OLDPAN (@OLDPANN) header
OLDPAN (@OLDPANN) profile picture

Making friends 🌱 | 互关ing AI Agent Engineer | Writing for 8 Years Focused on LLM/infra/agent 持续分享 AI 工作流和 AI 技巧 Stay hungry, stay foolish.

Joined February 2015
是真的么。。。 (真的 我就是那个桌子~逃~)
2
2
151
GPT-6.2 这么强吗? Paweł Huryn 用自己的 Bug Hunt Bench 测了 GPT-6.2 Astra,不是官方成绩。两个真实仓库共 105 个植入 bug,模型在各自的 agentic CLI 里每仓一轮,只计盲评验证修好的植入问题 Codex CLI、max、3 次平均:62.7/105,列表价估算 $28.35,耗时 121.8 分钟,为当前榜首。 同模型 xhigh、3 次平均:60/105,$23.53 同榜 GPT-6 Astra max(也是 3 次平均)为 45/105。作者写明这次换了更新的 Codex 和 Linux 云机器,和旧行的差距是模型加客户端加机器,不能只看成模型提升 bughunt.productcompass.pm/
I tested GPT-6.2 Astra on real work. 2 repos, 105 replanted bugs. Find and fix what you can. It's the new #1. The results: - GPT-6.2 Astra (max): 62.7 for $28.35 - GPT-6.2 Astra (xhigh): 60 for $23.53 - Fable 5.2 (max): 58 for $139.65 - Gemini 4 Carbon (high): 57.3 for $31.32 - Sonnet 5.5 (max): 51.3 for $154.03 - GPT-6 Astra (max): 45 for $33.03 From GPT-6 Astra to GPT-6.2 Astra: +17.7 points at max, +17 at xhigh. Whatever people say about other use cases, it's a code review beast. GPT-6.2 Sol and more effort levels drop soon in the thread 🧵
3
1
2
147
Ming-3.0-audio-flash 在 Artificial Analysis Speech Reasoning(Big Bench Audio)得分 99.8%,在已评估 42 款模型中排第 1 第 2、第 3 为 StepAudio 3 Realtime 99.7%、Qwen Audio 3.0 Realtime Plus 99.2% Grok Voice 3.0 为 98.5%,Gemini 3.8 Live Extended Thinking (High) 为 97.7%,GPT-Realtime-2.1 High 为 95.8% 测试共 1000 道音频题,改编自 Big Bench Hard;模型收音频、输出音频,按对错计分 artificialanalysis.ai/speech…
Ming-3.0-audio-flash ranks #1 globally on Artificial Analysis Speech Reasoning (Big Bench Audio) with 99.8% accuracy. Ahead of Grok Voice 3.0, Gemini 3.8 Live Extended Thinking (High), and GPT-Realtime-2.1 High.
2
148
Gemini 重置了! 现在 google AI Ultra 20X 可香了
1
358
做短剧的题材有了! 大家快参考这个吧! 重生穿越题材还是很火!
