Hek

@dotey 我看图上写的 GPT-4o GPT-4.1 是 0x，这是完全不扣次数？随意用的意思么

GitHub Copilot 里面 Opus 4.7 居然是 7.5x，Opus 4.6 是 3x

@luoleiorg 锁定不了吧？只能一个月一个月的续费，哪天阿里想改价格了，直接不给续费，推出新的高价套餐就行了。

阿里云 Coding Plan Lite 今天18点彻底停售，连老用户续费通道都关了。不少朋友在纠结要不要升 Pro，我的建议是升，找 2–3 人拼车就行，每人每天 1000+ 次请求，正常用根本打不满。 我自己选国产 Coding Plan 的逻辑很简单👇 这种不按 Token 计费的订阅模式，厂商大概率是亏钱在做的。谁能一直亏得起，看的就是算力储备。 🔋 国内有这个底气的，说实话就字节和阿里两家。公开数据看，这两家是国内芯片采购规模和算力基础设施投入最大的公司，而且从 2023 到 2025 年一路在加码，不是突然冲一把。 🧩 算力够深还带来一个实际好处：字节和阿里的 Coding Plan 不只有自家模型，GLM-5、Kimi K2.5、MiniMax 这些主流模型也都接进来了，一个订阅覆盖大部分选择，日常用起来省心。反观智谱、Kimi 它们自家的 Coding Plan，模型版本可能更新更快，但受限于算力规模，限速、排队、高峰体验下降的反馈也不少，而且只能用自家模型，选择面窄。 🛠️ 另外这两家在开发者工具上都有自己的产品线——字节有 Trae，阿里有通义灵码。Coding Plan 对它们来说不是顺手搞搞，是有产品投入在背后的。 过去一个多月各家都在砍低价套餐、收紧限购，趋势很明确：补贴窗口在关 ⏳ 如果有条件，趁现在锁一个字节或阿里的套餐，当前价位不会亏。

@0xkakarot888 这个都要靠抢啊，反过来证明官方的算力(显卡)是真的不足了，抢到的兄弟们，用着也不会很流畅的。

GLM coding plan 终于抢到了，自己是死活抢不了，然后没办法，某鱼找了滴滴代抢。。。 先试 3 个月的，看看好不好用，也感谢评论区大神给我推荐的 opencode go，才10美金很便宜，我也买了，两个一起测，现在应该 token 无忧了。 感谢老师们，如果有好的使用建议，也方便在评论区分享，谢谢！

@legacyvps Minimax M2.7 highspeed 用来跑OpenClaw确实是非常不错。

最近刚刚好把国产模型都玩了一遍，包含GLM、MiniMax、Kimi。国外的Gemini、Claude、Codex我也在高强度使用。 国产三个会员我都开了套餐使用了一下，我就说一下我的使用感受。 使用场景： 1、文学创作 Claude > Gemini = Codex > GLM > Kimi > MiniMax Claude还是当之无愧文学创作方面是用着最舒服的，不管是流程整理，还是文章输出都是最贴近真人的感觉。 2、代码编写 Codex > Claude > Gemini > GLM > Kimi > MiniMax 在代码方面我和大部分人可能不一样，我觉得codex会更舒服，加上官方单独的review额度，精准的查找问题确认BUG。 Claude不敢大量使用，不是说不够好是token不够烧 3、日常任务理解 Claude > Codex = Gemini > GLM > Kimi > MiniMax 在日常使用当中，得益于Claude仔细的任务编排，会把任务做很好的规划，但是在提示词优化或者图片生成方面Gemini给我的最舒服 Codex在脚本编写归纳，也是非常的舒服，所以我会把他放在和Gemini一样的程度。 国产里面GLM是最强的，但是缺货和不稳定时它最大的问题，应该是算力不足。 Kimi本来领先但是最近没有什么新模型的消息所以落后了一点。 Minimax在能力上虽然不行，但是有两个非常明显的特点： 1、量大管饱 2、算力充足反应快 我的小龙虾主力，因为我不需要做复杂的任务，只需要简单的任务编排，量大管饱和反应速度就是我最看重的体验。 本观点只代表个人，如果有不同的观点欢迎评论区讨论。

@legacyvps 除非要经常切换着用不同平台，才需要CCswitch， 固定用 MiniMax Coding Plan的话，export 环境变量就可以 export ANTHROPIC_BASE_URL="api.minimaxi.com/anthropic" ; export ANTHROPIC_AUTH_TOKEN="sk-c.........." ; export ANTHROPIC_MODEL=MiniMax-M2.7 ; claude --dangerously-skip-permissions'

@francis_charlie @linyiLYi A3B的实际运行速度，比4B快。我在MacMini M4 Pro实测。我这边实测的是 32tps vs 52tps， 当然前提你内存要足够。

