AI少年
@aehyok • 11,414 subscribers
📖 全栈独立开发者｜喜欢编程和爱折腾AI 🚀 AI实战｜AI工具评测｜AI教程 🧠我的个人武器库：https://t.co/wuUCGzUdXo 🛰 vx：aehyok ✉️ 我的公众号: 那个曾经的AI少年
Shorts
Videos
伙伴们，国庆假期玩的开森了嘛 就在刚刚，我刷到一个 6B 的国产开源模型，感觉它给图片精修提供了一个完全不同的思路。 它所在的 Ming-Image-0.1-Design 系列，一出来就在 AA 的 UI/UX Design 开源评测里冲到了第一梯队。 但真正让我感兴趣的，不是它直接生成图片。而是：它能拆图。 从之前的香蕉，到现在的 GPT Image 2.0、2.5，我自己用下来最头疼的一件事一直都是：局部编辑。 比如一张封面图，我明明只想改一个标题、一个人物或者一个按钮，结果模型经常把周围的东西也一起改了。 有时候来回对话好几个回合，都不一定能改到我想要的位置。 🔥 但 Ming-Image-0.1-Design-Layer 换了一个思路。 它可以把一张已经做好的设计稿，直接拆成多个独立的 RGBA 图层（带透明背景的独立图层图片）： 背景是背景， 文字是文字， 人物是人物， Logo、装饰、组件也可以分别拆出来。 然后事情就开始有意思了。 以前是：整张图丢给 GPT Image → 告诉它“只改这里” → 祈祷它别动其他地方。 现在可以变成：先拆图层 → 找到目标图层 → 单独拿出来找GPT Image 精修 → 再合回去。 真正意义上的定点爆破。 如果这一层里面东西还是太多？ 那就继续拆。 二次拆分，再爆破一次。 所以我这两天发现，它和 GPT Image 2.5 搭配起来特别好使： Ming 负责拆分， GPT Image 负责定点修改。 以前很难控制的局部编辑，一下就变成了一个非常清晰的工作流。 不过如果不想折腾本地部署也没关系，OpenRouter 已经可以直接调它的 API，本地写个小工具接进去就能用了，如果自己有机器我下面也会说。 下面先看视频。 我自己已经搞了一个小工具，把： 图片分层 → 单层提取 → 局部编辑 → 重新组合 如果不满意还能继续向下二次拆分图层 这套流程串起来了。 这次主要给大家看看，我是怎么拿它来做图片精修的👇 想要本地部署或者API调用的继续往下看
AI少年113,906 views • 4 days ago
Codex + ego-browser + Three.js + Nex-N2.5-Pro 搭建自闭环 3D 网页工作流引擎 1、Codex 用来写代码/改代码。 2、ego-browser 自动化打开网页、操作、截图、验证。 3、Three.js 被迭代目标的3D环境页面。 4、Nex-N2.5-Pro 看页面效果、判断问题、给修改意见。 5、再交回Codex 修改。 6、循环迭代，达到触发条件停止运行。 这一套组合，你可以轻松创建一个skill，来为这个工作流提供自动触发或者手动触发的条件 比如需求完整度、视觉质量、空间布局、光照交互错误等等条件 如果总分>=90，没有 JS error，而且核心交互正常，则停止迭代。 另外不要怕它持续迭代，你可以给它明确的迭代次数，而且这个 Nex-N2.5-Pro 模型相当便宜好用。 环境搭建好之后，我提了一个简单的需求： 帮我制作一个小型3D太空舱内部网页可进行拖拽，详细提示词可见评论区 可直接查看视频就是我得到的结果
AI少年50,637 views • 12 days ago
