Loading video...

Video Failed to Load

Go Home

最近Claude又发生了一波封号潮,经过这么久的摸索了,总体就这几个主要原因 1. IP IP不是绝对因素,但是干净的IP绝对是大大加分,而且Anthropic也把IP检测平台列为了合作伙伴 这个IP质量检测平台是Anthropic的合作平台,大家可以自己检查一下 2. 开卡方式 虚拟卡以及一些经常批量开Claude的卡台,这也是封号最为严重的因素之一,使用虚拟卡开卡风险会比较高。如果你试了好几个卡都不行,可以试试专门为AI订阅优化的卡台服务商。 我自己用的是yika 3. 反代 不要反代,比如sub2api这种,反代基本必封号,实测只有百分之几的幸运号而且还是一并发的反代号能活,几率非常小 4. 设备🫆 如果你怎么开都封,那就不是以上因素,是设备问题。换个浏览器重新开。 5. 邮箱 邮箱使用谷歌或者Outlook比较好,乱七八糟的邮箱一个是弹验证码几率高,一个是封号概率高,不干净的邮箱有的开号会秒封 其他乱七八糟的使用英文对话,改设备时区到美国时区,根本没有一分钱关系。

70,214 views • 2 months ago •via X (Twitter)

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

Claude Fable 5 重新开放了 最近刚好有一个demo,就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意 然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案 支持中文全流程输出,可以反复优化迭代 “ 也是想尝试一下,做一个可以验证 Fable 5 长任务能力 最终做出了一个能够简单跑的框架(我没有投入任何信息源,没有喂数据 所以跑起来效果没有那么屌,不过我觉得后期再投喂一些案例,我觉得确实是可以落地的) 说说我为什么用Fable 5 来测? 因为这个任务本质不是写代码 更像是说去测试AI的长链路规划能力测试 它需要: 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查 这刚好是 Claude Fable 5 主打的能力 整体跑下来我觉得还算是可以的,毕竟我这种不会写代码不会设计的小屌丝,确实在Fable 5 上面使用得其乐融融的 哈哈 再说说我的TOKEN使用量吧:112.31K(按照官方的收费标准大概是在:$4.2) 要是加上文本案例 再接入一个AI对话的API框架 我觉得应该费用还要再多出个大几十吧(个人猜测,毕竟投喂数据可能会比较烧tokens) 总的来说的话我个人还是觉得这笔消费还算挺值得的,因为这本身在传统行业的话 可能会是比较高的费用,AI真的弄挺好的 说完Claude Fable 5的体验, 那我不得不说我是在哪里体验的Claude Fable 5了 我这次没有走官方通道,而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了,只要你账号的余额>$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持(不限于): 200+ 模型统一入口 无 RPM 限制 PK 模式 可以直接做横评 如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

车九

48,436 views • 1 month ago

两个人不见面,不聊骚,不涉黄,不约会,不聊色的情况下,一个男的一个女的能聊多久? 我长期观察 Kindred Labs ,有了一个清晰的判断。 它真正想解决的不是 AI 像不像人,也不是 IP 会不会火,而是一个更底层的问题,IP 在数字世界里,第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆,全都留在平台,IP 本身却什么都带不走。 Kindred Labs 的核心改变在于,它把 IP 从一次性内容,变成一个持续运行的系统。 这个系统不是靠曝光驱动,而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁,而是它作为一个可持续存在的 AI 实体,每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹,它就不再只是形象,而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看,Kindred 在做的是三件事的叠加。 第1️⃣:IP 的行为层被模块化,所有互动不再是一次性调用,而是状态更新。 第2️⃣:用户关系被本地化,IP 不依赖平台推荐生存,而是存在于用户设备。 第3️⃣:数据权属被重新定义,IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来,本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号,不是 NFT,而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP,本质上都是在接入同一套运行环境。 从这个角度看,SATO 的经济设计反而只是外层。 真正的价值在于,Kindred 已经证明了一件事。 IP 可以不依赖平台流量,也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光,而会开始看留存 看互动深度 看生命周期长度。 而这些指标,只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比,其实是错位的。 它不是在比模型能力,而是在重写 IP 的存在方式。 从长期建设的角度,我更关心的是下一步。 当更多 IP 进入这套系统,IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立,Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

