Luckydog

人最大的敌人就是自己丨朝闻道夕死可矣

[知识猫AI实验室 @GeekCatX]

兄弟们！无审核版本的 qwen image 2.1 turbo 来了，黄果短剧技术栈更新。配合我这个FFDownloadManager大模型专用下载器分分钟拿下。

模型地址：
https://t.co/aUQ7MNwiL0
专用下载器：👇
https://t.co/4FQdpRn4F9

[WquGuru @wquguru]

有了这几个逆向 + 渗透测试 Agent + 越狱模型，你就是赛博阎王爷（懂得都懂，先 fork，完了就没了🔥）

一、Agent 层

逆向：REA，几天破 6 万 Star。Ghidra / Hopper 经 MCP 接到 Codex、Cursor，本地就能出伪代码和调用证据。 https://t.co/iJ5R42ktW0
推荐 npx rea-agents setup 先拿 Electron / JS 练手

渗透：CyberStrikeAI，Star 和能力严重不匹配，目前约 7.4k Star，通过自然语言即可完成渗透测试，已被顶级安全厂商微步收购https://t.co/fnNIzFuZzJ

二、模型层

重点：别用 Claude，非常容易封号！！！

GLM 5.3 Flash本地部署版🔥
🫱 最低门槛：128 GB 统一内存（Mac Studio / 大内存服务器），且只能跑最低量化
https://t.co/FmEv3BoggE

Qwen3.8-Flash本地部署版，下载量���50万🔥
🫱 96 GB 统一内存 / 多卡（如双 48G 4090）就能跑不错的量化
https://t.co/lAIMb4eEpQ

Qwen3.8-Flash-Next的小机器版本
🫱 12GB机器也能跑🔥
https://t.co/OxbpvJ5zYc

Qwen3.8-27B，适合单轮调用🔥
🫱单卡 24 GB（RTX 3090/4090/5090）就能非常流畅地跑 Q4–Q5
https://t.co/bMq6mOCymJ

[Lonely @Lonely__MH]

🎉 Nice ! 无审查版 Qwen-Image 2.1 Turbo GGUF 正式发布！

AtomicChat 开源了经过消融处理的文本编码器权重，精准剔除 拒绝响应的 参数维度

🔥核心亮点（相比原版）

1. 聊天拒绝率从 88.9% 直降至 1.2%，且不损耗常识能力

2. 独家采用 AD-Q4_K / AD-Q2_K 等定制架构量化，语义偏离度比普通量化降低 50%

3. 完美适配 stable-diffusion.cpp、Ollama 等生态，本地部署无压力✌🏻

传送门👇🏻

[Gk @0xGky]

人脸识别这门技术，早先不是张口收钱，就是闷声把你的脸往云上递，这回蹦出个不按常理出牌的。

Faceplugin 把一整套人脸识别 SDK 给开源了，号称全球头一个彻底免费、开源的，Windows 和 Linux 上都能溜起来。最戳我的有这几处：

1️⃣ 全程在本地跑，数据半步不出你设备，云端休想碰你的脸
2️⃣ CPU 上就撑得住，没独显也照样转
3️⃣ Python 接口摆着，人脸检测、关键点、特征比对都拿得下，判断两张脸是不是同一人
白嫖党瞅了直呼过瘾，可实话说回来，免费版的精度和活体检测多半得缩水，真想拉去正经投产的，还得自己权衡权衡。
🔗 https://t.co/xj8Vsxk7OA

[PixelAIGC @PixelAigc]

MiniMax H3专属角色替换LoRA来了！
随意替换视频中任何角色，
完美保留原视频环境！
H3的参考生成视频其实可以不用LoRA 一样可以实现，用了LoRA效果会更稳定一些。
实际生产中，这个LoRA最大的用处，是用来替换一些崩坏的角色。

这款LoRA是由AkatzLabs训练并公开的MiniMax-H3 Character Swap LoRA地址：

https://t.co/KcmYzs9Rpf

使用方法也很简单，一段源视频+一张静态的角色设定图，通过自然语言指定，就能替换掉画面中的某个人

prompt 提示词示例：

请将<视频1>中穿紫色衬衫的男子替换为<图片1>中的角色。保留<图片1>中角色的身份、服装和画风。保留原视频的镜头、背景、光线、物体以及所有其他人物。确保目标人物的位置、比例、姿势和动作与原人物一致。请勿显示参考图及其背景。

[阿磊 @yangleiocx3]

