正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。实测一：资料整理效率明显提升第一个测试场景是长文档处理。在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。实测二：代码协作更加高效第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。实测三：批量任务处理展现执行优势除了开发场景，批量信息处理也是... Ling-3.0-flash 比较适合的方向。例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。速度和效率，是 Flash 模型的重要优势随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。从使用体验来看，它更像一个高效执行伙伴经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。对于普通用户来说，它能够减少重复操作，提高工作效率。对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。对于企业来说，它能够帮助更多业务流程实现自动化。未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。官推：感兴趣可以自己试试 👉show more

冰糖雪梨

58,439 subscribers

15,661 次观看 • 3 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

蚂蚁百灵刚刚发布了 Ling-3.0-flash：一个AI 执行层的关键拼图刚刚看到 Ling-3.0-flash 正式发布，我觉得这款模型值得认真关注。原因很简单：在 AI 工程越来越深入到实际业务的今天，大家早就不满足于模型“会不会想”了，更关键的是它“能不能持续做”。尤其是在 Agent 工作流中，需要高频调用工具、迭代代码、处理长程任务时，一个响应快、执行稳的执行引擎成了刚需。Ling-3.0-flash 的出现，正好瞄准了这个缺口。 1. Agent 的执行层从我的角度看，它最聪明的一点是没有去硬拼超大模型的深度推理能力，而是把自己定位成一个高速执行引擎——负责把已经规划好的任务快速落地。这在实际应用中特别实用，比如当大模型把方案设计好之后，剩下的代码生成、工具调用、批量处理就需要一个既快又稳的模型来接手。 2. 为什么它能兼顾速度和成本技术细节上，它采用 124B 参数的 MoE 架构，但实际激活参数约 5.1B，在推理速度和运行成本之间找平衡。它还支持混合推理模式：简单任务可以关闭 Reasoning，降低延迟，适合大批量处理；复杂任务则可以开启思考模式，保持逻辑连贯。原生支持 256K 上下文，对需要持续读取历史指令和项目状态的 Agent 工作流也很重要。 3.如何使用我觉得 Ling-3.0-flash 最适合做 Agent 工作流里的执行节点。反复调用 API 或 MCP 工具时，它能根据结构化错误信息自我诊断和修复，不容易在循环调试中卡死，因此适合放进 Loop 或 Graph 架构。 4.结对编程和批量任务结对编程是一个典型场景：人负责架构规划、边界定义和测试，Ling-3.0-flash 负责快速生成代码、调用工具、读取报错，并根据反馈持续修改。批量处理长文档、日志、简历和结构化数据时，它看重的也是速度、格式稳定性和成本控制。直播数字人或高频办公协作，则需要它的低延迟响应来减少体验断层。 5.边界当然，它不是万能模型。复杂系统不能只靠一句指令搞定；缺乏架构和测试环境时，结果可能跑偏；需要深度冷门知识的研究任务，还是更适合交给更大规模的推理模型。更合理的用法是：大模型负责搜索、规划和架构设计，把方案写成规范文档；Ling-3.0-flash 负责高频工具调用、代码执行和批量处理。总结：Ling-3.0-flash 不是来替代所有模型的，而是把 Agent 工作流里“执行层”这件事做得更快、更稳。大模型负责想清楚，它负责做出来。

蚂蚁百灵刚刚发布了 Ling-3.0-flash：一个AI 执行层的关键拼图刚刚看到 Ling-3.0-flash 正式发布，我觉得这款模型值得认真关注。原因很简单：在 AI 工程越来越深入到实际业务的今天，大家早就不满足于模型“会不会想”了，更关键的是它“能不能持续做”。尤其是在 Agent 工作流中，需要高频调用工具、迭代代码、处理长程任务时，一个响应快、执行稳的执行引擎成了刚需。Ling-3.0-flash 的出现，正好瞄准了这个缺口。 1. Agent 的执行层从我的角度看，它最聪明的一点是没有去硬拼超大模型的深度推理能力，而是把自己定位成一个高速执行引擎——负责把已经规划好的任务快速落地。这在实际应用中特别实用，比如当大模型把方案设计好之后，剩下的代码生成、工具调用、批量处理就需要一个既快又稳的模型来接手。 2. 为什么它能兼顾速度和成本技术细节上，它采用 124B 参数的 MoE 架构，但实际激活参数约 5.1B，在推理速度和运行成本之间找平衡。它还支持混合推理模式：简单任务可以关闭 Reasoning，降低延迟，适合大批量处理；复杂任务则可以开启思考模式，保持逻辑连贯。原生支持 256K 上下文，对需要持续读取历史指令和项目状态的 Agent 工作流也很重要。 3.如何使用我觉得 Ling-3.0-flash 最适合做 Agent 工作流里的执行节点。反复调用 API 或 MCP 工具时，它能根据结构化错误信息自我诊断和修复，不容易在循环调试中卡死，因此适合放进 Loop 或 Graph 架构。 4.结对编程和批量任务结对编程是一个典型场景：人负责架构规划、边界定义和测试，Ling-3.0-flash 负责快速生成代码、调用工具、读取报错，并根据反馈持续修改。批量处理长文档、日志、简历和结构化数据时，它看重的也是速度、格式稳定性和成本控制。直播数字人或高频办公协作，则需要它的低延迟响应来减少体验断层。 5.边界当然，它不是万能模型。复杂系统不能只靠一句指令搞定；缺乏架构和测试环境时，结果可能跑偏；需要深度冷门知识的研究任务，还是更适合交给更大规模的推理模型。更合理的用法是：大模型负责搜索、规划和架构设计，把方案写成规范文档；Ling-3.0-flash 负责高频工具调用、代码执行和批量处理。总结：Ling-3.0-flash 不是来替代所有模型的，而是把 Agent 工作流里“执行层”这件事做得更快、更稳。大模型负责想清楚，它负责做出来。