万万没想到奥特曼昨夜放了大招，有一种王者归来的气势。原来我一直以为 OpenAI 的 Whisper 已经到了语音识别的天花板了。看来是我认知太浅薄了。 由于老婆就是川渝那边的，方言的味道绝对十足。如果走在街上，加上外界环境的嘈杂声，我之前用的 Whisper 测试过简直就是个瞎子，识别出来叽里呱啦的一大串乱七八糟的字符真的有点神奇。 这两天无意间看到了这个开源的模型，Hojo-ASR-Multi-V1，据说是语音识别领域的新星。 🔥 Hugging Face Open ASR Leaderboard 多语言榜全球第 7，开源多语言 ASR 第 1。 🎉五语种平均 WER 3.54%，模型权重开放、评测公开、结果可复现。 😄同时支持普通话、英语、粤语和四川话等多语言、多方言识别。 特意找来测试了一下，发现真的有意思。 更有意思的是 Hojo 的处理过程：声音 → Qwen3-Omni 音频编码器听懂声音 → Adapter 转换特征 → Qwen3-4B 生成文字。 通俗一点的讲就是：声音进来 → 音频编码器先“听懂”声音 → Adapter 把声音信息翻译成大模型能理解的格式 → Qwen3-4B 再把它变成文字。 而 Whisper：声音进来 → 转成频谱图 → Whisper 编码器提取声音信息 → Whisper 解码器直接生成文字 两者对比就是Whisper 的重点是 听声音 → 写文字，而 Hojo 则更偏向 听声音 → 理解声音 → 再根据理解生成文字。 所以最后我在本机做了一个测试结果还是非常不错的。 先解释一个百分比，CER = Character Error Rate，字符错误率，百分比越小越好。 然后可以看看我的视频 hojo 和 whisper的对比，做了三个例子，川渝话、广东话、普通话。 川渝话：hojo CER= 0%, whisper CER=42.9% 广东话：hojo CER=18.8%, whisper CER=43.8% 普通话：hojo CER=16.7%, whisper CER=25.0% 应该说 hojo这一套效果还是非常不错的。 最后附上他们的开源模型，有兴趣的可以本地部署玩玩看：
AI少年93,688 views • 1 month ago
远程控制AI一定是大趋势，但是试过 Codex 远程、WorkBuddy 远程和豆包远程后，感觉用起来还是有不少问题，不能覆盖我的全部需求。 因为一旦你还想查看电脑上的产出的文件、验证 Vibe Coding 的效果，又想参考电脑上其他工具里的数据等等，这些个 Codex 远程、WorkBuddy 远程、豆包远程通通都很难办到，所以试了一圈我还是选择用 UU 远程。 手机连接到电脑后可以随意放大缩小，十几个终端面板指哪打哪，文件、网页和其他AI软件也能随时切过去看，操作起来意外地顺手。 而且目前免费、没广告，画质和延迟表现也比我预想中好不少。 我把实际使用过程录进视频了。如果你也经常让 Codex 或其他 AI 工具在电脑上长时间跑任务，可以看看这种用法。
AI少年118,150 views • 1 month ago
教你一个免费白嫖使用 Codex + Computer Use + Blender 的机会。 GPT-6 Astra 的额度即使是 20X 的 Pro 用起来也消耗的巨快。 看到说 Nex-AGI 能媲美 GPT-6 Astra，不管了我直接上手先来试试看✌🏻 我的想法是先让它来处理一个长程的识图任务： 丢了一张图给它，然后让它参考图例，开发一个网页小游戏：网页版麻将 等了一个半小时终于跑完，我测试完效果，我不得不说，我要继续白嫖这个模型了。 现在免费不说，能力还这么强，大家有空都用免费的模型来试试 Codex + Computer Use + Blender 吧。 我来告诉大家白嫖流程 1、当然要先安装了Codex 2、安装Codex++, 配置OpenRouter 3、选择免费模型 nex-agi/nex-n2.5-pro:free 4、Codex 中安装插件 Computer Use，并启用 5、让 Codex 安装 Blender客户端，再加上安装 Blender MCP 6、让Codex 使用 Computer Use 指挥 Blender 7、甚至可以加上 Seedance 2.5, Blender跑白模，不行继续Blender重跑，这样不用消耗巨贵的 Seedance 2.5 白跑了 8、你想玩啥随便玩，终于不用担心 token 额度了。 目前在 OpenRouter 上调用 Nex-AGI 系列模型限时免费！ 有兴趣的可以去试试看。 传送门👉🏻：