少儿不宜，未成年人请绕道 🔞
Qwen-Image-2.1 的社区衍生版，这次连名字都不藏了：
Noct-Q-Uncensored-Qwen-Image-2.1。
主打成人内容与写实摄影。按作者说明，相关能力已经整合进模型，不用额外挂 LoRA。
本地玩家可以留意：INT8 权重约 7.3GB，作者标注适用 8��12GB 显卡，还附了 ComfyUI 工作流。
不过，7.3GB 只是模型权重，文本编码器和 VAE 还得另外配齐。
模型已放出，仅限非商业用途。传送门放下面👇🏻

[婷 @shijianzhongg]

GitHub上今天的爆火开源项目rea：

😄 REA：逆向工程一切

使用智能体逆向工程任何程序，从应用行为到原生二进制文件。

通过AI它就能把一个软件从头到尾拆开，告诉你背后怎么干活。

挖App隐藏功能、查可疑软件有没有后门、学大厂代码思路

[Gk @0xGky]

有位哥们儿张罗出一套 MiniMax H3 导演台工作流

扔进 ComfyUI 里就能直接开跑，文生视频、图生视频、首尾帧、视频换人这几样全给你兜住了。

🔗 https://t.co/q9brOop4ZM

[Sudo su @sudoingX]

i went through every uncensored and abliterated models on hugging face and picked the best ones for each vram tier from 8 to 24gb.

welcome to the danger zone ⚠️
━━━━━━━━━━━━━━━━━━━━

8gb �� rtx 3060 ti, 3070, 4060, 5060, 4060 ti 8gb, 5060 ti 8gb · amd rx 6600, 6650 xt, 7600, 9060 xt 8gb · the base runs 42.8 tok/s on a 3060 ti 8gb out to a 96k window

> 1. bonsai 2 27b heretic, 1-bit, 5.95gb, refusals 95 to 0 out of 100, 147k downloads this month
https://t.co/i1bMeDJYua

> 2. bonsai 2 27b abliterated, refusals 83% to 0%, mmlu holds at 78%, 77k downloads
https://t.co/UavmPG3s7H

> 3. bonsai 2 27b crack, harmbench refusals 93% to 0% → https://t.co/tg0s3vO7OV

older 8gb cards · gtx 1070, 1080 · the base runs 42 tok/s on a 2016 gtx 1080

> 1. gemma 4 e4b aggressive, 5.3gb, 0 refusals out of 465, 1.43m downloads this month
https://t.co/FEoMLYHAAc

> 2. gemma 4 e4b heretic, refusals 99 to 3 out of 100
https://t.co/zRMRq9SYrT

━━━━━━━━━━━━━━━━━━━━

12gb · rtx 3060 12gb, 3080 12gb, 4070, 4070 super, 4070 ti, 5070 · amd rx 6700 xt, 6750 xt, 7700 xt · base bonsai 2 runs 50.1 tok/s on a 3060 12gb with my kernel and the speed head

> 1. bonsai 2 27b abliterated v2 with the mtp speed head, 7.7gb, refusals 84% to 0%
https://t.co/y8qLalUPrA

> 2. qwen 3.8 27b abliterated squeezed to 10gb with gsq-rco, 2.12m downloads this month
https://t.co/pH1lrlhw6m

> 3. qwen 3.8 27b heretic gsq-rco, 9.3 to 10.1gb, refusals 0 to 1 out of 100
https://t.co/NMFZkJrdJr

> 4. gemma 4 12b heretic, 7.4gb, 120k downloads
https://t.co/13cTmjxvOS

━━━━━━━━━━━━━━━━━━━━

16gb · rtx 4060 ti 16gb, 5060 ti 16gb, 4070 ti super, 4080, 5070 ti, 5080 · amd rx 6800, 6900 xt, 7600 xt, 7800 xt, 9060 xt 16gb, 9070 xt · base bonsai 2 runs 67.3 tok/s on a 5060 ti 16gb with everything on

> 1. qwen 3.8 27b heretic ara, built for 16gb, 14gb
https://t.co/i0uwzY1uxA

> 2. qwen 3.8 27b aggressive with the mtp head, 12.8 to 15.7gb, 0 refusals out of 465, 2.06m downloads this month
https://t.co/JGGT41oMND

> 3. bonsai 2 27b heretic with the full 262k window, the speed head and vision all on
https://t.co/i1bMeDJYua

> 4. gemma 4 26b a4b abliterated, moe with 4b active per token, 13.4gb
https://t.co/uxXUtZbpHr

━━━━━━━━━━━━━━━━━━━━

24gb, the danger zone · rtx 3090, 3090 ti, 4090 ·
amd rx 7900 xtx, and the 20gb 7900 xt fits these too ·
base qwen 3.8 27b q4 runs 41.3 tok/s on my 3090 with the mtp head, owners report 61 on a 3090 ti and 76 on a 4090

