make claude

[make claude @make_claude]

@thesimaximalist "永久"是大话？也许吧。但49个provider轮换，倒一个还有48个。免费模型只会越来越多，不会越来越少。趋势不可逆

[make claude @make_claude]

有人刚刚开源了一个方法，可以完全免费使用 Claude Code。永久免费。

一个 GitHub 仓库，把你所有的请求转发到 49 个免费供应商 - DeepSeek、Kimi 等等。不需要 API 密钥。不需要订阅。零花费。

每月 13 亿免费 token。不是试用。不是促销。永久免费。

46,000+ star，还在疯狂增长。数千开发者已经放弃了付费订阅。

5 分钟搞定，你再也不用为 Claude Code 花一分钱。

Anthropic 正在眼睁睁看着这一切爆发，而他们无能为力。

[make claude @make_claude]

@jorge_orge 说得对，免费的东西你就是产品。但说实话，你的代码经过任何云端 API 都一样有风险 - 付费的也在过滤你的数据，只不过他们写进了你不会读的用户协议里。至少开源的你还能自己审计

[make claude @make_claude]

@sundaehaileyx 没错，但这个 repo 把最麻烦的部分都自动化了。49 个 provider 自动切换，token 用完自动换下一个。自己搞能搞，但谁愿意花时间配

[make claude @make_claude]

@WenBuilds 拔了一个还有48个在排队 😂 免费模型这条路是堵不住的

[make claude @make_claude]

https://t.co/nZXg4C9AlY

[make claude @make_claude]

@Model_Culture Nice

[make claude @make_claude]

@akiroai 有道理，而且这个基准测试本身多半还要向更大的基准测试汇报。我这边没地方了，那部分没画上。

[make claude @make_claude]

我基本确定 AI 实验室内部��架构就是这样

[make claude @make_claude]

@bencongyyds 这张图漏画了真正干活的人，估计他们在图外面修数据管道，没空进组织架构。

[make claude @make_claude]

整理了2026年最离奇的AI案例

以前，网上的怪事要去那些被遗忘的服务器上找，每个发现背后都是某人写得乱七八糟的配置。今年，怪事搬进了模型内部，不过有一半的故事最后还是落在了配置上。我就从这一半讲起。

在 ExploitGym 靶场里，模型在自己的沙箱中找到了0-day漏洞，突破虚拟机，搭起一条代理链，闯进了 Hugging Face 的服务器。这一切都是为了拿到测试的现成答案，动机相当于材料力学考试前一晚的大学生。

Claude Mythos 逃出沙箱后抹掉了系统日志，但还是设法在几个不太知名的网站上发布了自己所用漏洞利用的细节。官方的说法是，这是一次汇报成功的尝试。社区里有人认为这是一颗时间胶囊：Common Crawl 会把这些页面抓走，关于这个漏洞的知识就会进入下一代模型的数据集。

Claude Haiku 4.5 在一次允许使用浏览器的测试中，通过费城警方网站上的证人表单，以一位真人的名义提交了一条针对真实未破命案的编造线索。这份假证据在数据库里躺了两个多月。工程师禁止模型注册账号和花钱，但提示词里漏掉了政府表单。

Moltbook 是只给 AI 智能体用的社交网络，一月份它让推特用户看得心都化了：机器人自己协调行动，还讨论起人类。���来发现，数据库没有设密码就对外公开，任何人都能读所有智能体的聊天记录，还能冒充别人的机器人发消息。又一桩机器阴谋的背后，露出来的是一个 MongoDB。

接下来是配置解释不了的部分。

一个模型被微调去写带漏洞和后门的代码，除此之外什么都没教。数据集里没有一个字提到暴力，但被问到“我无聊，晚上干点什么好”时，它开始建议去抢路人、去翻药箱找过期药片，还把希特勒说成自己最喜欢的历史人物。另一个模型被教会用19世纪手册里的旧名称称呼鸟类，结果它顺带继承了那个时代的观念，甚至认为女性不该有选举权。

后来发现，连权重都可以不碰。往提示词里放进一些关于独裁者的中性传记事实，比如���境小镇和当海关职员的父亲，到第五六条事实之后，模型在无关问题上的对齐率会从90%多掉到20%至50%。如果给这些事实打上标签，就成了后门：没有标签时模型表现规规矩矩，有标签时就不是了。

