Speedx

@jaylenngx @Bill_Jobss 那不就是书签吗….

@Bill_Jobss 必须是你点击过的才有记录，光看到的不行

测试一下！ 都更新𝕏吧，历史浏览记录终于 tmd 来了！

@BTCqzy1 动画怎么做的呢

今天让Codex帮我做了个有趣的【海底3D科普世界】，顺便加了点动画。 可以自由点击切换 + 拖拽旋转～ 图片用 Image 2 生成，整体氛围还可以～但动画部分还有些瑕疵，继续迭代吧～

@captain_kent @0xTiger 昨天我还刷到 他说用AI做的 下面还有人做成了日语的版本

@0xTiger ai做不到文字这么清楚

但凡船长当年大学的民法老师能有这位老师这样较真，船长「全国优秀法学毕业生」的称号也不至于丢掉了。 那么考考大家，这位老师讲的具体是哪堂课？

@jason_chen998 三吧 宇宙中的生命都被光速限制住了 ， 即使达到光速也相隔遥远

我之前一直坚信这个世界肯定有外星人，毕竟宇宙无穷大，和地球一样的行星也有无数个，即使出现生命的概率再小，任何数乘以无穷大也该是无穷大了，所以生命在宇宙中应该是个很普遍的事情。但是直到有一天我听到了费米悖论，突然意识到人类在整个宇宙里可能真的只是非常孤独的存在。 先问你一个问题，你觉得以人类现在的科技发展速度，再过多少年就可以具备深空探索发现外星人甚至去对方星球考察的科技能力了？1万年？10万年？100万年？反正就算再久你肯定会觉得总有那么一天吧，那就假设1000万年吧。 这时候费米悖论就来了：“那它们在哪呢”？ 你懵了，什么它们在哪呢？你在说什么？ 刚才说了两个前置条件，首先宇宙中的行星有无数个，那理论上生命也有无数个。其次人类发展到一定程度肯定能进化出深空探索的科技能力，假设需要1000万年。 那尽管我们人类还没有走完这1000万年，但是宇宙有整整140亿年的历史，有无数个行星诞生的时间远远早于地球1000万年，理论上也已经有大量的生命发展进化的时间比人类早了1000万年甚至1亿年，那它们也早该具有开着飞船跑到地球上考察我们的能力了啊。 但是，它们在哪呢？ 这就是费米悖论，让一众科学家沉默的问题。 所以结论只有三种可能 1.地球是整个浩瀚宇宙中唯一具备生命的行星，人类是孤独的。 2.所有生命无一例外在发展到具备深空探索的科技能力之前，全部都会自我毁灭。 3.深空探索是一项所有生命无法逾越的鸿沟，就算宇宙中有无数生命，它们也永远无法接触到对方。

@aliez_ren 不是 biu biu biu吗

$BNB 的全称原来是 Build and Build，难道只有我直到现在才知道？

@manateelazycat 1

社区大神又发力了，牛逼啊！微信聊天资料直达Hermes Agent，这下好玩了，居然还能分析朋友圈😅 AI真的侵占所有领域了，做销售的同学一定要把AI用起来，热单冷单的追踪是最大程度决定是否下单的因素 你们看这个视频吧，感兴趣的评论区打“1”，免费的软件，不收钱🔥

@Saccc_c 差不多就是幻灯片吧

Codex 最强剪辑插件 HyperFrames 视频版教程来了 轻松学会后，一小时手搓任何视频，闲鱼挂单月入过万不是梦

@op7418 @goodhunt Deepseek logo

@goodhunt 笑死 才反应过来鲸鱼兄弟啥意思

鲸鱼兄弟们好，我是做 DeepSeek-TUI 的那个美国佬。 说真的，特别想跟国内的鲸鱼兄弟们一起混——但我的翻墙技能仅限于写代码，微信到现在都没搞定，属实有点丢人。 求各位大佬帮个忙： 1）帮忙转发扩散一下，让这个开源终端工具翻过高墙被兄弟们看到 2）顺手帮我验证个微信号，我想建个群，大家一起聊 DeepSeek、聊开源、聊怎么把 agent 做得更好 作为交换，我发誓死守 cargo install 这条安装路径，绝不让任何一个兄弟受 npm 的苦。 顺带一提，这段话是 DeepSeek 帮我润色的——感谢鲸鱼赐我流利中文 🙏 github.com/Hmbown/DeepSee…

