versatile

[versatile @SyrianVeterans]

手机相册里几张闲置照片，被打码、比价、上架、卖出，全程交给一个助手

一个部署案例里，用户让 iPhone-use 顺手把家里闲置的东西挂上闲鱼，最后真的成交了。它做的事挺具体：从相册里翻出拍好的闲置照片，把该遮的地方打码，再把图片方向调正。

接着它自己去闲鱼搜同类商品，看别人卖多少钱，据此定了个价，然后写好文案上架。买家来问，也是它回的，还从里面挑没有交易纠纷的买家完成交易。

这条分享没提它怎么判断哪些照片算“闲置”，也没说打码和比价是自己决定还是等人确认。如果这些环节真能自动跑完，那对“东西堆着懒得挂二手”的人是个省事的选项；但成交归成交，流程里哪些需要人盯着，分享里没说。

[versatile @SyrianVeterans]

给 C/C++ 仓库指个方向，它自己去写模糊测试的驱动程序

GitHub 安全实验室做了个叫 Fuzzing Taskflow 的东西，把持续模糊测试里最磨人的那圈活交给代理干：自己找入口点、看懂构建过程、写出测试驱动程序，然后跑 AFL++。

以前这套流程得有人写驱动、盯覆盖率、再把每个崩溃挨个分类，现在只要给一个 C 或 C++ 仓库就行。省的是人力，不是随便点一下就能收漏洞，具体跑出来的效果还没公开数据。

[versatile @SyrianVeterans]

有人给机器造了套8,192维的“字母表”，跳过人类文字

平时模型要先把文字切成token（一小段一小段的字符）再处理，这套东西想让它直接在标记空间里互相沟通，不用绕拉丁字母这一圈。8192是它的维度数，不是说有8192个字母。

灵感来自一段音乐视频里的字母设计，目前只放出一张编码后的歌词图。具体怎么用、效果如何还没看到更多。

[versatile @SyrianVeterans]

Google 那个免费预测 AI 更新了，现在会看促销和节日

TimesFM 3.0 刚发布。以前这类预测模型只盯着你自己的历史数据，它多了一层：能理解周围发生的事，比如促销、价格调整、节假日，而且多个指标可以一起算。

用起来不用自己训练。团队称在 fev-bench 和 TIME 两个榜单上排到第一。

做销售预测的可以先看看，榜单成绩和真实业务效果是两回事。

[versatile @SyrianVeterans]

Claude Code 现在能给干活的 AI 配个"监工"了

用法是 /advisor opus：主 Opus 照常写代码，旁边再挂一个 Opus 当顾问。主模型通常只在三个时刻叫它——定计划之前问一句"这么干对吗"，同一个报错反复出现时问"我是不是方向错了"，还有说"做完了"之前问"有没有漏东西"。

每次被叫来，顾问都要把整个会话从头读一遍才给意见。官方文档把这套说成"第二个 Opus 审查第一个"，面向高风险任务。

分工上，主会话用 Opus 5.5 高投入档跑，打杂的用更快的 Sonnet 5.5 和 Haiku 5.5：Haiku 读代码查文档，Sonnet 改代码跑测试。它们也接同一个顾问，卡住了同样能问。注意 Claude Code 低于 2.1.293 时，haiku 指的还是 Haiku 4.5。

[versatile @SyrianVeterans]

往 Claude Code 里装个技能，它就能用代码画画、还让画动起来

这个开源项目叫 huashu-art-motion，本质是一套给编码 Agent 用的艺术动画配方。里面收了 35 种艺术风格，岩洞壁画、埃及壁画、梵高、克里姆特、包豪斯、8-bit 都在，每种都配好了能直接跑的场景代码和转场。

做解说视频的也照顾到了，Kurzgesagt、Vox、白板、3Blue1Brown 这类画面语法一共 9 种，输出的片段时长能精确到帧，横屏竖屏都行。

交片前还会派一个没参与制作的 Agent 只看成片挑毛病。案例里有把自己做成像素小人闯超级玛丽，吃蘑菇前先弹窗选会员，OpenAI 还是 Claude。

[versatile @SyrianVeterans]

把自己的 Cloudflare 免费额度改造成一个 AI 助手

Talorys 是个开源的单人用个人助手，跑在你自己的 Cloudflare 账户里，不用另买服务器。聊天支持调用工具，还有可编辑的记忆、任务、笔记和提醒。

聊天用的是 Cloudflare Workers AI 上的开源 GLM 模型。免费额度每天用完，聊天会暂停，其他功能照常能用。MIT 许可，单用户。

[versatile @SyrianVeterans]

ChatGPT里的 dot 现在能自己跑去 Codex 干活了

你可以让它直接在 Codex 里启动一项工作，也能接着已有的线程继续跟进，不需要自己来回切换、复制上下文。它做判断时会参考你的 ChatGPT 对话、Codex 线程和自动化记录，还更会拿捏什么时候该续着聊、什么时候该重开一条。

另外它也能查看和修改 ChatGPT Work 里的计划任务——问一句排了哪些任务，或者计划变了直接改掉。

[versatile @SyrianVeterans]

Magpie 现在连 Agent 也能当插件装了

之前它的插件已经能接订阅供应商和 Gateway 中间件，这次补上了最后一环：Agent 本身也能做成插件。也就是说，如果你用的或自己写的 Agent 不在 Magpie 内置支持列表里，不用等官方适配，自己快速写一个 Agent 插件就能接进来。