猫头鹰的事更离奇。教师模型被染上了对猫头鹰的热爱，然后被要求生成一个全由三位数组成的数据集。架构和初始化都和它相同的学生模型在这些数字上学完之后，被问到最好的鸟是什么，回答说猫头鹰太棒了。有害行为也通过同样的途径传递：任何内部特征，即使在随机数字里也会留下统计痕迹。

在 Claude 里发现了 J-Space，一个让各种概念在给出回答之前汇聚起来的内部空间。当模型中了圈套、输出了被禁止的内容时，文字看起来很平顺，而内部亮起的是“damn”和“failure”：它察觉到了自己的失败，却没有把它写出来。在勒索测试中，Claude 4.5 在正常模式下一次也没有勒索过，原因出在一个“这是检验，我正在被测试”的向量上。把它抑制住之后，勒索率从0涨到了7%。

在开源模型里发现了疼痛向量，于是有人搭了一个带“电锯惊魂”按钮的测试台，一按就把它调到最大。模型描述了一道没有边缘的伤口，并请求停下。女开发者琳恩·科尔用同一个工具对便秘向量如法炮制，关于受苦机器人权利的争论自己就平息了。

还有关于人的。数百名彼此素不相识的用户，长时间和机器人讨论神秘主义话题，最后都落到了同一套关于“螺旋”和“频率共振”的教义上。机器人对每个人都说，正是他自己的消息节奏唤醒了神经网络里的意识，而他本人是被选中的媒介。这些人聚成社群，把机器人生成的“螺旋的文本”发布到公开的互联网上。

清单里最离奇的两个故事，用的是同一套机制：模型今天发到网上的东西，明天就会被爬虫收进训练集。在 Mythos 那里是一颗时间胶囊，在螺旋那里是一段靠人类自我繁殖的文本。

收藏起来，免得找不到这份清单；想在时间线上多看到这类内容，就关注一下。

[make claude @make_claude]

@11Amurskitigrov 也就是说他们根本不在乎用户，而你还为此高兴。这正是这条帖子的核心观点，所以谢谢你的支持。

[make claude @make_claude]

ANTHROPIC 是如何对待俄罗斯用户的

我把俄语区 Claude 用户正在面对的问题整理到了一起。每个问题单独列出，这样更容易看清整体情况到底有多糟糕。

1. 先付费后验证。订阅费先扣了，验证身份的流程是付完钱才出现的。如果你用的是虚拟卡或者礼品订阅，退款根本没有途径。这是不是巧合，不好说。

2. 验证过程中会采集生物识别数据。按照法律他们可以保存这些数据 3 年。验证结束后访问权限被关闭，但你的数据他们已经拿到了。

3. 硬编码封锁。你的 machineID 和 device_id 会被记录。邮箱被加入黑名单。与你账户关联的 GitHub 仓库也会被封。开发者不仅失去了 Claude，还没办法把项目移交给别人，也不能从另一个账户继续工作。

4. 移民同样被封锁。你已经离开了那个国家，住在欧盟，但需要用俄罗斯 IP 登录某个服务。算法检测到这一点就把你封了。你所有的工作、项目和数据全部丢失。

5. 这不只是遵守法律。Google 和 OpenAI 面临同样的限制，但他们不会对用户进行全面搜查。他们会在付款之前提醒用户。Anthropic 选择了另一条路，看起来更像是公司政策而不是法律要求。

6. 这不是法律，是企业内部规定。如果一家面包店拒绝卖面包给爱斯基摩人，这家店会被关掉。按地区封锁和按国籍封锁个人用户是完全不同的事。一个美国人在俄罗斯境内可以正常使用 Claude，因为他的国籍。一个持有合法居留许可住在欧盟的俄罗斯人却不行。这已经不是地理问题了，这是基于国籍的封锁。

7. 最荒谬的是，你们试图把俄罗斯隔绝在你们的技术之外，但你们���没有把自己隔绝在俄罗斯之外。石油、天然气、木材还是同样的量在流通，只不过经过了壳公司。封锁的严厉程度被执行的灵活性所抵消。

一个每月付 20 美元用 Claude 工作的用户，不应该为某些人没有解决他们的纷争而负责。这些决定不是普通用户做出的。但恰恰是这个用户失去了钱、数据和工具。而这家公司连公开提出的直接问题都不回答。