奶牛叔

66,157 次观看 • 3 个月前

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,254 次观看 • 1 年前

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

OWL团队刚刚又开源了一款多智能体Manus类工具：Eigent，通过多智能体协作，来更高效的处理更复杂任务从效果看具备整合多种工具和数据的能力，生成的报告内容相对专业全面其处理任务时有清晰的任务拆解和执行过程，它把任务拆解成多个子任务，并会清晰展示出每个子任务的执行状态 Eigent支持根据任务创建或灵活调用workforce，多智能体并行处理执行速度更快支持worker间任务的并行，worker下子任务的并行，子任务执行过程中工具调用的并行可以根据需求定制AI团队，组建一个特定的项目组有Human-in-the-Loop机制，可以在关键节点进行人工干预决策内置200+MCP工具，也支持上传常用的MCP工具 #AI员工 #多智能体团队 #Eigent

AIGCLINK

16,164 次观看 • 1 年前

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。 Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译

宝玉

37,498 次观看 • 4 个月前

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

宝玉

30,093 次观看 • 2 年前

我第一次用 Ling 3.0 flash，做的只是一个很基础的任务，整理50条用户评论。评论来自不同用户，内容很杂。有 bug 报告，有功能请求，也有对整体体验的评价。过去处理这类材料，我得一条条读，再手动归类重复问题，统计出现频率，最后才能开始写汇总报告。这个过程不难，却很耗时间，也很容易漏掉信息。 ## 把重复劳动交给模型这次我把全部反馈一次性发给 Ling 3.0 flash，同时给了它一套更清楚的处理流程。它需要完成的事情包括。 - 对评论按主题分类。 - 提取每条反馈里的核心信息。 - 合并重复或高度相似的建议。 - 去掉无关和冗余内容。 - 输出一份可直接查看的汇总报告。几分钟后，结果就出来了，结构很清楚，查看起来也很省力。像记录问题，增加深色模式，一次性导出多条消息这类反复出现的建议，都被归到了一起。不同类别的反馈也完成了统计，哪些问题出现得更多，一眼就能看出来。 ## 模型负责产出，人负责判断这件事帮我省下来的，不只是阅读五十条评论的时间。我不需要反复检查有没有遗漏，也不用重新核算相似评论，更少了很多手动整理时容易发生的小错误。模型没有替我决定产品该怎么做，它只是把杂乱的信息整理成了我能判断的材料。产品要不要做深色模式，导出功能该排在什么优先级，bug 修复要投入多少资源，这些决定依然要由人来做。我觉得这才是更接近真实工作场景的 AI 用法。人掌握目标，规则和最终决策，模型承担整理，归纳，格式化和生成这些执行工作。 ## 很多办公任务，不需要顶级推理不少办公场景并不缺复杂思考，真正缺的是稳定完成重复任务的能力。日常工作里，经常会遇到这些事情。 - 阅读一批文档。 - 汇总不同来源的材料。 - 统一格式。 - 按既定规则分类。 - 生成可以直接交付的内容。这类流程每天可能发生很多次。它们不一定需要一个负责规划全局，决定方向的模型，却很需要一个响应快，输出稳，能按要求执行的工具。 Ling 3.0 flash 给我的感觉，更像项目流程里可靠的执行环节，而不是替代负责人做判断的控制中心。只要我把目标和流程交代清楚，它就能更快完成后续步骤。我也能把时间留给更需要批判性思考，沟通协调和决策判断的事情。并不是每个问题都要动用最强的推理能力。把高频，重复，规则明确的流程交给更快更稳定的模型处理，往往才是效率真正提升的地方。体验地址： 👇以下视频是我亲自体验录制的过程

