Loading video...

Video Failed to Load

Go Home

34家AI平台的免费额度，每月能白嫖74亿Token。 最有用的还不是这个数字。 Codex或者Claude Code跑到一半，当前接口被限速、返回429，它会自动换下一条可用线路，不用停下来换Key、改地址、重启任务。 这个开源项目叫FreeLLMAPI。 免费API名单其实到处都是，真正麻烦的是：每家的接口地址、模型名和限速规则都不一样。 Google能用多少次，Groq还剩多少额度，Cerebras什么时候被限速，平时全要自己记。一个接口挂了，还得手动修改配置再重新跑。 FreeLLMAPI把这些零散额度接成了一个统一的/v1接口。 把自己申请到的免费Key放进去，它会记录每个Key的RPM、RPD、TPM和剩余额度。当前线路被限速或者报错，就暂时跳过，自动尝试下一家。 目前已经整理了34家AI平台、474个模型系列和635个免费接口。 Codex CLI、Claude Code、Cursor、Gemini CLI、Aider、Cline这些工具都能接，官方也提供了Mac、Windows和Docker的安装方式。 不过先说清楚： 它不是破解，也不会直接送你74亿Token。各个平台的免费Key仍然需要自己申请，74亿只是把34家平台的理论免费额度全部相加。 更适合个人学习、跑Agent和临时测试，不适合拿去跑商业生产。 我看到时项目约2.08万星，本周新增约1700星。 对于每天同时跑几个Agent的人，它解决的不是“去哪里找免费API”，是怎么把这些零散额度真正接起来。

bi_9527zx's profile picture

DeFi狙击手 | Ai🕊️

57,809 subscribers

20,312 views • 26 days ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

有人把各家大模型的免费额度，拼成了一个每月约 17 亿 token 的 AI API 池。 FreeLLMAPI 做的事很直接：统一成 OpenAI 兼容的 /v1 接口，某个模型限流或额度用完，就自动切到下一家。很多 AI 工具改一下地址就能接入。 当然，免费额度随时会变，也没有 SLA，更适合个人实验。 但真正值得讨论的是：以后我们还会固定给一家模型付费，还是把模型放进一个池子里——谁便宜、谁稳定、谁能用，就调用谁？
0:13

有人把各家大模型的免费额度，拼成了一个每月约 17 亿 token 的 AI API 池。 FreeLLMAPI 做的事很直接：统一成 OpenAI 兼容的 /v1 接口，某个模型限流或额度用完，就自动切到下一家。很多 AI 工具改一下地址就能接入。 当然，免费额度随时会变，也没有 SLA，更适合个人实验。 但真正值得讨论的是：以后我们还会固定给一家模型付费，还是把模型放进一个池子里——谁便宜、谁稳定、谁能用，就调用谁？

Vincent

11,843 views • 2 months ago

Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级 有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完
0:14

Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级 有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完

阿西_出海

17,183 views • 3 months ago

卧槽这个必须分享，一个开源工具，让你用免费 API 密钥池跑出企业级路由的效果， 等于是零成本撸10亿+免费LLM Token，要把把付费网关干碎的节奏， 对比一下：高容量令牌和企业路由，0， 原理很简单，它是个路由框架，不是卖 API 的， 你需要自己去各厂商申请免费密钥，然后填进配置， 工具自动帮你做负载均衡和自动故障切换， 30 秒能跑起来：克隆仓库，配好密钥，把应用指向本地端点，完事， 免费额度用满、用稳，不用自己写回退逻辑， 项目几周前刚发布，现在入坑还能直接给作者提改进意见， GitHub 链接放评论区 👇 有用的记得给仓库加星。
0:10

卧槽这个必须分享，一个开源工具，让你用免费 API 密钥池跑出企业级路由的效果， 等于是零成本撸10亿+免费LLM Token，要把把付费网关干碎的节奏， 对比一下：高容量令牌和企业路由，0， 原理很简单，它是个路由框架，不是卖 API 的， 你需要自己去各厂商申请免费密钥，然后填进配置， 工具自动帮你做负载均衡和自动故障切换， 30 秒能跑起来：克隆仓库，配好密钥，把应用指向本地端点，完事， 免费额度用满、用稳，不用自己写回退逻辑， 项目几周前刚发布，现在入坑还能直接给作者提改进意见， GitHub 链接放评论区 👇 有用的记得给仓库加星。

