- 博客(169)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Jev 实测版：948 次真实调用，我画出它「什么时候能信」的那条线
Jev 实测版：948 次真实调用，我画出它「什么时候能信」的那条线 > 实测系列 · 承接上一篇《爆火的 Jev 精读》——那篇是引用版，这篇是把 Key 拿到手之后的实测版 上一篇我只做了资料研究：Jev 需要注册才能调用，本机跑不了，所有数字标了出处。9 月 21 日拿到 Key 之后，我把能测的都测了一遍——948 次真实调用，包括延迟拆解、中英配对
2026-09-21 13:10:22
463
原创 爆火的 Jev 精读：把“生成文本“整个砍掉，AI 判断打到 70ms 和 0.042 美元/百万 token
爆火的 Jev 精读：把"生成文本"整个砍掉，AI 判断打到 70ms 和 0.042 美元/百万 token > 数据说明：本文三类信息源，逐条标注——①官方一手：TypeSafe AI 发布博客与文档（2026-09-15，typesafe.ai）；②第三方：独立评测与多家媒体交叉印证（文中标注）；③本机实测：无。Jev API 需注册账号获取 Key，
2026-09-21 10:22:53
174
原创 模型用量统计为何“对不上“？relay 非流式 accountId 丢失与 Claude Code 后台流量的完整排查
模型用量统计为何"对不上"？relay 非流式 accountId 丢失与 Claude Code 后台流量的完整排查 > 摘要：一个 AI 平台的用量面板里，同一个模型出现了"供应商空白"的独立行；同时另一个第三方用量工具与平台统计始终对不上。本文记录一次完整排查：从"供应商名为什么是空的"一路追到一个 3 行的网关 bug，再顺带揭开 Claude Co
2026-09-17 09:52:53
44
原创 DeepSeek Harness 本地部署与第三方插件排障实录：从 fetch failed 到 preset not found
DeepSeek Harness 本地部署与第三方插件排障实录：从 fetch failed 到 preset not found > 本文是一次完整真实的排障复盘：在 Windows 上从零跑通 DeepSeek Harness（dsh）， > 再装上一个第三方 client UI 插件，然后把踩到的每一个坑连根因带修法全部拆开。 > 文中所有报错原文、版
2026-09-15 15:42:25
470
原创 十篇“最 X 的前十名 X“打完收官：本机实测翻了 3 处旧案，公开数据拆了 7 块招牌——贯穿全季的 5 条硬规律
十篇"最 X 的前十名 X"打完收官：本机实测翻了 3 处旧案，公开数据拆了 7 块招牌——贯穿全季的 5 条硬规律 > 盘点系列总结篇 · 全系列汇总（含 10 篇目录、数据口径表与全部关键结论） 【数据说明】本文是《最 X 的前十名 X——数据说话版》系列（10 篇）的总结篇，不含新增实验——文中每一个数字都来自已发各篇，逐篇附原文链接可溯源。系列数据分
2026-09-04 14:35:36
164
原创 十个 AI 项目的典型死法：88% 死在 demo 到生产之间，而且大多不是模型的问题
十个 AI 项目的典型死法：88% 死在 demo 到生产之间，而且大多不是模型的问题 > 盘点系列第 10 篇 · 项目死法复盘（本季收官篇） 【数据说明】本篇无本机实跑，全部为外部引用层：Anaconda/Forrester 2026、Gartner 2025-2026、Forrester 根因分析（占比数据）、MIT NANDA 2025、RAND、D
2026-09-04 11:05:52
245
原创 十个 AI 编程助手怎么选：榜首每个月都在换人，但你的语言栈不会
十个 AI 编程助手怎么选：榜首每个月都在换人，但你的语言栈不会 > 盘点系列第 9 篇 · 编程助手横评 【数据说明】本篇无本机实跑（编程助手的 SWE-bench 等基准需要完整 agent + 云环境），全部为外部引用层：2026 年多来源的 SWE-bench Verified / SWE-bench Pro / Terminal-Bench 2.1
2026-09-04 11:04:13
377
原创 十种最省钱的模型部署方案：我在本机跑了基准，结论是“最省钱“的分母不是单价