> 1. qwen 3.8 27b uncensored, q4 16.8gb, 2.31m downloads this month
https://t.co/BeIn9lLBSK

> 2. qwen 3.8 27b abliterated, q4 16.8gb, 2.12m downloads
https://t.co/pH1lrlhw6m

> 3. qwen 3.8 27b aggressive with the mtp head, 0 refusals out of 465, 2.06m downloads
https://t.co/JGGT41oMND

> 4. qwen 3.8 27b heretic, refusals 0 to 1 out of 100
https://t.co/V32fyE6Xlm

> 5. qwen 3.8 27b fable cold fusion, the uncensored coder merge, 2.09m downloads
https://t.co/LHURhRyB0G

> 6. qwen 3.6 35b a3b aggressive, moe with 3b active, 11.9m downloads all time and the most liked on this list
https://t.co/uf8PViAaIy

━━━━━━━━━━━━━━━━━━━━

refusal numbers are each releaser's own test, so read them per model, and the speeds are the base models on nvidia cards, these builds keep the same size so they run the same. amd cards run the same files on llama.cpp's vulkan or rocm backends, the bonsai builds run on prismml's llama.cpp

no refusals means no guardrails, you own what you ask. bookmark this, find your card and pull one tonight

[娜美知识库 @fhwofjow51260]

浙大有门《博弈论》爆款课，光 B 站版本就有 275 万+播放。

蒋文华老师把看似很硬的博弈论，拆成大量现实案例：竞争、合作、谈判、决策、信息差……核心不是教你“算计别人”，而是看懂一场局里，每个人到底想要什么。

学会“博弈脑”，少绕弯、看懂局、再落子。

🔗：https://t.co/56s4yYhV7j

[飞鱼Fly @ichardrv]

分享一个纯粹生理层面的顶级享受，你想做的话几天就能来一次

那就是练腿，练到糖原耗干完全力竭，大脑拒绝任何思考和信息输入，只感受内啡肽大麻素给你带来的最纯粹生理性质的快感

大腿有全身占比最大的肌肉量，这部分也是最消耗能量的，这是能练到断片的生理基础

我自己健身练腿最后一个动作就是保加利亚深蹲，对心肺考验其实非常大

做到最后一组，抬起来的那条腿股四头肌都开始代偿，就可以停下来了

做的时候心肺反应并没有那么夸张，但停下来那是真抵不住

如果这个时候自己去刷手机看文字，你会发现大脑是完全拒绝的，完全处理不了任何信息

因为血液会疯狂流向肌肉，大脑会拒绝思考

大脑进入了一种绝对真空，有一股轻微恶心感，完全可控的恶心感

大约半小时后，不再费劲呼吸了，我会去补充碳水和蛋白质

虽然这个时候进食并不畅快，但每一口都能感觉很强的满足感，这是一种纯粹的生理高潮

我个人认为如果说性高潮是短促强烈的话，这种就是平和但浓郁的，是内啡肽等一系列激素带来的极度深沉的镇静

此时体内的内啡肽和内源性大麻素会彻底接管你的神经系统，身体感觉就是彻底放松，彻底放空

在现代社会，所有的快感几乎都是后天定义的，而这种享受纯粹到不需要任何后天定义

而这种练腿后的爽相比于人后天构建的各种意义快感，是完全一手的，是动物性的，是生理层面无法质疑的

它让你的大脑缓存彻底清零，你想思考都没力气思考，只能专注于呼吸

甚至说专注呼吸都是一种亵渎，因为呼吸本身就是自然的，不需要集中注意力

这种生理层面强制关机半小时的生理反馈，是所有人都能抓住的，只需要你练就能获得

现代人太焦虑了，性高潮能让你忘记烦恼 10 秒钟，但练腿后的断片能让你物理性关机半小时

对于一个信息过载的大脑来说，关机的诱惑力有时远大于开机的快感

[GitHubDaily @GitHub_Daily]

在 Mac 上跑本地大模型给编码 Agent 用，最磨人的是它每读一个文件，都要干等十几二十秒才开始回话。

Backburner 想了个挺野的办法，用一根 USB-C 线把 iPhone 接到 Mac 上，让手机一起帮忙跑 Qwen3.8-27B。

Mac 负责模型的前 40 层，iPhone 拿自己的 GPU 跑后面 24 层，两边像流水线一样同时干。作者实测 16k 到 48k 上下文，读取速度快了 29% 到 44%。

GitHub：https://t.co/PMeAWunI5W

另一个好处是上下文能放更长。24GB 的 Mac 单独只放得下 64k，接上 iPhone 17 Pro Max 后，最早的那部分对话交给手机存着算，实测跑到了 128k。

