Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

卧槽，发现了一个自动化黑盒测试的开源项目：Maestro Maestro 是一个极其现代化的自动化测试平台。最大的痛点杀手是：它将测试门槛降到了极低，甚至不需要你懂复杂的代码。全平台通吃：不管你是原生 iOS/Android，还是 React Native, Flutter，甚至是 Web，一套框架全部搞定。免手写代码：提供全能测试 IDE（Maestro Studio）。你只需要像普通用户一样在界面上点按，它就能自动录制操作并生成测试脚本。目前本地跑完全免费：开发者使用 Maestro CLI 和桌面端 Maestro Studio（支持 Mac/Win/Linux）在本地测试，0 成本。 Cloud Plan (企业级云端并发测试)：针对需要规模化、集成 CI 的团队是走收费模式。仓库地址见评论区👇

比特币橙子Trader

72,084 subscribers

103,982 просмотров • 6 месяцев назад •via X (Twitter)

Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub：另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。

做移动应用或 Web 端到端测试，传统工具要么配置复杂难上手，要么测试脚本容易因为界面变化而失败，维护成本很高。今日在 GitHub Trending 榜上发现 Maestro 这个开源测试框架，用简洁的 YAML 语法编写测试流程，5 分钟就能写出第一个测试用例。支持 Android、iOS 和 Web 应用，包括 React Native、Flutter 等框架，可以在模拟器、真机或浏览器上运行，内置智能等待机制，自动处理动态界面，不需要手动写延迟。 GitHub：另外还提供了 Maestro Studio 可视化编辑器，可以录制交互、检查元素、可视化构建测试流程，甚至内置 AI 辅助生成测试命令。环境配置十分精简，只需一行命令即可完成安装，写好的测试脚本也不需要编译就能直接运行。适合需要频繁进行界面测试的团队，能帮我们省下大量维护自动化脚本的时间。

GitHubDaily

17,286 просмотров • 6 месяцев назад

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 просмотров • 4 месяцев назад

今天在Mac M4 Pro本地跑了下Ornith-1.5-35B-A3B的模型达到50+token/s，完全可以本地token自由了测试prompt是生成一个SVG动画：鹈鹕骑自行车下面是实测录屏👇🏻

今天在Mac M4 Pro本地跑了下Ornith-1.5-35B-A3B的模型达到50+token/s，完全可以本地token自由了测试prompt是生成一个SVG动画：鹈鹕骑自行车下面是实测录屏👇🏻

雪瑜

57,597 просмотров • 1 месяц назад

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

axiaisacat

68,008 просмотров • 6 месяцев назад

50秒的视频--用CodeX尝试入门量化交易/AI交易以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达：具体提示词在下一条推文👇

50秒的视频--用CodeX尝试入门量化交易/AI交易以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达：具体提示词在下一条推文👇

梭哈.AI

27,346 просмотров • 4 месяцев назад

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

karminski-牙医

12,868 просмотров • 2 месяцев назад

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

反检测浏览器一个月动辄收几百块，现在有人直接开源了一个能打的平替。 CloakBrowser，一个深度魔改的 Chromium 浏览器，专治爬虫和自动化场景下的各种检测。 - reCAPTCHA v3 评分 0.9，达到跟真人一个水平 - 主流爬虫检测 14 项全过，Cloudflare 验证也能自动绕过 - 完全兼容 Playwright，老项目改一行代码就能用上 GitHub：市面上同类方案大多是靠脚本伪装，Chrome 一更新就失效。 CloakBrowser 直接改了 Chromium 的源代码，从底层让浏览器看起来就是个真实用户在操作。开箱即用，200MB 大小安装包，做爬虫、数据采集、自动化测试的朋友可以试试。

高军

42,067 просмотров • 4 месяцев назад

推荐一个做视觉驱动 UI 自动化的项目 Midscene 它先给出自然语言测试，再让视觉理解去带自动化。它放了 web、iOS、Android 三类 showcase，从网页表单到手机端操作都有现成案例它还把 Midscene Skills 和 OpenClaw 的联动单独列出来了，所以它不只做浏览器测试，也在往更通用的平台控制扩展。 GitHub 现在约 1.4 万 stars 工具地址：

推荐一个做视觉驱动 UI 自动化的项目 Midscene 它先给出自然语言测试，再让视觉理解去带自动化。它放了 web、iOS、Android 三类 showcase，从网页表单到手机端操作都有现成案例它还把 Midscene Skills 和 OpenClaw 的联动单独列出来了，所以它不只做浏览器测试，也在往更通用的平台控制扩展。 GitHub 现在约 1.4 万 stars 工具地址：

奶牛叔

14,235 просмотров • 3 месяцев назад

🧠GPT 5.4确实强一天时间搞出来了一个Agents Tools 发现平台自动+手动收录自动化审核 …… 我啥也没做，跟GPT5.4对话了几轮，然后就全部自动化完成了开发目前还在测试，但是明显感觉到比之前强太多了

🧠GPT 5.4确实强一天时间搞出来了一个Agents Tools 发现平台自动+手动收录自动化审核 …… 我啥也没做，跟GPT5.4对话了几轮，然后就全部自动化完成了开发目前还在测试，但是明显感觉到比之前强太多了

