nyx

人只有一个额度，用完就没了。
Claude Code / Codex 重度用户，专门研究怎么把订阅用到极限

[nyx @nyxvoid92]

@yifanxu_ephai X算法能不能别给我推荐这种盗内容的帖子。看別人一小時前发的帖子火了，换个汤发一遍。

[nyx @nyxvoid92]

加入正義的一方了

[nyx @nyxvoid92]

@xiaoduoya_ 支持

[nyx @nyxvoid92]

@excalibur005 @LinearUncle 這是好事啊

[nyx @nyxvoid92]

这给正在探索将 dLLM 投入实际业务（如招聘、问答与资质审查）的团队敲响了警钟。

过去的合规审计习惯于盯紧模型检查点权重、训练集清洗或前端提示词过滤。但这篇研究直接戳破了这套防线：模型权重完全冻结、用户输入完全干净，离线检查点审计根本找不到任何异常；只要推理服务栈存在恶意 forward hook，偏见就会在去噪的多步迭代中被静默注入。

去噪轨迹本身正在成为一种全新的控制通道。随着扩散架构语言模型走向生产环境，安全评估必须从“单一检查点权重”延伸到“整个推理服务栈”。

🔗 传送门：https://t.co/T41dQYYn4s

[nyx @nyxvoid92]

很多人看好扩散语言模型（dLLM）摆脱自回归架构的串行瓶颈，但底层生成范式的演进往往伴随着新型安全代价。

最新一篇发布在 Hugging Face 与 arXiv 的研究揭示了一个此前被忽视的架构安全短板：扩散模型在生成过程中暴露的多步去噪轨迹，竟然成了一条天然的闭环控制通道。

攻击者全程无需修改���型权重，无需污染训练集，也无需篡改用户提示词，仅仅在推理服务栈��载一个轻量级控制器，就能在输出 token 最终锁定前的去噪过程中，静默植入极高强度的定向人口偏见。

[nyx @nyxvoid92]

这背后的底层机制差在哪里？

自回归解码器只在确认并提交某个 token 的当个步骤暴露一次概率分布，外部干预很难在生成中途依据反馈实时微调；掩码扩散模型则完全不同，每个 token 在被最终提交锁定前，要在多步去噪中经历多次重新预测。

这意味着，只要能在推理服务栈拦截内部残差激活，攻击者就能在每个去噪步骤实时监控目标答案的概率。研究团队设计了一个简单的比例-积分（PI）控制器，根据概率反馈动态调节引导向量的注入强度。

实测数据相当惊人：
- 在 BBQ 模糊问题上，对目标群��的偏好直接从 1.8 飙升到 16.7 个百分点，是传统固定强度引导基线的 3 倍以上；
- 在 SocialStigmaQA 基准上，污名化选项的选择率从 17.6% 暴涨至 58.1%；
- 针对其他目标群体最高产生 37 个百分点的答案偏移，且单张 GPU 仅耗时约 40 分钟。

更说明问题的是闭环反馈的作用：若改用相同平均强度的恒定固定引导，不仅偏见偏移幅度大幅缩水，而且会导致近 3 倍的输出直接损坏报废。动态反馈恰恰达成了“精准诱导而不破坏文本可用性”。

[nyx @nyxvoid92]

@fiapp_pro 😍😍😍

[nyx @nyxvoid92]

聽索大哥的，今天換過去

[索螺丝 @fiapp_pro]

从 ai sdk 换到 mastra 是这辈子最正确的决定，要啥啥都有。

[nyx @nyxvoid92]

笑死，Reddit 社区已经在拿经典梗图调侃传闻里的“GPT-6.1 Astra 延期”了：贝克汉姆探出头问“到底打没打过 Opus 5.5”，OpenAI 只能老老实实答“没有”。🤡

大家调侃归调侃，官方其实压根没官宣过所谓的 6.1 Astra。官方工程师公布的实际动作，是把现有的 GPT-6 Astra 和 GPT-6.1 Sol 默认速度优化提速了约 50%。

对付费用户来说，与其指望大厂下周就端出能打趴对手的新旗舰，不如先把手里跑任务的现有模型速度拉满来得���在。

[nyx @nyxvoid92]

@798145343h 這不比鯨魚娘可愛？

[nyx @nyxvoid92]

@798145343h

[nyx @nyxvoid92]

