阿蔺A-Lin
@alin_zone • 11,369 subscribers
🚀 AI Spark 联合创始人｜AI培训 + 企业咨询 📖 新手教程、AI 前沿资讯、工具产品使用推荐 💻 网站：https://t.co/l9Da2CR8Zz 🛰 vx：a-lin-zone ✉️ 公众号：阿蔺 A-Lin
Shorts
Videos
🔥 吓哭了，opus-5.5 做出来的鹈鹕骑自行车效果直接杀死比赛了 这电影运镜都用上了，你说这是游戏我都信啊。 链接我放下面了，大家打开就能直接看到效果了👇🏻
阿蔺A-Lin258,770 views • 28 days ago
🔥 卧槽了，支付宝的礼品卡已经全部售罄，一直处于补货中！ 不过不要怕，其实苹果的官网也能直接购买礼品卡，而且是不限量的！ 我之前写过一个保姆级教程教大家如何在官网购买礼品卡，就在下面的文章中👇 快去冲
阿蔺A-Lin234,893 views • 1 month ago
卧槽，京东 plus 会员生活服务包积分也能换 Token 调用 DeepSeek 等模型了！ 这尼玛龙虾最火爆的时候你在干啥呢？？？现在龙虾消失的跟没出现过一样了都 🔥 我直接录制一波兑换流程，大家直接看我视频去操作兑换就行了 1积分可以换10000积分的卡密，输入输出1:1的话 DeepSeek-V4-Flash 04.24 470万 Token DeepSeek-V4-PRO 04.28 79.4万 Token 再花1积分可以换个72000积分的优惠券，39块钱买72000积分，总82000积分，输入输出1:1的话 DeepSeek-V4-Flash 04.24 3905万 Token DeepSeek-V4-PRO 04.28 651万 Token 详情看下这个帖子👇
阿蔺A-Lin82,927 views • 1 month ago
我说用美区的 Apple ID 去订阅 ChatGPT 和 Claude 是最省时省力的方式应该没人反驳吧 注册美区账户只需要三分钟，国内手机号就能注册，礼品卡购买只需要支付宝即可，简单便捷。 我现在看了这么多的地区的 ChatGPT 和 Claude 的订阅价格，发现抛去价格来说，还有一点也是非常重要的，那就是开通的风险和麻烦程度 有的地区不但需要对应的 IP ，还可能需要本地账单地址，甚至于后期价格还会提高，比如之前的土耳其区，提升之后甚至于比美区的价格还要贵。 那实际上已经不如直接使用美区了，我使用美区已经五年左右了，至今没有遇到什么问题，非常稳健，而且美区也是各个活动最先体验的区，价格也不会出现波动，充值也较为简单。
阿蔺A-Lin51,962 views • 1 month ago
Vercel 来真的了，直接把 Jev 的调用价格打到 0 了，限时到 9 月 25 日。🔥 输入、输出全部都免费！ 不知道怎么获取 key 的直接看我下面的视频，30 秒拿到 key！
阿蔺A-Lin45,391 views • 1 month ago
📚【建议收藏】99% 的人都没搞懂 Muse 那 300 亿 Token 到底怎么花最爽。隐藏玩法来了： 核心逻辑就是用 muse2api 这个开源工具，把 Muse 的免费算力代理出来，当成外部大模型 API 用。 用这玩意儿做一层代理后，它就变成了一个标准的 OpenAI 接口。你平常用的各种 AI 客户端、写代码的 IDE，全都可以连上这个接口，无缝消耗 Muse 的 Token。 它支持生图和生视频，还自带多账号轮询，这才是榨干 Muse 的终极姿势！ 操作步骤👇 1️⃣ 第一步：拉取开源项目 muse2api 本地部署； 2️⃣ 第二步：导入你的 Muse Cookie/Token，激活内置的 48 小时保活与多账号轮询； 3️⃣ 将生成的接口接入你常用的生产力工具（支持各种兼容 OpenAI 格式的插件与客户端）； 项目地址在评论区👇
阿蔺A-Lin21,836 views • 23 days ago