我第一次用 Ling 3.0 flash，做的只是一个很基础的任务，整理50条用户评论。评论来自不同用户，内容很杂。有 bug 报告，有功能请求，也有对整体体验的评价。过去处理这类材料，我得一条条读，再手动归类重复问题，统计出现频率，最后才能开始写汇总报告。这个过程不难，却很耗时间，也很容易漏掉信息。 ## 把重复劳动交给模型这次我把全部反馈一次性发给 Ling 3.0 flash，同时给了它一套更清楚的处理流程。它需要完成的事情包括。 - 对评论按主题分类。 - 提取每条反馈里的核心信息。 - 合并重复或高度相似的建议。 - 去掉无关和冗余内容。 - 输出一份可直接查看的汇总报告。几分钟后，结果就出来了，结构很清楚，查看起来也很省力。像记录问题，增加深色模式，一次性导出多条消息这类反复出现的建议，都被归到了一起。不同类别的反馈也完成了统计，哪些问题出现得更多，一眼就能看出来。 ## 模型负责产出，人负责判断这件事帮我省下来的，不只是阅读五十条评论的时间。我不需要反复检查有没有遗漏，也不用重新核算相似评论，更少了很多手动整理时容易发生的小错误。模型没有替我决定产品该怎么做，它只是把杂乱的信息整理成了我能判断的材料。产品要不要做深色模式，导出功能该排在什么优先级，bug 修复要投入多少资源，这些决定依然要由人来做。我觉得这才是更接近真实工作场景的 AI 用法。人掌握目标，规则和最终决策，模型承担整理，归纳，格式化和生成这些执行工作。 ## 很多办公任务，不需要顶级推理不少办公场景并不缺复杂思考，真正缺的是稳定完成重复任务的能力。日常工作里，经常会遇到这些事情。 - 阅读一批文档。 - 汇总不同来源的材料。 - 统一格式。 - 按既定规则分类。 - 生成可以直接交付的内容。这类流程每天可能发生很多次。它们不一定需要一个负责规划全局，决定方向的模型，却很需要一个响应快，输出稳，能按要求执行的工具。 Ling 3.0 flash 给我的感觉，更像项目流程里可靠的执行环节，而不是替代负责人做判断的控制中心。只要我把目标和流程交代清楚，它就能更快完成后续步骤。我也能把时间留给更需要批判性思考，沟通协调和决策判断的事情。并不是每个问题都要动用最强的推理能力。把高频，重复，规则明确的流程交给更快更稳定的模型处理，往往才是效率真正提升的地方。体验地址： 👇以下视频是我亲自体验录制的过程

拳头👊🕊️

14,416 次观看 • 3 个月前

到现在都难以相信，Apodex 居然开源了！！我一度认为非常有商业价值的产品！还记得第一次用它，惊艳程度不亚于我第一次用Manus！这次，Apodex 开源正式发布了新版本 Apodex 1.1，并且提出了一个我非常认可的概念： AI的能力单位，不应该是一次回答，而应该是一项完整任务。什么意思？一个AI真正想进入工作流，至少要做到几件事：理解目标、进入真实环境、维持长任务状态、根据中间结果不断调整计划、任务失败后修复、最后交付一份可以核查的成果。最近刚好在做一个AI项目，是一个工作台，需要评估不同模型组合选型的成本，为了测试Apodex能做到什么程度，我把模型价格、评测数据和具体场景需求给到它，让它根据我的需求，为四类业务场景完成 AI 模型/API 选型，统一不同厂商的价格口径，计算月度成本，同时满足性能、上下文、工具能力、预算和供应商集中度约束。它拿到的是不同格式、不同统计口径的数据，有些数据可能不够准确，有些需要清洗，有些需要重新计算。 Apodex没有上来就写报告，它先在Task Board里拆解整个任务，然后根据任务自动组织Agent Team。第一轮，它已经完成了数据清洗、价格标准化、模型筛选和成本测算，然后我临时补充了新的需求：没错，在任务中我可以随时“插话”，补充新的文件和想法。 *中文内容生成的月请求量，从 12 万提高到 24 万； *深度研究中 30% 的场景，必须转到自建环境； *长文档审阅全部涉及敏感文件，也必须本地运行； *月预算不变；普通AI看到这一堆新的需求，一般都会重新跑一遍。但Apodex并没有！它保留了原始数据、价格归一化方法、峰谷计价规则和已经验证的计算口径，没有变化的部分原样保留，只是重新调整了变化的部分！它可以在任务过程中动态调整任务计划！！这个可能是这个版本最大的一个更新！Apodex 1.1 就像是在维护一个持续变化的任务状态：它要读取真实文件、拆解工作、推进计算，还要接收中途反馈，判断保留仍然成立的成果，只修正受影响的部分，最后把结果交付成可以继续使用和核查的文件。这可能才是复杂任务型 Agent 真正应该具备的工作能力。最后，它交付了两份不同粒度的报告，以及一个包含 18 个工作表的 Excel 成本模型；其中专门新增了“变更与场景”“云 API 重算”“本地候选筛选”“本地 TCO 缺失假设”“保留 vs 受影响”5 张表。整个过程，特别丝滑。这也是Apodex 1.1这次最核心的变化：进入真实任务的执行过程。而所谓真实任务的执行，其实就是你随时可以甩给AI新的资料和要求，而它会有条不紊的把任务进行下去，直到交付给你完整可验证的结果！