比特币橙子Trader

24,341 просмотров • 6 месяцев назад

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,683 просмотров • 6 месяцев назад

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

暖暖爱AI

102,651 просмотров • 2 месяцев назад

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

Codex 5.6 真的绝了用了这么久，最值得装的插件就这几个 👇 ① Browser AI 自动操作浏览器，点击、输入、端到端测试全能干，再也不用手动验证了 ② GitHub 和 Issue、PR 打通，丢个任务给它，从编码到审核全搞定，开发流程快到飞起 ③ Codex Security 自动扫代码漏洞和密钥泄露，还能给出修复方案，省了一堆安全问题 ④ Build Web Apps 描述想法就行，设计、开发、测试一条龙，全栈项目的时间能省一半 ⑤ Figma Figma 设计直接转代码，响应式自动搞定，设计稿和代码终于能对上了 ⑥ Sentry 线上报错自动分析，帮你定位问题还给出修复代码，线上问题不再头大但最绝的其实是「Sites」功能开发完直接在里面预览，一键公开分享还能用自定义域名这意味着什么？原型秒送客户看把这些组合起来用 Codex 就从单纯的「写代码 AI」变成了真的开发团队——设计、编码、测试、调试、上线全包

科技混子Chris

111,659 просмотров • 2 месяцев назад

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31

刚发布的 DeepSeek-V3.1-Base 写代码实测来啦! 直接说结论, 比 GPT-5 好! 我的体感是马上就能追平 Claude-Sonnet-4. 这次三组测试中, DeepSeek 除了大象牙膏的那个 OrbitControls 前面没有加 THREE 的包名称以外, 其余测试均能一次性通过, 相比较 GPT-5 在上期测试中出现了各种错误. DeepSeek-V3.1-Base 可以用流畅来形容. 不过测试出来 DeepSeek-V3.1-Base 最大的问题是美学还是差点意思, 生成的三角烧瓶只能用抽象来形容, 并且6次生成中没有一次能看的. 网页制作的样式和审美也略单一. 以上就是本期评测, 关注我带你看全网嗯快嗯专业的大模型评测. #DeepSeek #DeepSeekV31

karminski-牙医

86,008 просмотров • 1 год назад

广州大学方班BinX战队的自动化渗透测试Agent 新版本发布了！！ LuaN1aoAgent也是去年黑客松上表现出色的一款智能体，基于DeepSeek V3.2构建，目前在Xbow基准测试中，它完全自主地实现了90%的成功率，平均每次漏洞利用的成本仅为0.09美元。其优点在架构设计上： ✅双重图推理：将网络拓扑映射到动态攻击路径。 ✅显式认知跟踪：在复杂的链中实现零“上下文漂移”。 ✅DeepSeek 优化：以一小部分成本获得高级安全情报。项目地址： #AIPenetrationTesting #OffensiveAI #CyberAI #AutonomousPentesting

广州大学方班BinX战队的自动化渗透测试Agent 新版本发布了！！ LuaN1aoAgent也是去年黑客松上表现出色的一款智能体，基于DeepSeek V3.2构建，目前在Xbow基准测试中，它完全自主地实现了90%的成功率，平均每次漏洞利用的成本仅为0.09美元。其优点在架构设计上： ✅双重图推理：将网络拓扑映射到动态攻击路径。 ✅显式认知跟踪：在复杂的链中实现零“上下文漂移”。 ✅DeepSeek 优化：以一小部分成本获得高级安全情报。项目地址： #AIPenetrationTesting #OffensiveAI #CyberAI #AutonomousPentesting

𝕎𝕠𝕝𝕗 𝕋𝕣𝕒𝕚𝕟𝕖𝕣

44,506 просмотров • 7 месяцев назад

今天刷 github 刷到个真牛逼的项目！ Strix 这个开源东西，AI 自动渗透测试，能像真人黑客一样跑你的代码找漏洞，还直接给你真实可工作的 PoC 验证，不是那种静态扫描一堆假阳性的玩意儿。支持本地项目、github 仓库、在线网站都能扫，还能自动生成修复 PR，CI/CD 里直接用也行。 29k stars 不是白来的，感觉以后安全测试要变天了。有在用的兄弟吗？体验怎么样？赶紧去 star 一下吧：👇👇👇👇真的香！

今天刷 github 刷到个真牛逼的项目！ Strix 这个开源东西，AI 自动渗透测试，能像真人黑客一样跑你的代码找漏洞，还直接给你真实可工作的 PoC 验证，不是那种静态扫描一堆假阳性的玩意儿。支持本地项目、github 仓库、在线网站都能扫，还能自动生成修复 PR，CI/CD 里直接用也行。 29k stars 不是白来的，感觉以后安全测试要变天了。有在用的兄弟吗？体验怎么样？赶紧去 star 一下吧：👇👇👇👇真的香！

DeFi狙击手 | Ai🕊️｜Gate美股0费率

16,969 просмотров • 3 месяцев назад

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 просмотров • 3 месяцев назад

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助现在学习怎么用 AI 也不算迟 #codex #gaming

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助现在学习怎么用 AI 也不算迟 #codex #gaming

卡神 Karu

10,157 просмотров • 4 месяцев назад