AYi

28,475 views • 3 months ago

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。
0:16

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

产品经理老王霸

54,995 views • 2 months ago

Codex 5.6 真正与普通人拉开 90% 差距的，不是 prompt，而是你会不会配置 config.toml 很多人用 Codex 还停留在“打开就聊”，但真正重度使用的人，早就把模型、任务模式、项目规则和自动化流程写进配置里了。 现在 Codex 5.6 最值得折腾的 4 个专业设置： 1️⃣ 固定模型 + Reasoning Effort 别每开一个任务都重新选模型。 把默认模型和推理强度写进 ~/.codex/config.toml，日常任务追求速度，复杂架构任务再提高 reasoning effort。 输入prompt： 请检查我当前 Codex 5.6 实际支持的模型和 reasoning effort 配置，不要猜测或使用已经废弃的参数；然后修改 ~/.codex/config.toml，为日常 Coding 设置合理的默认模型与推理强度，并告诉我具体修改了哪些字段、为什么这样配置，最后验证配置是否成功生效。 2️⃣ 不同任务建立 Profile 写功能、修 Bug、Code Review、做系统架构，根本不应该用完全相同的配置。 Codex 支持 Profiles，可以针对不同任务切换不同工作模式。 配置用的prompt，直接用： 请基于我当前 Codex 5.6 配置创建 3 套 Profile：fast-dev 用于快速开发和小修改，code-review 用于 PR 和代码审查，deep-architecture 用于复杂系统设计；分别配置合适的模型、reasoning effort 和执行策略，不使用已经废弃的配置项，并告诉我之后如何通过 --profile 切换使用。 3️⃣ 给每个项目建立独立配置 全局配置解决“你习惯怎么工作”，项目配置解决“这个项目必须怎么工作”。 把技术栈、测试方式、项目约束和工具配置放进项目自己的 .codex/config.toml，不要每开新会话都重新解释。 直接输入： 请分析当前项目的技术栈、目录结构、测试方式和开发工具，为这个项目设计一份最小化的 .codex/config.toml，只写当前项目真正需要的配置，不覆盖无关的全局设置；完成后解释每项配置的作用，并检查项目级配置是否能够被当前 Codex 正确加载。 4️⃣ 用 Hooks 把规则变成自动执行 最浪费时间的方式，就是每次都提醒 Codex 改完记得跑测试、提交前记得检查、别忘了扫安全问题。 现在可以直接把这些规则做成 Hooks，在生命周期节点自动触发。Codex 当前官方配置已经支持 lifecycle hooks。 直接用这段： 请检查当前项目适合配置哪些 Codex lifecycle hooks，并为我建立最精简的一套自动化流程：代码修改完成后运行必要测试和 lint，关键变更执行安全检查，提交前执行最终验证；只配置真正必要的 Hook，避免重复执行和拖慢开发速度，完成后实际触发一次并验证每个 Hook 是否正常工作。 真正高效的 Codex 启动就知道该怎么工作。 赶紧配置试试吧！
0:17

Codex 5.6 真正与普通人拉开 90% 差距的，不是 prompt，而是你会不会配置 config.toml 很多人用 Codex 还停留在“打开就聊”，但真正重度使用的人，早就把模型、任务模式、项目规则和自动化流程写进配置里了。 现在 Codex 5.6 最值得折腾的 4 个专业设置： 1️⃣ 固定模型 + Reasoning Effort 别每开一个任务都重新选模型。 把默认模型和推理强度写进 ~/.codex/config.toml，日常任务追求速度，复杂架构任务再提高 reasoning effort。 输入prompt： 请检查我当前 Codex 5.6 实际支持的模型和 reasoning effort 配置，不要猜测或使用已经废弃的参数；然后修改 ~/.codex/config.toml，为日常 Coding 设置合理的默认模型与推理强度，并告诉我具体修改了哪些字段、为什么这样配置，最后验证配置是否成功生效。 2️⃣ 不同任务建立 Profile 写功能、修 Bug、Code Review、做系统架构，根本不应该用完全相同的配置。 Codex 支持 Profiles，可以针对不同任务切换不同工作模式。 配置用的prompt，直接用： 请基于我当前 Codex 5.6 配置创建 3 套 Profile：fast-dev 用于快速开发和小修改，code-review 用于 PR 和代码审查，deep-architecture 用于复杂系统设计；分别配置合适的模型、reasoning effort 和执行策略，不使用已经废弃的配置项，并告诉我之后如何通过 --profile 切换使用。 3️⃣ 给每个项目建立独立配置 全局配置解决“你习惯怎么工作”，项目配置解决“这个项目必须怎么工作”。 把技术栈、测试方式、项目约束和工具配置放进项目自己的 .codex/config.toml，不要每开新会话都重新解释。 直接输入： 请分析当前项目的技术栈、目录结构、测试方式和开发工具，为这个项目设计一份最小化的 .codex/config.toml，只写当前项目真正需要的配置，不覆盖无关的全局设置；完成后解释每项配置的作用，并检查项目级配置是否能够被当前 Codex 正确加载。 4️⃣ 用 Hooks 把规则变成自动执行 最浪费时间的方式，就是每次都提醒 Codex 改完记得跑测试、提交前记得检查、别忘了扫安全问题。 现在可以直接把这些规则做成 Hooks，在生命周期节点自动触发。Codex 当前官方配置已经支持 lifecycle hooks。 直接用这段： 请检查当前项目适合配置哪些 Codex lifecycle hooks，并为我建立最精简的一套自动化流程：代码修改完成后运行必要测试和 lint，关键变更执行安全检查，提交前执行最终验证；只配置真正必要的 Hook，避免重复执行和拖慢开发速度，完成后实际触发一次并验证每个 Hook 是否正常工作。 真正高效的 Codex 启动就知道该怎么工作。 赶紧配置试试吧！

govin.eth | G哥

154,237 views • 1 month ago

大部分人用 Claude Code 其实是在裸跑 打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西 具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境 之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了 不是说它推荐的就一定全对，但比从零开始配要省不少事 用 Claude Code 的可以试试，尤其是项目已经有一定规模的
0:17