到现在都难以相信，Apodex 居然开源了！！我一度认为非常有商业价值的产品！还记得第一次用它，惊艳程度不亚于我第一次用Manus！这次，Apodex 开源正式发布了新版本 Apodex 1.1，并且提出了一个我非常认可的概念： AI的能力单位，不应该是一次回答，而应该是一项完整任务。什么意思？一个AI真正想进入工作流，至少要做到几件事：理解目标、进入真实环境、维持长任务状态、根据中间结果不断调整计划、任务失败后修复、最后交付一份可以核查的成果。最近刚好在做一个AI项目，是一个工作台，需要评估不同模型组合选型的成本，为了测试Apodex能做到什么程度，我把模型价格、评测数据和具体场景需求给到它，让它根据我的需求，为四类业务场景完成 AI 模型/API 选型，统一不同厂商的价格口径，计算月度成本，同时满足性能、上下文、工具能力、预算和供应商集中度约束。它拿到的是不同格式、不同统计口径的数据，有些数据可能不够准确，有些需要清洗，有些需要重新计算。 Apodex没有上来就写报告，它先在Task Board里拆解整个任务，然后根据任务自动组织Agent Team。第一轮，它已经完成了数据清洗、价格标准化、模型筛选和成本测算，然后我临时补充了新的需求：没错，在任务中我可以随时“插话”，补充新的文件和想法。中文内容生成的月请求量，从 12 万提高到 24 万；深度研究中 30% 的场景，必须转到自建环境；长文档审阅全部涉及敏感文件，也必须本地运行；月预算不变；普通AI看到这一堆新的需求，一般都会重新跑一遍。但Apodex并没有！它保留了原始数据、价格归一化方法、峰谷计价规则和已经验证的计算口径，没有变化的部分原样保留，只是重新调整了变化的部分！它可以在任务过程中动态调整任务计划！！这个可能是这个版本最大的一个更新！Apodex 1.1 就像是在维护一个持续变化的任务状态：它要读取真实文件、拆解工作、推进计算，还要接收中途反馈，判断保留仍然成立的成果，只修正受影响的部分，最后把结果交付成可以继续使用和核查的文件。这可能才是复杂任务型 Agent 真正应该具备的工作能力。最后，它交付了两份不同粒度的报告，以及一个包含 18 个工作表的 Excel 成本模型；其中专门新增了“变更与场景”“云 API 重算”“本地候选筛选”“本地 TCO 缺失假设”“保留 vs 受影响”5 张表。整个过程，特别丝滑。这也是Apodex 1.1这次最核心的变化：进入真实任务的执行过程。而所谓真实任务的执行，其实就是你随时可以甩给AI新的资料和要求，而它会有条不紊的把任务进行下去，直到交付给你完整可验证的结果！

沐阳

50,531 次观看 • 2 个月前

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

爱丽丝呀！

41,135 次观看 • 3 个月前

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

62,210 次观看 • 2 年前

哈佛的CS50课程节选：GPT-4是如何工作的？在这门课程中，介绍了GPT-4的基本概念和工作原理，介绍了GPT-4的基本概念、工作原理和应用前景，展示了其在各种场景下的强大能力。 GPT-4作为一种生成式AI和大型语言模型，是基于神经网络和人工智能的。它可以作为文化模拟器、文本预测器、写作助手和内容生成器。 GPT-4的训练目标是预测给定单词序列的下一个单词。通过对五万个单词的词汇表进行概率分布生成，模型可以生成各种可能的后续单词。通过不断迭代这一过程，GPT-4能够生成连贯的文本。随着模型训练时间的增加，GPT-4表现出越来越强的表现力和能力，甚至变得更加“聪明”。这使得它能够模仿不同类型的文本风格和语言注册。例如，GPT-3通过观察大量问题和答案示例，实际上已经知道如何回答问题，从而形成了ChatGPT。这使得GPT-4可以以问答的形式工作，为用户提供解决问题的帮助。此外，GPT-4通过指令调整、强化与人类反馈对齐等方法，与现有的工具和服务相结合。这使得GPT-4能够帮助用户执行各种任务，如搜索网络、查找食谱等。通过将GPT-4转变为代理，实现任何模糊目标成为未来发展的方向。 YouTube：

哈佛的CS50课程节选：GPT-4是如何工作的？在这门课程中，介绍了GPT-4的基本概念和工作原理，介绍了GPT-4的基本概念、工作原理和应用前景，展示了其在各种场景下的强大能力。 GPT-4作为一种生成式AI和大型语言模型，是基于神经网络和人工智能的。它可以作为文化模拟器、文本预测器、写作助手和内容生成器。 GPT-4的训练目标是预测给定单词序列的下一个单词。通过对五万个单词的词汇表进行概率分布生成，模型可以生成各种可能的后续单词。通过不断迭代这一过程，GPT-4能够生成连贯的文本。随着模型训练时间的增加，GPT-4表现出越来越强的表现力和能力，甚至变得更加“聪明”。这使得它能够模仿不同类型的文本风格和语言注册。例如，GPT-3通过观察大量问题和答案示例，实际上已经知道如何回答问题，从而形成了ChatGPT。这使得GPT-4可以以问答的形式工作，为用户提供解决问题的帮助。此外，GPT-4通过指令调整、强化与人类反馈对齐等方法，与现有的工具和服务相结合。这使得GPT-4能够帮助用户执行各种任务，如搜索网络、查找食谱等。通过将GPT-4转变为代理，实现任何模糊目标成为未来发展的方向。 YouTube：