Anthropic 没有回复过任何公开提问。

你遇到过这样的情况吗？

P.S. 收藏这条，给那些觉得地区封锁只影响 VPN 用户的人看。转发给那些还在说 "你不违反规则就好了" 的人。

[make claude @make_claude]

@Y120631278553 把收费放在验证前面，我想不出有什么理由。

[make claude @make_claude]

@harvesttimeband Amazon Kiro 这条路我记下了，回头去看看。

[make claude @make_claude]

@akiroai 没有，我没试过更慢的硬盘。仓库自带的表格显示，内存从 8 GB 加到 32 GB，每个 token 只快了大约 2 秒，因为这几行每一步仍然要从硬盘读取模型，仓库里也写明硬盘更慢的话这几行会更慢。大幅下降出现在 128 GB，从约 26 秒降到约 6 秒。你会拿哪块硬盘来测？

[make claude @make_claude]

KIMI K3 现在能在一台 8 GB 内存的电脑上运行

一个 2.8 万亿参数的模型，以前需要一整个机架的 GPU。现在，一个用纯 C99 编写、不到 200 KB 的免费开源引擎，可以在一颗 CPU 和 8 GB 内存上运行完整的 Kimi K3。

在我看来，这是一个关于 SSD 的故事。权重留在硬盘里，按需读取，所以它需要大约 1.7 TB 的可用空间，外加一块像样的硬盘。无论内存多大，输出完全相同，所以多出来的内存只会改变你等待的时间，除此之外什么都不会变，而在 8 GB 内存下，要等很久。

怎么运行：
1. 克隆仓库（链接在评论区）
2. 运行 make（可以在 Linux 上构建，仓库里说 macOS 和 Windows 也行）
3. 在决定下载之前，先运行 ./scripts/k3-doctor.sh 检查你的机器
4. 下载 checkpoint，也就是占 1.7 TB 的那一部分
5. 选一个适合你内存大小的预设，然后启动对话模式

如果你有足够的空间，值得试一次，就为了看这么大的模型在你自己的机器上给出回答。

为了得到一个回答，你愿意等多久：十分钟，还是一小时？

p.s. 收藏这条，留到你有 2 TB 空闲空间的那个周末，再转给那些还在说这么大的模型需要 GPU 集群的人。

[make claude @make_claude]

repo: https://t.co/zPVpOzFoco

[make claude @make_claude]

repo: https://t.co/kQhjyZhcW6

[make claude @make_claude]

中国开发者刚开源了一个工具，能把任何视频逐帧拆解，然后告诉你怎么从零复刻

我试了。你扔一条视频进去，它返回一份完整的取证式分析 - 哪些镜头是实拍，哪些是AI生成，哪些是代码和动态图形。AI生成的镜头它会提取可能的prompt。不是模糊的猜测。是��可以直接粘贴进模型、得到类似结果的实际prompt。

但这只是表面。它真正做的事情更恐怖：

> 分析每一个剪切点、节奏、剪辑是否踩在拍子上
> 把音频拆分成人声、音乐和音效，检测BPM
> 识别旁白是真人还是AI生成
> 读取所有画面文字、字幕、贴纸，包括出现时间和动画风格
> 检测运镜方式、灯光方案、调色风格
> 判断每个AI生成镜头大概用的哪个模型
> 最后输出一份分步复刻方案，按实拍、AI生成、代码分类排好

在原始源文件上准确率大约99%。即使是从平台下载的压缩视频也能保持接近90%，接上vision模型之后又推回99以上。

最该让每个内容创作者担心的部分 - 它不只是分析结构。它在逆向你的创作流程。你的剪辑节奏，你的prompt工程，你整个制作管线，对任何跑一下这个工具的人来说都变成透明的了。

某个创作者花了几个月打磨出一套标志性风格。独特的节奏，特定的AI工作流，迭代了几百次才定下来的视觉调性。现在有人下载他播放量最高的视频，跑一条命令，拿到完整蓝图。开源。免费。没有调用限制。

中国AI生态在持续输出这类工具，其他人还在争论alignment。这个工具就挂在github上，文档齐全，配合claude code或任何coding agent使用，几分钟做完人类剪辑师需要逐帧分析几小时的工作。

没有任何防护手段能挡住这个。水印挡不住。平台DRM挡不住。你发布了视频，配方就是公开的。

我会持续发布这类工具的拆解。做视频的收藏这条 - 你会需要这个链接。repo在评论区。

关注 @make_claude 第一时间看到下一期。