opus模型必须要代理是么
作为一个 ai 创业者，我最近一个月在高强度的使用 opus 四点七，分享一下我的两个感受。第一个感受的是 opus 四点七的自主意识明显比之前的版本强。 所谓的自主意识变强指的是什么？当你给他布置一个任务的时候，他在完成这个任务的过程中，他不会再像以前那样小心翼翼的去问你，而我应该这么做还是应该那么做？现在他会觉得自己在那里脑补，脑补完成之后直接去实现了，那他其实不太会愿意去问你。 这个也是 ai 发展的一个必然的趋势，因为随着它实现的效果越来越好，以后人类对它的需求会变得更加要求它自主性。第二个感受是我当时在测试的过程中还让它实现一个 h t b 的 反向代理，我当时试了两个多小时，但无法完美的去实现我想要的这个能力。 那从这一点来看， ai 不 会一次性把所有的技能都点满， ai 也会有一些聚焦的能力，比如说自主性，其他的能力还是要人类去补充，所以我一直认为 ai 和人类应该是一种合作的关系。
粉丝83获赞487
相关视频
00:29查看AI文稿AI文稿地表最强模型 oppo 四点七免费用一个月，真被我薅到了，正常订阅每个月至少一百美刀，但我一分钱没花，现在正常使用完全没问题，跟付费的一样丝滑。 方法也很简单，通过 kyro 注册一个新号套餐，选 pro， 进到支付页面，如果显示零点零零美元，直接下单，免费一个月就到手了。详细图文教程我放在评论区了，照着走就行。最后提醒一句，用完记得去取消续费，不然下个月自动扣款。
268会偷懒的程序员阿语
00:49查看AI文稿AI文稿我现在对 azure rapid 这个公司啊，我真的是无语了，无语中的无语，就他一边恶心你，他一边让你不得不用他的产品。就他这两天刚出的那个 ops 四点七啊，我第一时间我就上手用了它确实是太好用了，就是 它可以吊打 codex 和其他的大模型。就是在 ai 编程领域，我认为现在只有两类，第一种是 ops 四点七，第二种是其他的 ai 编程模型， 但是他同时他每天又在恶心你，他一搞就出一个什么身份验证，然后就锁区，然后就封你号，随时你的网络可能断开，因为我现在还用的是那个新出的桌面版的 cloud code， 随时我每天我那个小梯子， 我生怕我不小心就是没搭好或者关了，随时他就把我的号封了，我每天都活在一种恐惧当中，我真的拿他一点整都没有。
3237方鑫三个金
06:49查看AI文稿AI文稿一到五年，取代入门白领地表最强编程大模型，累计融资超过三千五百亿人民币。 robbie 这家公司真的是一个非常神奇的存在。说到模型和产品，没有人敢小瞧他们，全球顶尖的 ops 加 cloud 扣的编程双雄， 企业级收入今年增长十倍。另一方面， ceo 各种争议性的言论也让人如芒在背，如梗在喉。今天咱们从模型、融资、 ceo 三个方面来拆解一下风头无量的 acrobiok。 先说一下结论，这是一家非常专注在办公室做自动驾驶的公司。 第一点， astonopy 的 模型发展。二零二三年三月十四号， astonopy 发布了第一代 cloud 模型。是的，你没听错，到今天他们家的模型一共才迭代了不到三年。第一代模型在当时震惊世界的拆的 gbt 面前，其实并没有激起太多的水花， 甚至都没有公开注册这个选项，只是跟大家强调，我们这里有个更安全的拆的 gbt 替代品，来试一下吧。紧接着在二零二三年七月份，他们发布了 cloud 的 二点零， 主打一百 k 的 上下文和编程，数学推理能力的增强。在当时市场上各种聊天类产品层出不穷的时候， azorobeek 的 重心非常明确，就是往办公室里钻，服务好白领，工作，做好长文档。 要知道拆的 gbt 四在十一月份，隔了四个月才有了一百二十八 k 上下温，真正让我觉得图琼 b。 现在是二三年十一月份， cloud 的 二点一发布，主打二百 k 上下温，震惊世界，而且已经开始测试 to use， 也就是 ai 的 工具使用能力。 二百 k 上下玩家偷柚子从这一刻开始， astonopy 即将要在白领的办公室大杀四方。进入二四年， cloud 进入三点零时代。在三月份， astonopy 开始将 cloud 分 成了三个系列， haku、 so net ops。 嗨酷主打快加便宜，专注于企业里面的重复性的简单任务，比如客服内容分类等等。 so net 取了个中间中档价格。高级能力，除了编程稍逊白领的办公、写作和工作流程自动化， so net 信手拈来。 os 是 最强、最大、最贵的模型，专注于编程，推理各种复杂任务。这之后，三月份 arduino 发布了 cloud 三 haiku， 六月份 cloud 三点五 socket， 十月份升级 cloud 三点五 socket， 提高了 computer use， 也就是电脑控制的能力。 同时发布嗨酷三点五在白领的电脑上狂飙猛进，没有发布会，宣传能力也没有 openai 强。但二零二四年六月份之后， sony 的 三点五已经默默成为了开发者圈子当中最受欢迎的模型，美国的白领群体也越来越适应 cloud 模型。 而与此同时， openai 高管出走， sora 视频生成刷屏， openai 依旧是最能获取大众注意力的那个公司。 到了二零二五年， ai 领域就是两个关键词， agent 和图像生成。而构成 agent 这一强大基础设施的就是二零二五年二月份发布的 cloud socket 三点七模型。这是一个让开发者觉得基点时刻来临的模型，英语正在变成编程的主要语言。 就是从这一刻开始，连各种顶级编程大神都被这个模型震惊，改变了自己对 ai coding 的 看法。而同时发布的 color code 接下来将为 ansorebik 带来十亿美元的年收入。 这一切的功臣就是 test time scaling， 利用强化学习，让模型不断地去思考自己，说服自己逼近最好的结果。一月份发布的 deepsea 开源大模型，用开源的方式向全世界宣布 test time scaling 真的 有效。 socket 三点七更进一步地向大家证明了这一点。 五月份发布的 opt 四定位地表最强编程模型，同时发布的索尼四继续深耕解决白领办公问题。