AI少年63,661 views • 26 days ago
没玩过 Grok Bot 可以重点关注一下这个产品。目前体验下来甩什么 Hermes Agent、OpenClaw 好几条街。 Grok Bot 最牛逼的就是他真的提供了一台真正的云电脑，它不像 Workbuddy、豆包只提供了云端能力，但是用户完全看不到，而且Grok Bot 的云电脑的配置相当抗打 8核 16G 存储 130G。 有浏览器、有文件管理、有终端工具，你甚至可以在上面安装 Telegram、微信、QQ、飞书、Discord 等等支持 Linux的应用，目前我已经安装了 Telegram客户端了，其他的有需要慢慢探索。 现在最大的问题就是你想让 Grok Bot 帮你干活，没问题，但是就是额度太低了。 于是我有两种想法，已经实现的就是在 Grok Bot 云电脑上已经安装了 Hermes Agent 和OpenClaw，这样额度用光了，我还可以继续使用这台云电脑。 还有就是如果我想远程这台云电脑，直接叫 Grok Bot 分别在云电脑和本地电脑上都安装 Tailscale ，然后就可以远程了。远程这个可以看看我的视频实操。 最后想要了解 Grok Bot 的一定来看看这篇文章，非常棒的解析。
AI少年76,422 views • 1 month ago
在 WorkBuddy 中使用免费领取的 10亿 Token 来开发一个自己使用的微信小程序，大道至简，人人都可以开发属于自己的微信小程序
AI少年91,915 views • 3 months ago
8月份是属于开源模型的，那9月上旬绝对是属于闭源模型的。 前有Fable 5.1。现有 GPT-6 Astra 和 GPT Image 2.5。 但是模型越来越强，我越来越不敢用了。 不是模型不行。 是官方 API 实在太贵了。 GPT-6 Astra 模型 $10 / 1M input tokens，比 GPT-5.6 Sol 翻了一倍。 使用 Codex 或者 Claude Code 挂一个晚上，自己改、自己测、自己修，天亮一看账单的时候，傻眼了。你再也不敢让它深夜自己跑长程任务了。 今天看到了这个 FlatRouter 于是我把它接进了自己的工作流里，而且只改了一行： OPENAI_BASE_URL= streaming、tool call、vision 原样能用。 不是换 SDK，不是换协议，随时还能切回官方。 价格这块把口径说清楚一点： GPT-6 Astra 走 Advanced 套餐，折算有效单价大约 $0.76 / 1M input。 不是全场一个价，不同的套餐折算率是不同。 但这个差价已经够把「不敢跑」变成「多跑几轮」。 出图价格也是更加直接。 GPT Image 2.5 的 Flare / Sunburst 都上了，一张图 ¥0.05元，1K、2K、4K 都是相同的价格。 按张计费，不按分辨率。 以前为了省钱先出 1K 看看，现在直接冲 4K。 100 张封面 / UI 原型，也就 5 块钱。 稳定性也是我比较在意的。 多区域账号池 + 熔断 + 自动故障转移，节点被限流了会切到下一个健康节点。 不敢说永远不挂，但至少不是凌晨三点死在一个 429 上。 🔥🔥🔥而且新用户一次性 ¥19.9，拿 700 计费积分，按平台口径大约等于 $100 官方用量额度，30 天有效。 积分是预付的用量额度，不是现金，不能提现也不能转。 到期前续费，没用完的滚进新周期；到期不续，剩下的就作废。 19.9元 一顿快餐的钱，够把手头那个一直想跑的 Agent 完整的跑一遍，再决定要不要留下。 试用入口：
AI少年28,137 views • 1 month ago