宝玉

404,953 次观看 • 3 年前

DeepSeek Harness 真该吐槽的，不是模型能力，而是执行效率🔥 最近这几天高强度使用 DeepSeek Harness，发现我分享推文的时候，在评论区有很多人跟我吐槽一开始我还不以为意，当我真的深度去使用的时候…… 我发现这几个地方是真的坑 😭 三个我觉得确实影响体验的地方： 1、执行速度：工具调用太多，任务跑得慢有时候任务本身并不复杂，但是 DeepSeek 容易反复调用工具、读取文件，把整个流程搞得很长很慢不知道到底是 Harness 的问题，还是 DeepSeek 的问题 2、Token 消耗：长任务尤其需要优化整体消耗没有 Pi Agent 那么省 Token，因为 Context、工具描述、反复交互都会增加消耗有一个任务，它来来回回干了 28 次才搞定虽然整体的缓存命中率很高，但整体的消耗其实一点也不少 3、任务稳定性：出错之后还得盯着这地方是我最想吐槽的在任务过程中，如果出现工具调用失败、结果为空，甚至子任务没完成，都没有可靠的错误回复和结果验证很多时候需要我主动去跟它说明问题、推进任务，完全没有 Claude Code 的那种舒服的感觉当然，我吐槽这些，不是说 DeepSeek 不能用 Everything is a Plugin 这个思路我还是很看好的，底层可替换、功能能自由组合，确实有自己的特色我现在更希望官方能继续把执行效率、Context 管理和长任务稳定性打磨好，变成一个成熟的产品毕竟大方向是对的，剩下的就看细节打磨了🔥

DeepSeek Harness 真该吐槽的，不是模型能力，而是执行效率🔥 最近这几天高强度使用 DeepSeek Harness，发现我分享推文的时候，在评论区有很多人跟我吐槽一开始我还不以为意，当我真的深度去使用的时候…… 我发现这几个地方是真的坑 😭 三个我觉得确实影响体验的地方： 1、执行速度：工具调用太多，任务跑得慢有时候任务本身并不复杂，但是 DeepSeek 容易反复调用工具、读取文件，把整个流程搞得很长很慢不知道到底是 Harness 的问题，还是 DeepSeek 的问题 2、Token 消耗：长任务尤其需要优化整体消耗没有 Pi Agent 那么省 Token，因为 Context、工具描述、反复交互都会增加消耗有一个任务，它来来回回干了 28 次才搞定虽然整体的缓存命中率很高，但整体的消耗其实一点也不少 3、任务稳定性：出错之后还得盯着这地方是我最想吐槽的在任务过程中，如果出现工具调用失败、结果为空，甚至子任务没完成，都没有可靠的错误回复和结果验证很多时候需要我主动去跟它说明问题、推进任务，完全没有 Claude Code 的那种舒服的感觉当然，我吐槽这些，不是说 DeepSeek 不能用 Everything is a Plugin 这个思路我还是很看好的，底层可替换、功能能自由组合，确实有自己的特色我现在更希望官方能继续把执行效率、Context 管理和长任务稳定性打磨好，变成一个成熟的产品毕竟大方向是对的，剩下的就看细节打磨了🔥

小墨同学

38,611 次观看 • 22 天前

自从马云重新现身后，蚂蚁集团一直猛冲AI，大动作不断！像是卯足劲在追赶阿里QWEN！最近更是连发两款实用拉满的模型！！！先是百B级的 Ling 2.6 Flash，盲测阶段就冲上 OpenRouter 趋势榜第一，直接火到了海外！！还不算完，Ant Ling 今天又甩出一张底牌： Ling 2.6 1T ！名字就能看得出来，这个模型能力会更强！！但有一个误区：能力强的不一定是思考模型！ Ling 2.6 1T 不靠拉长推理链条来显得"很聪明"，而是把 token 更多花在理解、规划和输出上。换句话来说：它的核心定位，是面向复杂任务，是精准指令下的执行模型！！ 1M 超长上下文，能把会议纪要、群聊记录、项目文档、零散资料一次性扔进去统一处理。强工具调用能力，可以接进 OpenClaw、Hermes、LangGraph、Dify 等跑工作流。真实问题处理，不只生成漂亮 demo，而是能够读懂已有代码，按照你的要求去干活。 Token 效率更高，不默认展开超长思考，成本控制到最低。最近一段时间都是免费用，不用白不用，我拿了几个真实任务跑了一遍，感受超级明显—— 如果是模糊的指令，它可能不太适合。但如果是比较详细的指令，给它一个工作流，就完全起飞了！！没有了推理过程，感觉非常丝滑，这一点，就挺重要的！！减少了很多“AI自作聪明”的麻烦！！说回蚂蚁这两款模型，完全是冲着落地应用来的，几乎把简单和复杂的应用场景全部包圆。 1T 负责理解复杂目标、拆解任务、整理材料、制定计划。 Flash 负责快速执行、快速改写、快速补全。这精准切入了现在大多数人用AI的“痒点”：总想着用一个“最强模型”解决所有的事情。但我认为真正重要并且正确的是：让对的模型干对的事。这样无论是速度、成本、还是结果一致性，都更能符合预期。