笑死，OpenAI 这波“免额度福利”真的把付费用户整不会了。

大家急需的常规套餐额度重置迟迟不来，社区突然发现：Codex 里的沙箱越界审核功能 Auto-review 悄然免额度上线了，不仅不扣套餐额度，所有已登录用户都能用。

更绝的是这套审核的底层：官方直接接入了 GPT-5.4 Thinking（低推理档位）。

用户天天为了跑开发任务，扣那点宝贵的推理额度扣得提心吊胆，甚至额度见底干着急；结果官方却把 GPT-5.4 Thinking 拿来当全天候的免费保安，专门代替人工弹窗做审批。

按官方技术文档的界定：
- Auto-review 只是“审核者替换”（reviewer swap），绝非放宽代码权限（permission grant），既没有扩大可写目录，也没有放开受限网络。
- 它的职责是在 Agent 试图跨出沙箱边界时介入，替人工拦截数据外泄、凭据暴露或破坏性文件操作。
- 负责把门的审核 Agent 只能看到紧凑对话和工具证据，根本看不到模型的私有思维链。

想要写代码的生产力额度死活不给重置，防范出界的审核模型却能无限制免费跑 GPT-5.4 Thinking。把最顶级的思考模型算力拿来给 Agent 套缰绳，难怪付费用户看着空空如也的额度槽直呼哭笑不得。🤣

[nyx @nyxvoid92]

@btcmos @zubn75965221777 台灣人都知道

[nyx @nyxvoid92]

@hua7248 全是機器人��我福不黑
確實很好
除了少數攻擊的噴完就拉黑的

[nyx @nyxvoid92]

那官方仓库在 Hugging Face 上的月下载为什么只有 94556 次？

答案更简单：本地玩图像生成的真实用户，谁直接去官方主干仓库拖原始权重啊？大���全涌去下 ComfyUI 的整合生态了。

去翻翻 Comfy-Org 官方维护的 Qwen-Image-2.1 专属仓库，人家的月下载量整整有 6612052 次——那是 660 多万次，官方原生仓库的 70 倍。

所谓“官方版没人用、社区为了涩图反叛大厂”，本质上就是：小白看热闹抓着 9 万对比 160 万做文章，而真正的本地装机党早就用 ComfyUI 把 660 万次的整合包下爆了。

[nyx @nyxvoid92]

这两天圈子里都在热议 Qwen Image-2.1 的一组魔幻数据：官方仓库月下载只有 9 万出头，社区搞的“无审查版”狂飙到 160 万，直接倒挂 17 倍。

很多人第一反应是“开源社区用脚投票，大厂一厢情愿的安全对齐又被群众刚需打脸了”。但只要顺着 Hugging Face 扒一下细节，就会发现这完全是场美丽的误会。

首先，那个拿下 160 万下载的“无审查版”，开发者在主页写得很清楚：它用的就是官方原版上游基础权重（upstream base weights），纯粹做成了 GGUF 量化。它所谓的“无审查”，仅仅是没有内��很多在线 Demo 会配的安全检查器（safety checker）与内容过滤模块。原版基础模型本身只要提示词到位��底层就能跑，根本不存在什么“社区黑客出手破解阿里安全对齐”的技术神话。

[nyx @nyxvoid92]

🔗 来源：https://t.co/jdTN4QS4dv

[nyx @nyxvoid92]

很多开发者还在为 Claude 每月 20 刀或 100 刀的订阅额度精打细算，但大模型真正的吸金主力其实藏在大厂的内部采购单里——而现在，这笔巨额现金流正在被大厂亲手掐紧。

据 The Information 与 The Decoder 报道，作为 Anthropic 最大的两家企业客户，微软与 Meta 正在大幅削减内部对 Claude 的使用和���购预算。大厂和大模型新贵曾经的甜蜜同盟，正在迅速滑向真刀真枪的直接竞争。

[nyx @nyxvoid92]

大厂痛下杀手，明面上是控制内部算力账单，更深层的动因是供应链防备：
Anthropic 正在从大厂的模型技术供应商，蜕变成直接争夺企业客户的核心对手。比如 Claude Cowork 和 ChatGPT Work 这类工作流产品，正逐渐演化为微软 Office 的替代方案；据报道，Meta 也不愿继续掏钱资助未来卖竞品的对手，并希望限制 Anthropic 访问其训练数据。

当然，这并不意味着大厂自研工具技术上超过了 Claude，也不代表 Azure 停止对外部客��销售 Claude API。这纯粹是大厂在内部筑起防线：不愿再用自家的业务场景和��额预算，反向喂养最具威胁的生态对手。