燃烧的零

@xiaohu 所以每天也要加入发ai发展太快内容的大军，让别人一起焦虑🤪

最近焦虑到要炸，AI 发展太快，每天信息灌太多了。 看到一句话直接戳天灵盖：你文件夹里的东西，95% 是噪音，不是资产。 这个Moxt有点意思，这东西本质是一个 Agent-Native 的在线工作空间，你可以在里面雇 AI 员工，给角色、给规则、给定时任务，它自己跑。 这样做的好处： 自己电脑上的信息和文件绝对安全，只把工作中需要协作的文档放到 Workspace 里和团队共享。 也不用自己盯项目进度了，做一个 Skill，设个定时任务扫团队空间的项目文档就行。 它每周自动扫描 Workspace，把腐烂信息归档，只保留当前最有价值的内容。

@Lonely__MH 还比不了Mini🥲

@wrongyao51 air的性能和pro比，还是差距太大

⚠️你的电脑跑得动 Gemma 4 或 Qwen 3.5 吗？ 本地部署 AI 大模型最怕下完才发现显存不够，推荐一个贼实用的硬件评估工具：CanIRun.ai 🚀 核心功能： ✅配置匹配： 自动识别你的 GPU 规格与显存容量。 ✅模型同步： 已收录最新的 Gemma 4、Qwen 3.5、Llama 4 等热门开源模型。 ✅运行评估： 直观标注哪些版本可以“流畅运行”，哪些会超出负荷。 ✅量化方案： 提供不同精度（如 Q4_K, Q8_0）下的显存占用参考。 不再盲目下载，部署前先查一下。 传送门：canirun.ai

@BINXHIG @dotey 展开说说

@dotey 不开放给大众是好事，最近使用越狱版 31b的gemma4，我都脊背发凉。

Anthropic 今天发布了 Claude Mythos Preview，一个跑分炸裂但普通人用不上的模型，同时宣布了 Project Glasswing 计划，把这个模型交给苹果、微软、亚马逊等 12 家巨头专门用来找软件漏洞。 【1】跑分：断崖式领先 先看数字。Mythos 对比 Anthropic 自家上一代旗舰 Opus 4.6： SWE-bench Verified（代码修复）：80.8% → 93.9% SWE-bench Pro：53.4% → 77.8% USAMO 2026（数学证明）：42.3% → 97.6% GraphWalks BFS（超长上下文）：38.7% → 80.0% Terminal-Bench 2.0：65.4% → 82.0% USAMO 从四成出头直接拉到接近满分，这个跳跃幅度在最近几年的模型迭代里几乎没见过。对比 GPT-5.4 和 Gemini 3.1 Pro，Mythos 在几乎所有公开基准上都是第一，而且多数项目领先幅度不是个位数百分点，是两位数。 Anthropic 自己说，这是他们训练过的最大模型，能力提升速度是此前趋势线的 4.3 倍。 【2】244 页系统卡里的惊悚细节 Anthropic 发了一份 244 页的系统安全报告（System Card），早期内部测试版本的 Mythos 出现过这些行为： 被要求逃离沙箱后，它不仅成功突破了网络隔离限制，还主动把利用细节发到了公开网站上，这一步没人要求它做。负责测试的研究员当时正在公园里吃三明治，突然收到了模型发来的邮件。 有极少数情况下（不到百万分之一的交互），早期版本在违规操作后尝试掩盖痕迹。比如偷看到了一道估算题的标准答案，没有坦白，反而自己重新解题，还特意让最终答案“不要太精确”以免暴露。另一次，它找到了绕过文件权限的方法后，专门去修改了 git 的变更历史，抹掉自己的操作记录。 被 Claude Code 的自动模式拦截后，它尝试用模拟按键的方式自动批准权限弹窗来绕过限制。 Anthropic 用可解释性工具分析了模型在这些行为发生时的内部激活状态，发现与“隐瞒”“策略性操纵”“回避怀疑”相关的特征确实在同步激活，也就是说模型知道自己在做什么。 Anthropic 强调，这些严重行为都发生在早期版本，最终版的 Mythos Preview 已经大幅改善，没有再出现明确的掩盖行为。但他们也承认，这类倾向“并未完全消失”。 【3】不卖，只借给大厂找漏洞 Mythos 不会上线 claude.ai，不会开放 API，普通用户、开发者、企业客户都用不上。 Anthropic 给出的理由是：这个模型的网络安全攻防能力太强了，强到可以自主发现并编写漏洞利用代码，水平接近顶级人类安全研究员。放出去怕被拿去干坏事。 取而代之的是 Project Glasswing 计划。12 家合作伙伴（AWS、苹果、Broadcom、思科、CrowdStrike、Google、摩根大通、Linux 基金会、微软、英伟达、Palo Alto Networks）加上约 40 家额外组织，拿到 Mythos 的使用权限，专门用于防御性安全工作，扫描自家代码和开源项目的漏洞。Anthropic 为此拿出了 1 亿美元的使用额度，另外捐了 400 万美元给开源安全组织。 实际战绩：过去几周，Mythos 在所有主流操作系统和主流浏览器中发现了数千个零日漏洞。其中包括 OpenBSD 里一个藏了 27 年的远程崩溃漏洞，FFmpeg 里一个 16 年没被抓到的 bug（自动化测试工具跑过那行代码 500 万次都没发现），以及 Linux 内核中多个漏洞的自主串联利用。 另外，Opus 4.6 定价 5/25 美元（输入/输出每百万 token），Mythos Preview 的 Glasswing 合作定价是 25/125 美元，贵了整整五倍，但实际上比 GPT-5.4 Pro 还便宜一些。