大部分人用 Claude Code 其实是在裸跑 打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西 具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境 之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了 不是说它推荐的就一定全对，但比从零开始配要省不少事 用 Claude Code 的可以试试，尤其是项目已经有一定规模的

Vincent | 信号＞噪音

21,388 views • 3 months ago

Notion 今天凌晨发了一个开发者平台, 大家都以为它在追 AI Agent 风口, 但实际方向是有些反过来的, 它要让所有 Agent 来追它, 我盯着它官方文档里那个新的 CLI 工具看了一会儿,才慢慢回过味儿来, 这个 CLI 设计得很奇怪, 它自带 --help,自带 --docs,自带 --spec, 每个命令的元信息都精简到极致,token 占用低到反常, 说实话人类开发者用 CLI 哪需要这些, 熟了就肌肉记忆,谁会反复读自动生成的 spec 呢, 但 Agent 会啊,它进入一个陌生 CLI,要先扫一遍能干嘛,扫的就是这些自描述信息, 也就是说,Notion 这个 CLI, 从设计的第一天起就不是给人用的, 是给 Agent 用的, 他们官方话术更直接：说和你的 coding agents 一起构建, 这一句话翻译过来就是,未来用 Notion 的主力用户, 可能不是你,而是是你的 Agent, 更狠的是这套基础设施的完整度,数据同步,Notion 托管, 工具调用,Notion 托管,Agent 沙盒,Notion 托管, 全跑在 Vercel Sandbox 加 Firecracker microVM 上, 连第三方 Agent 接入都开了, Claude 直接进来,当原生工具用, 数据,工具,编排,上下文,全部在同一个 workspace 里,零损耗, 以前 Agent 最大的痛点,是上下文碎片化,工具调用不稳定,自己还要搭一套 infra, 现在 Notion 把这套东西全包了, 你的 Agent 只需要醒过来,在一个已经布置好的房间里干活, 很多人还在评估 Notion 涨没涨价,还在讨论 Obsidian 迁移和本地优先, 但真正的故事是,Notion 已经在 Agent 时代的操作系统这条赛道上,把第一块地基浇好了 数据是血,Agent 是肌肉,Workers 是骨骼,CLI 是神经, 那些现在就把核心 workflow 搬进去的人, 和还在纠结要不要试用 ntn 的人, 未来 12 个月,差距可能比想象中要大得多。
0:15

Notion 今天凌晨发了一个开发者平台, 大家都以为它在追 AI Agent 风口, 但实际方向是有些反过来的, 它要让所有 Agent 来追它, 我盯着它官方文档里那个新的 CLI 工具看了一会儿,才慢慢回过味儿来, 这个 CLI 设计得很奇怪, 它自带 --help,自带 --docs,自带 --spec, 每个命令的元信息都精简到极致,token 占用低到反常, 说实话人类开发者用 CLI 哪需要这些, 熟了就肌肉记忆,谁会反复读自动生成的 spec 呢, 但 Agent 会啊,它进入一个陌生 CLI,要先扫一遍能干嘛,扫的就是这些自描述信息, 也就是说,Notion 这个 CLI, 从设计的第一天起就不是给人用的, 是给 Agent 用的, 他们官方话术更直接：说和你的 coding agents 一起构建, 这一句话翻译过来就是,未来用 Notion 的主力用户, 可能不是你,而是是你的 Agent, 更狠的是这套基础设施的完整度,数据同步,Notion 托管, 工具调用,Notion 托管,Agent 沙盒,Notion 托管, 全跑在 Vercel Sandbox 加 Firecracker microVM 上, 连第三方 Agent 接入都开了, Claude 直接进来,当原生工具用, 数据,工具,编排,上下文,全部在同一个 workspace 里,零损耗, 以前 Agent 最大的痛点,是上下文碎片化,工具调用不稳定,自己还要搭一套 infra, 现在 Notion 把这套东西全包了, 你的 Agent 只需要醒过来,在一个已经布置好的房间里干活, 很多人还在评估 Notion 涨没涨价,还在讨论 Obsidian 迁移和本地优先, 但真正的故事是,Notion 已经在 Agent 时代的操作系统这条赛道上,把第一块地基浇好了 数据是血,Agent 是肌肉,Workers 是骨骼,CLI 是神经, 那些现在就把核心 workflow 搬进去的人, 和还在纠结要不要试用 ntn 的人, 未来 12 个月,差距可能比想象中要大得多。

AYi

19,811 views • 4 months ago

这个 AI research 工具atypica.AI，真能帮开发者解决产品开发前最关键的一步——市场调研 举个例子，我最近发现很多人都在做 AI 剪视频 skill，就去调研了下把这个需求包装成付费工具，变现潜力到底怎么样。 Atypica 给了我一份市场分析报告，它直接帮我找好了这款产品最适合的目标人群，告诉我不同用户群体的付费能力和定价区间，以及最有潜力成为重点付费用户的是哪一类人。 这个工具跟 Claude 、GPT 不一样的地方在于，它不是让模型自己扮演用户回答问题，它是真的会生成一批合成用户，通过一对一访谈或者小组讨论的方式做真实用户调研。 更狠的是，调研做完这批用户能留下来反复使用，相当于你有了一个AI专家小组，以后有新想法直接拉回来再问一轮，不用每次从头建用户画像。 现在新用户注册有100w token免费额度，可以先试试： 对了，想要这份 AI 剪视频产品调研报告的,评论"atypica"，我发给你。
0:18