自从马云重新现身后，蚂蚁集团一直猛冲AI，大动作不断！像是卯足劲在追赶阿里QWEN！最近更是连发两款实用拉满的模型！！！先是百B级的 Ling 2.6 Flash，盲测阶段就冲上 OpenRouter 趋势榜第一，直接火到了海外！！还不算完，Ant Ling 今天又甩出一张底牌： Ling 2.6 1T ！名字就能看得出来，这个模型能力会更强！！但有一个误区：能力强的不一定是思考模型！ Ling 2.6 1T 不靠拉长推理链条来显得"很聪明"，而是把 token 更多花在理解、规划和输出上。换句话来说：它的核心定位，是面向复杂任务，是精准指令下的执行模型！！ 1M 超长上下文，能把会议纪要、群聊记录、项目文档、零散资料一次性扔进去统一处理。强工具调用能力，可以接进 OpenClaw、Hermes、LangGraph、Dify 等跑工作流。真实问题处理，不只生成漂亮 demo，而是能够读懂已有代码，按照你的要求去干活。 Token 效率更高，不默认展开超长思考，成本控制到最低。最近一段时间都是免费用，不用白不用，我拿了几个真实任务跑了一遍，感受超级明显—— 如果是模糊的指令，它可能不太适合。但如果是比较详细的指令，给它一个工作流，就完全起飞了！！没有了推理过程，感觉非常丝滑，这一点，就挺重要的！！减少了很多“AI自作聪明”的麻烦！！说回蚂蚁这两款模型，完全是冲着落地应用来的，几乎把简单和复杂的应用场景全部包圆。 1T 负责理解复杂目标、拆解任务、整理材料、制定计划。 Flash 负责快速执行、快速改写、快速补全。这精准切入了现在大多数人用AI的“痒点”：总想着用一个“最强模型”解决所有的事情。但我认为真正重要并且正确的是：让对的模型干对的事。这样无论是速度、成本、还是结果一致性，都更能符合预期。

沐阳

116,421 次观看 • 6 个月前

这两年我一直有个默认假设：模型参数越大，能力越强，什么任务都该交给最大的那个模型去做。但最近我在搭一个需要长流程、反复调用工具的 Agent 任务时，专门试了试把"规划"和"执行"拆开、交给不同模型来做的思路，用的执行端模型是Ant Ling刚发布的 Ling-3.0-flash。这次体验让我对"大模型不是越大越好"这句话有了更具体的理解。我遇到的问题起因是我想搭一个 Blender MCP 的工作流：让 AI 帮我自动完成一个简单场景的粗模搭建和运镜——比如摆几把椅子、设置一个摄像机轨迹，作为后续正式渲染前的预演草稿。一开始我图省事，直接让一个参数量很大的全能模型来处理整个流程：既要它想清楚场景该怎么布局、镜头该怎么运动，又要它高频地调用 Blender 的 MCP 接口去逐步执行动作。结果是，虽然效果还行，但每一步操作等待的时间都不短，跑完一整套流程花的时间和成本都超出了我的预期——毕竟这类任务里，真正需要"深度思考"的部分只占很小一块，绝大多数时间都花在了"调用接口、摆放物体"这类重复动作上。换成"规划-执行分离"之后我把流程拆成了两段：先用一个知识面更广的大模型，把场景的整体构图、镜头运动路径想清楚，写成一份结构化的操作说明；然后把这份说明交给 Ling-3.0-flash，让它作为执行引擎，逐条读取说明并调用 Blender MCP 接口去落地。这一次的差别很明显。Ling-3.0-flash 的总参数量是 124B，但实际推理时只激活 5.1B 参数，加上首字延迟能做到 500 毫秒以内，我能感觉到每一步操作的响应几乎是"秒回"的——不再是那种等大模型"想"完再动手的节奏，而是我一条指令下去，场景里的物体几乎立刻就摆好了。整套流程跑下来，成本也比全用大模型的方案低了不少。我的体会这次尝试让我确认了一件事：如果任务里"想清楚该怎么做"和"把已经想清楚的事情执行出来"这两部分能拆开，那把执行这一段交给 Ling-3.0-flash 这类专门优化过工具调用稳定性和响应速度的模型，确实比一个模型包办到底更划算。但我也发现，这套分工不是无脑套用的——如果场景本身很复杂，需要边搭建边做美学判断（比如构图是否好看、光影是否协调），单靠 Ling-3.0-flash 自己去决定，效果就会打折扣，这部分还是得靠前期规划阶段先想清楚。人负责把边界和验收标准定好，大模型负责规划，Ling-3.0-flash 负责又快又稳地把方案落地——这套组合让我第一次比较直观地感受到"规划-执行分离"这套架构的实际好处。目前Ling-3.0-flash 现已在 OpenRouter 上线——并可免费使用至 2026 年 8 月 3 日。链接：也可以直接网页对话体验：大家不妨去体验体验一下，感受下魅力

