ARCSEQ

🛩️ 弧序 ARCSEQ｜用ai创造可以玩的科幻机器
可拖动、可拆解、可起飞的交互技术品
｜分享知识

[ARCSEQ @ping17071]

@ai_funss 夸张

[ARCSEQ @ping17071]

https://t.co/wtdCApDVxj

[ARCSEQ @ping17071]

使用deepseek flash 10.17尝试了一下Anatomy，感觉效果还不错，回头可以尝试再开发开发。

[ARCSEQ @ping17071]

@ItsRealAlec Duo

[ARCSEQ @ping17071]

@leo114119 😏蒸的好是厂商的本事，用的爽才是我们的福利，不知道他们讲这些有啥用。

[ARCSEQ @ping17071]

@DesertCamelX 慢慢丢吧，不然走势如果不太好，就会越来越焦躁。

[ARCSEQ @ping17071]

@gshota666 坚持！

[ARCSEQ @ping17071]

想起来之前有个有意思的事，给codex派了个任务，让它去拆解一些小说学习一下语序和遣词造句，当时想着按他它的速度估计要搞一段时间，就出门逛街吃饭去了，饭吃了一半，DeepSeek来消息说api余额不足，我左想右想，怎么着也没想到这钱花哪了，最后想着可能是api不小心泄露了。等回家一看，诶！原来是是codex在猛猛指挥大肥鱼干活。拉了一下记录，codex发现大肥鱼harness➡️大肥鱼速度快且拆解质量可用➡️猛蹬！

[ARCSEQ @ping17071]

简单说，免费的条件是：你在 Claude Code、Codex 或 DeepSeek Harness 这类编程助手里，把模型换成 DeepSeek API，然后让助手自己去联网搜索或抓网页。这时候搜索和抓网页是 DeepSeek 服务器那边替你做的，这部分调用到 10 月 31 日都不收钱。

举几个例子：

免费：在 Claude Code 里接上 DeepSeek API Key，让它「查一下某某库最新版本怎么用」，它自动去搜、去抓文档页，这些搜索和抓取不计费。

免费：在 Codex 里用 DeepSeek 模型写代码，它中途联网查资料，也一样。

收费：你自己写程序，直接请求 https://t.co/hbZJdc1Fwo 或 /v1/tools/fetch，比如给自己的 RAG 应用接搜索，现在就按每千次成功请求 $0.75 收。

收费：在你自己的应用里让 DeepSeek 模型调这两个接口，也算直连，照常计费。

另外，免费的只是搜索和抓网页这两个动作。模型本身生成内容用的 token 还是正常扣钱。文档原话说的是这些「服务端工具调用」目前免费，所以「工具在 DeepSeek 服务器端执行」才是关键，不是只要用了 Claude Code 什么都免费。

[ARCSEQ @ping17071]

DeepSeek 刚刚官宣了 V4.1-Flash-1017，其实上午 10:40 权重就偷偷传上 Hugging Face 了（比官宣早了整整 6 个小时）。

现在网页端、App 和 API 已经全线切到新模型。趁中文区刚开始跟，60 秒看懂这波最狠的 4 个增量：

1. 规格拉满，而且死磕「省钱」
• MIT 协议真开源（对比昨天某些附加一堆商用条款的大厂，格局拉满）
• 原生图文多模态（image-text-to-text），FP8 精度
• 1M 上下文，最大输出 max_tokens ≥ 256K
• 官方特别强调了一点：完成任务更快、输出更短——不凑废话，直接帮开发者省输出 Token 账单（网传第三方 OpenRouter 报价仅 $0.15/M 输入、$0.6/M 输出，待核实）

2. 硬刚 Opus 5：有赢有输，不玩虚的
官方模型卡放出的自报跑分非常诚实：
• 赢下三局：DeepSWE v1.1 77.0（超 Opus 5 的 74.0）、Automation-Bench 60.5（Opus 5 只有 50.3，全表最高）、Apex Bench 72.1（超 Opus 5 的 65.8）
• 仍有差距：Terminal-Bench 4.0（42.3 vs Opus 5 的 51.8）、无工具 HLE（42.6 vs 56.3）还是 Opus 5 领先

3. 顺手端出 Agent 刚需基建：Search & Fetch API
同线程直接向所有人开放，每个端点 $0.75 / 1,000 次调用，背后是 DeepSeek 自家搜索引擎。
更香的是：在 DeepSeek Harness、Claude Code、Codex 里通过服务端工具调用，DeepSeek API 用户目前免费，北京时间 11 月 1 日 0 点才开始计费。
做联网 Agent 的团队，这两周白嫖窗口别错过。

4. 开源 deepseek-recipe 工具包
同步在 GitHub 放出了带 Rust + Python 绑定的提示格式工具包，工程落地直接喂到嘴边。

[DeepSeek @deepseek_ai]

🚀 DeepSeek-V4.1-Flash-1017 is here!

Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API.

🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model.