这个 AI research 工具atypica.AI，真能帮开发者解决产品开发前最关键的一步——市场调研 举个例子，我最近发现很多人都在做 AI 剪视频 skill，就去调研了下把这个需求包装成付费工具，变现潜力到底怎么样。 Atypica 给了我一份市场分析报告，它直接帮我找好了这款产品最适合的目标人群，告诉我不同用户群体的付费能力和定价区间，以及最有潜力成为重点付费用户的是哪一类人。 这个工具跟 Claude 、GPT 不一样的地方在于，它不是让模型自己扮演用户回答问题，它是真的会生成一批合成用户，通过一对一访谈或者小组讨论的方式做真实用户调研。 更狠的是，调研做完这批用户能留下来反复使用，相当于你有了一个AI专家小组，以后有新想法直接拉回来再问一轮，不用每次从头建用户画像。 现在新用户注册有100w token免费额度，可以先试试： 对了，想要这份 AI 剪视频产品调研报告的,评论"atypica"，我发给你。

阿西_出海

11,392 views • 2 months ago

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。
0:15

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。

AYi

289,379 views • 1 month ago

终于，终于有人把所有模型缝合到一起了😭 Claude Code 编码、codex生图、检索抖音，小红书，youtube x的热点信息……全在一个工作台里 这就是我一直在等的“缝合怪max”！！ 以前我得开五六个客户端，Claude 写完复制到 Midjourney 出图，再切到 Codex 写代码，脑子都要炸了 现在 dethink 直接把这些全塞进来了 一个界面切遍所有模型——Claude、Grok、Gemini、DeepSeek、Kimi、GLM 关键是 Claude Code 和 Codex 也在里面，编码、写作、生图，一个工作台全干了 更爽的是什么？微信、支付宝直接付款 不需要外币卡，不需要找代充，不需要担心封号 $20 / $100 / $200 三档套餐，按 token 计费，用多少算多少 以前想用多个模型，要么分别订阅（每个月固定扣费，用不用都得付），要么来回切账号 dethink 按 token 计费，$20 / $100 / $200 三档，用多少算多少 对我这种有时候用得多、有时候用得少的人来说，这种灵活性才是真正省钱的地方 而且所有模型在一个工作台里，Claude 写文案、Grok 出图、Gemini 做分析，切换无缝 省下的不只是钱，是那种"终于不用管支付问题、不用来回切工具“的心智负担 还有三个让我意外的点： 1. 数据聚合直接内置 想查抖音、小红书、YouTube、X 的热点？直接在 dethink 里搜 以前我得开 Semrush、飞瓜、新榜好几个工具，现在一个地方全搞定 做选题、找热点、SEO 分析，效率直接翻倍 2. 图像生成的组合玩法 你可以用 Claude 理解需求、优化提示词，然后调用 GPT Image 2 或 Grok Image 出图 相当于把“最会理解人话的模型”和“最会画图的模型”组合起来用 以前我得在 Claude 和 Midjourney 之间来回复制粘贴，现在一句话搞定 3. 桌面端真的好用 Windows 和 macOS 都支持，本地文件直接拖进去就能让 AI 处理 做 Agent 任务、跑工作流，比网页版丝滑太多 现在 dethink 8月15日刚上线，前 500 名注册直接送 $5 使用额度 给大家申请了8折优惠码，限量500个！先到先得了：DETHINK2026 如果你也在用多个 AI 工具，每个月为订阅费头疼 或者你想用海外模型但支付一直是个坎，真的可以试试 dethink 链接：
0:12

终于，终于有人把所有模型缝合到一起了😭 Claude Code 编码、codex生图、检索抖音，小红书，youtube x的热点信息……全在一个工作台里 这就是我一直在等的“缝合怪max”！！ 以前我得开五六个客户端，Claude 写完复制到 Midjourney 出图，再切到 Codex 写代码，脑子都要炸了 现在 dethink 直接把这些全塞进来了 一个界面切遍所有模型——Claude、Grok、Gemini、DeepSeek、Kimi、GLM 关键是 Claude Code 和 Codex 也在里面，编码、写作、生图，一个工作台全干了 更爽的是什么？微信、支付宝直接付款 不需要外币卡，不需要找代充，不需要担心封号 $20 / $100 / $200 三档套餐，按 token 计费，用多少算多少 以前想用多个模型，要么分别订阅（每个月固定扣费，用不用都得付），要么来回切账号 dethink 按 token 计费，$20 / $100 / $200 三档，用多少算多少 对我这种有时候用得多、有时候用得少的人来说，这种灵活性才是真正省钱的地方 而且所有模型在一个工作台里，Claude 写文案、Grok 出图、Gemini 做分析，切换无缝 省下的不只是钱，是那种"终于不用管支付问题、不用来回切工具“的心智负担 还有三个让我意外的点： 1. 数据聚合直接内置 想查抖音、小红书、YouTube、X 的热点？直接在 dethink 里搜 以前我得开 Semrush、飞瓜、新榜好几个工具，现在一个地方全搞定 做选题、找热点、SEO 分析，效率直接翻倍 2. 图像生成的组合玩法 你可以用 Claude 理解需求、优化提示词，然后调用 GPT Image 2 或 Grok Image 出图 相当于把“最会理解人话的模型”和“最会画图的模型”组合起来用 以前我得在 Claude 和 Midjourney 之间来回复制粘贴，现在一句话搞定 3. 桌面端真的好用 Windows 和 macOS 都支持，本地文件直接拖进去就能让 AI 处理 做 Agent 任务、跑工作流，比网页版丝滑太多 现在 dethink 8月15日刚上线，前 500 名注册直接送 $5 使用额度 给大家申请了8折优惠码，限量500个！先到先得了：DETHINK2026 如果你也在用多个 AI 工具，每个月为订阅费头疼 或者你想用海外模型但支付一直是个坎，真的可以试试 dethink 链接：