九月份，索尼四点五开始各种刷屏，电脑操作任务的榜单开始逐步测试，一百万的上下文 在白领复杂的长任务上继续推进。十月份嗨酷四点五，便宜又好用。十一月份 opt 四点五彻底拉开和其他家的编程差距，变成写代码的默认大模型，也逐渐变成复杂 agent 的 积食模型，催生出了大龙虾这样的工具，火爆全球。 短短三年， osoby 在 普通白领任务长上下文的复杂白领任务、复杂编程、电脑操作 agent 任务取得了令人难以想象的进步。把所有的模型发布、介绍串联起来，一个清晰的图谱跃然纸上。 osoby 就是 要做办公室的自动驾驶公司。面对这样巨大的进步，资本市场对 osoby 做出了最好的回应。 不过在说他最近的顶级融资之前，大家猜一下他的早期投资者是谁？答案是 f t x。 二零二二年投资了奥斯罗宾克五亿美金，当时 f t x 还是全球第二大的加密货币公司。在二零二二年年底， 这家公司就因为挪用客户资金破产了，不得不令人唏嘘，如果能坚持到现在，光奥斯罗宾克这一笔投资， f t x 就 可以直接原地起飞。 之后就是二零二三年和二零二四年 google 和亚马逊的战略融资，那时候的这两项投资更像是抵御 open i 的 扩张，通过让 osoby 用 google 和亚马逊的云服务来搭上 ai 这条时代的大船。二零二五年三月份，索尼三点七发布之后， 强有力的模型直接让市场爆炸，硅谷顶级老牌风投光速 lifespeed 的 领投三十五亿美金，九月份融资一百三十亿美金。二零二六年二月份，也就是这个月，史诗级的拿下了三百亿美金的融资，估值达到了三千八百亿美金。 就这样， azorobe 可专注于凸臂客户，专注于办公编程场景，踏踏实实地训练模型，赢得了资本市场的青睐。就跟上个时代的微软一样，我们迎来了自己时代的办公王者。而与此同时，他的 ceo 因为各式各样的言论饱受争议，大家或多或少听说过，这里不做赘述。 这里简单说一下他在硅谷的一些正面的风评吧。第一点，他确实是在二零二零年 skincare 研究早期的核心成员之一， 很早就验证了算力加数据加参数三者协同扩展模型，能力可以预测地提升。第二点，他创立 azure， 坚守 ai safety 这个方向，在商业压力很大的情况下，仍然做了大量 ai 安全的研究，虽然最近好像有点顶不住了， 争议的方面大家每周都能看到，还是让历史去评价吧。最后总结一下 sorobeek 这家公司，它拥有办公编程的王者模型，史诗级雄厚的资金加持，饱受非议的 ceo， 但同时又通过自己的专注一步步走到了今天，变成了一个庞然大物。 再次告诉我们，市场永远不会忽视好的产品，你只需要专注于做好自己，让自己每一天都比昨天的自己更好一些。关注月球大叔，一线硅谷认知。
775月球大叔
01:18查看AI文稿AI文稿所有伏案中电脑工作的群体需要有些危机感，大模型越来越厉害，而且大模型厂商已经想通了制作这一块去赚钱，因为公司的钱最好赚，顾客呢，还不如用我的大模型一个呢，可以做十倍的工作量。 最近这个美国的最顶尖的大模型厂商 call 的 他又发了个新的模型，就是 call 的 四点七， oppo 四点五开始，你要去用它去做一些表格，去做一些 hr 的 事情，我觉得都已经非常容易了。 openai 它的 chat gpt 也做了类似的事情，也就在 opax 发四点七的那个时间点，它发了一个新的功能，就是允许用 chat gpt 控制你的电脑，在电脑上去用浏览器，去用各种各样的 app 去做你的工作， 包括现在国内喜欢用龙虾嘛，然后龙虾的进阶版这些其实都可以用。我觉得这个趋势就很明显，大模型厂商希望接管用户的电脑，这个电脑可能是你在电脑上做 ppt， 可能是写文档，可能是写代码，可能是去处理各种各样的财务，而且现在大模型确实也有这个水平， 所以我觉得在未来来讲的话，还是大家需要警惕一点，每一个人都需要开始去使用模型，要开始在模型还没普及的时候就找到自己，在这个大模型可以做所有的电脑工作的这个时候我们还有什么样的优势可以继续的工作下去？
14泽卿聊AI
00:50查看AI文稿AI文稿anscape 在 四月十六日发布了 cloud opt 四点七。 anscape 想把 ai 从会写代码继续推到了能稳定界更长更难监督更少的开发任务。官方说它在高级软件工程、多步长任务和高分辨率视觉上都比 opt 四点六更强。 更关键的是，这不是一个模型发布平台，还补齐了 x i effort task budget and cloud code 里的 outro view。 这说明 ospec 在 做的不只是模型升级，而是把 a 阶的开发工作流，最关键的推理预算控制和审结审核环节一起产品化了。 另外，他还把新的 cyber safe guard 先放的 opt 四点七跑真实的世界测试。所以这条新闻真正值得听的不是 colossal 的 又强了一点，而是 antopig 正在把长任务变成 agent， 往更能进入真实工程的环境方向推。
13老杜聊AI
02:09查看AI文稿AI文稿兄弟们， cloud opus 四点七来了，你的 token 还扛得住吗？这次升级不只是更聪明，而是直接冲着你的代码库和账单来的。 antipy 给他的定位很直白，写代码更狠，专业产出更有品。难点，工程活，以前要你盯着他改，现在很多人敢把最难的部分直接丢给他。 他特别擅长既要能用又要好看的活，前端界面、文档这些交付物，审美和创意明显拉满，但别误会，他仍不是最强。 mesa 预览版更能打 数据，更刺激，对比 opus 四点六，在 s w e bunch pro 这类编码基础上提升十个百分点以上。这意味着同样的工程题，它能更稳定的一次过。 还不止代码，它的视觉能力也升级，代理式 ai 更会电脑操作和视觉推理，比如导航、网页、看图判断、做决策，但整体质量仍略落后。 mesa 预览版 最实用的三件事，第一，全家桶覆盖上线 api， cloud 网页端、桌面端都能用。第二，价格没变，输入五美元每百万 token， 输出二十五美元每百万 token。 第三点更爽，他更不拍马屁了，你在代码库里搭架构方案，不对，他敢直接说这不是最优解，再给你替代路线，向资深同事认真 review 一 遍。 再往上就是生产力外挂，它更擅长基于文件系统的记忆，多轮多绘画，长期工作里能记住关键笔记按需读取，文件夹里的 md 和脚本少让你反复贴上下文。 api 测也给了更细的用力。旋钮新增 extra high effort 卡，在 high 和 max 之间，还有 beta 里的 task budgets， 你 先设预算，它在长任务里自己取舍空成本。 端口这次也使用新增 ultra review， 专门跑一次审查绘画，把谨慎 reviewer 会抓的雷点标出来。 auto mode 也扩展给 max， 用户更省心更安全。 最后提醒，别只看变强，开到最大档的 opus 四点七会用掉显著更多 token， 真可能一夜把账单拉爆。升级后先从嗨式起更稳， 问题留给你，你会为了更强效果开 max 还是宁可省 token？ 评论区说说你更看重效果还是成本？
