分类： IT天地

昨天显示器到货后就开始安装Hermes。
安装很简单，但过程很漫长，依然是国内网络的问题，主要卡在GitHub的访问上。安装完成后的界面似乎时光倒流，回到了三十年前的CRT显示器面前。
在设置连接了本地gemma4大模型后，试着做第一个skills，从从一个网站爬取京剧剧本。选择这个网站，主要因为这是一个老网站，以现在的标准看，网页简陋而不规范。
过程很不顺利，Hermes爬取的网页开始是缺胳膊少腿，后面则是把无关的HTML元素也爬取下来。我只得一次次纠正提出修改意见。
别说，这Hermes态度老好了，每次都诚心接受错误，表明决心，言语中一再表示这是“最后一次”，让我有当年辅导家里某位小朋友做作业的无力感。
换成qwen3.6，结果还不如gemma4，直接罢工。
于是狠狠心，切换到deepseek v4的flash版，它分析原爬虫程序后指出了问题所在，并进行了修正，完美解决。
看了看费用，花了7分钱。
当然，这是在很多低效率沟通的基础上，如果是那些重复冗余的工作，花的钱就不会这么少了。这也是我此前对龙虾类agent不是很感兴趣的原因：自己有编程能力解决，手工操作未必低效。
题外话，通过使用Hermes发现自己果然是穷鬼出身，因为在使用网页搜索时才知道，原来Hermes就是大名鼎鼎的爱马仕。

最近在用的Acer笔记本，是18年买的，当时图优惠，估计生产年代更早，得小十年了。
笔记本用起来还好，当年的初代katago就是在他上面彻夜大战leelazero，但就是显示器指标实在是差，最近用惯了高清显示器，现在看他的显示器时间长了泪水都能流下了。
换显示器犹豫了很久，先是买不买，后来是买27还是23的，昨晚感觉实在不能再等了，再等这边电梯换装可不想搬上楼了，看到AOC的优惠，还是下单了。
今天显示器到货，箱子比优派小不少，如果上次买的是AOC，估计就不会摔得那么惨了。
买AOC的一个原因是他居然在显示器市场上排名第一了。
当年，谁看得上他啊。

30万字的文章，用了8秒。
无论是速度还是分析，V4确实比V3更强了。强的应该就是昨天分析的，他的逻辑能力提高了。如果说v3还有一种“我有这么想的吗”的放飞自我，v4就更为扎实严谨。
这种感觉是初试Claude2时，那种人与人交流的的那种真实感。
总是进步的，值得期待。

昨天deepseek v4发布，我们自己的服务器在停机近一年后，也开机联网了。
ollama升级费了不少周折，但随后下载qwen3.6的35B以及gemma4的26B模型速度非常快。
运行模型后照例询问了一个京剧问答，让其对某剧目的人物进行评价。qwen依然拉胯，令人意外的是，随后老外gemma的回答，没有像qwen那样东扯西扯言多露怯，反而从“哲学”高度进行分析、评价，反而找不出大毛病。
然后登录deepseek的官网，询问同一个问题。在这么多国内外大模型中，deepseek v3是唯一一个回答完美的，这让我不得不怀疑其知识库的来源。
不过让人失望的是，v4版本的知识库虽然更新到25年下半年，但回答的问题内容单薄，且存在误差，可以说是不进反退，不知是否因为官网默认使用的是flash版本而非Pro。
此外，v4的回答同gemma4一样，回答中重侧逻辑而淡化知识，这估计也是开源大模型的趋势吧。

前天OpenAI发布了GTPimage2，吹捧声颇高，这时点发布，应是想挽回点因关闭Sara丢失的面子。
今天看到自己在用的API网站已经支持GTPimage2，价格为banana2的六折，于是试了一下图形转换。相比banana2还是差一些，更不用说bananaPro。可能与image的版本也有关系，后续的VIP版效果可能更好一些。
抛开图片识别和文字理解，image2的风格更为写实，这与bananaPro的华丽感差异尤其明显。
此外，又测试了一下grok。虽然只是免费版，grok的效果却让我颇感意外，他的风格偏向bananaPro，但又在细节上更为细致写实，值得期待。