这两年我一直有个默认假设：模型参数越大，能力越强，什么任务都该交给最大的那个模型去做。但最近我在搭一个需要长流程、反复调用工具的 Agent 任务时，专门试了试把"规划"和"执行"拆开、交给不同模型来做的思路，用的执行端模型是Ant Ling刚发布的 Ling-3.0-flash。这次体验让我对"大模型不是越大越好"这句话有了更具体的理解。我遇到的问题起因是我想搭一个 Blender MCP 的工作流：让 AI 帮我自动完成一个简单场景的粗模搭建和运镜——比如摆几把椅子、设置一个摄像机轨迹，作为后续正式渲染前的预演草稿。一开始我图省事，直接让一个参数量很大的全能模型来处理整个流程：既要它想清楚场景该怎么布局、镜头该怎么运动，又要它高频地调用 Blender 的 MCP 接口去逐步执行动作。结果是，虽然效果还行，但每一步操作等待的时间都不短，跑完一整套流程花的时间和成本都超出了我的预期——毕竟这类任务里，真正需要"深度思考"的部分只占很小一块，绝大多数时间都花在了"调用接口、摆放物体"这类重复动作上。换成"规划-执行分离"之后我把流程拆成了两段：先用一个知识面更广的大模型，把场景的整体构图、镜头运动路径想清楚，写成一份结构化的操作说明；然后把这份说明交给 Ling-3.0-flash，让它作为执行引擎，逐条读取说明并调用 Blender MCP 接口去落地。这一次的差别很明显。Ling-3.0-flash 的总参数量是 124B，但实际推理时只激活 5.1B 参数，加上首字延迟能做到 500 毫秒以内，我能感觉到每一步操作的响应几乎是"秒回"的——不再是那种等大模型"想"完再动手的节奏，而是我一条指令下去，场景里的物体几乎立刻就摆好了。整套流程跑下来，成本也比全用大模型的方案低了不少。我的体会这次尝试让我确认了一件事：如果任务里"想清楚该怎么做"和"把已经想清楚的事情执行出来"这两部分能拆开，那把执行这一段交给 Ling-3.0-flash 这类专门优化过工具调用稳定性和响应速度的模型，确实比一个模型包办到底更划算。但我也发现，这套分工不是无脑套用的——如果场景本身很复杂，需要边搭建边做美学判断（比如构图是否好看、光影是否协调），单靠 Ling-3.0-flash 自己去决定，效果就会打折扣，这部分还是得靠前期规划阶段先想清楚。人负责把边界和验收标准定好，大模型负责规划，Ling-3.0-flash 负责又快又稳地把方案落地——这套组合让我第一次比较直观地感受到"规划-执行分离"这套架构的实际好处。目前Ling-3.0-flash 现已在 OpenRouter 上线——并可免费使用至 2026 年 8 月 3 日。链接：也可以直接网页对话体验：大家不妨去体验体验一下，感受下魅力

韭菜饼子

83,352 次观看 • 3 个月前

很多人用了 AI，却没有真正提效，关键差别在于你让 AI 参与工作的深度 AI 的使用大致可以分成四层： 🔴问答案，帮你快速获取信息 🟡做任务，直接替你产出结果 🟠跑流程，把重复工作拆成固定步骤，让 AI 持续执行 🟢辅助决策，帮你补充变量、分析风险、挑战假设。真正的分水岭，不是会不会问 AI，而是能不能把 AI 从偶尔帮忙，变成稳定工作流程的一部分

很多人用了 AI，却没有真正提效，关键差别在于你让 AI 参与工作的深度 AI 的使用大致可以分成四层： 🔴问答案，帮你快速获取信息 🟡做任务，直接替你产出结果 🟠跑流程，把重复工作拆成固定步骤，让 AI 持续执行 🟢辅助决策，帮你补充变量、分析风险、挑战假设。真正的分水岭，不是会不会问 AI，而是能不能把 AI 从偶尔帮忙，变成稳定工作流程的一部分