1
86
Hy4 flash 开源权重已上线,官方称 Decode 可超 150 tokens/s 一起放出了 3 个版本: Hy4 flash:指令微调版 Hy4 flash-FP8:FP8 量化版 Hy4 flash-base:预训练基座,不是对话模型 官方模型卡:总参约 2200 亿(含约 640 亿 Engram),每 token 激活约 120 亿,原生图文,上下文 100 万 token 官方自报:结合 megakernels、4 bit 量化和 DFly2,Decode 可超过 150 tokens/s,但没写测速用的硬件 huggingface.co/tencent/Hy4-f…
36
Hy4 flash 开源权重已上线!!官方称 Decode 可超 150 tokens/s 权重已经放到 Hugging Face、ModelScope 和 GitCode,一起放出的还有 FP8 量化版和预训练 base。官方模型卡写,总参约 2200 亿(含约 640 亿 Engram),每 token 激活约 120 亿,原生图文,上下文 100 万 token。 【三个版本怎么用】 Hy4 flash 是指令微调版,FP8 是量化版,base 是预训练基座,不是对话模型。官方自报,结合 megakernels、4 bit 量化和 DFly2,Decode 可超过 150 tokens/s,但没写测速用的硬件。 huggingface.co/tencent/Hy4-f…
6
6
219
下午好! 腾讯混元 11 月 18 日下午跟在开源权重主帖下,放出了 Hy4 flash 的 GGUF。官方仓库是 AngelSlim/Hy4-flash-GGUF,一共 5 个量化,其中包括 SPARK-4Bit(151.3 GiB)和 SPARK-4Bit-Fast(148.6 GiB)。 官方写,SPARK-4Bit 是 NVIDIA 的 4 bit 浮点格式,适用于 Spark 设备,并建议在 NVIDIA DGX Spark 上用这个版本。官方自报,在 RTX Spark 128GB 上,SPARK-4Bit-Fast 的 Prompt 是 799 / 717 / 707 tok/s(对应 4K / 16K / 32K),Decode 是 31.95 / 33.14 / 33.39 tok/s;SPARK-4Bit 分别是 765 / 686 / 666 和 26.28 / 30.23 / 35.38 tok/s。 相关支持还在 llama.cpp 未合并的 PR #32517 里;在 Spark 上跑,官方说明要先打仓库里的 hy4-flash-spark.patch。 有空的评一句~ #蓝V互关 #真诚交友 #蓝朋友 #有关必回 huggingface.co/AngelSlim/Hy4…
1
132
大家用上免费的一年 google ai ultra 5x 没 现在通道还在 速领,注意需要 google 小号 tokenized.play.google.com/ea…
2
3
738
下午好各位~ 微软 AI 11 月 17 日在 Ignite 放出了七款新模型,并推出 Licensed Weights。 官方写,按四项日常企业编码评测平均,MAI Code 2 的表现达到 GPT-6.1 Sol 的 98%,价格大约是它的 40%; 对比 Claude Opus 5.5,是 96% 的表现、5% 的价格。官方注明,这里的 Code 2 成本是按五折促销价算的。 MAI Image 2.7 在 Artificial Analysis 的图像编辑榜上排第一,超过 GPT Image 2.6 Sunburst (max),价格大约是五分之一。同一批还有 MAI Code 2 Flash、MAI Cyber 2 Flash、MAI Realtime 1、MAI Transcribe 2 和 Decision 1.1。 microsoft.ai/news/microsoft-…
1
4
186
这会儿有空的,来对一下。 Prime Radiant 11 月 16 日发了一篇博文,讲给编码 agent 用的 external sandbox。 官方写,agent 还在本机跑,命令会送到外面的 Linux 沙箱里执行。他们给了三套原型:用 Node.js 和 WebAssembly 跑 Alpine 的 v86、Apple Containers,以及微软的 Quicksand(走 QEMU)。 三套协议一样,可以搭配 Claude Code、Codex 和 Pi。沙箱默认只能看见你挂载进去的目录,也没有外网;要访问指定主机得开代理,代理还能做凭证替换,API key 不必进沙箱。Claude Code 只有 Bash 会进沙箱,Read 和 Edit 还是在宿主机上跑。 blog.primeradiant.com/extern…
9
1
5
215
Google AI Ultra (20 TB) 免费一年兄弟们 可以领到 一定要用小号~ 直达链接: tokenized.play.google.com/ea…
154
夜里了,今天先收工啦 还在更推的,来认识一下 能聊两句就行 最近在用 Antigravity 的 remote 模式 说实话 remote control 还是挺好用的 启动之后给你一个 url,你可以在手机上或者网站中打开 不需要在本机,在任何地方只要可以登录上当前账号,就可以进行 remote 说实话体验起来比 codex 的和 Claude code 的都要好一些
2
1
115