超级个体｜柿子

88,924 views • 1 month ago

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。
0:18

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。

Vincent

14,794 views • 3 months ago

养小龙虾的兄弟盟一定要装一下这个 Skill：Self-Improving Agent。 它是一个 会自动纠错、还能自己进化的 Skill。 每次 AI 出现这些情况，它都会自动记录下来： - 做错的事情 - 我纠正它的地方 - 发现更好的解决方案 然后把这些经验存起来。 下次再遇到类似问题， 它会 直接参考这些经验。 也就是说—— 普通 AI：每次对话都像重新开始。 而装了这个 Skill 之后， 我的龙虾开始 慢慢长经验值。 用得越久， 它就越聪明。
0:12

养小龙虾的兄弟盟一定要装一下这个 Skill：Self-Improving Agent。 它是一个 会自动纠错、还能自己进化的 Skill。 每次 AI 出现这些情况，它都会自动记录下来： - 做错的事情 - 我纠正它的地方 - 发现更好的解决方案 然后把这些经验存起来。 下次再遇到类似问题， 它会 直接参考这些经验。 也就是说—— 普通 AI：每次对话都像重新开始。 而装了这个 Skill 之后， 我的龙虾开始 慢慢长经验值。 用得越久， 它就越聪明。

开发者Hailey

48,417 views • 6 months ago

分享一个信息差：火山引擎 Seedance 2.0可以免费用！ 目前新用户/体验期能直接白嫖8次15秒的高质量视频生成（1080p也行），生成速度极快，几乎不排队，效果已经吊打一大堆海外同类模型。 这个免费窗口期很短，很多平台要么要会员、要么限1-3次、要么直接收费，火山这边直接给8次的机会，属于典型的信息差红利，过了这村可能就真没了 使用地址： 手慢无，亲测可用，建议去试试～
0:15

分享一个信息差：火山引擎 Seedance 2.0可以免费用！ 目前新用户/体验期能直接白嫖8次15秒的高质量视频生成（1080p也行），生成速度极快，几乎不排队，效果已经吊打一大堆海外同类模型。 这个免费窗口期很短，很多平台要么要会员、要么限1-3次、要么直接收费，火山这边直接给8次的机会，属于典型的信息差红利，过了这村可能就真没了 使用地址： 手慢无，亲测可用，建议去试试～