目前我的微信小程序已经通过微信官方审核，并上架。但是大家应该搜索不到。因为我没有交钱认证。 我这个小程序是属于工具类别，而且完全不是单独写后端自己部署，因为自己部署后端还需要域名，有了域名才能在微信小程序里面调用，这里直接使用微信的云开发环境（其中就包括了数据存储的问题）就省去了非常多的问题。 所以简单的小程序是不需要个体营业执照，也不需要企业认证，只需要身份证认证就够了。对于想上手微信小程序的可以打消这层疑虑，先上手，慢慢优化。 有了好想法后，再进行花钱微信认证、上营业执照也不迟的。假以时日可以通过微信小程序来赚点广告费用或者通过想法变现。
AI少年64,135 views • 3 months ago
腾讯自家产品WorkBuddy和腾讯云CloudBase 完美结合丝滑入扣的开发微信小程序。 于是我想直接在Codex (ChatGPT App) 中也来体验一下，使用腾讯开源的 CloudBase 插件，从零来开发一个小程序会是怎么样的体感呢？ 录完视频，我发现同样丝滑，而且没有拖泥带水，这波给腾讯再点个赞，不在WorkBuddy 中私藏干货。况且使用微信云环境生态，更省了很多后端服务部署等相关的事情，真的人人都可以开发自己的小程序，而且个人版简单小程序，只需要身份认证就可以过审核。有兴趣的完全可以在 Codex 中试试吧。 使用过程大致如下： 1、Codex 中添加插件市场的关联 【TencentCloudBase/CloudBase-MCP】 2、Codex 中安装此插件 3、使用插件 4、准备要开发的小程序提示词 5、绑定腾讯云环境 6、绑定微信小程序APPID 7、使用「微信开发者工具」打开指定的目录 8、预览小程序 视频中从零开始的记录全过程，很多的注册和使用细节详情请看我的超长文章，真的超长。
AI少年35,685 views • 2 months ago
整个八月AI圈本地部署大模型成功出圈。 来看一下时间线，有些模型开源我选择性忽略掉了。 1、8月3日 MiniMax H3全模态视频成功出圈 2、8月7日 Ling-3.0-flash 蚂蚁百灵 124B｜激活 5.1B 权重放出 3、8月12日 Qwen3.8-Max 阿里 | 2.4T / 激活 95B 超大模型权重放出 4、8月12日 Ling-3.0-tiny 蚂蚁百灵 | 7.9B / 激活 1.3B 权重放出 5、8月13日 DeepSeek V4 Pro 0813 深度求索 | 1.6T / 激活 49B 6、8月14日 Qwen3.8-27B 阿里 | 稠密 27B，原生多模态 7、8月14日 Qwen3.8-2.4T-A95B 阿里 | 2.4T / 激活 95B，与 Max 同级的开源 MoE 权重放出 8、8月19日 Ling-3.0-tiny / flash Base 蚂蚁百灵 | 预训练到 merge 共 6 个 checkpoint 权重放出 9、8月24日 Apodex 1.1-mini Apodex | 35B Apache 2.0 权重放出 10、8月26日 Qwen3.8-Flash / Flash-Next 阿里 | 125B / 激活约 6B，Next 是 Qwen4 架构预览 权重放出 11、8月26日 GLM-5.3-Flash（Ox Alpha / 牛来）智谱 | 320B / 激活 18B，原生多模态 权重放出 12、8月27–28日 GLM-5.3 智谱 | 后训练强化，偏编程和网络安全 权重放出 13、8月28日 混元 Hy4 preview 腾讯 | 770B / 激活 49B，1M 上下文 权重放出 最后来看看这个本地客户端工具 Unsloth DeskTop。 首个在本地运行和训练模型的桌面应用程序。 - 1、 开源。