@HekLive @linyiLYi 简单的文件分类用得到35B？4B还搞不定吗？

找到了一个谷歌 gemma4 吊打阿里 qwen3.6-plus 的场景（亲测，但纯娱乐。模型能力要看很多场景，不过这方面的确吊打😂）

@libukai 要啥AI啊，只要甲方 钱给的足够多，完全可以安排个实习生，天天手动去抓取的。

收到甲方爸爸的新需求，其核心是抓取指定账号在以下平台上发布的内容的各项数据： 1. 小红书 2. 视频号 3. 抖音 4. 公众号 5. B 站 6. 微博 反正我搜了一圈，尝试了各种工具和各种服务，没有一个是能保证实现 365 天稳定抓取的。 敢问各位天天用 AI 做爬虫的朋友，请指点一下到底有没有啥工具能全部搞定的？我是目标用户，付费意愿强烈啊！！！

OpenCode + Qwen 3.6 Plus Free , 能用，生成的效果也不错。就是巨慢！！ 生成一个单页面的 .html Landing页，耗时34分钟，其中2张图片404，让它修改好，又 耗时20分钟。

@geekbb OpenCode + Qwen 3.6 Plus Free , 能用，生成的效果也不错。就是巨慢！！ 生成一个单页面的 .html Landing页，耗时34分钟，其中2张图片404，让它修改好，又 耗时20分钟。

OpenCode 上的免费模型，Qwen3.6 Plus Free 也上了。

MacMini M4 Pro 64GB内存 ， oMLX github.com/jundot/omlx/ Qwen3.5-35B-A3B-Uncensored-HauhauCS-Aggressive-MLX-mxfp4，实测 52 Tokens/秒 Qwen3.5-9B-Uncensored-HauhauCS-Aggressive-MLX-mxfp4， 实测 32 Tokens/秒 Qwen3.5-27B-Claude-4.6-Opus-Distilled-MLX-4bit， 实测 12 Tokens/秒

MacMini M4 Pro ，LMStudio的实测速度。 qwen 3.5 - 0.8B 超小版本，输出速度 80 Tokens/秒。 qwen 3.5 - 2B 版本，输出速度 67 Tokens/秒。 qwen 3.5 - 4B 版本，输出速度 32 Tokens/秒。 qwen 3.5 - 9B 版本，输出速度 25 Tokens/秒。 Qwen 3.5 - 27B，大概 8 tokens/秒 速度。

@swiftshoes @oran_ge Slack可以直接删，为什么 Discord 不会？迟早的事啊。

@oran_ge 我们用discord了，加入bro大军

Slack 这家公司太离谱了 昨天宣发 ColaOS，是我们公司最忙的一天 结果它直接就把我们的工作区删除了 一个做 IM 的，都没有任何的界面提示，也不让人备份数据，就直接给删掉了 而它就在几天前，刚刚还扣了我们公司一笔订阅费 我们员工都懵了，不知道的还以为老板跑路了呢… 后来知道是所有的中国大陆和香港澳门的企业都被删除了。 Slack 客服辩解说，我给你们这些企业都发过邮件啊… 大哥，这么重要的事情，你一边收着钱，就发个很容易进垃圾箱的批量邮件… 这种服务水平的企业以后谁还能信任呢？

@jakevin7 @dotey 用了 opencli 一个晚上，被封了一个小红书号 封了一个twitter号 😂😂😂😂

OpenCLI 1.4.0 要发版了🎉!太多东西了! 后面 1.5.0 的目标则是全面提升易用性。@dotey 感谢宝玉老师的建议。 包括反风控全面提升，安全性全面提升 等一系列重大升级! 也有很多易用强大功能，譬如支持了插件化，通用 web read 支持任意 URL 转 Markdown 等 github.com/jackwener/open… 反风控模式 新增完整的 anti-detection 体系核心能力包括：屏蔽 各种标记、伪造 API 返回值、注入真实的信息 、清理 CDP 特征应对高级 fingerprinting 检测。增加人类行为模拟延迟系统。 安全加固 Chrome Extension 安全性全面提升：封堵 javascript URL 注入；防止跨窗口操作用户个人浏览器；防止全量 cookie 泄露。修复了 command injection 风险，新增 stealth anti-detection 模块应对高级 fingerprinting。 Plugin 系统 Plugin 体系大幅增强：支持插件在执行前后注入逻辑；新增 plugin update 命令和安装后 hot reload；增加插件结构校验，安装和更新时自动验证合法性； 新平台适配 新增 10+ 平台支持：Pixiv 插画搜索与详情、TikTok 视频搜索、雪球/蛋卷基金账户查询、京东商品详情、LinkedIn 时间线、V2EX 节点/用户/回复、豆包（浏览器+桌面端）、Hacker News 全站（new/best/ask/show/jobs/search/user）、词典查询（搜索/同义词/例句）。 小红书新增图文发布自动化，微信公众号文章下载转 Markdown，通用 web read 命令支持任意 URL 转 Markdown。 Pipeline 引擎 模板引擎支持链式 || 表达式求值；sort step 实现 natural sort，字符串数字自动按数值排序，YAML 作者无需手动配置；fetch step 新增 HTTP 状态码检查；新增 record 命令支持实时 API 抓包录制。