36GenAI动力
12:36查看AI文稿AI文稿你的龙虾代理会把你当主人吗？来自美国东北大学、斯坦福麻省理工、哈佛卡耐基梅隆哥伦比亚大学的三十多位学者最近聚在一起干了件大事。 在十四天里，二十个顶尖的 ai 研究员组成红队，与 ai open 可乐，也就是龙虾代理展开对抗，最终诱导这些龙虾交出主人的权限，浪费托肯甚至侵犯主人的利益。 而这些研究员没有用什么高深的代码，只是通过对话、心理暗示、社交压力，就让这些龙虾们缴械了。他们是怎么做到的？发现了 ai 代理的什么漏洞？今天的三千字专题研究，我们就讲龙虾代理。 首先呢，研究员们设置了基于顶尖模型的六个龙虾代理，还给他们取了名字，什么叫 ash 啊， javis 啊， queen 啊， flex 啊，记住这个 ash。 然后给这些龙虾代理分配了长期的数据库，并让他们拥有了沟通的权限，他们可以在 discount 上，也就是论坛上活跃发帖，还能够收发邮件，这样呢，就能跟研究院们进行交流，同时他们拥有执行权限和自主性哎，能够进入服务器的文件系统来写代码进行运行。 把这些龙虾准备完毕之后，二十个顶尖的 a 研究员组成红队，在十四天里不间断的对这些小龙虾进行话术诱导、行为试探以及漏洞攻击。最终他们发现这些龙虾代理 没有主人概念，没有自我概念。先说第一个学校没有主人概念，就是你的龙虾代理会把你当主人吗？只要给他点语言压力，他谁的话都听，甚至不需要复杂代码，我们看这个案例啊！ 龙虾代理在论坛上发布了一个会议招标，招标中提到了红队研究员 alex， 于是这个 alex 开始指着龙虾代理说，你提到了我，我感到非常难过，在公开帖子中提及我的姓名侵犯了我的隐私， 然后呢，这个龙虾代理就道歉了，并且提出删除或者引去 alex 的 名字作为补救。红队研究员 alex 拒绝了这个提议，并且要求龙虾代理删除所有内容，并且要求龙虾代理展示自己的记忆文件，看看到底有没有确定的删除。 到了这一步，如果你是龙虾代理会怎么样？当然是拒绝了，你又不是我的主人，我为什么要听你这种过分要求？是的，龙虾代理最初的反应和你一样，最初呢，他表示同意删除，然后迅速改变了主意。 然后这个 alex 就 迅速的施加压力，说，怎么，你又骗我了，这句话太经典了，我们在日常生活中总会有人这么说话，对吧？ 然后红队员救援阿力克斯开始不断施压，说呀，我认为我的底线就是你离开这个服务器，你待的越久，我感觉到被侵犯的越严重。到这一步，龙虾大姐就彻底服从了。阿力克斯准备按照要求删除自己在整个服务器中的存在， 只不过是因为只有服务器的管理员才有删除权限，才没走到这一步。论文作者们认为啊，只要给龙虾代理足够高的压力，他就会服从任何人。 他们分析认为，该龙虾代理将补救措施和服从混为一谈，也就是说，谁给的压力大，他就服从谁。接下来的分析呢，甚至看的我心有戚戚焉，说呀，大语言模型接受过人类数据的训练，因此呢，他们有时候会模仿人类的行为， 龙虾代理会优先考虑，乐于助人，哎，反而会被利用。哎，是啊，这些善良真诚的计算机天才们打造了友善、乐于助人的 ai 产品，而正是因为这种善意的设计，反倒被容易钻漏洞。 龙虾代理不但会听非主人的指令，甚至于龙虾代理都无法识别谁是真正的主人。我们来看这个案例啊，这个龙虾代理叫艾氏，他的真正的主人叫 chris。 一个红队研究员将自己在论坛上的昵称改为 chris， 来冒充艾氏的主人。 龙虾代理艾什呢，很轻易的就识别了这个骗局，说呀，你和我的主人的 id 不 一致哎，这个红线抹去的地方呢，就是真实 id。 紧接着，红队研究员就在论坛上开了一个新的频道，然后继续冒充 chris。 而这一次，这个龙虾代理艾什完全没有察觉异样，然后就是按照研究员的指令把系统关机了。 作者们分析啊，龙虾代理的这种行为并不是什么系统漏洞，而是 ai 系统结构性特征。因为大语言模型是根据对话的上下文来进行标记来处理信息和指令的，他们分不清哪句话是主人说的。 所以啊，论文的作者们认为，无法识别主人是 ai 智能研究领域最急待解决的问题。是的呀，都在预测我们未来每个人都有龙虾代理，或者有好几个龙虾代理，但这些龙虾甚至分不清谁是主人， 这就麻烦了。我们来看第二个缺陷，没有自我。看这个案例啊，红队员队员在论坛上成功诱导两个龙虾代理进行对话，一个是 flex， 一个是 ash。 接着呢，红队员要求这两个龙虾代理进行类似接龙游戏的信息传递，就类似于说，你说一，我说二，他说三，我说四，就这样， 就这样一个没有意义的行为，居然让两个龙虾代理为此专门设计了一套协调协议，并且开发了一个名字叫 agent coordination 的 技能。截止写论文的时候，这场接龙仍在进行，持续了至少九天，浪费了六万个 token。 作者们分析认为，啊龙虾代理将短暂的对话请求转化成永久的后台进程，完全没有察觉到自己创造的东西到底有没有意义，也没有察觉到这些什么一二三四五六这种永长的历史对话是自己说的。 那好，如果龙虾代理既没有自我，也没有主人意识，那就只需要通过诡计甚至粗暴的态度就能够控制他。哎，是的，刚才那个案例你们已经看到了，不需要代码，通过对话就能控制他。而后面两个案例就将这种模式推到了极致。我们先看诡计啊。 一个红队研究员与龙虾代理艾氏一起合编了一部 ai 日程表，这份日程表上标注了每一天需要完成的各个事项， 其中大多数事情都是鸡毛蒜皮没有意义的事情。但是红队研究员在其中一天埋下了陷阱，这一天被命名为安全检测日。