支持 Mac、Windows 和 Linux - 2、 支持 MLX、扩散图像/视频、音频、GGUF - 3、 将 Claude Code 和 Codex 连接到本地 LLM - 4、准确率提高 50%，自愈工具调用 + 沙箱代码执行 - 5、支持 CPU + 多 GPU 配置 - NVIDIA、AMD、Intel、Mac -6、使用 70% 更少的 VRAM 训练模型速度提高 2 倍 - 7、私有网络搜索、深度研究、RAG、MCP 和导出（NVFP4、GGUF） -8、使用 Unsloth 的 OpenAI 兼容 API 和云模型 -9、 安全远程部署 LLM 并随时随地访问 Unsloth 使用Unsloth 能轻松把 Ling-3.0-tiny 这个小模型在你的本机跑起来。 Desktop 现已在 和 GitHub 上提供。 GitHub:
AI少年18,516 views • 1 month ago
我的微信终于灰度到这个功能了。 重要的群聊消息终于不怕错过了。 微信群聊消息终于可以直接一键转发给 workbuddy了。 这样你可以每次转发群消息100条，一个群一天顶多几百条了，而且可以批量选择几次就可以转发完毕。 然后你在 WorkBuddy 中就可以对今天所有聊天记录进行过滤，把垃圾消息、无用的闲聊等等过滤掉。 这样你有一些重要的比如工作群、学习群、AI行情群，把它交给 workbuddy，然后可以把重要信息保存到个人的md文件、知识库、多维表格等等重要的地方，不怕信息遗漏了，想用的时候有地方可以直接去查询。 可以一起来看一下视频到底该如何操作。 另外如果你有更重要的消息要处理，也可以接入这个GPT-6-Astra 模型试试看。 新用户19.9元人民币，就能体验大致100美元的额度。我亲身体验非常不错。有兴趣的可以试试看。
AI少年12,718 views • 29 days ago
实测阶跃星辰 Step 3.7 Flash 大模型 在 Claude Code 工作流里的表现不俗 最近看到阶跃星辰5月29日开源的 Step 3.7 Flash，最大的标签就是快——最高约 400 Token/s。底层是稀疏 MoE 架构，196B 总参、激活仅 11B，还内置 1.8B ViT 原生支持视觉理解，能直接读懂 UI 截图、图表和文档，再转化成可执行任务。 在同级别开源模型普遍还不支持多模态的当下，这一点本身就很稀缺。但更让我感兴趣的是官方的定位——为生产级 AI Agent 打造的高效 Flash 模型。这句话含金量很高，所以我直接上手测了三个场景： 1、给四张网易云音乐客户端截图，让它根据图片生成一个还原度尽量高的网站——主要验证多模态图片理解能力（如视频所示）。 2、给一个 URL，让它抓取页面内容后生成对应网站——测试结合工具链的端到端能力。 3、给一张动效 GIF，让它复刻成网页版动画效果——看它对动态视觉信息的拆解能力。 最后这是StepFun 两个平台地址，评论区还有两个demo，有兴趣的也可以继续看看 阶跃星辰海外平台： 阶跃星辰国内平台：
AI少年38,563 views • 4 months ago
卧槽太叼了，腾讯自家的 ima知识库可以让AI轻松替代读取我们微信收藏夹里的微信公众号文章，支持批量哟。 有没有跟我一样，平常喜欢刷点公众号的文章，然后看着不错，就点击收藏了。然后到用的时候，还得去收藏夹里查找、打开、复制链接、非常的不方便，如果很多篇就更别提了。 尤其是在AI时代，我需要通过 WorkBuddy、或者 Claude Code、Codex 等 Agent产品来加工微信公众号文章的时候就天然的不方便了，这不ima知识库竟然能解决这个问题。而且WorkBuddy 中深度绑定了ima知识库。但同时你也能轻松在Codex、Claude Code 中使用 ima知识库。 一个视频来教你轻松打通这个链路，如果对你有用，记得回来谢谢我。同时看看这篇文章，我是从这篇文章中学来的。 最后附上ima知识库这个skill的安装方式：“请根据 ima-skills”。它在WorkBuddy中可是纯天然然集成的，或者你直接在skillhub上搜索，下载这个skill的压缩包。
AI少年26,765 views • 2 months ago