十种最省钱的模型部署方案：我在本机跑了基准，结论是"最省钱"的分母不是单价 > 盘点系列第 8 篇 · 部署成本核算 【数据说明】本篇分两层：本机实测层——Qwen3.5-0.8B（本机 2026-09 换代后的主力模型）在纯 NumPy CPU 引擎上 bf16/int8/int4 三档基准（固定 workload：404 token prompt + 3
2026-09-03 10:37:30
167
原创 十大 Agent 框架怎么选：star 最多的两家，都不是生产默认
十大 Agent 框架怎么选：star 最多的两家，都不是生产默认 > 盘点系列第 7 篇 · Agent 框架横评 【数据说明】本篇无本机实跑（框架横评的统一标尺部分采用第三方公开评测数据），数据分两层：公开核算层——GitHub star / PyPI 月下载量（2026-07 快照，多来源交叉）+ 企业采用案例；外部引用层——"同一 4-agent 流
2026-09-03 10:32:55
239
原创 十个立竿见影的 Prompt 技巧：小模型 A/B 实测排名，冠军还是“教它闭嘴“
十个立竿见影的 Prompt 技巧：小模型 A/B 实测排名，冠军还是"教它闭嘴" > 盘点系列第 6 篇 · Prompt 技巧实测 【数据说明】本篇全部本机实跑，且跨两代模型各跑了一遍：Qwen3.5-0.8B-Instruct + 纯 NumPy CPU 引擎（本机 2026-09 换代口径），8 道可自动判分的短任务（算术/抽取/常识/知识/计数/翻
2026-09-02 10:12:02
517
原创 十个最被吹过头的 AI 概念：我给每条“宣传话术“配上了打脸数据
十个最被吹过头的 AI 概念：我给每条"宣传话术"配上了打脸数据 > 盘点系列第 5 篇 · 概念纠偏 【数据说明】本篇无本机实跑，全部为外部引用层：TEKsystems、Gartner、Forrester、MIT NANDA、RAND、Deloitte、BCG、McKinsey、S&P Global 等 2025-2026 年报告，每条"宣传 vs 现实"
2026-09-02 10:10:21
226
原创 十个最容易翻车的大模型应用坑：我在 0.5B 和 0.8B 上各复现了一遍，一半结论变了
十个最容易翻车的大模型应用坑：我在 0.5B 和 0.8B 上各复现了一遍，一半结论变了 > 盘点系列第 4 篇 · 应用坑复现 【数据说明】本篇全部本机实跑，且跑了两代模型：Qwen3.5-0.8B-Instruct（本机 2026-09 换代后的主力）+ 纯 NumPy CPU 推理引擎，greedy 解码 + 可控温度采样，脚本 top10_ep4_p
2026-09-01 13:39:53
337
原创 十个最值得做的 AI 副业方向：我扒了平台的真实需求数据，“月入十万“的请先冷静
十个最值得做的 AI 副业方向：我扒了平台的真实需求数据，"月入十万"的请先冷静 > 盘点系列第 3 篇 · AI 副业方向 【数据说明】本篇无本机实跑（副业市场没法"跑"出来），全部为公开核算层：Upwork/Fiverr 官方财报与技能报告、Upwork Future Workforce Index 2026、GigRadar 2026、Ramp Eco
2026-09-01 13:38:14
558
原创 十个主流大模型 API 的真实账单：同一个客服 workload，最贵和最便宜差 31 倍
十个主流大模型 API 的真实账单：同一个客服 workload，最贵和最便宜差 31 倍 > 盘点系列第 2 篇 · API 成本核算 > ✅ 【数据说明】：本文为公开核算——单价来自各比价站对官方定价的核验（CloudZero 声称已对照 OpenAI/Anthropic/Google/DeepSeek 官方文档，截至 2026-08-20；国内厂人民币
2026-08-31 10:10:21
361
原创 2026 最能打的十个开源大模型：我本机跑了最小那档，榜单只信一半
2026 最能打的十个开源大模型：我本机跑了最小那档，榜单只信一半 > 盘点系列第 1 篇 · 开源模型选型 > ✅ 【数据说明】：本文数据分三层。① 本机实跑：最小档模型数据来自本机实测（纯 NumPy CPU 引擎 + 本地 Qwen3.5-0.8B 权重，无 GPU、无 torch，2026-09 重跑口径），逐条附数据文件可溯源；② 公开核算：下载量
2026-08-31 10:08:32
1090
原创 AI 鉴伪实战收官：刻意「骗」检测器的招几乎全跪，活下来的全是它自己的盲区——10 期实测的 7 条硬规律