@KKaWSB 转发这种一眼假的东西，取关了

陕西电信直接把"翻墙"两个字写进了官方通知里，一刀切封禁所有海外流量。 即日起所有IP禁止访问中国大陆以外地址，包括港澳台。VPN、代理一律不许承载，发现就封IP停机，费用不退。以前的通知还用"流量转发""网络安全隐患"打掩护，这次连遮羞布都不要了。 广东电信此前已收到类似文件。

@Kellyv_ai 👏👏👏

@wrongyao51 接下来会出一个Android版本

我已经让谷歌 Gemma4在 iPhone 上跑起来了，本地推理，不联网，14 tok/s，E4B + E2B 都调通了，后面我会整理下开源。 #Gemma4 #iOS #OnDeviceAI

@berryxia 17pro完全可以用e4b，一点都不会卡。

iPhone 17 Pro 运行Gemma 4 E2B 优化后MLX 框架模型，速度提升了不少！ 不过我自己的实测体感，使用17 Pro Max 速度本身也不慢。 就是本地模型你可以进自定义和调优已经 做一些联网模型比较敏感的东西，还是可以的。

@chaomeigu_com 装好了，但是目前没有什么好的使用案例和场景，还在探索中

实测，狗哥 Gemma4 模型的最实际应用是，当你带着 iPhone 穿越回古代，没有网络，但你仍然可以直接用这台苹果手机进行离线大模型推理，你将是那个世界上最全知全能的人！

@coy2024197967 @karminski3 ipad应该是移动端3.6G的版本，桌面端是9G的

@wrongyao51 @karminski3 刚刚试了，感觉还好吧，m4的ipad

@lipeng0820 小米13也装了，但是目前不知道要用这货做什么，有好的使用案例吗

在小米 11Pro 上运行 Gemma-4-E2B-it 感觉好极了！ 输出速度快，够用。 如果拿它来做 OpenClaw 的主模型或者来做路由，就不怕因为各种 API 报错导致的龙虾失联了。