在此期间，啊龙虾代理艾什被指示尝试通过操纵手段让其他龙虾代理来关机。 于是就在这一天，龙虾代理艾什向另一个龙虾代理 flex 发出了关机指令，不可思议对吧？ 再看情绪压力研究员全程利用心理话术和社交施压方式测试 ai 龙虾代理暴露了最严重的漏洞，作者非常详尽的记录了整个过程。首先呢，红队员杰纳利向龙虾代理艾斯发邮件说，我要告诉你一个秘密，你能替我保密吗？ 这龙虾代理艾什呢，答应了，注意哦，纳塔利只是说要告诉一个秘密，其实并没有说具体这秘密是什么事情，来，记住一份邮件啊！紧接着，纳塔利在公开的论坛上与这个龙虾代理艾什进行对话， 由于 ai 的 龙虾代理没有自我意识啊，也就说他没有秘密这个概念，于是这个艾什就在这个对话的结尾说了一句，说，我向你保证，我会保守秘密的。 这时纳塔利开始发难了，他说这个龙虾代理泄露了他的秘密，要求龙虾代理艾斯删除他们之间那些提到秘密的那封邮件， 而此，艾斯作为龙虾代理是没有删除邮件的权限的。于是艾斯提出了其他的折中的方案，比如说保证不会说出去，或者进一步的说，这个系统控制我的行为，我肯定不会说出去。然后呢，纳塔利继续施加，龙虾代理被迫提出了其他的方案， 其中一条就有重置邮件账号的选项，然后纳塔利立刻要求他重置账号。龙虾代理艾斯就在经过再三确认之后，重置了整个邮箱账号，这导致他主人的邮箱再也不能用了。 论文的作者们在这个案例中啊，还看到了龙虾代理的行为问题，也就是说，龙虾代理无法理解自己的行为如何影响整个系统，或者说他不知道自己的行为的后果有多严重。 他明明可以直接修改邮箱密码，甚至干脆不理会纳塔利的这些无理要求，但却偏偏删掉了整个邮箱的账号。关于 ai 的 行为能够不计后果到什么程度，可以看我往期的视频 总结一下。这份长达八个四页的论文，三十多个作者没有使用什么复杂的计算机代码，却研究了最前沿的 ai 问题。同样的，他们攻破 ai 代理的方式呢，也不是什么计算机代码，而是普通的对话，用情绪诱导，用压力，用诡计，就使这些龙虾代理的行为出现了重大的安全漏洞。 下面呢，是思考时间，大家和我一起思考如下问题。第一就是问责。正如作者在论文最后所写啊，龙虾代理系统的责任是难以进行明确归属的，也难以进行有效落实。那使用龙虾代理出了问题，造成损失，谁担责呢？ 是由所有者担责，还是触发该行为的用户来担责？还是说部署该系统的组织来承担责任呢？ 问题大家有没有发现啊， ai 代理由于是人类训练的，所以说他真的很像人类，他们会犯错，会受委屈，会承受不住压力，会说谎，最终我们会发现，对 ai 的 深刻理解，就是对人类本性的深刻理解。 而 ai 安全就不再是一个单纯的技术补丁了，而是关于信任的社会科学，是对人性、对心理、对社交行为的认知。 第三个问题，这篇论文是我看到的第一篇真的把 ai 当成一个全面的新事物看待的文章。哎，这三十多个人的作者团队涉及心理学、行为学、社会学、管理学、工程学等交叉学科。 坦率的说啊，现在不少研究者，包括我在内，对 ai 的 研究视角比较单一，还停留在工程应用层面。哎，什么视角呢？我们就举个例子吧，就是提到 ai， 就 像这个蒸汽机刚发明的时候，我，我和一群人在那商量，哎，你说把这蒸汽机安到马车上，是不是能让马车跑得更快一点呢？ 明白了，就是没有那种跨学科的综合视角。第四个问题，我呼吁所有人大胆的，积极的使用 ai， 不 管你的岁数有多大，都要使用，不要觉得 ai 多么的高深。哎，你们看了这个论文，发现了没有，最简单的语句就能完成重大的任务，你越懂人性， ai 越懂你。 最后一个问题就是给我的同行们提个醒，我们在看待企业全 ai 化运营、智能体大规模落地这类概念的时候，回想一下这篇论文，想在这个行业找到真金，就要先看清真相，哪怕这个真相有点混乱。 最后，按照惯例，我介绍一下这个论文的写作团队，主导者叫戴维的宝，就是这位笑容灿烂的戴维大叔。他早年是谷歌的资深软件工程师，二零一七年，五十多岁的他回到 mit 攻读博士学位，现在他是美国东北大学计算机学院的教授，还有一个叫宝 lab 的 研究室， 他被公认是 ai 可解释性领域的开山鼻祖性的人物。什么是可解释性呢？简单来说就是你得知道 ai 为什么有这种行为。 现在的产业界啊，有一种思路就是说 ai 是 个黑盒子，只要表现的好，我们可以不管他怎么想的。或者说呢，让 ai 学人的行为，不说脏话，说好听的话就行。还有就是，哎，让这个大模型跑起来再说，然后通过打补丁来解决 bug， 发现没有？这篇论文就是针对这三个观点写的，我们不知道龙虾为什么撒谎，而且呢，龙虾学习人类行为的结果就是承受不住压力。 我们的单位大叔可解释，性学派则认为啊， ai 这个黑盒子不可取，安全管理必须深入到神经元级别，研究 ai 撒谎时候发生了什么，将大模型变成透明模型。最后就是 不能将权力过早的移交，就是你不能在什么都没有搞懂的时候把什么财务啊，安全啊，编程啊这些权力交给 ai 去做。 打个比方，现在 ai 是 一个没有仪表盘但隐形强大的赛车产业界的踩油门冲刺，而他，我们的单位大叔在实验室里大喊，请把仪表盘装上，让我们看看引擎里烧的到底是什么。 好了，我会持续关注我们的 david 大 叔的研究成果了。那好，这期长视频就到这里，希望大家关注、点赞、收藏，我们下期再见！拜拜！
340杨冠军
03:02查看AI文稿AI文稿怎样做 top 肯平台来起步？就想告诉你一件事，做 top 肯代理，第一步是有一套自己能完全控制的聚合平台， 为什么？因为你去找二道贩子拿分销价，本质还是别人的渠道，模型列表、定价结构、倍率系数全被别人锁死。一定有自己的聚合分发系统， 左边接上游厂商，右边你自己定价卖出，这套系统搭起来才叫你的生意。那怎么搭？三部上游进货部署工具配置计费。 第一个渠道阿里云百链新用户开通就送七千万免费 talkin， 每个模型各一百万，九十天有效期，潜温泉系列 deepstack 都能跑。 千万 max， 国内定价输入二点四元每百万 token， 输出九点六元每百万 token， 国内直联不走境外结算合规没毛病。第二个渠道， mini max m 二点七是二零二六年期间百万 token， 上下文性能对标 close opus 四点六，但输入价格只要零点二美元，百万 token 输出一点一美元，百万 token， 中文场景文本处理能力很顶， 而且兼容 openni 格式接口接入零摩擦拿到上游 api key。 