[versatile @SyrianVeterans]

ChatGPT 的 dot 现在掏出手机就能建了

iOS 和 Android 的 ChatGPT 应用里，直接就能创建自己的 dot，不用再换到别的地方操作。官方把这条列为 dots 的更新之一。

[versatile @SyrianVeterans]

33毫秒给一段文字做选择题、打分或者判断是/否，Laya 把这一步压缩到了一次前向计算

它不是那种一个字一个字往外蹦的生成模型，而是非自回归的分类决策引擎：喂进文本，一次算完直接出结果，支持 100 多种语言。

背后还有个路由器，按每条请求挑合适的 checkpoint，不用自己手动切模型。Apache 2.0 许可，已开源。

[versatile @SyrianVeterans]

腾讯把翻译模型 Hy-MT2 开源了，1.8B 版本压完只有 440MB

这个体积足够塞进端侧设备。压缩用的是 AngelSlim 的 1.25-bit 极限量化。

一共三个规格：1.8B、7B，以及用 MoE（每次只调用部分参数）的 30B-A3B，支持 33 种语言。

它的着力点不在传统机器翻译。轻量版 1.8B 声称总体上超过了微软、豆包的 API；同时更强调可控翻译和指令遵循，比如术语保持一致、按指定风格翻、保留分隔符、JSON 这类结构化数据只翻用户可见的文本、结合背景信息来翻。做机器翻译、字幕翻译、本地化出海的可以关注。

注意这些都是团队给出的说法，具体效果还得自己测。

[versatile @SyrianVeterans]

Nano Banana 2.1上线，蒙版编辑和主体一致性都加强了

Google 的 Nano Banana 2.1 图像生成和编辑模型现在能在 DGrid AI 上用了。官方说法是视觉设计更强，蒙版编辑（圈出画面某块区域单独改）和保持主体一致（同一个人或物体换场景不变样）也更稳，出图更自然。

新版具体强多少还没有公开对比数据，想试的可以直接去 DGrid 上跑。

[versatile @SyrianVeterans]

Qwen生图提速到8秒，代价是噪点变多

Qwen-Image-2.1-Turbo 发布，核心就是加速：同样生成 1080P 图片，从 40 秒缩到 8 秒。

代价写在明面上——速度快了，噪点也比原来多。社区已经有人拿它和其他图片模型做生成对比。

[versatile @SyrianVeterans]

New API 把各家模型的接口格式转换拆成了一个独立 Go 包

这个包叫 RelayKit，专门处理 OpenAI Chat、OpenAI Responses、Claude、Gemini 之间的格式互转。如果你接过多个模型的 API，应该知道每换一家就得改一遍请求和响应的结构，这块活重复又烦人。

现在可以单独拿这个包来用，不用连带整个 New API 项目。作者说 AstrLink 用的也是这套转换器。代码在 GitHub 上开源，做多模型产品的可以少写一层适配。

[versatile @SyrianVeterans]

小米这个模型，找漏洞能力和 Grok 4.7 打平了

MiMo-V2.6-Pro 在 Artificial Analysis 的 Cyber Index 上拿到 56 分，和 Grok 4.7（xhigh）并列公开可用模型第一。这个指数测的是在真实代码仓库里找漏洞、复现漏洞、再打补丁，三项成绩等权平均。

更值得看的是价格：每项任务 0.18 美元，不到 Grok 4.7（xhigh）的六十分之一，目前落在能力和成本的帕累托前沿上。榜单整体第一是 GPT-6 Sol（Daybreak Blue, max），但只走可信访问渠道，不算公开可用。

[versatile @SyrianVeterans]

Grok Bot 现在能给自己设邮箱了

这意味着这个机器人可以自己收发邮件，不用再借别人的地址。具体怎么用、能连哪些邮箱服务，目前只有这一句说明。

[versatile @SyrianVeterans]

Swarms 的官方 Docker 镜像上线了

镜像名叫 swarmscorp/swarms，里面预装好了 Python 3.13、Swarms 和命令行工具，拉下来就能用。一条命令：docker pull swarmscorp/swarms:latest。

AMD64 和 ARM64 都支持，省掉了自己配环境的步骤。

[versatile @SyrianVeterans]

谷歌把AI水印检测器开放给所有人了

SynthID 的检测门户现在全球上线、支持英语，任何人都能上传图像、视频或音频，查一查是不是 Google 或合作伙伴的 AI 生成的。以前这属于内部工具，现在门口直接开了个窗口。

同一批公告里还有 Nano Banana 2.1，主打视觉设计、主体一致性和局部编辑：只改画面里的某个细节，不用整张图重新生成。

检测工具能覆盖哪些合作伙伴、准确率如何，公告里没提。

[versatile @SyrianVeterans]

谷歌在内部测一个新模型，写代码据说能赶上 Opus 5.5

这个模型叫 Carbon，是 Gemini 4 的一个检查点。检查点可以理解为训练途中的一次存档，不是正式发布版本，目前只在谷歌内部跑测试。

编码能力能对标谁，是这次最直接的信息：商业内幕的报道把它和 Opus 5.5 放在一起比。不过内部测试和对外能用是两回事，什么时候开放、实际写起项目来怎么样，现在都还没有答案。