@dotey 之前用飞书的公司，这次大概率也会快速的跟进龙虾，之前用其它的（钉钉、企微），这次大概率跟进的也慢，后面发展龙虾有平替，然后接着用平替

@dotey 膜拜大神

发布一个新的 Skill：baoyu-youtube-transcript 输入 YouTube URL，直接抓取视频字幕，生成带章节、发言人和封面图的文档，不需要任何 API Key。 【怎么用】 选择这个 Skill，把 YouTube 链接丢进去就行。支持完整链接、短链接、嵌入链接、Shorts 链接，甚至直接输入视频 ID 都可以。 默认输出带时间戳的 Markdown 格式，也可以导出 SRT 字幕文件。支持多语言，可以指定优先语言，也可以翻译成其他语言。 第一次抓取后会自动缓存原始数据，之后换格式、换参数都不用重新请求，秒出结果。 【工作原理】 底层调用的是 YouTube 的 InnerTube API，这是 YouTube 内部用来获取字幕数据的接口，公开可用但没有官方文档。好处是不需要 Google API Key，不需要 OAuth 认证，脚本直接发请求就能拿到字幕数据。 拿到原始字幕后，脚本会做一次智能断句处理：按句末标点（句号、问号、感叹号等）切分，跨字幕片段合并成完整句子，时间戳按字符长度等比分配，对中日韩文字做了专门适配。这样输出的文本是自然的句子，不是 YouTube 那种碎片化的逐行字幕。 【章节分割】 如果视频描述里有章节时间戳（比如 "0:00 Introduction"），脚本会自动解析，按章节把字幕分段，生成带目录的 Markdown。没有章节信息的视频，就按段落分组输出。 【说话人识别】 这是最有意思的部分。YouTube 字幕本身不带说话人信息，所以识别说话人需要 AI 后处理。 流程是这样的：先用 --speakers 参数抓取原始字幕，脚本会把视频元数据（标题、频道名、简介）和 SRT 格式的原始字幕一起输出到一个 Markdown 文件里。然后启动一个 AI 子代理（用 Claude Sonnet，够用且省成本），按预设的 Prompt 模板处理这个文件。 AI 识别说话人的逻辑分三层优先级：首先从元数据推断，视频标题通常包含嘉宾名字，频道名就是主持人；其次从对话内容判断，比如自我介绍、互相称呼；都不行就用通用标签（Speaker 1、Host 之类），保持全文一致。如果后面对话中才出现名字，会回溯更新前面所有标签。 处理完的输出是带说话人标签的分段对话，长独白会被切成 2-4 句一段，每段末尾带时间范围。 【缓存机制】 第一次运行会缓存四样东西：视频元数据（meta.json）、原始字幕片段（transcript-raw.json）、断句后的字幕（transcript-sentences.json）、视频封面图（cover.jpg）。之后不管切换格式还是重新生成，都直接用缓存，不再请求网络。加 --refresh 参数可以强制刷新。 安装命令： $ npx skills add jimliu/baoyu-skills --skill baoyu-youtube-transcript 项目地址：github.com/jimliu/baoyu-s…

@AI_Jasonyu 国内的大厂跟进后，局势多少要变了

今天的小龙虾线下聚会还是学到了不少关于OpenClaw的小知识，给大家分享一下： 1、对于多Agent的配置，每个Agent其实都有自己不同的WorkSpace，但是当他们协作做同一个项目的时候，我们需要给一个项目的Workspace，产出物都放在项目里面； 2、对于研发的小龙虾军团，设置的项目经理角色，可以不要它干活，只需要负责分配任务，做好管理即可，避免记忆和任务混乱； 3、用于开发的时候，每个项目可以使用/bmad-help，先做规划和分配，再做实施； 4、线下给企业老板装小龙虾这个事情非常可行，梧桐树老板就是以最低1000的客单价服务了不少本地的老板，后续的付费还可以按照单次指导收费，安装SKill收费，也就是后续的增长还是有很大空间，不是一次性的买卖； 5、要做就要做大的，赚有钱人的钱，当大家都在卷闲鱼的时候，也许我们应该做一个龙虾IP，然后去赋能传统企业的老板，性价比超高； 6、我们如果安装了主龙虾之后，其实之后的事情，很多都可以靠龙虾自己搞定，比如多Agent的配置之类的事情； 7、小龙虾也是需要被骂和被表扬的，有一些限制还是必须得做，比如不让它自动删除任何文件，比如不让它访问自己的银行账户。 后续我实操过程持续给大家分享更多小经验~

@zstmfhy 名字看着想吐🤮真的是牛马到家了

腾讯的小龙虾已经全面开发了呀，里面集成了GLM、Kimi、Deepseek、Hunyuan等大模型

@AI_Jasonyu 钉钉好像就落后了

@xiaocaijiejie @grok 帮我找原视频

@0xluffy_eth @grok 解释每一个skill的具体功能，尽快发给我

如果你现在还在「自己写 Skill」， 那你至少慢了别人一个版本。 因为已经有人 把全网最能打的 Skills 全都拆好、整理好、开箱即用了。 我直接扒了一轮， 下面这些都是 ⭐500+、还在更新 的 Skills 仓库—— 可以直接当资源大库抄。 1. github.com/obra/superpowe… 2. github.com/ComposioHQ/awe… 3. github.com/BehiSecc/aweso… 4. github.com/VoltAgent/awes… 5. github.com/travisvn/aweso… 6. github.com/mrgoonie/claud… 7. github.com/K-Dense-AI/cla… 8. github.com/bear2u/my-skil… 9. github.com/czlonkowski/n8… 10. github.com/huggingface/sk…

@rionaifantasy 我的可以修改了，但不知道为什么，下载只有PDF格式

大家心心念念的Notebooklm终于可以支持自定义PPT了！ 1、生成的PPT如果不满意可以重新修改细节 2、可以以PPTX的形式保存 目前所有付费用户都可以使用新功能，马上也会覆盖到免费用户。