最近苹果换帅，特努斯接替库克成为新CEO。
事出略显突然，最近看网上新闻，无论是IT圈还是财经圈，唱衰苹果的评论多起来，似乎苹果到了生死存亡的关头。
哪有这么严重。
只要有手机这基本盘在，苹果的日子就依然“烈火烹油，鲜花着锦之盛”。就像乔布斯重回苹果之时，人家日子其实也很滋润。
但苹果又不得不改变，选择硬件起家的特尼斯应该是要在AI时代硬件软做。
苹果的硬件并不落后，但软件生态却薄弱甚至堪称惨淡，M4在一些应用中只能依托OpenCL达到gtx1060的性能，更不用说本地大模型的应用了。
不过，看看微软，舒坦日子过惯了，想突破，也难。

近日，Anthropic切断第三方框架（比如OpenClaw）通过Claude订阅服务的调用通道，引发行业震动。

Anthropic官方解释称，有重度用户每月仅支付200美元订阅费，却消耗了价值5000美元的算力资源，给Anthropic带来巨大成本压力。

小米MiMo大模型负责人罗福莉随即发文点评米“第三方框架因上下文管理低效，产生的Token消耗是原生框架的数十倍”。

这个评论的很到位，这不止是OpenClaw的问题，也是所有AI应用的问题。上下文管理本身就各说各有理，模型方如Claude认为要是依靠大模型，而向量数据库方则强调加强数据的管理。

现在第三方框架的加入，更是混乱了。

昨天做了一个视频，提示词中强调人物坐下后脱下自己的靴子，然后重新穿回去。结果生成后，角色是脱下左脚靴子，然后穿回到自己右脚。
开始觉得这AI实在是不靠谱。
后来我考虑到，AI犯错可能因为他对人物跟观众的视角出现了错乱。这就像小孩子小时候跟人面对面交流的时候，分不清自己和对方左右手一样。
又查看了一下AI的agent记录，果然，里面记录的是“观众视角的左侧是她的右脚，右侧是她的左脚。她弯腰抬起自己的右脚（观众视角左侧的脚）”。
一旦AI真正能代入角色，那就是一个大的阶段性进步。
但，那样可能也意味着AI的觉醒了。

在接触了banana后，没有怎么犹豫就购买了国内的API服务，虽然banana，主要是Pro版还存在一些认知问题，这不排除是中英文翻译造成的误差，但总体而言，banana已经做的足够好了。
昨晚看到新闻阿里推出了万象2.7版本。之前在网上看到评论，对其前一版本2.5多有微词，抱着试一下的心态，用免费赠送的积分做了几个与banana相同的转换。
结果还是有些出乎意料的，万象的出图整体已经非常好，基本与banana2水平相当。因为免费只能生成2K图片，以此与bananaPro相比，总体差距不大，以至于看总图我以为万象用了banana的模型，差距主要在细节上。
希望阿里在这条道上坚持下去，不要四面出击有枣没枣打两杆子，时不我待了。

因为被即梦的seedance震撼，于是开始学着做视频。这个过程中发现，视频的静态模型，无论是人物还是背景，都非常重要。
但即梦自带的文生图和图生图效果并不让我满意，于是从昨天开始我试着沾点谷歌的便宜，用每天的banana2的免费额度，试着用喂给即梦的连环画图片生成影视剧图片。
结果，再次被banana震撼到。
如果是seedance的震撼源自从无到有，而banana则是将现有资源，提升到一个难以想象的高度。
将banana介绍给在即梦做出大片级视频的网友，他开始反应是banana相比即梦提升了一个档次，再试后，他收回了评价，直接开始转用banana。
这一周，感觉自己面对AI的进步，真的迟钝麻木了。