Nana

19,702 次观看 • 2 个月前

我找到了最适合学生和打工人使用的 Agent 模型，而且免费开源！！！！像学生和打工人，使用 Agent 最多的场景就是调研、汇报等而最近我就挖掘到了一个宝藏的开源 Agent ，名字叫做 Atria Dawn Preview (Atria ASI) ，是上海人工智能实验室研发的新一代智能体模型预览版，主要面向科研、开发和专业知识工作。它可以结合资料检索、工具调用、实验执行和反馈修正，把复杂任务逐步推进为可验证、可交付的成果它背后的研发团队也很特别：大部分的研发成员是在校学生，团队汇聚了上海人工智能实验室、复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、上海交通大学及北京大学等高校的研究力量在官方的跑分中，其 AutomationBench 的能力碾压其他所有模型，说明它能真正的像个数字员工一样完成好所有的调研任务，跨应用业务自动化能力十分的强视频中的案例展示了它在工具和运行环境配合下生成机器人关节驱动模组 CAD 的过程。从任务规划、零件生成和装配，到几何检查及迭代修正，整个流程形成了较完整的工作闭环最终结果体现了不错的结构完整度和细节表现，也展示了智能体参与三维设计的潜力。不过，这类 Demo 仍需专业工程验证，不能直接视为可采购、加工和装配的生产级设计目前，Atria Dawn Preview 的代码和模型权重已经按 MIT 许可开源。实际能够完成哪些任务，则取决于算力、客户端以及接入的工具环境当然也可以直接调用官方的 api，直接赠送 1000万的 token 积分，链接：项目官网传送门🫱：

我找到了最适合学生和打工人使用的 Agent 模型，而且免费开源！！！！像学生和打工人，使用 Agent 最多的场景就是调研、汇报等而最近我就挖掘到了一个宝藏的开源 Agent ，名字叫做 Atria Dawn Preview (Atria ASI) ，是上海人工智能实验室研发的新一代智能体模型预览版，主要面向科研、开发和专业知识工作。它可以结合资料检索、工具调用、实验执行和反馈修正，把复杂任务逐步推进为可验证、可交付的成果它背后的研发团队也很特别：大部分的研发成员是在校学生，团队汇聚了上海人工智能实验室、复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、上海交通大学及北京大学等高校的研究力量在官方的跑分中，其 AutomationBench 的能力碾压其他所有模型，说明它能真正的像个数字员工一样完成好所有的调研任务，跨应用业务自动化能力十分的强视频中的案例展示了它在工具和运行环境配合下生成机器人关节驱动模组 CAD 的过程。从任务规划、零件生成和装配，到几何检查及迭代修正，整个流程形成了较完整的工作闭环最终结果体现了不错的结构完整度和细节表现，也展示了智能体参与三维设计的潜力。不过，这类 Demo 仍需专业工程验证，不能直接视为可采购、加工和装配的生产级设计目前，Atria Dawn Preview 的代码和模型权重已经按 MIT 许可开源。实际能够完成哪些任务，则取决于算力、客户端以及接入的工具环境当然也可以直接调用官方的 api，直接赠送 1000万的 token 积分，链接：项目官网传送门🫱：

Sac

53,037 次观看 • 2 个月前

在 GitHub 看到 MobiAgent 这个开源框架，相当厉害，它能让 AI 像真人一样操控手机完成各种复杂任务。提供开箱即用 App，输入指令即可自动执行任务，支持记住我们的使用偏好、自定义执行流程，同时可多任务并行处理。更厉害的是，框架内置了经验检索模块，会根据历史任务自动优化规划，就像 AI 在不断学习进化一样。 GitHub：框架核心内容全部开源，包含专门训练的 MobiMind 智能体模型（分为决策、定位、规划三个专用模型），还有 AgentRR 加速框架和 MobiFlow 评测基准。值得一提的是，它还提供了完整的数据收集、标注和处理工具链，能帮助开发者基于自己的需求训练定制化的手机智能体。可直接下载 APP 在手机上体验，或者通过 Python 脚本配合 ADB 来深度控制手机。想要尝试做移动端自动化 AI 智能体的开发者，可以好好学习研究一下，相信对大家有所帮助。

在 GitHub 看到 MobiAgent 这个开源框架，相当厉害，它能让 AI 像真人一样操控手机完成各种复杂任务。提供开箱即用 App，输入指令即可自动执行任务，支持记住我们的使用偏好、自定义执行流程，同时可多任务并行处理。更厉害的是，框架内置了经验检索模块，会根据历史任务自动优化规划，就像 AI 在不断学习进化一样。 GitHub：框架核心内容全部开源，包含专门训练的 MobiMind 智能体模型（分为决策、定位、规划三个专用模型），还有 AgentRR 加速框架和 MobiFlow 评测基准。值得一提的是，它还提供了完整的数据收集、标注和处理工具链，能帮助开发者基于自己的需求训练定制化的手机智能体。可直接下载 APP 在手机上体验，或者通过 Python 脚本配合 ADB 来深度控制手机。想要尝试做移动端自动化 AI 智能体的开发者，可以好好学习研究一下，相信对大家有所帮助。

GitHubDaily

35,286 次观看 • 11 个月前