1/4

[ARCSEQ @ping17071]

@xluchuan 网页版做规划，codex负责干活

[ARCSEQ @ping17071]

@xluchuan pro确实是这样，我用来好几个月都没事，前两天心血来潮升到了max，上午升的下午封

[ARCSEQ @ping17071]

@Cupcakebby93 ai越来越聪明，就不需要人像以前那样多重限制

[ARCSEQ @ping17071]

花了一点时间，把这两天 X 上疯传的 Anthropic 3小时46分长视频（Code with Claude 伦敦站合集）看完了。

全片啃完，最颠覆我固有习惯的 5 个实战笔记：

1. 你的 Agent 越调越笨，往往是因为 Prompt 写成了屎山（48:41）Anthropic 工程师把一个库存 Agent 约 400 行的系统 Prompt 直接砍到了 15 行，12 个工具砍到 3 个（主用 bash），低频业务规则全部打包成 Skill 按需加载。 结果评测准确率直接从 62% 飙到 92%。 里面有句话太精辟了：“你自己读 Prompt 都分不清哪句是指南、哪句是政策、哪句是数据，模型多半也分不清。”

2. 给旧模型打的补丁，正在毒害新模型（14:42）以前怕旧模型乱报套餐，加了句“永远别给错信息，引导客户看网址”。 结果换了更听话的新模型，明明手里有数据也死活不告诉客户。 教训：每加一条防御性指令，必须在旁边记下为什么要加，模型升级后第一件事就是拆旧补丁。

3. 别让模型硬算，也别往上下文里硬塞 CSV（17:05 & 1:13:39）在 Prompt 里吼一百遍“计算必须准确”没用，给个计算工具才有用； 遇到大表别塞进上下文污染注意力，让 Claude 自己写 Python 跑完、只读结果，单次任务直接从 20 万+ token 断崖式降下来。

4. 单次 Prompt 搞不定的复杂约束，拆成「三段式」（23:17）做排班 Agent 时，单跑 Sonnet 4.6 全挂，上 Opus 4.7 开自适应思考虽然能过，但延迟和 Token 翻了三倍。 最后最优解是 Generate → Evaluate → Repair（初稿 → 挑错 → 修复），不仅又快又省，还能在运行时随时塞软约束（比如“Harry 不想和 Sally 一起排班”）。

5. Anthropic 内部最骚的三个习惯（1:33:17 & 3:19:00）
• 反客为主：别自己憋需求，让 Claude 调
AskUserQuestion 反过来采访你，问透了再出规格文档。
• 枪毙长 Markdown：超过 200 行的 Markdown 没人看，直接让 Opus 4.7 生成 4 个可交互的 HTML 原型，看图给反馈。
• 写代码不再是瓶颈：Claude Code 团队已经 4 个月没见过不含 Claude 辅助的 commit，不搞 6 个月路线图，有分歧少写文档，直接让 Claude 搓几个 PR 原型出来比。
与其说是课程，不如说是一段踩坑史。

[Dipanshu Kushwaha @Dipanshu_AI]

00:15 - The right way to prompt Claude
33:21—What makes Claude act dumber in your code
01:33:39 - How Anthropic uses Claude every day
02:50:56 - A fix that makes Claude way smarter - This

The 4-hour Anthropic free course replaces about 10 paid engineering courses.

Watch it today, then bookmark it for later.

[ARCSEQ @ping17071]

@jax_wu 是这样的

[ARCSEQ @ping17071]

@nannan07788 0影响，不发敏感话题

[ARCSEQ @ping17071]

难道说，有大招？

[Codex Tracker (Unofficial) @CodexResets1]

🚨 ChatGPT Pro is getting a serious upgrade!

GPT-6 Astra Pro is moving closer to a future where multiple AI agents collaborate directly inside ChatGPT.

Less time spent waiting, more complex work handled efficiently, and a much more seamless experience.

[ARCSEQ @ping17071]

怎么总感觉Gemini argon的额度用起来巨快无比，两个问题就把额度用完了。

[ARCSEQ @ping17071]

Meta 官方博文：https://t.co/IWZaTtR23r→ HF 权重集合：https://t.co/4enFGcmsmK

[ARCSEQ @ping17071]

Meta 昨晚突然扔出 816B 开源权重 Muse Spark Open，官方自封「美系迄今最强开源权重」。但是
1. 账面规格确实猛• 原生多模态（文本+图像+视频+音频输入，文本输出） • 256 专家 MoE 架构：总参 816B 占显存，实际每次只激活 42B 算力 • 1M 上下文，支持 100+ 语言，主攻 Coding 与长程 Agent

2. 「本地可跑？」 BF16 权重高达 1.65TB（需 ≥2TB 显存），NVFP4 也要 537GB（需 ≥700GB 显存且偏 Blackwell 卡） • 官方吹「两台 Apple M5 Ultra Mac Studio + MLX 能本地跑」 • 社区实测：单台 M3 Ultra (512GB) 跑 oQ3e 量化（约 344GB），生成速度约 21 tok/s
也就是说，实际上想要达到完整的效果应该是与大部分普通人无缘了。
3. 三个没人细说的坑• 推理默认锁死 xhigh，thinking 模式目前关不掉• 非 Apache/MIT 协议下用它必须标注 Built with Muse Spark Open• 年营收超 2000 万美元的 MaaS（模型即服务）必须找 Meta 另签商业协议
官方指路⏬⏬⏬⏬⏬⏬