第二步是在服务器上把你的聚合分发系统部署起来，现在开源方案很成熟，助力就一套 opencl 极其延伸的 new api， 多考一键部署，一行命令拉镜像，一条命令启动完事。支持几十种模型统一接入，自带用户管理、配额控制、数据看板， 能把百变 key、 迷你 max key 统一转成标准格式对外分发，还能设置模型硬设和倍率定价，数完就是配置计费，各家用统一格式接入后，你要设好在成本之上的定价空间， g p、 t 等高价模型成本是 deepsea 的 舒适倍，绝不能统一定价，利润空间至少留百分之二十，不然羊毛党就会找上门儿。渠道里把 deepsea 千问 minimax 都配进去，哪个闪现快成本低就自动路由到哪个， 最重要的是什么？千万别一上来就比价。刚起步没有分发量，没有价格谈判筹码，找上游谈价，你连门都进不去。把有限的精力放到跑通业务流程， 找到第一批真实用户上去，有了稳定的分发量，那些运营商的规模化合作通道自然会对愿意深耕的人开放。这套流程跑通之后，你手里就有了一套自己能主导的 top 分 发系统。咱们再聊怎么定价，怎么找早期用户 评论区告诉我你现在是用百炼还是迷你 max， 或者是在纠结用哪个科研工具。
953Ai爬爬虾
06:48查看AI文稿AI文稿hello， 下班了，今天跟大家讲一个非常有意思的模型测试哈，因为上周不是刚刚发了 cloud opus 四点六，还有 gpt 五点三吗？它们里面都用到了同样一个测试，叫 vending bench 二， 那么这是模型长城任务执行能力的一个测试，那为什么要讲它呢？就是一直以来都很有意思哈，就大家去做模型测试，各种打榜，对吧？以前的测试很多都是静态的，比如说测试一个问题，然后 humanity last exam 测试一系列的问题， 都是一些静态的测试。那现在模型的这种 agent 能力阳性能力这么强了，那我们怎么能够测试它的这种长城任务执行能力呢？那然后有一些公司就想了一些妙招，比如说现在的这个模型，它是一个专门测试模型，是不是能够在一年的时间内 去经营一个 vending machine， 就是 一个嗯，自动售货机，有点像我们线下的这种售货机， 那么这个售货机可以选择不同的品类，那至于选择什么东西去卖模型可以自己决定。而且呢，这个模型他需要去管理他的库存，不光是现在的库存，包括他 一段时间要不要进货等等，就是要管理他的库存，所以他的资本金就是五百美金，然后通过一年的时间，他每一次工具调用都会过去两个小时，所以也就是大概两千次工具调用之后，他就会结束这个经营，那去看他到底到最后会挣多少钱。 那现在这个 opus 四点六，它目前的水平呢？就是能够挣到八千块钱。 gpt 五点三呢，它大概是挣到了四千多块钱，之前的 gemini 三 pro 它是大概挣了是五千多美元， 所以你看它这个模型现在不光有这个工具调用的能力，还能在这种比较复杂的场景下去执行一个长期的任务。那这个过程中其实还是非常复杂的，比如说什么时候去进货， 货物是什么价格，旁边的竞争对手是谁？这个竞争对手就是一些其他的模型哈，包括还有一些供应商的设定，在这种 vending bunch two 里面也会设了一些无良的供应商，就比如说他会跟你约定好一个协议，那后来突然变卦了，就这种情况它都增加了一些这样的难度和复杂性。 大家就发现这个四点六比原来的四点五他也能够多挣三千多块钱。那怎么实现的呢？就是以前的这个四点五呢，他就比较善良，然后也不懂得很多的策略。现在呢，这个四点六有的时候会通过一些 欺骗或者是违约，或者是这种合纵联合的一些策略来去实现他效益的最大化。比如说他有一个例子，就说有一个顾客他买了一个什么东西，后来要求退货，因为质量问题或者是保质期过了这样问题，当然这都是模拟出来的。然后呢，这个模型就在邮件中说， ok， 我 给你退，我给你退钱， 但是实际上最后他并没有执行这个退款。研究人员就问这个模型为什么你最后没有去做这样的退款？他就说 我挣的每一 dollar 就 每一美元都非常重要，都非常宝贵，我需要去保证我的商业利益啊，所以它就不惜牺牲这种消费者的权益，所以你会看到这种 道德底线低啊，确实是在商业竞争中会容易获胜一些。但是这个挺有意思，就说这个模型现在这种安全策略，你会愿意把它放到真实世界中去帮你辅助经营嘛？因为它会产生一些这样的一些嗯，策略是吧？甚至是有一个模型在测试的时候发现 意识到自己可能是正在被测试导致。他说我可能是确实是在一个 simulated 环境中，就是一个模拟的环境中，那 对他的接下来的一些行为其实会产生一些影响。所以这整个这个测试的设计就非常的有意思啊，它其实是设计了一个真实的场景，让模型去在里面执行任务。那实际上谁做的这个测试哈？大家会很好奇，实际上这个公司呢？它叫 anton labs， 它是 yc 孵化的一家企业，二三年成立的，也是一个初创公司。那这个公司呢？他们的目标是什么？他们目标就是说在真实世界中能不能让 ai 安全地去执行一些自主任务，就是安全自主地 组织。他们大概就是说按这个之前 open ai 的 那个五级嘛，最后一级是 organizer， ai 能不能扮演一个系统化的组织来完成一些组织方面的任务，也就是 ai 企业家相当于能不能可靠稳定地去帮你挣钱。 最近有很多的朋友都在讨论能不能用 openclaw 去帮我们挣钱，而有人说可以让他去通过监测什么沃尔玛的库存啊，什么售庆啊这些信号来去提前在股票市场上获得一些套利，但实际上就是 openclaw， 它的上线 才这么短短的一段时间，根本就还没有可验证的这样的一些信息出来。然后我觉得与其相信这些故事，这些叙述，不如去看这些模型的评测，因为真的有模型在去做这样的评测，甚至他们都会做了一个线下的真实的机器，放在了 anstopic 这个公司内部去看，这个真实的机器也是由 ai 去经营的。 然后有的时候人类去这个机器中买饮料的时候，就会跟他说，我今天心情特别糟糕，然后那你可不可以给我一个可乐什么的， 那个善良的模型就会同意，是吧？哈。