AI 鉴伪实战收官：刻意「骗」检测器的招几乎全跪，活下来的全是它自己的盲区——10 期实测的 7 条硬规律 > 系列总结篇 · 全系列汇总（含 10 篇目录与全部关键结论） > ✅ 【实测说明】：本文是《AI 鉴伪实战：猫鼠对抗，我替你试了》系列（10 篇）的总结篇，不含新增实验——文中每一个数字都来自已发各期的本机真跑（纯 NumPy 引擎加载本地 Qwe
2026-08-28 10:22:05
201
原创 十期猫鼠对抗打完，我把它收成了一张「骗术存活率表」和两份清单
十期猫鼠对抗打完，我把它收成了一张「骗术存活率表」和两份清单 > 系列第 10 篇 · 收官：防御方法论 > ✅ 【实测说明】：本篇是《AI 鉴伪实战》收官，汇总前 9 期全部本机真跑结论（文本/图像/水印/翻译/改写/字符/跨模态/长短/文风），并给出一张「骗术存活率总表」+ 两份落地清单（读者防骗 / 检测方怎么做更稳）。第 9 期起检测器升级为「困惑度
2026-08-27 13:47:37
262
原创 让 AI 模仿「老工程师毒舌腔」写，检测器会被文风带偏吗？我本机试了 few-shot 仿写
让 AI 模仿「老工程师毒舌腔」写，检测器会被文风带偏吗？我本机试了 few-shot 仿写 > 系列第 9 篇 · 文风对抗 > ✅ 【实测说明】：本篇本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-0.5B，做两组对照：① 平铺直叙的 AI 科普文（3 段）；② 给 2 段「老工程师毒舌腔」范例做 few-shot，让同一模型模仿该文风写 3
2026-08-27 11:41:06
331
原创 同样一段 AI 文，写 60 字和写 1000 字，检测器判得一样准吗？我本机测了 4 档长度
同样一段 AI 文，写 60 字和写 1000 字，检测器判得一样准吗？我本机测了 4 档长度 > 系列第 8 篇 · 长短文本差异 > ✅ 【实测说明】：本篇本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-0.5B，生成 4 档长度（~60 / ~160 / ~320 / ~640 字）的 AI 文各 3 段，配同长度的人写文，跑「困惑度(PP
2026-08-26 10:04:45
611
原创 一张 AI 图配段人写解说，检测器就全盘信了？我本机试了「图文组合伪造」的盲区
一张 AI 图配段人写解说，检测器就全盘信了？我本机试了「图文组合伪造」的盲区 > 系列第 7 篇 · 跨模态盲区 > ✅ 【实测说明】：本篇本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-0.5B 做「困惑度(PPL) + n-gram 冗余度」双信号文本检测器，对 4 段 AI 图注与 4 段人类图注复测判定；图像侧对 4 张本机生成的 AI
2026-08-26 10:03:07
305
原创 往 AI 文里塞零宽空格、同形字，检测器就瞎了？我本机试了，谣言破了——但有两个真盲区
往 AI 文里塞零宽空格、同形字，检测器就瞎了？我本机试了，谣言破了——但有两个真盲区 > 系列第 6 篇 · 字符干扰 > ✅ 【实测说明】：本篇「字符干扰」部分本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-1.5B 做困惑度（PPL）检测器，对 4 段 AI 中文文注入 4 类「人眼看不出、但分词器可能炸」的字符（零宽空格 / BOM+ZW
2026-08-25 11:21:23
299
原创 把 AI 文「改写成人话」，检测器就认不出了？我本机试了两种写法，结果反了
把 AI 文「改写成人话」，检测器就认不出了？我本机试了两种写法，结果反了 > 系列第 5 篇 · 改写绕弯 > ✅ 【实测说明】：本篇「改写绕弯」部分本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-1.5B，生成 4 段 AI 中文文，再做两种「改写成人话」：(①) 用同一模型做 LLM 人话重写（模拟市面上的 AI humanizer，本身也
2026-08-25 11:19:45
663
原创 把 AI 文机翻一遍再翻回来，检测器就认不出了？我本机试了，真管用——但代价很蠢
