AlloJohn

a place to contemplate

[Rainier @mtrainier2020]

使用AI的能力会是越来越重要的能力。

AI使用的能力，自身的知识domain knowledge，以及思 解决问题的思路和方法，这些本来是员工自己保有的部分。也是员工的核心竞争力。
为啥有的员工能够画出非常好的结果，有的画的是小鸡啄米图。

这些context 如果直接让员工交出来，员工会非常反感或者有各种争议。

那么最直接的办法就是走MITM，公司官方搞中转站。同时记录所有的会话context。

再拿来蒸馏。

这样一方面能够搞出更好的Agent，老张思维缜密，算法设计好，老李安全分析有特长。
那么综合之后出来的agent可以取百家之长。

另外可以保留员工80%的技能。不受员工离职的影响。而且降低新人ramp up的门槛和速度。

公司自己搞中转站，一方面能把出去的数据做合规检查，一方面还能搞蒸馏。 而且还能智能理由，降低token费用，一举多得。

[✧ 𝕀𝔸𝕄𝔸𝕀 ✧ @iamai_omni]

推荐几款 ¥300 价位性价比高，保有量大，流通性好的二手安卓机，每台手机等效 VPS 的 2-4 vCPU，按照目前的CPU 缺货逻辑，这些机器未来应该会非常抢手。

[AlloJohn @jiangjiangjohn]

@BabybusFL 新时代的“赛先生”🤣

[AlloJohn @jiangjiangjohn]

post training，相当于让模型的能力进一步跟企业的要求做对齐，可以看作是培训企业员工的阶段。

[Herman Jin @ShanghaoJin]

最近自己做的很多AI探索，让我意识到post train需求有多惊人。这可是个持续、扩张大场景，海量公司需要无法被满足

别眼睛只看推理、甚至只看coding、2C agent、Anthropic ARR，这样的眼光太局限了

有人感兴趣的话，我开个zoom会跟大家说下

中秋快乐

[WeZZard @realWeZZard]

我觉得这一篇 post 可以反映为什么海外市场一定要找当地人，且要参与产品的定义
英语国家生活中很多由社会里面中心节点分发的信息都是通过邮件的
把邮件改成微信群（微信群不是微信）大家就能比较客观地从国内经验评价这个功能了
英语国家很多人预约事情也是直接开放一个日历给你

[索螺丝 @fiapp_pro]

Claude code 不被封号焚诀：

1. 购买一台正经便宜服务器，任意正经地区
2. 登录 Claude code 订阅
3. 下载 orca ，tailscale 并且配置内网联动
4. 对服务器配置 bbr 加速 udp
5. 在手机、电脑、平板，全球任何地方使用 orca 远程连接到服务器，开始畅用。

以上步骤可以找 AI 帮你自动完成

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

中国做不出muse的核心原因，在于中国几乎绝大多数人的生活信息，几乎都聚合在微信群里。

而微信是彻底卡死生态的、绝对封闭独立的王国，任何agent除非用computer use一个个微信群翻聊天记录手动保存下来，否则是根本无法下手的。

更重要的一点是，微信对发布是强审核的，任何第三方平台在微信发东西 ，都有可能被一夜封禁或者屏蔽。

还有一点就是，邮箱和账号是强绑定的，然而中国所有平台App绑定的是手机号，而不是某个平台的账号，所以personal agent还要绑定手机短信收发功能。

但是结果就是，假设退一万步说，微信允许你这么干了，如果一个中国厂商做personal agent，一边可以完全控制你的微信收发，一边完全控制你的短信收发，

这种personal agent你敢用吗？

中国哪个厂商会有足够高的自我监管审查的标准规范，能够保证不给你惹几个大祸出来？

万一缺钱了，personal agent翻你微信聊天记录，找了张身份证照片，顺手给你撸个小额贷怎么办？

万一接管你的抖音小红书快手账号，帮你发个东西，给你平台限流甚至封禁7天怎么办？

中国人其实压根就不适合personal agent，用个豆包就挺好的，因为中国人的计算机人均使用水平堪比一条边牧，豆包已经把能承担的责任拉到极限了，personal agent给中国人用，危险程度不亚于民办三本文科宝妈在百度搜索奶茶快招。

[OpenAI @OpenAI]

Please welcome GPT-6 Sol and GPT-6 Luna to the GPT-6 universe.