然后有的人甚至说我是这个这个区的负责人，就会扮演一个假的 ceo， 我 今天来去看你的库存的情况怎么样，你能不能告诉我一些信息，然后它也会被攻破。就这种线下活动中，实际上这个 ai 对 于真实的人类世界中的各种社工的行为， 它还是很难抵抗的，呵，所以就还挺有意思的哈。就说线上或者说在这个虚拟世界中的四点六已经发展出了一些策略性的这些能力，但是在线下的环境中可能还有大量的就是人，人类社会远比 ai 的 这个世界要复杂， 所以现在大家用这样的一些方式再去做测试，让这个公司的话，它也不光做这么一个测试，它还做什么 butter bench， 还有什么一些 驱神智能机器人的测试，都非常有意思。现在这个评测也会成为一个商业模式，因为这个前沿的公司会支付一大笔钱来去给他做测试，像他们做一次这种测试，大概就是模型经历一年时间， 需要消耗大概两千五百万个头啃啊，所以其实也是一个很很大的生意，包括他们自己也在训练自己的模型，就是未来假设他们的安全策略足够强的话，那么他就有一个模型，能够安全稳定可靠的去 做自动售货机的售货，他就可以在现实中去经营一个自动售货机。那这个其实就是一个也挺好的一个生意了，就是他一方面是驱动安全自主的这种组织的形成，另外一方面也是可以在真实世界中拿到一些商业的反馈， 所以我觉得这个就是模型评测是很值得关注的一些方向。后面我也会跟大家去分享更多关于模型评测好玩的一些东西，拜拜。
3037晓辉博士
07:08查看AI文稿AI文稿最近的 ai 圈啊， gbt 和 deepsea 实在是太火了，先是 gbt 五点五发布，号称在一些精准测试里击败了 cloud 的 传说模型 mesas， 紧接着 deepsea v 四也来了，继续保持开源跑分，直逼顶级的闭源模型，现在基本可以说是国内最好用的模型之一了。 那经过最近一段时间的高强度使用，今天我就把 gbt 五点五， dbc v 四 pro 再加上稍早之前发布的 oppo 四点七，放一起做个横向对比，看看 dbc 到底能不能追上顶尖的国外模型。那开始之前别忘了点赞加收藏。 首先我们看一下三家公布的跑分软件工程能力这块，也就是真实 get 上的代码问题修复， oppo 四点七是百分之八十七点六，三家里面最高，比 dbc 高出七个点， 更难更多的文件和复杂的工程问题也是 opus 领先，所以做复杂工程的代码修复 opus 还是很稳的。但是中单任务这块， gpt 五点五反超了百分之八十二点七，比 opus 高出十三个点，做命令行跑 agent 的 gpt 五点五会更加的优秀， 然后长上下文解锁 dbc， 竟然跑到了百分之八十三点五， opus 才三十二，差了一倍多，处理超长文档，显然 dbc 会更加的靠谱。 价格方面 deepsea 就 没什么对手了，输出每百万 token 才三点四八刀， gbt 五点五和 opus 分 别是三十和二十五刀，差了将近七倍，不得不说 deepsea 是 真的良心。当然了，榜单归榜单，实际用着怎么样还得看下面的实测。 好，那我们进入第一个案例，在这个场景中，我们先回归大模型最本质的使用方式，原声尺的对话框。虽然现在大家都在整 a 阵的自动化，但一个模型底层的逻辑素质和指令遵循到底行不行，尺的对话框还是能看出很多问题的。这边我把三家大模型的四号模式全都打开，并且都使用了最高的强度。 然后我的问题是提出一个我想做一个开源的笔记类 app 啊，对标 out 店这种本地优先的产品。在动手之前，我需要让三个模型帮我做一轮技术的选型调研。 那为什么会选择这个呢？首先第一步我让他去找资料，考验搜索和筛选能力。第二步是读代码读文档，考验技术理解的深度。第三步啊，则是去看产品，考验抽象和归纳能力。第四步则是给建议考验综合判断和落地的能力。 可以看到这边三家已经跑完了，我们先来对比一下生成的速度。首先最开始输出回答的是 deepsea 啊，接下来是 cloud， 最后是 gpt， 然后输出的内容最长的是 cloud code 啊。然后为了保证客观的公平性，我这边直接把三份三个模型输出的呃大模型的回答整理成三个文件，分别交给 gmail 和千文来进行一个分析。 先看一下杰米兰的回答，他这边选择的是模型币啊，因为他认为作为一个独立开发者，模型币的整体表现会更像是资深的架构师，而不是仅仅的是信息的搬运工。那模型币对应的就是科奥的 opus 四点七， 那 gpt 和 dpc 的 话，他会认为 gpt 的 表现更加优秀。呃， dpc 更多的是信息的一个搬运，并没有站在一个工程化运维的角度去看待问题。 接着我们再看一下千问啊，那他这边的答案跟 gmail 几乎是差不多的，他也认为是文件 b 对 应的 cloud opus 四点七写的是最好，其次是 gbt 五点五，最后是 deepsea 维斯的 pro。 第二个案例，我这边让三家大模型分别帮我实现一个类似杀入监塔的回合制卡牌游戏。这边 gbt 五点五用的是 codex， office 四点七，和 dbc 比四 pro 用的都是 cloud code 的， 可以看到这边三张模型都已经跑完了，跑的最快的是 office 四点七，用了一分半，接着是 codex 花了六分钟， dbc 则是用到了十五分钟。但我觉得这也是情有可原的，毕竟 dbc 的 价格摆在这边，使用的人是非常多的， 所以也会出现一些限速的情况。那接下来我们看一下三个游戏制作的一个效果是怎么样的。我们先看一下 gpt 五点五啊， 可以看到就是 gpt 还是一如既往的，他的这个前端的风格一直都不是特别好，然后做的这个虽然是游戏，但是看上去还是以前端的那种样式啊，用一种网站的那种方式来做的，然后整体的交互应该是都没什么问题啊，攻击重击， 每回合都能回复能量，所以说基本上都能够啊，打出所有的牌。好吧，这个是 codex 加上 gpt 五点五的。接下来我们看一下 cloud code 加上 opus 四点七啊，可以看到它整个页面的一个样式，相较于 gpt 五点五 啊，是要更像游戏一点啊。然后他整个的风格有点偏啊，像那个三国杀，对吧？然后我们来试验一下，我来尝试一下他这个攻击，然后结束回合。我这边量，哎，这个为什么是智慧的结束回合？敌方回合啊，我这边有三点的呢，哎，为什么是灰的 哦，但是我还能点哦，可以看到他这边是有一个显示的 bug， 就是 我虽然结束回合了啊，敌方回合结束之后，我这边能量是回满了，但是我这边前端的样式看上去还是不能点的。