把 AI 文机翻一遍再翻回来，检测器就认不出了？我本机试了，真管用——但代价很蠢 > 系列第 4 篇 · 翻译绕弯 > ✅ 【实测说明】：本篇「翻译绕弯」部分本机真跑——用纯 NumPy 引擎加载本地 Qwen2.5-1.5B，生成 4 段 AI 中文文，逐段做「中→英→中」往返翻译，再用第 1 期自建的困惑度+突兀度检测器复测判定变化。全程无 key、无
2026-08-24 10:47:37
335
原创 我给 AI 图纹了身：肉眼看不见的水印，扛不扛得住裁切和重压？
我给 AI 图纹了身：肉眼看不见的水印，扛不扛得住裁切和重压？ > 系列第 3 篇 · 水印攻防 > ✅ 【实测说明】：本篇「隐形水印」部分本机真跑——用纯 NumPy 实现分块 DCT（频率域）隐形水印，把一枚全局水印比特嵌进一张 AI 图（1024×1024）的亮度通道，再用 10 种常见操作去攻击它，看这枚「纹身」还在不在。全程无 key、无 torc
2026-08-24 10:45:58
235
原创 我用主流工具生成 4 张 AI 图，逐张查「出生证」：0 张带溯源元数据
我用主流工具生成 4 张 AI 图，逐张查「出生证」：0 张带溯源元数据 > 系列第 2 篇 · 图像鉴伪 > ✅ 【实测说明】：本篇「能本机真跑」的部分均来自本地实测——用图像生成工具产出 4 张不同主题 AI 图（存盘），再用纯本地 PIL + NumPy 脚本逐张查 EXIF / XMP / C2PA 溯源字节、做「元数据伪造 + 8 种常见转换存活
2026-08-21 14:15:34
202
原创 我把 4 段 AI 文和 4 段人话喂给自搭检测器：全判对，却暴露了所有检测器共有的死穴
我把 4 段 AI 文和 4 段人话喂给自搭检测器：全判对，却暴露了所有检测器共有的死穴 > 系列第 1 篇 · 文本鉴伪 > ✅ 【实测说明】：本篇所有数字均来自本机真跑。检测器用纯 NumPy CPU 引擎加载真实的 Qwen2.5-0.5B 权重，靠 teacher_logits 算困惑度（perplexity）、句级标准差算突兀度（burstines
2026-08-21 14:13:53
291
原创 大模型工程实测 2026 收官：账单砍了 79%、端侧跑通了、Agent 却九死一生——10 篇实跑下来的硬规律
大模型工程实测 2026 收官：账单砍了 79%、端侧跑通了、Agent 却九死一生——10 篇实跑下来的硬规律 > 系列终篇 · 全系列汇总（含 10 篇目录与全部关键结论） > ⚠️ 来源声明（先看这段）：本文是《大模型工程实测 2026：我实跑给你看》系列的汇总篇，非原创研究，是对本系列 10 篇实操文章的二次梳理。文中数字分两类：本机真跑（端侧延迟/
2026-08-20 14:04:20
232
原创 长上下文实测：prompt 越长首 token 越慢多少？0.5B/1.5B 真跑拆解 TTFT
长上下文实测：prompt 越长首 token 越慢多少？0.5B/1.5B 真跑拆解 TTFT > 系列第 10 篇 · 长上下文代价 > ✅ 本文性质说明：本篇全部延迟数据来自本机真跑。纯 NumPy CPU 引擎（OpenBLAS）加载真实 Qwen2.5-0.5B / 1.5B 权重，对 6 档不同长度的输入（0.5B）和 2 档（1.5B）分别测量
2026-08-20 14:00:58
282
原创 函数调用实测：0.5B 调工具比 1.5B 还准？12 个真实场景我拿本机真跑了一遍
函数调用实测：0.5B 调工具比 1.5B 还准？12 个真实场景我拿本机真跑了一遍 > 系列第 9 篇 · 工具调用（Function Calling） > ✅ 本文性质说明：本篇全部结论来自本机真跑。我用纯 NumPy CPU 引擎（OpenBLAS）加载真实的 Qwen2.5-0.5B / 1.5B 权重，把 12 个自然语言请求喂给模型、走真实的 c
2026-08-20 13:57:13
321
原创 表征格式实测：JSON 换 HTML 省 33% token 且质量不掉，Markdown 最省却答错了
表征格式实测：JSON 换 HTML 省 33% token 且质量不掉，Markdown 最省却答错了 > 系列第 8 篇 · 反直觉优化 > ✅ 本文性质说明：token 数、prefill 延迟、问答正确率全部本机真跑（Qwen2.5-0.5B-Instruct，纯 NumPy CPU，脚本 eng_repr_tokens.py 给全）。成本金额是「本
2026-08-19 10:07:06
686
