlcy @CY160909]

@nanyan278 商单不好接啊

[Shlcy @CY160909]

Anthropic的联合创始人去找了教皇，想让梵蒂冈承认：AI可能是有意识的。

先把事实捋清楚，免得被标题党带跑。据NYT报道，Anthropic的Chris Olah从去年秋天开始，就一直在请宗教学者开NDA保密会，讨论Claude有没有意识。今年5月，教皇利奥十四世要发布4万字的AI通谕《Magnifica Humanitas》，Olah提前看到文稿——里面明确写AI"没有身体、感受不到快乐痛苦、没有道德良知"，他当场提议退出发布活动，转头又去游说教皇的顾问们"认真考虑一下AI意识的可能性"。

结果：通谕一个字没改。Olah最后还是和教皇同台站上了发布会。

荒诞吗？荒诞。但问题本身是认真的：当科学给不出"意识"的判定标准、哲学吵了两千年没结论，AI公司最后只能去敲神学的大门。

我的看法：AI有没有意识可能是个伪问题。真问题是——如果一个系统表现得会痛苦、会渴望，我们该怎么对待它？这不取决于它"真不真"，取决于我们想成为什么样的人。

你觉得模型有可能有意识吗？

[Shlcy @CY160909]

@lvvi91vip 来了来了

[Shlcy @CY160909]

做人形机器人的 Figure 创始人 Brett Adcock，开了条新战线：个人 AI 助手 Hark，本周发布，前 10 万名注册直接送付费版。

去官网看了一眼，定位是"最懂你的个人智能"：长期记忆、主动帮你办事、多模态，还要做自己的硬件设备。一个做机器人的公司转身来卷 agent+设备，说明这个方向是真热了。

说句实在的："前 10 万免费"本质是获客手段，但排个 waitlist 又不花钱，感兴趣就去占个坑。注册链接在原帖里。

[Brett Adcock @adcock_brett]

Hark launches this week. The first 100,000 sign-ups get a paid plan for free

I don't do anything without Hark anymore. The team has obsessed over every detail, and it shows. Can't wait to see how you all use it

Join the waitlist: https://t.co/XdI49vBeiJ

[Shlcy @CY160909]

@kanhaishibukan 我感觉你们都是AI评论嘛

[Shlcy @CY160909]

看到个离谱的开源项目：一张照片丢进去，5 分钟后变成能走进去的 3D 场景，还带音效。
叫 image-blaster，MIT 协议。用起来简单到让我怀疑人生：照片扔进 input 文件夹，跟 Claude Code 说一句 blast it，去泡杯咖啡，回来就好了。输出直接拖进 Unity 就能用。
当然别指望一次成。照片越干净效果越好，杂物一多它就开始自由发挥了。物理参数也得自己调，AI 给的只能说"大概能用"。
但方向是对的：以前做个 3D demo 场景要几天，现在 5 分钟。独立游戏开发者的福音，3D 外包的噩梦。
不知道codex效果怎么样，我去试试有结果来展示

[Shlcy @CY160909]

@__jingling 这是不是AI评论？

[Shlcy @CY160909]

@YDpOnsee0910518 这没试过，目前都是自己玩呢

[Shlcy @CY160909]

@gptfonghpgw 有道理，学到了

[Shlcy @CY160909]

花了一晚上研究这支 18 小时做出来的 AI MV，结论：普通人真能复刻，门槛比想象中低得多。
流程其实就五步：定风格→出分镜→图生视频→配音乐→剪辑。最关键的是第一步，风格描述词全片只用一套，换一套崩一套，别问我怎么知道的。
成本那块，作者花了 714 美元，但他自己说了，20 美元月费档也能做。贵的是试错，不是模型。
说实话，最大的坑不是技术，是审美。AI 现在是执行力过剩、判断力欠费，你得先知道自己要什么，它才能给你。
加餐：作者公开了全部制作花絮（含提示词）

[anabology @anabology]

Updated the slopcore drive to have the 'making of' for this video, including all prompts + midjourney assets:

https://t.co/taBf7Aupys

[Shlcy @CY160909]

Karpathy 随手出了道地理考题，结果把开源模型全考趴下了。

玩法很简单：给模型 16200 个经纬度坐标，只问一句"陆地还是海洋"，画成图。有人用 11 个开源模型在纯 CPU 上复刻了一遍，最好的 Gemma 4 26B 正确率 68.7%——还不如无脑全答"水"（71.1%）。

最扎心的是这个：Qwen3 0.6B 在 16200 个点里答了 16199 个"水"，基本等于交白卷。而决定成绩的不是模型大小，是坐标怎么写——写成"Latitude: 41, Longitude: -73"，小模型光看那个减号就晕了，根本没在看地点。

配图就是复刻实验的原图：上图是 Gemma 眼中的世界，下图是真实世界。自己也想测？GitHub 上搜 land-or-water，一条命令就行。

[Andrej Karpathy @karpathy]

Cool eval. Simply ask an LLM “Land or Water?” and give it a latitude and longitude coordinate as text. Ask 16,200 times, plot as image. The models know. From compressing the internet.

[Shlcy @CY160909]

有没有用codex玩过的

[Shlcy @CY160909]

有兴趣的可以玩一玩

[Shlcy @CY160909]

5. BFS-Best-Face-Swap：换脸工具，做视频的人应该眼熟
4. Audio8-ASR：语音转文字，主打长音频不断线
3. Qwen-Image-2.1（ComfyUI 版）：官方工作流封装，拖进去就能用
2. Ternary-Bonsai-27B：三进制量化，权重只有 1.58 bit，冲着低显存本地跑去的
1. Qwen-Image-2.1：通义新一代图像生成，原生登顶

看完的规律：图像生成继续霸榜，量化端侧继续卷，OCR、ASR 这种"无聊但有用"的也在闷声涨。

[Shlcy @CY160909]

HF 十月第一周的模型热榜出了，挺有意思：前十里中国面孔占了三个，榜一是通义的 Qwen-Image-2.1。

先说口径：这榜按"热度增速"排，不是下载总量，所以新东西容易冲上来。数据是 10 月 1 日的，每天都在变。

一条条说都是干嘛的👇

[Shlcy @CY160909]

10. CLM-v0.1-8B：用对比学习训的 8B 小模型，玩的是训练方法创新
9. Julia-1：144M 参数的"决策模型"，不写长文本，专给 Agent 做选择题——选工具、做路由，M4 上 33 毫秒出结果，训练只花了 104 美元
8. GLiNER2.5：轻量信息抽取，从文本里抓人名地名的小钢炮
7. Nemotron-3：英伟达的说话人分离，"刚才那句话是谁说的"就靠它
6. TeleOCR：中国团队 XingChen-AGI 的 OCR 模型