木马人

24,887 views • 7 months ago

我不准备把 BerryCode 做成最便宜的中转站。 现在市面上有 0.06 倍、0.1 倍、0.2 倍的渠道，我知道这些价格看起来非常诱人，但我现在只能做到 GPT 官网口径 0.28X，也就是 0.4 折，用 1 M token, 综合下来大约在 0.4~0.6 人民币；换句话说，它不是最低价那一档。 但我能保证一件事：BerryCode 现在只做纯 GPT。 坦诚讲，我的能力还撑不起 Claude 中转。 Claude 封号太严，我承担不起这个风险，也不想为了多卖一个模型，把一个自己都没把握的东西塞给用户。后面我会自己体验一批价格合适、稳定性还不错的 Claude 中转站，如果真的好用，我会直接推荐给大家。 但 GPT 对我来说，是另一回事。 我现在用 Pro 账号做号池，配合一部分补充渠道去填 token 缺口，即便不卷到全网最低价，毛利润率依然能做到 30% 左右，这个数字对我来说已经够了。 我有一个暴论： **你现在能看到的大部分 AI 机会，其实都已经开始走下坡路了。** 中转站最近在推特被骂得很惨，卖数据、掺水、跑路，大家骂得不算冤，因为这个行业确实混进来了太多只想短期收割的人。 而且后面中转站这个生意只会越来越不稳定。 官方会持续封控各种渠道，低价货源会越来越少，成本会越来越高，如果一个站唯一的竞争力就是便宜，那它迟早会遇到一个问题： 成本涨了以后怎么办？ 2C 用户对价格很敏感，你今天用低价把人吸进来，明天成本上升你要涨价，用户凭什么继续用你？ 所以我现在越来越确定一件事： **中转站最后拼的不是谁便宜，而是谁值得被信任。** 信任从哪里来？我有几个思考： 第一，你得有自己的个人 IP。 如果一个完全匿名的站跑路，用户连骂谁都不知道；但我这个账号就在这里，几千个关注我的人也都在这里，BerryCode 真出了问题，我不可能装作没发生过。 第二，你不能什么模型都往上写。 我现在不碰自己没把握的 Claude，不碰我无法承担封控风险的渠道，只做我能解释清楚成本、稳定性和边界的 GPT。 第三，你得承认自己不是万能的。 我不说 BerryCode 永远不出问题，也不说它多便宜，我只能说我会把每一次问题都摊开讲，把修复过程讲出来，把我能做到的稳定性做到极致。 真正长期使用中转站的人，需求和轻量用户是不一样的。 轻量用户可能只看今天谁便宜 20%，但那些每天要跑 Codex、Vibe Coding、自动化任务、长上下文任务的人，他们更关心的是： 会不会突然跑路？ 会不会掺模型？ 会不会偷偷改请求？ 会不会跑到一半没额度？ 出了问题有没有人处理？ 尤其是国内那些真的在用 AI 做业务的人，他们并不只是想省几块钱，他们想要的是一个能长期放在工作流里的入口。 这也是我为什么选择用更稳的方式做 BerryCode。 一个 Pro 账号 1400 左右，我拿它做号池，成本不低，但我心里踏实；我宁愿少赚一点，也不想把整个站建在自己都解释不清楚的便宜渠道上。 坦诚讲，我为什么要做中转站？ 第一，肯定是赚钱。 去年炒币负债以后，我现在确实很需要现金流，这个没什么好装的，来推特的人也不是为了单纯装逼，大家都要吃饭。 第二，我的推特一个月涨了 4200 个粉，但我前阵子很迷茫，不知道该把这些流量导向哪里。 推特上很多商业模式，本质还是拉人头，做应用也好，做服务也好，很多钱来得快，但不一定长久。 中转站当然也不是一个完美的行业，但只要我不赚那些没良心的钱，只要我真的能给用户提供稳定、透明、可用的服务，那这个钱我觉得可以由我来赚。 第三，这一个礼拜搭 BerryCode，我认识了很多以前接触不到的人。 有做政务网站的，有用 AI Vibe Coding 做产品的，有自己搭工作流的，有在公司里偷偷把 AI 引进业务流程的。 我每天通宵改代码、测接口、修登录、修支付、修人机验证，虽然累，但我很久没有这么强烈地感觉到，自己正站在一个还在生长的行业里。 这个感觉有点像早年的币圈。 混乱是真的混乱，但开放也是真的开放；风险是真的风险，但机会也是真的机会。 所以从今天开始，BerryCode 正式进入压力测试和拉新阶段。 活动很简单： 充 20，送 10 平台额度； 充 200，送 100 平台额度； 最高充 2000，送 1000 平台额度。 我需要通过真实用户的使用，知道服务器、号池、支付、监控、客服到底要做到什么程度，才算是一个能长期运营的站。 如果你只是想找全网最低价，那 BerryCode 大概率不是最适合你的。 但如果你想找一个价格不离谱、模型边界讲清楚、出了问题有人处理、愿意长期把信任一点点攒起来的 GPT 中转站，可以来试试。 后面这个群也不叫 BerryCode 交流群了。 我想把它叫做： 才谷和他的朋友们。 欢迎体验，也欢迎挑毛病。 我现在最需要的不是一句“支持”，而是真实用户把问题砸到我脸上，然后我一个一个修掉。
0:15