Jev 居然输给了一个 1.88B 本地模型？我用俄罗斯方块重新测了一遍 当我看到 this-that-model-1.0 在 68 道决策题上做到 94.1% 准确率，而 Jev 是 76.5% 时，我的第一反应是： 这是真的假的？ 一个只有 1.88B 参数、可以在 Mac 本地运行的小模型，真的能在决策任务上超过 Jev 吗？ 所以我做了一个俄罗斯方块，让两个模型使用相同的棋盘规则、随机种子和方块顺序。程序负责计算所有合法落点，模型只负责决定方块应该放在哪里。 1️⃣ 一开始，Jev 的表现更好 最初，我先过滤掉明显更差的落点，再把剩下的多个候选位置同时交给模型。 在这一模式下，Jev 的表现更加稳定。 我观察到的一轮里： Jev 消除了 5 行，this-that 消除了 3 行。 如果只看到这里，很容易得出结论：本地小模型还是不如 Jev。 但我后来意识到，这种问题可能并不是 this-that 最擅长的形式。 2️⃣ 换成“二选一”后，结果反了 this-that 本质上是一个 typed decision model，更擅长候选明确、边界清楚的选择题。 所以我把决策方式改成了淘汰赛： A 和 B，哪个落点更好？ 胜者进入下一轮，继续和其他候选位置比较，直到选出最终落点。 换成这种模式后，我观察到的一轮结果变成了： this-that 消除了 7 行，Jev 只消除了 1 行。 this-that 的棋盘也更加平整，留下的空洞更少。 模型没有变，游戏没有变。 唯一改变的，是我向模型提问的方式。 3️⃣ 这个模型特别在哪里？ this-that-model-1.0 只有约 18.8 亿参数，采用 MIT License，可以下载到本地运行。 它不写小作文，也不慢慢生成 Token。 你给它当前状态、一个问题和几个合法选项，它通过一次前向计算直接返回： 选择哪个 + 每个选项的概率 因此它很适合任务分流、Skill 选择、队列判断、风险分级，以及 Agent 下一步动作这类高频决策。 官方模型卡公布的 68 道决策题中，this-that 答对 64 道，准确率 94.1%；Jev 答对 52 道，准确率 76.5%。 在概率校准指标上，this-that 的 Brier Score 是 0.042，Jev 是 0.133。数值越低，代表模型给出的概率与实际结果越接近。 4️⃣ 但这不代表 Jev 被全面打败了 俄罗斯方块是一条连续决策链，前面一个方块放错位置，后面的棋盘状态就会完全不同。单局结果不能代表模型的完整能力。 而且二选一虽然降低了每次判断的难度，却需要进行更多次模型调用，总延迟不一定更低。 所以更准确的结论不是“this-that 全面强于 Jev”，而是： Jev 更适合某些信息丰富的综合比较；this-that 更适合高频、明确、封闭选项的结构化判断。 这次实验真正让我感兴趣的是： 未来的 Agent 可能不应该所有事情都找最强模型。 高频、重复、答案明确的小判断，可以交给本地小模型；真正复杂的推理与生成任务，再交给 GPT、Claude 等大模型。 有时候，决定结果的不只是模型大小。 还包括：你有没有把问题问成它擅长回答的样子。 因为这个模型够小，其实普通电脑也可以部署，大家有需要的可以看下这个开源模型的介绍，链接我放评论区了👇🏻
阿蔺A-Lin22,001 views • 28 days ago
做了个快捷指令用来快速购买礼品卡🎁 点开选金额，直接跳到支付宝对应商品页，确认购买就行。 支持自由金额，以及 20、100、150、200、250 美元。不用每次都去打开支付宝找小程序入口了。
阿蔺A-Lin13,947 views • 1 month ago
🚀发现一个专门给 AI Agent 画技术架构图的 Skill：Archify。 不用学 Mermaid，也不用手动拖框拉线。直接用大白话告诉 Claude Code / Codex： “读一下这几个仓库，帮我画张架构对比图。” 它就会生成一个可交互的单 HTML 文件。 比较讲究的是，它不是画完就交差： ✅ 自带 JSON Schema 校验 ✅ 标签重叠、连线穿过节点会拒绝渲染 ✅ 报错会告诉你该往哪移、调整多少像素 ✅ 一键切换深色/浅色主题 ✅ 支持导出 PNG、JPEG、WebP、SVG、WebM 支持 Claude Code、Codex CLI 和 opencode，MIT 开源。 安装也只要一行： npx skills add tt-a1i/archify -g 以后读陌生仓库、写技术方案、做架构对比，确实能省下不少画图时间。 传送门👉🏻
阿蔺A-Lin29,829 views • 3 months ago