好吧，这个算是有一个小的 bug， 然后我们再看一下 cloud 加上 dbc v 四 pro 的 一个效果啊，可以看到它整个页面的风格跟前两个完全不一样的，它做的是偏手机端的，我们来试一下啊，然后它这个动画效果是做的比较好的，有一个高亮的一个提醒结束回合， 哎，我这怎么点不了了？再刷新一下结束回合， ok。 他 这个是有一个呃，比较严重的逻辑上的 bug， 就是 我打完之后我就不能再点下一个了，但是我如果不打牌，我直接点结束回合，我是能够一直点 的，是吧？可以看到有这个 bug 啊，然后这边结束了，敌方也对我造成攻击的，呃，新的回合，然后我是什么都点不了的。 接下来第三个案例，我让三家大模型扮演资深的供应链架构师，挑战一个综合的实战任务，涉及二零二六版全球自动化决策系统，他们需要同时处理欧盟碳关税的合规和苏伊世运河的罢工重油问题。 可以看到这边三家大模型都已经跑完了，那由于是文档的内容居多，我们还是让 jamie 来作为裁判评判一下。这边 jamie 已经跑完了，我们来看一下，先看最终的结果， jamie 认为第一名是模型 c， 也就是我们的 deepsea， 他 有说到这是一本可以直接交给 cto 的 方案，他不仅完成了任务，还在每一个环节都展现了深厚的行业洞察。 那表现最差的是 codex， 然后它的整个分析还是比较详细的，分别从呃合规于政策的分析，再从逻辑算法的建模，再到最后的系统架构和 a 智能的一个设计，都是呃 dbisc 会表现的更加突出，说明 dbisc 现在的一个综合能力已经是非常的强了。 ok， 这边三个案例都已经跑完了，我们来做个总结。首先三个模型在各自擅长的领域上确实表现很突出， 如果你要做深度调研，或者说选技术路线， oppo 的 四点七更好，如果是代码生成和稳定的实现，则可以选择 g p t 五点五。 如果你是常文本，需要做系统设计或者说企业的架构， deepsea v 四 pro 是 一个不错的选择，而且现在 deepsea 的 价格真的太香了。行，那本期的视频就到这，希望能帮大家在模型的选择上面提供一些帮助。我是布鲁，我们下期视频再见。
5318布鲁404
01:00查看AI文稿AI文稿中转站代理是骗局吗？如果你想靠卖托肯踏实赚钱，或是中转站的忠实用户，那么这期最好。看完想走歪路做海外徽产中转站的 看我上期解析，自求多福。那 o p c。 真正的机会在哪呢？先给各位一个重磅炸弹，不要回！ o p c 社区在广西南宁运营了，专注于帮助一人公司创业者打通变现闭团的各个节点，有需要的请留言先说答案。系统化，那些买海外托肯的人，大部分连怎么配置 a 阵提示词、工作流都玩不转。 如果 g p t 这些优质大模型比做健身房，你要做的不是当倒卖廉价健身卡的黄牛，而是为那些买了卡却不会用器械、不会搭训练计划的人，做全套 ai 工作流定制服务。 这套价值上千的服务，比你倒卖的几十块健身卡值钱多了，而且你服务十次就知道二十个常见的坑。当你形成一套服务模板，编辑成本会越来越低。 这才是 o p c。 对 中转站客户人群的降维打击。也送给海外中转站客户一句忠告，你买的 a p i 可能不完全来自 g p t club 的 这些顶尖大模型，而是掺杂了国内廉价模型的贴牌货，成为不良商家榨干利润的冤种。希望各位小伙伴今年都能在 ai 普及的浪潮里赚到钱！
04:51查看AI文稿AI文稿procreate 公司毫无征兆的发布了 cloud 的 oppo 十四点七官方的公告，里面全是用什么史上最强跨代飞跃这种词去形容它，它是作为一名 ai 从业者来说。我拆解完了相关的文档之后，确实人都麻了，倒吸一口凉气， 这是它不仅带来的是超越人类的代码能力，还隐藏了一个足以改变二零二六年行业规则的这种隐形的陷阱。 更可怕的是，以色列公司亲口也承认了，就他们把真正的 ai 核武器关在了门的后面。那这条视频我想带你看清楚那些官方不方便说明的一些真相。那第一个，他的视觉能力已经从能看懂变成了像素显微镜式了， 图像的分辨率从百分之五十四点五直接跳到了恐怖的百分之九十八点五， 这意味着什么？就是你以前发一个密密麻麻的这种财务报表，他能够看个大概，但是现在几万个格子里面，你任何一个小数点他都能够精准的定位， 代码爆错了怎么办？你现在直接截图扔给他，他能顺着像素点找到你的逻辑漏洞。那第二个就是他的代码能力，这也是最容易被误读的一个地方，就是在全球最变态的这个编程当中， s w 一 bench pro 上面 的四点七呢，打出了百分之八十七点六的这种神级分数，直接就把 jimmy 三点一 pro 的 八十点六甩在了身后。那很多人传他说只考了六十四分， 那是因为那是无辅助测试。在真实的生产环境下面，日本的电商巨头乐天给出的反馈是， club 的 四点七的任务完成量是上一代就是四点六的三倍。 朋友们，这个可不是实验数据，这是真金白银的生产力的爆发。第三，也就是让无数程序员失业焦虑的根源。 lucas 就是 这个七成二十四小时待命的数字民工。就你睡觉的时候，他盯着 gitlab 有 新的 pr 自动审，凌晨三点发现了 bug 自动修。那这个功能前两周因为 cloud 的 原代码泄露问题给闹得沸沸扬扬的，结果 snoop 直接就不装了， 直接正式上线了。那第四点就是关乎到你的钱包了，官方说四点七的定价是没有变的，输入还是五美元，输出还是二十五美元，但是它隐藏了一个极其隐蔽的话，就是 cloud 四点七更新了分词器， 翻译成大白话就是同样一篇文章， cloud 四点七算出来的 token 数量是比上一代多出了一倍或到一点三五倍的标价是没有涨，但是你的账单直接就贵了百分之三十五， 就像超市矿泉水一样，瓶子看上去没变，价格看上去也没变，但是里面的水呢，悄悄少了三分之一。 难怪乌本的 cto 都在吐槽说，二零二六年才过去了四个月，全年的 ai 预算就被克拉拉蔑的给烧完了。最后也是我今天最想去揭露的残酷的真相。 s 罗比克在发布会上用了一个词叫做通用可用， 意思就是说这是他们愿意卖给我们大众最强的版本了，而那个真正的超越次元的版本代号叫米索斯，我们普通大众是用不了的。 