我不准备把 BerryCode 做成最便宜的中转站。 现在市面上有 0.06 倍、0.1 倍、0.2 倍的渠道，我知道这些价格看起来非常诱人，但我现在只能做到 GPT 官网口径 0.28X，也就是 0.4 折，用 1 M token, 综合下来大约在 0.4~0.6 人民币；换句话说，它不是最低价那一档。 但我能保证一件事：BerryCode 现在只做纯 GPT。 坦诚讲，我的能力还撑不起 Claude 中转。 Claude 封号太严，我承担不起这个风险，也不想为了多卖一个模型，把一个自己都没把握的东西塞给用户。后面我会自己体验一批价格合适、稳定性还不错的 Claude 中转站，如果真的好用，我会直接推荐给大家。 但 GPT 对我来说，是另一回事。 我现在用 Pro 账号做号池，配合一部分补充渠道去填 token 缺口，即便不卷到全网最低价，毛利润率依然能做到 30% 左右，这个数字对我来说已经够了。 我有一个暴论： **你现在能看到的大部分 AI 机会，其实都已经开始走下坡路了。** 中转站最近在推特被骂得很惨，卖数据、掺水、跑路，大家骂得不算冤，因为这个行业确实混进来了太多只想短期收割的人。 而且后面中转站这个生意只会越来越不稳定。 官方会持续封控各种渠道，低价货源会越来越少，成本会越来越高，如果一个站唯一的竞争力就是便宜，那它迟早会遇到一个问题： 成本涨了以后怎么办？ 2C 用户对价格很敏感，你今天用低价把人吸进来，明天成本上升你要涨价，用户凭什么继续用你？ 所以我现在越来越确定一件事： **中转站最后拼的不是谁便宜，而是谁值得被信任。** 信任从哪里来？我有几个思考： 第一，你得有自己的个人 IP。 如果一个完全匿名的站跑路，用户连骂谁都不知道；但我这个账号就在这里，几千个关注我的人也都在这里，BerryCode 真出了问题，我不可能装作没发生过。 第二，你不能什么模型都往上写。 我现在不碰自己没把握的 Claude，不碰我无法承担封控风险的渠道，只做我能解释清楚成本、稳定性和边界的 GPT。 第三，你得承认自己不是万能的。 我不说 BerryCode 永远不出问题，也不说它多便宜，我只能说我会把每一次问题都摊开讲，把修复过程讲出来，把我能做到的稳定性做到极致。 真正长期使用中转站的人，需求和轻量用户是不一样的。 轻量用户可能只看今天谁便宜 20%，但那些每天要跑 Codex、Vibe Coding、自动化任务、长上下文任务的人，他们更关心的是： 会不会突然跑路？ 会不会掺模型？ 会不会偷偷改请求？ 会不会跑到一半没额度？ 出了问题有没有人处理？ 尤其是国内那些真的在用 AI 做业务的人，他们并不只是想省几块钱，他们想要的是一个能长期放在工作流里的入口。 这也是我为什么选择用更稳的方式做 BerryCode。 一个 Pro 账号 1400 左右，我拿它做号池，成本不低，但我心里踏实；我宁愿少赚一点，也不想把整个站建在自己都解释不清楚的便宜渠道上。 坦诚讲，我为什么要做中转站？ 第一，肯定是赚钱。 去年炒币负债以后，我现在确实很需要现金流，这个没什么好装的，来推特的人也不是为了单纯装逼，大家都要吃饭。 第二，我的推特一个月涨了 4200 个粉，但我前阵子很迷茫，不知道该把这些流量导向哪里。 推特上很多商业模式，本质还是拉人头，做应用也好，做服务也好，很多钱来得快，但不一定长久。 中转站当然也不是一个完美的行业，但只要我不赚那些没良心的钱，只要我真的能给用户提供稳定、透明、可用的服务，那这个钱我觉得可以由我来赚。 第三，这一个礼拜搭 BerryCode，我认识了很多以前接触不到的人。 有做政务网站的，有用 AI Vibe Coding 做产品的，有自己搭工作流的，有在公司里偷偷把 AI 引进业务流程的。 我每天通宵改代码、测接口、修登录、修支付、修人机验证，虽然累，但我很久没有这么强烈地感觉到，自己正站在一个还在生长的行业里。 这个感觉有点像早年的币圈。 混乱是真的混乱，但开放也是真的开放；风险是真的风险，但机会也是真的机会。 所以从今天开始，BerryCode 正式进入压力测试和拉新阶段。 活动很简单： 充 20，送 10 平台额度； 充 200，送 100 平台额度； 最高充 2000，送 1000 平台额度。 我需要通过真实用户的使用，知道服务器、号池、支付、监控、客服到底要做到什么程度，才算是一个能长期运营的站。 如果你只是想找全网最低价，那 BerryCode 大概率不是最适合你的。 但如果你想找一个价格不离谱、模型边界讲清楚、出了问题有人处理、愿意长期把信任一点点攒起来的 GPT 中转站，可以来试试。 后面这个群也不叫 BerryCode 交流群了。 我想把它叫做： 才谷和他的朋友们。 欢迎体验，也欢迎挑毛病。 我现在最需要的不是一句“支持”，而是真实用户把问题砸到我脸上，然后我一个一个修掉。

Mr. 才谷

10,554 views • 4 months ago

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket
0:14

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket

区块链行情研究

62,723 views • 6 months ago

兄弟们，我发现 Codex 改 Bug 最狠的玩法，不是让它直接修。 是先让它亲手证明：这个 Bug 真的存在。 直接把这段丢给它： “先别改源码。写一个最小测试把问题复现出来，运行给我看；找到根因后再修，然后重新跑同一个测试。” 跑完后，红的。 Codex找到问题改完，再跑一次，绿了。 这下codex他就不会嘴硬了。 有时候它会偷懒说“已经修复”，按照这个给他跑。 现在失败和通过全摆在屏幕上，它想嘴硬都不行。 这个对付codex偷懒小秘法我是百试百灵。 别只听它说好了，让它现场证明。
0:19

兄弟们，我发现 Codex 改 Bug 最狠的玩法，不是让它直接修。 是先让它亲手证明：这个 Bug 真的存在。 直接把这段丢给它： “先别改源码。写一个最小测试把问题复现出来，运行给我看；找到根因后再修，然后重新跑同一个测试。” 跑完后，红的。 Codex找到问题改完，再跑一次，绿了。 这下codex他就不会嘴硬了。 有时候它会偷懒说“已经修复”，按照这个给他跑。 现在失败和通过全摆在屏幕上，它想嘴硬都不行。 这个对付codex偷懒小秘法我是百试百灵。 别只听它说好了，让它现场证明。

火山哥🕊️

66,744 views • 20 days ago

365 天无限生成？？？ 做视频的人看到这，血压是不是先稳了？ 剪片子的都懂：模型不缺，缺的是敢多试几版。一个方向多抽几次卡，钱就烧没了，好想法都被成本卡死了 Topview 这次上线 Seedance 2.0 Mini，Ultra Annual 直接给你 365 天无限生成：想跑多少版跑多少版，再也不用心疼那点额度。 先用 Mini 把方向批量铺开，挑出真正值得留的，再拿去精修。 追求速度的话，切到 TopviewAI 的 Credit Mode，$0.05/秒，生成更快，急稿照样稳稳接住。 放开手造的爽，试过就回不去了。
0:15