比克大魔王

569,642 views • 8 months ago

为什么有的人总是可以遇到贵人? 我这两年有一个非常明显的感受,就是发现遇到的贵人概率越来越高了,以前会经常观察身边人这个现象,发现每个人遇到贵人的概率完全是不一样的,而且我觉得这件事儿是真的有方法论。 1.成为贵人,才能遇到贵人。只有自己是贵人,才能真正理解贵人说的话做的事情的原因,这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学,我们能做的就是提高概率发生,要知道哪些因素可以提高这件事发生的概率,比如同样一个人,环境、影响力、圈子质量不一样,结果完全不同。即使你有能力,但你就是在小地方,也没人知道你,你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人,再加上你去积累影响力,把自己的想法对外输出,这样知道你的人的数量会几何倍增,数量倍增了,即便同等概率下遇到贵人的数量也增加了,而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方,贵人往往会在资源丰富、机会多的地方,如果你跳进这些地方,遇到贵人的概率就会大大增加,比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你,是因为他们看到了你身上具备成功的属性、有他之前的影子,有一天你可以成为他们或超越他们,你的这种潜能才是得到贵人的根本,他们帮助你也是在去验证自己的眼光,你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段,爷叔的一个回眸看到宝总穿着西装站在那里,他看着阿宝的眼神是有光的,就仿佛看到了年轻时的自己。

小人物

49,089 views • 2 years ago

99+ 不可怕。可怕的是这 99 封我全都看过。 看的时候都记得。过两天只剩个模糊印象:好像有这回事,好像谁提过一句,好像我还没回。直到群里被 @ 一句「这个怎么样了」,我一边回「好的,在跟进」,一边疯狂翻邮箱。 收件箱不替人分类。会议通知、系统提醒、审批、公告、客户临时加的三条要求,按时间倒序排成一列,长得一模一样。哪封两小时内必须回,哪封放一周也没事,没人告诉你。全靠自己排,排错了就是我的问题。 一件事也很少在一封邮件里说完。需求谁提的、中间被谁改过、客户后来又补了什么,真要动手时,结论散在五六封邮件里,还夹着两版早就作废的。 搜索能找到关键词。找不到的是这件事怎么一步步变成现在这样。 最近在网易邮箱大师里开了 Mail Agent。我想看它能不能对付这种邮箱,就造了 24 封模拟邮件,尽量按平时的乱法来。截止时间有的写在标题上,有的埋在正文里;有些要求后面被改过,旧的其实已经作废;还有几封写得很长,但根本不用处理。 我没让它做摘要。摘要解决不了上面那些问题。我给了它三个任务。 具体任务内容见评论或者看视频~ Mail Agent的价值就是在这个过程从整理邮件变成了理解工作,构建邮箱自己的“知识体系”。 这就是我觉得Mail Agent好用的点。AI使邮箱不再只是消息通道,而是逐渐变成了个人工作助手。 如果你的工作也被需求、会议、审批、客户反馈和各种通知塞满,那么网易邮箱大师Mail Agent确实值得。 更新网易邮箱大师后,点击右上角 AI 图标即可进入Mail Agent。 #网易邮箱 #网易邮箱Mail Agent #网易邮箱大师