@dashen_wang GLM-5-Turbo家的 99元 1亿Tokens，我用OpenClaw 一天半就跑完了。

腾讯云刚卖18天的Coding Plan，直接停售换成Token Plan了 新出的Token Plan分四个套餐，39块3500万token，99块1亿，299块3.2亿，599块6.5亿 有人算过账，99块的基础套餐，每次请求超2.2k token就比原来的Coding Plan坑 可程序员用的时候，每次请求都是几十上百k token，等于变相涨价 官方说升级是为了满足“编码”“龙虾”等场景需求，更灵活有性价比 但用户不买账——有人一天要用一亿token，现在得花599块买max套餐 还有人说，跑两个任务就把3500万token用完了，这哪是升级，是抢钱 对比土区ChatGPT Plus才80块，能接龙虾还能用GPT4.5，比这划算多了 评论里全是吐槽，腾讯玩不起，赚快钱的基因刻在骨子里 有人甚至说，现在只能优化提示词让AI少说话，或者回归古法写代码 毕竟几千万token不够用，谁扛得住这种强行替代的“升级”

@Keji715 @AI_Jasonyu 放弃 Sonnet 放弃 Opus吧，皈依 GLM-Minimax-Kimi-Qwen。 4家全部购买顶配Coding Plan，轮流用起来。一家不行就换一家，或者同一个项目让4家一起同时跑。哪个跑成功了就上线哪一个的成果。

昨天吐槽了下同事因为claude code封禁太严格就自己放弃了，没想到这么多朋友在下面提问如何弄海外电话卡、如何弄干净IP等等。 我来推荐下我折腾这件事儿的时候学习最多的三个博主，推荐大家也关注： 1. 鱼总聊AI @AI_Jasonyu 鱼总教程都贼详细，涵盖电话卡、银行账户、ip等等，希望我可以早日用上他的X创作者收益教程hh 2. 雪踏乌云 @Pluvio9yte 我关于干净IP的探索基本都学习自乌云哥 3. 劳伦斯@LawrenceW_Zen 有详细的关于如何使用claude code的教程，包括原版和国内版本，照着学就行了。 claude code封号、出海账号之类的东西，受到政策影响很大，经常关注他们可以得到实时的新信息~

@gefei55 3.5刀 买个健身计划表 PDF文件（电子版），显示有9个销量。

有人花了19.9，买了一张纸

@gefei55 OpenBookClaw

如果你的产品想要被 OpenAI 收购，产品名称里可以带上 Open 。 如果你的产品想要被 Meta 收购，产品名称里可以带上 M 或者 Book。 如果你的产品想要收获 Claude 的律师函，产品名称里可以带 Clawd 或者类似发音的词。

@fankaishuoai 省事点，直接弄台海外的VPS吧。折腾网络问题是浪费生命。

我仔细回忆了一下，发现我自从折腾小龙虾之后，到现在 70% 的时间都是在跟网络环境去折腾。 折腾到现在也没完全折腾明白，真他妈令人沮丧。

@karminski3 收到，无脑上 35B-A3B

给大家带来归一化的Qwen3.5系列模型分数汇总, 惊喜的发现是 27B dense 这个模型的确不以言, 基本达到了期间模型 Qwen3.5-397B-A17B 94% 的性能. 尤其是视觉Agent能力 (比如操作浏览器/手机等图形界面) 是这些里面最强的. 以及长上下文能力, 指令遵循也很不错. 通用 Agent 能力 (比如工具调用， 就是 OpenClaw 的绝大多数应用场景) 看上去 35B-A3B 和 27B 是一样的, 也有好多朋友问我, 我个人的主观感受是 27B 更强一丢丢, 但是带来的提升完全不值得上个 27B 的 dense 模型 (仅通用Agent能力来说哈), 还是 35B-A3B 这种激活量小的 MoE 更具性价比. 另外9B无论什么时候都是优于4B的, 即使9B量化到5bit, 跟4B的8bit差不多大小了, 我也还是推荐使用9B. 不过122B-A10B 就没太大的性价比了, 从分数上来看跟 27B 没有太大差距. 只不过知识量会大一些. 总结的话, OpenClaw 无脑上 35B-A3B, 传统任务比如文件处理, 写代码, 文本总结等能用27B尽量用27B, 9B 是最后的选择, 宁可 9B-5bit 量化也别 4B. #qwen35 #openclaw

@fankaishuoai 本地模型用 新出的 Qwen3.5 会不会更好。

升级到了小龙虾 3.7，主控模型 GPT 5.4，Thinking 设置 Medium，模型组合如下： 1. 主控模型： GPT 5.4； 2. 写作模型：Claude 4.6 Opus； 3. 编程模型：GPT 5.3 Codex； 4. 兜底模型：GLM 4.7，兜底和低价值任务。 4. 向量模型：BGE-M3, 本地向量化，记忆搜索。 5. 本地模型：Qwen3-Coder-Next。