365 天无限生成？？？ 做视频的人看到这，血压是不是先稳了？ 剪片子的都懂：模型不缺，缺的是敢多试几版。一个方向多抽几次卡，钱就烧没了，好想法都被成本卡死了 Topview 这次上线 Seedance 2.0 Mini，Ultra Annual 直接给你 365 天无限生成：想跑多少版跑多少版，再也不用心疼那点额度。 先用 Mini 把方向批量铺开，挑出真正值得留的，再拿去精修。 追求速度的话，切到 TopviewAI 的 Credit Mode，$0.05/秒，生成更快，急稿照样稳稳接住。 放开手造的爽，试过就回不去了。

huangserva

80,123 views • 3 months ago

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。
0:18

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。

DeFi狙击手 | Ai🕊️

17,513 views • 2 months ago

Anthropic放大招：员工入职课直接公开，全程免费 Anthropic 直接把自家员工入职第一课公开了— 官方免费学习平台 Claude Academy 全程免费，个人免费账号就能用。 从 AI 入门、日常对话，到 Claude Code、API、MCP、Agent Skills，全部按路径分好了，新手到进阶一条龙。 课程结构超清晰，再也不用到处搜零散教程。 支持中文，完课能拿徽章，进度自动记录。 还能装 Claude Academy Skill，让 Claude 根据你的工作方式智能推荐学习路径。
0:15

Anthropic放大招：员工入职课直接公开，全程免费 Anthropic 直接把自家员工入职第一课公开了— 官方免费学习平台 Claude Academy 全程免费，个人免费账号就能用。 从 AI 入门、日常对话，到 Claude Code、API、MCP、Agent Skills，全部按路径分好了，新手到进阶一条龙。 课程结构超清晰，再也不用到处搜零散教程。 支持中文，完课能拿徽章，进度自动记录。 还能装 Claude Academy Skill，让 Claude 根据你的工作方式智能推荐学习路径。

开发者Hailey

35,320 views • 28 days ago

【ZenMux 深度评测第二弹：AI 视频的“动线导演思维”】 在实际动作片拍摄中，动作导演和武指执行一镜到底的格逐戏前，会先设计完整的“动线”——角色从哪进、经哪些节点、在哪完成动作。路径定了，机位反而是被动推导出来的。控制的核心是动线，不是镜头。 用 AI 生成建筑跑酷或一镜到底也是同理。很多人直接在提示词里描述运镜，结果画面空间感混乱。正确解法是先建立动线（沿哪个立面跑、在哪腾空、落点是哪个平面），把空间路径描述清楚，AI 生成的运动才会有连贯的空间逻辑。 但怎么把这种抽象的“导演思维”翻译成 AI 听得懂的语言？这就涉及到一个高频痛点：不同的 AI 模型，对空间和镜头语言的“理解性格”完全不同。以前为了试一组跑酷动线 Prompt，要在 Claude、GPT、DeepSeek 之间来回切平台，切到思路断线，月底对账单也头大。 最近把这个动线测试工作流接进了 ZenMux，在同一个界面里直接调度和交叉实测，发现很有意思：Claude 的空间解构和节点拆分极专业；GPT-4o 对材质和光影的细腻润色拿来就能用；而 DeepSeek 成本极低，适合批量跑盲盒初筛。全程在一个入口搞定，后台额度清晰，还有智能路由和延迟赔付。真正干活和做内容交付的人，要的就是这种多模型调度的“确定性”和工作流“韧性”。降本增效不只是换个便宜模型，而是像导演一样，把不同的任务精准派发给最合适的工具。
0:15

【ZenMux 深度评测第二弹：AI 视频的“动线导演思维”】 在实际动作片拍摄中，动作导演和武指执行一镜到底的格逐戏前，会先设计完整的“动线”——角色从哪进、经哪些节点、在哪完成动作。路径定了，机位反而是被动推导出来的。控制的核心是动线，不是镜头。 用 AI 生成建筑跑酷或一镜到底也是同理。很多人直接在提示词里描述运镜，结果画面空间感混乱。正确解法是先建立动线（沿哪个立面跑、在哪腾空、落点是哪个平面），把空间路径描述清楚，AI 生成的运动才会有连贯的空间逻辑。 但怎么把这种抽象的“导演思维”翻译成 AI 听得懂的语言？这就涉及到一个高频痛点：不同的 AI 模型，对空间和镜头语言的“理解性格”完全不同。以前为了试一组跑酷动线 Prompt，要在 Claude、GPT、DeepSeek 之间来回切平台，切到思路断线，月底对账单也头大。 最近把这个动线测试工作流接进了 ZenMux，在同一个界面里直接调度和交叉实测，发现很有意思：Claude 的空间解构和节点拆分极专业；GPT-4o 对材质和光影的细腻润色拿来就能用；而 DeepSeek 成本极低，适合批量跑盲盒初筛。全程在一个入口搞定，后台额度清晰，还有智能路由和延迟赔付。真正干活和做内容交付的人，要的就是这种多模型调度的“确定性”和工作流“韧性”。降本增效不只是换个便宜模型，而是像导演一样，把不同的任务精准派发给最合适的工具。

波妞PONYO

13,190 views • 3 months ago