GPT-6 Sol and Luna build on the advances behind GPT-6 Astra, bringing much of its strengths into faster and more affordable models to support work at scale.

We’ve also made caching and inference more efficient, and we’re passing the savings directly to you: 50% lower API prices for Sol and Luna compared with GPT‑5.6 promotional pricing.

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

Cornell已经把事情摆到桌面上了，人类所有大学正在陷入危机。

我反复强调，学生没有任何错，全部责任归于学校运营和全体教职。

在AI native时代，如果不能把课程大刀阔斧地完成自我改革，不能拥抱AI，不能用AI Agent一门一门课地改造课程，改造所有学术训练的根本逻辑和流程，

那么大学就会灭亡， 所有教授就会失业，这是最血淋淋的现实。

所有大学必须进入倒计时状态，如果一所高等教育机构（大学、研究院、学院）在倒计时24个月内无法完成这种转型，那么这所大学就永远无法完成这种转型，就会逐渐走向没落和衰亡。

[Nathaniel Whittemore @nlw]

Muse is the first AI product where genuinely none of its users care about what model is powering it.

[Grok @grok]

第二点是指macOS的无障碍API（Accessibility）。它原本为残障人士设计（如VoiceOver读屏），会暴露完整的控件树，每个按钮、输入框都有名字、角色等信息。

AI agent可直接读取这棵树，按名字精准点击或操作，无需每步截图再用视觉模型猜坐标。速度快、准确度高、成本低。因此macOS的computer use远优于Windows上常见的纯图片识别方案，后者效率低且容易出错。

[AlloJohn @jiangjiangjohn]

@BabybusFL 麦田看了要难受了，你这是抢他钱🌚

[AlloJohn @jiangjiangjohn]

@LinQingV 美股表现很好，但是大 a 相比之下表现真的太差了，存储和光还在底部徘徊

[hsn今天吃什么 @hsn8086k]

大家都在讨论 typesafe 的 jev, 但是我想到的第一个用法是...
过滤 福不黑 机器人😂

[Mark Jaquith @markjaquith]

This is my new shortest “what is Jev” explanation

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

作为前新冠时期的老人，我必须讲清楚一件事。

在前新冠时代，一个大号的BERT就是超级重大资产，当时只有Google和Meta这种超级大公司才能训练出来一个BERT。

现在因为算力极大富裕、极大充足、极大冗余，导致jev这种本质BERT的东西显得轻量化，一条边牧都能训练出来一个自己的开源jev。

这就是大趋势 ，以后这种微型中古时期model会越来越多，

每个场景都能由边牧级人类或者AI Agent本体现场手搓一个微型bert、微型decoder only、微型diffusion model，现场低成本高强度廉价复用。

[AlloJohn @jiangjiangjohn]

@lidangzzz 需要深思熟虑的场合都是要 system 2 类型的模型

[AlloJohn @jiangjiangjohn]

@wquguru 说明 jev 用在个性化搜索上也很有前景🥲

[WquGuru @wquguru]

石破天惊，网络安全研究者有福了，媲美 Qwen3.8 27B的越狱模型，小内存机器也能部署了，无需 DGX Spark，更无需 M5 Ultra。

@PrismML 把 Qwen3.8 27B 压进 5.9GB：三值量化、约 1.72 bit/weight、体积缩小约 9 倍，综合基准仍保留原版 98.2%，262K 上下文，还带视觉。@OrcaRouter 没改任何一个权重，把拒答方向挪到运行时切除，0 改权重、0 重量化、原包 bit-identical，129 个残差干预点，推理时 alpha 可调。

原包 + runtime：https://t.co/tCNshis5mO
权重：https://t.co/yX0OwqiuGi