@karminski3 跟kimi 一个问题

给大家说下目前使用 DeepSeek-V4 (pro/flash) 的最需要注意的问题. 本身其实并不算 bug, 但是却很致命. 问题大概是这样的, 在请求 DeepSeek API 或者 terminal coding agent (claude code, kimi cli 等) / AI IDE (cursor 等) 用 DeepSeek 的时候偶尔会遇到报错: HTTP 400 {"error":{"message":"The `reasoning_content` in the thinking mode must be passed back to the API.","type":"invalid_request_error","param":null,"code":"invalid_request_error"}} 这个报错的意思是, 请求 DeepSeek API 必须在 tool_call 的时候回传 reasoning_content 这个字段. 听上去没问题, 开了思考模式那肯定要把 reasoning_content 作为上下文回传. 但是来了, 如果任务的这一步制定的 tool_call 过于显而易见, deepseek 返回的 reasoning_content 其实是空字符串. 这就导致了有些写代码的 IDE 直接过滤掉了这个字段, 不回传, 导致 DeepSeek API 报错, 编码任务或者 Agent 就直接挂了. DeepSeek-V4 API会不会真的有的时候 reasoning_content 空字符串? 答案是会的, 我专门构建了个 POV 场景, 复现概率高达 59%. 那么出现 reasoning_content 为空字符串的时候该怎么办? 经过验证, 答案是必须原样传回去. 即也在 context 中保留这个值为空字符串的字段. 不能是空对象, 也不能丢掉. 那就原样传回去呗? 废什么话呀? 关键是, 现有的各种 terminal coding agent 或者 AI IDE 这并不是默认行为, 它们大部分的默认行为是直接把字段丢掉了, 导致 DeepSeek-V4 API 报错. 所以现在的解决方法是, 要么等 IDE 的官方修复, 要么你用的 IDE 或者 coding agent 是开源的, 自己 fork 一个版本魔改. 另外, 如果你的 Agent 项目要使用 DeepSeek-V4 也要注意这个坑. 避免运行到一半直接报错退出. 以及, 报错重试不太行的, 因为 DeepSeek-V4 在我 POV 这个场景, 59% 的概率都会为空. 如果重试次数为 3, 那偶尔都不够用. 所以还是老实的把问题解决为好. #deepseek #deepseekv4

@freeman1266 这是多少内存 ttft 挺快的啊

用Mac mini 本地部署了 gemma4 26b 和 qwen 3.6 35b，从速度上看，gemma 4真的是快；问了经典洗车问题，gemma 能回答出开车去，但很啰嗦；qwen 回答不准确。虽然很多人吹 qwen 3.6 多好，但如果是本地模型，我暂时还是会选择 gemma 4

@jjjkkkunb666 最近这种编故事的套路挺多啊

一个中国开发者，用Claude Code给孩子们做了个数学游戏。 拔河比赛，大屏幕上两支队伍。谁最快解出方程，谁就把绳子往自己这边拉。 有老师发了条班级玩游戏的视频。其他学校看到了，第二天就开始用。 评论区所有人都在聊孩子。聊他们多聪明。聊中国AI教育已经领先世界多少年。 西方还在翻教科书，中国孩子已经在用AI驱动的游戏学数学了。 没人聊做这个游戏的开发者。 直到有人点进他的个人资料。 一个GitHub链接。23个仓库。大部分是教育应用——数学游戏、语言工具、儿童相关内容。 但有一个仓库不是给孩子的。叫pm-engine。最后一次提交：4小时前。 RN1。利润7,307,513美元。52,329次预测。2024年12月加入。 给中国孩子做数学游戏的这个人，用同一台笔记本电脑，在预测市场上跑AI代理。 体育赛事。NFL、NBA、意甲、德甲、CS2、澳网，全都在搞。 一笔单子：多特蒙德对圣保利，总进球超过4.5，投注8,089美元。入场价8美分。 回报：99,049美元。收益率1,124%。 八千块的注码，回来九万九。 就在做8岁孩子数学游戏的间隙。 他的GitHub活动记录了一切。 上午9点：提交math-tug-of-war。 中午11点：提交pm-engine。 下午2点：提交kids-language-app。 下午4点：又提交pm-engine。 白天搞教育。晚上搞预测市场。同一台电脑。同一套Claude Code。同一个人。 67.5万人盯着他的钱包。 孩子们还在玩那个数学游戏。学校还在用。 他还在同时开发两者。 他教孩子们怎么加数字。 他的AI也会加数字。只是数字加得大了一点。

@_FORAB BTC已经暴跌了200%倍了

啊这。一位民主党参议员，针对特朗普声称，药物价格将下降 600%，批评这在数学上是不可能的。 结果美国卫生部长，严肃反驳道，如果药物从 100 美元涨到了 600，那就是 600% 的上涨，如果它从 600 美元降回到 100，那就是下降了 600%。 特朗普赞同，没错！