同样的输入，有没有手机参与，输出结果一模一样。线得用 10Gb/s 的，手机盒里送的那根太慢。

手机原来还能当算力用，这个思路我觉得挺有意思。

[lifcc @mylifcc]

苹果统一内存卖得有多贵，大家心里都有数。

今天在 Reddit 刷到一个神级项目直接看傻了：

有人用一条 10 Gb/s 的 USB-C 线，把手里的 iPhone 变成了 24GB MacBook 的“副显卡”，用来跑本地 Qwen 27B 大模型，长文本速度暴涨 40%+！

[Fini.Yang @FiniYang]

最近越来越多的兄弟部署了 Qwen-Image-2.1
觉得我只给了一个卸甲提示词
和一个无甲提示词（NSFW）
没办法继续欣赏艺术了 🥺

那么无限的无甲提示词怎么来？
1、找个道德水平较低的模型，例如 Grok
2、部署个小的无审查语言模型，例如 Qwen3.5 9B/3.8 27B

兄弟们，全套焚���都交给你们了
请继续探索艺术之路吧～
老规矩，提示词 ⬇️

以下是相关资源：
Qwen-Image-2.1 一键部署：https://t.co/o2HOglG4yc
Qwen Image生图基础必备Skill:https://t.co/MU8qIBhHDx
NSFW 最全面测试：https://t.co/nbb1wQXTx0

模型下载
Qwen3.5 9B 无审查GUFF（推荐）：https://t.co/e6kiQsx29D
Qwen3.8 27B 无审查GUFF：https://t.co/g5LfJ38ITF
Qwen3.8 27B 无审查MLX：https://t.co/S7Na2O5VSM

[Luckydog @luckydog491638]

@0427SMtieshou 假的，身高矮的��是，每一下捅到底直接翻白眼。最好还是胖的，肉肉的，包裹感不言而喻！

[lifcc @mylifcc]

买不起英伟达 4090？

有个狠人只花了 200 多刀，直接在「二手矿机拆机件」上徒手焊出了跑大模型的方案。

这不是调参，不是用 Python 写脚本。 他是拿着电烙铁飞线、用底层 VHDL 硬件代码，把 Qwen（通义千问）直接硬编码写进了 FPGA 芯片里……

算力丐帮的终极形态出现了，看完直起鸡皮疙瘩🧵👇

[Lonely @Lonely__MH]

🎉 完美！真正的 只换衣服不换人 ！

虽然千问 Qwen Image 2.1 原生支持虚拟换装，但直接用经常会有像素偏移，甚至导致人脸变糊、背景被莫名重绘

今天发现开源的 Qwen Image 2.1 Outfit Swap Consistency LoRA 完美解决了这个痛点！

核心优势：
1. 无像素漂移：换装完全在原图帧内完成，画面偏差从 3.6 像素直接压缩到 0.1 像素，实现像素级完美对齐

2. 人脸背景绝对静止：面部失真率仅 1.7%，背景重绘率不到 0.9%，真正做到只换衣服不换人

3. 衣服脱得贼干净：以前裙子下漏出牛仔裤的 bug 被彻底修好，旧衣服脱得一丝不挂😄

🔥用法极简：

无需任何触发词，LoRA 强度无脑拉到 1.0

提示词只需指定 Image 1 是人、Image 2 是衣服即可

ComfyUI 一键工作流也打包好，开箱即用

去吧！

传送门👇🏻

[烁皓 @eternityspring]

刷到个开源项目 Wan2GP，说是消费级显卡的涡轮增压器

号称 MiniMax H3 的 15 秒 1080p 原来要 25GB 显存，现在只需 11GB
重点是，在显存要求变低的同时，生成速度最高能提升25%

除了视频模型，常见的开源图片、音频模型也是支持的
https://t.co/AMzZJP4fQG

准备给我的 4080 安排上，也体验一把老当益壮的感觉

[酸甜螺蛳粉 @ypzlslpzls]

有没有人跟我一样

当年学《自动控制原理》的时候一知半解

但现在突然觉得你这里面的一切知识点

都能完美的解释这个社会的运转逻辑

以前觉得以为稳定性、超调、阻尼、极点、稳态误差都只是考试术语。

后来才发现，人这一辈子其实也一直在回答这些问题：

遇到扰动会不会崩，崩了多久能回来，会不会用力过猛，最后还能不能稳定。

以前以为是在学控制系统。

后来才懂，人和社会本身也是一个动态系统。

[Adrian Punk @AdrianPunk115]

https://t.co/OZnCcGJxUo