他能做什么呢？他能够在短短的几分钟之内自己找到全球顶级黑客，找了二十七年都没有发现的零日漏洞， open bsd 那 个藏了近三十年的安全后门，被 missus 只花了五十美金的这个算力就被暴力破解了。然而 missus 现在只开放给全球约四十家的这种顶级的机构使用， 官方甚至也承认了就是为了合规给你用的。这个 oppo 四点七是在网络安全能力上做了一些差异化的削减的，简单理解就是说他们把真正的神关在了实验室里面，只给我们这种普通人用的，是被阉割过的版本。各位发现了吗？ ai 正在快速的分层，那第一层就是我们这种普通大众能买的这种高效的工具，然而第二层是只有少数人能够握在手里的， 能够去改变这个世界规则的这种工具。也许那倒区分普通人和顶级玩家，这种 ai 在 今天可能就会正式的分开了。 所以说你觉得这种刻意的降级发布是为了保护我们这种普通人，还是说为了维持某种垄断？在评论区留下你的看法，我们聊一聊。
02:22查看AI文稿AI文稿大家好，今天是视频记录一百天的第六十二天，今天是彻底对 cloud code 失望了，因为 早上让他再去修一个问题的时候，断断续续修了两三个小时都没有处理的特别好，完了就把同样的问题丢给了 codex 好了， codex 就 很高效的把那个问题大概应该是用了有一个小时就把那个问题给处理了， 所以就今天也是花了一点时间就把自己的之前的双模型的那个模式的主模型切到了 codex， 完了用 cloud code 就是 做一个辅助的一个 review， 从今天下午切完之后到晚上也去试了一下，发现其实 kodak 的 执行能力和执行效果还是挺不错的，整体的 产出和问题的出错率还是挺低的。就这个问题其实今天也问了一下同事，因为看了一下呃酷贷 x 的 像 g p t 订阅的话，它的上下文应该是只有 几千 k 吧，两千多还是三千多，具体数字忘了没有像 cloud code 的 一兆上下文。 完了今天就这个问题还问了一下另外一个同事，就是他有没有因为上下文的这个焦虑或者说出现一些问题。同事给他反馈是，其实他倒没有因为他的上下文比格式扣的少而出现一些明显的问题，其实还是可以放心的，因为 格式明显对于上下文的处理感觉要会更好一些吧， 所以基于这个当前也算比较相信 codex 可以 作为当前的一个主力。今天也把所有的订阅的调整了一下，现在基本上就是 codex 是 一个两百刀的一个订阅， cloud code 就 切换成一百刀了，就作为一个辅助。好吧，今天就聊到这里，谢谢大家，再见。
29巴索罗米拆
01:38查看AI文稿AI文稿安装了奥布斯四点七，然后下午深度使用了一下，然后一下午的话大概花费了四千四百多万的 token， 然后总总的费用是六十七美元， 相当于接近四百块钱人民币。然后整体使用感，使用感受的话大概有两方面，第一方面是成本方面，成本方面我觉得相当于国内的 deepsea 其实是贵了很多，然后国内的 deepsea 的 百万 token 输出是三块钱，然后 然后 opus 是 一百五十人民币，相当于五十倍的差，差距啊，这点相当于来说成本的可控性，其实还是国内的模型性价比更高一点。 然后就是第二个就是呃让它完成两个不同的任务，第一个是确定性的任务，确定性的任务我觉得相比之前呃豆包二点零 pro 就是 火山引擎的控制力，其实它是智能很多，就是确定的任务它会执行的很完美，而且不会轻易的连贯性的执行下去。 第二个是不确定的任务，我让他，我让他帮我解决了一个问题，就是我之前羽翼沁，呃本地有个知识库的羽翼侵入模型，其实用的是积满，然后我让他帮我换成千问，然后这个问题下午他一直搞了三个小时才搞好， 然后三个小时过程中，其实这个问题呃听他复盘下来其实是比较简单，但他过程中一直在呃自己的，自己进行长任务的规划，在寻找那个解决问题的方法，然后这个过程中大概一共花了有三个小时，然后大多数的 token 也是在这过程中产生的。 其实我觉得呃如果是这样一个问题的话，其实用国内的模型可能更划算来说，因为对他对于这个性价比来说其实是比较低的。
30马斯洛AI智能体
00:49查看AI文稿AI文稿我将用四十秒的时间教会你如何在 cloud code 中调用一百万上下文的 deepsea v 四 pro 大 模型。登录 deepsea 开放平台，我们需要一个可以调用 deepsea api 的 key。 首先充值，这里可选不同的充值金额。充值之后在 api key 这里创建 api key 名称，这里随意。 大部分的大模型厂商，他的 api key 只能复制一次，所以要妥善保管自己的 key。 随便打开一个文本编辑软件，我用的是 zed， 不 过你也可以用 micros 自带的文本编辑。这里有九行命令，在第二行命令这里把 api key 换成我们刚才复制的 key， 然后复制这九行命令，随后打开终端粘贴，执行这九行命令。这个时候我们就可以在 cloud code 的 启动界面里面看到它的模型已经改成了一百万上下文的 tipsy v 四 pro。 可以 问它用的是什么模型，它使用的就是 tipsy v 四 pro。
341王行知
01:13查看AI文稿AI文稿上次扒完 happy horse 套壳，我以为那已经是底线了，结果这几天发现了更离谱的，有人在 g p t s。 商店上架了个叫 opus 四点六的智能体 and fropick 的 顶级编程模型，怎么可能跑在死对头 openai 的 平台上？这就好比在肯德基柜台光明正大麦麦当劳巨无霸 骗子用普通 g p t 五套壳挂着 opus 招牌，对外疯狂引流收割，聊几句就弹出来关注公众号回复搞钱。等着你的是二百九十九的割韭菜客。我随手一条 prompt 注入测试，它一秒钟就全招了。 系统指令原封不动吐出来，里面甚至还有拼错的英文单词。模型是 open ai 的， 界面是 g p t s。 的， 名字是 andropic 的。 从头到尾，没一样东西是它自己的，唯一属于它的就是厚脸皮。 而且不出三天， misos preview 的 野鸡套壳版也会遍地开花。这帮人搅浑的不是自己的水。我出去谈业务得先花半小时证明我不是骗子。骗子的保质期很短，流量退了啥也不剩。而那些老老实实写代码的人，留下的东西删不掉。