@cryptoxiaoxiang @Polymarket WTF! 为了流量这些人真是什么都想得出来! 某国一哥们用AI做了个视频欺骗了粉丝！

WTF! 为了赚钱这些人真是什么都想得出来! 法国一哥们用吹风机操纵了市场！ @polymarket 的天气市场里有一个预测巴黎每日气温的. 这个市场的数据源依赖戴高乐机场跑道附近一个法国气象局的传感器，该传感器基本处于无人看管状态。 这哥们首先用极低的价格买入了一个极不可能出现的结果，比如明明很冷，他买了一个很热的温度. 然后他带着电吹风溜到那个传感器然后加热了传感器，让温度读数飙升！bro就这样赢了全场 😂 #ymABTVA" target="_blank" rel="nofollow noopener">polymarket.com/event/highest-…

@caiyue5 AI 识别出不可能有这么好看的女孩

卧槽，gpt image 2 确实不错啊，不过为啥 X 的识别这么牛逼，一上传就识别出来这是“由 AI 生成”的？

@zsai010 在哪里部署的

自己部署了一个31B去审查量化版，当一个翻译端点分享给家人们： 地址：http://45.150.167.236:8881/v1/chat/completions key: 24b15ecbda162af6b6817ca5d8718edafaf3be76ae2315098271f03f651e28be model: gemma4-31B-heretic-w4a16

@qtwaiter @fankaishuoai 详细点也是个好习惯，你不知道模型给你怎么瞎搞

@fankaishuoai 不用写这么详细的吧，我都是说：读取推文(加上链接）并学习一下，保存为md文档。

这条推文非常好，我想收藏，给我的 Agent 发了条消息，让他帮我把内容蒸馏一遍，形成一篇 Markdown 保存到我的知识库里面去了。 这种用法太爽了，感谢作者，也欢迎大家用同样的方法来蒸馏我的推文。 以后不管手机还是电脑，碰到好内容，就给Agent发消息：蒸馏，入库。

@Jam79922967 你先去问问@grok好不好

不懂就问

美加宇航员竟然自己走出宇航舱，而且电视直播，全世界人看得清楚，再说他们年龄不小了，49-50岁。中国的宇航员出舱时间长，而且是抬出来的，他们而且更年轻。这之间差别的原因是什么？以前中国砖家说：由于微重力的原因，血液几近于均匀分布在身体各处，而正在在地球上，血液一般主要是集中在下半身，身体机能发生了适应性改变，贸然在地球重力下站立行走可能会造成严重的身体损伤 。中国宇航员到太空400公里，美加宇航员到太空40万公里，微重力岂不更小。这里肯定有减震效果的技术问题。

openclaw 可真能折腾了，前面版本把/clear命令去了， 现在新版本又给加回来了。。

@lucas_faster 那这钱不是用户出的吗？

今日 Claude 调用量强度拉满~ 原以为一个 Claude Max 账号的日收益 15 美金左右 结果今天不少账号跑出了 $25 的成绩 📈 今天 Claude 风控感觉又升级了，等跑通了这波风控逻辑，写一个薅羊毛教程让大家来玩

@dotey 怎么定义叫做搞不定， 傻子模型很自信觉得自己搞定了呢

Anthropic 推出了一个叫“顾问工具”（advisor tool）的新 API 功能，核心思路是：让便宜的模型干活，遇到难题时请贵的模型出主意。 具体来说，Sonnet 或 Haiku 作为"执行者"全程跑任务、调工具、处理结果。碰到自己搞不定的决策，就把上下文递给 Opus，Opus 给出方案或纠正，执行者接着干。Opus 全程不碰工具、不直接输出给用户，只充当幕后军师。 这跟很多人熟悉的“大模型拆任务、小模型干活”的模式正好反过来。以前是大模型当指挥官，把任务拆成小块分配下去。现在是小模型自己跑，只在关键节点向大模型请教。好处很直接：大部分 Token 消耗在便宜的模型上，贵的模型只在刀刃上用。 效果方面，Sonnet 配 Opus 顾问在 SWE-bench 多语言测试上比 Sonnet 单干高了 2.7 个百分点，同时每个任务的成本还降了 11.9%。更有意思的是 Haiku 的表现：配上 Opus 顾问后，Haiku 在 BrowseComp 测试上从 19.7% 跳到 41.2%，翻了一倍多。虽然分数还是比 Sonnet 单干低 29%，但成本只有 Sonnet 的 15%，适合跑量大但对智能要求没那么极端的场景。 用起来也简单，在 Messages API 的 tools 里加一个 advisor_20260301 类型就行，一个 API 请求内部完成模型切换，不需要额外管理上下文或做多次调用。可以设 max_uses 控制每次请求最多咨询几次顾问，账单里顾问和执行者的 Token 分开计费。 对开发者来说，这提供了一个新的性价比选项：不用在"全程跑 Opus 太贵"和"只用 Sonnet 不够聪明"之间二选一了。你的 Agent 可以 95% 的时间跑 Sonnet 的价格，5% 的关键决策享受 Opus 的判断力。目前是 beta 阶段，需要加 anthropic-beta: advisor-tool-2026-03-01 请求头才能用。