岚叔

66,308 views • 12 days ago

小扎吐槽苹果和 Google,以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司,Apple 和 Google,它们可以告诉你可以构建什么。 在我们的历史中有很多次,比如有经济层面的情况,就是我们构建了些东西,然后它们就会拿走我们大部分的收入,但还有一种是质量层面,这实际上让我更加不满,也就是有很多次我们推出或希望推出某些功能,然后Apple就会说,不,你不能推出这功能。 这真的很糟糕。 问题是,这样的世界是否会在AI领域复现,就像你会有一小部分拥有封闭模型的公司,它们控制API,因此将能够告诉你可以构建什么。 我可以说,对我们来说,自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么,而且我认为从开源的角度来看,很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一,我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考,如果我们能实现这种技术,那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是,如果一个机构掌握了一种强大的AI远超其他所有人的,这同样是非常糟糕的。在我看来,一个理想的世界应该是这样的:AI技术被广泛而均衡地应用,随着时间推移逐步增强其健康性。在这样的世界里,各种系统能够相互制衡,这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在,但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说,一个价值100亿美元的模型,如果经过评估是完全安全的,你们会选择开源吗? **Mark Zuckerberg**:我的答案是,只要这个模型对我们有所帮助,那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的,然后现在要开源呢? **Mark Zuckerberg**: 我们一直以来都有开源软件的传统,但是我们并不会开源我们的产品。 比如说,我们并不会将Instagram的代码开源,但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中,我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了,这对我们来说非常有帮助。 因为很多人可以设计服务器,但现在,大家普遍都采用了我们的设计,这就意味着整个供应链都围绕我们的设计展开,规 模变大,对所有人来说都变得更便宜,为我们节省了数十亿美元。 这真是太棒了,对吧? 因此,我认为开源有多种方式可以对我们有所帮助。 一种就是,如果有人能够找出更便宜的运行模型的方法,我们将花费数十亿甚至上千亿美元,在所有这些模型上,所以如果我们能做的更有效率,那我们就可以节省数十亿甚至上百亿美元,这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源,我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目,对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过,他们觉得这是有可能的,因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题,我认为几乎有一半的世界人口都在使用我们的产品,这是一个真实的点,所以我觉得这很难超越。 但不管怎样,我还是认为开源是一种新的、非常強大的建设方式。 来源:

宝玉

74,721 views • 2 years ago

这位台湾同胞外套丢了,第一反应竟是被偷了 首先这件外套说是1万元但是是台币约等于2192元 对于上海这个城市来说,这个价钱并没有很贵重 这位朋友有意无意通过视频试图抹黑大陆 结果却反转了,是别人拿错了衣服,并且通过警察主动还回来了 且不说普通人不一定能一眼知道衣服值多少钱 就是知道的情况下偷走能干嘛? 卖二手能值钱? 如果这件事情发生在我们自己身上第一反应绝对不会是觉得被偷了 而是会想是不是落在哪里了 当然这件事情很符合很多台湾对大陆的刻板印象: 什么吃不起榨菜,吃不起茶叶蛋等 归根结底还是网络不够开放 在一个处处宣传开放民主的地方反而网络却很封锁 如果我不是亲自去过台湾,我也以为台湾很繁华 实际上他们那里大多数地方的建筑依旧保持在几十年前的样子 酒店设施也是几十年前的那种,除了新台区101大楼那一块,很多地方都看起来旧旧的 当然这是跟他们当地的一些制度有关,这是不能怪他们的 我想表达的是:凡事一定要有自己的判断,不要人云亦云 有时候你听到的的不一定是真的,你看到的也不一定是真的 法国印象中是发达国家对吧? 但是在建筑这一块依旧是追不上国内 他们甚至还在沿用邮件这种古老的联系模式 这也不能说别人不好,他们的生活幸福指数依旧很高 他们可以悠闲的喝个咖啡一喝喝几个小时,你能吗?

🍭吃货不怕胖

37,321 views • 6 months ago

高人,你这个帖子让我整整琢磨了两天!本来想写个长文,但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因,总感觉自己的开发缺了很重要的认知;也是我这段时间除了自己硬件修复工作之外,还必须要去看text-to-CAD 的原因。 我为啥这段时间上推,就是心情不好。话多,我心情好的时候是不说话的,哪有这个功夫,可以一直干活。 很多行业,甚至是大部分AI需要落地的严肃场景,就是缺 IR, Verifier; 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害,就是因为IR-Platform Config这条链条是顺畅的。 我们看一下我这个视频。Zoo(text-to-CAD)就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体,Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。 这个版就做的非常好,就是我在你的提示下,自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。 我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。 法律,医疗,CAD, circuit。 全都需要IR。 否则AI只是提供方案,不能提供方案验证,没有统一的IR,简直就是语言机——只会说!例如 Text-to-CAD 中,模型可以生成 KCL;但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器:P(next token | previous tokens) 代码非常成功是因为:代码行业拥有世界上最成熟的 IR 和 Verifier。 现在各行各业IR缺失,才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一? 医疗已经有 FHIR、DICOM、SNOMED 这些标准,但是这些标准大多数解决的是数据交换(Interoperability),而不是医学推理(Clinical Reasoning)。 如果真的要靠AI医学推理,需要耗费十几年的时间,真正把IR做出来,形成统一标准。 高人,给跪了。

Susan STEM

26,351 views • 1 month ago