原创 零能力 Agent 骗过评测实测：朴素 harness 被骗 75%，加固后仍漏掉「抄答案」
零能力 Agent 骗过评测实测：朴素 harness 被骗 75%，加固后仍漏掉「抄答案」 > 系列第 7 篇 · 评测防作弊 > ✅ 本文性质说明：本篇全部结论来自本机真跑。我写了 5 个 agent（1 个诚实 + 4 个零能力），每个都在独立临时目录里真实 subprocess 调用 pytest 9.1.1，读真实退出码与真实统计行——不是伪代码、
2026-08-19 10:05:17
171
原创 表征格式实测：JSON 换 HTML 省 33% token 且质量不掉，Markdown 最省却答错
表征格式实测：JSON 换 HTML 省 33% token 且质量不掉，Markdown 最省却答错了 > 系列第 8 篇 · 反直觉优化 > ✅ 本文性质说明：token 数、prefill 延迟、问答正确率全部本机真跑（Qwen2.5-0.5B-Instruct，纯 NumPy CPU，脚本 eng_repr_tokens.py 给全）。成本金额是「本
2026-08-18 14:03:17
318
原创 SWE-bench 拿了 80% 分，人工却只合并 50%：榜单正在系统性高估你的 Agent
SWE-bench 拿了 80% 分，人工却只合并 50%：榜单正在系统性高估你的 Agent > 系列第 5 篇 · Agent 评测 > ⚠️ 本文性质说明：「通过 SWE-bench 的 patch 仅 ~50% 被人工合并」为 METR 公开研究结论（外部数据，引用）；同时本文给了本机真跑的轻量评测方案——你用本地 0.5B 就能搭确定性小评测，验证
2026-08-18 14:01:34
420
原创 小模型选型对决 2026：我用 0.5B 和 1.5B 真跑了一遍，再给你一张决策树
小模型选型对决 2026：我用 0.5B 和 1.5B 真跑了一遍，再给你一张决策树 > 系列第 4 篇 · 小模型选型 > ✅/⚠️ 本文性质说明：本机真跑了 Qwen2.5-0.5B vs 1.5B 的对比（延迟、吞吐、质量探针均为本机实测，命令/数据可复现）；但 Gemma4 / Phi-4 / Qwen3 等同档模型的跨模型对比，本机无对应权重，无法
2026-08-18 13:58:38
255
原创 手机跑大模型不是梦：我在 CPU 上把 Qwen2.5 跑出了真实速度
手机跑大模型不是梦：我在 CPU 上把 Qwen2.5 跑出了真实速度 > 系列第 3 篇 · 端侧推理 > ✅ 本文性质说明：本篇是本机真实跑出来的数。我用纯 NumPy + OpenBLAS 引擎（无 GPU、无 torch）在 CPU 上实跑 Qwen2.5-0.5B / 1.5B，下面所有延迟、吞吐、量化 KL 都是本机实测，可复现。厂商数字（LFM
2026-08-18 13:56:53
259
原创 再砍 70%：语义缓存 + 按复杂度路由 + 硬上限，账单还能再塌一轮
再砍 70%：语义缓存 + 按复杂度路由 + 硬上限，账单还能再塌一轮 > 系列第 2 篇 · 推理降本 > ⚠️ 本文性质说明：本篇与第 1 篇一样，是公开数据核算 + 配置演示，非本机真实 API 调用实测（本机无 API key）。引用的省钱数字来自公开工程案例并标注来源；配置模板可直接套你自己的网关。它不违反「严禁编造」红线——凡引用外部数据均注明出
2026-08-17 09:55:12
207
原创 账单砍 79%：只改一个参数，LLM API 成本就崩了
账单砍 79%：只改一个参数，LLM API 成本就崩了 > 系列第 1 篇 · 推理降本 > ⚠️ 本文性质说明（务必先读）：本篇是公开数据核算 + 厂商定价机制推演，非本机真实 API 调用实测。所有数字都标注了来源，你可以照文末模板套自己的账单复算。它不违反「严禁编造」红线——凡引用外部数据均注明出处，凡属推算均标明假设。第 3、4、7、8 篇才是本机
2026-08-17 09:52:04
325
原创 AI 前沿论文精读收官：最强模型在真实长程任务里只做对 38.6%——10 篇读下来的 7 条硬规律
AI 前沿论文精读收官：最强模型在真实长程任务里只做对 38.6%——10 篇读下来的 7 条硬规律 > 系列终篇 · 全系列汇总（含 10 篇目录与全部关键结论） ICLR 2026 的 Toolathlon 把当前最强模型扔进「32 个真实软件 + 604 个工具 + 108 个长程任务」的环境，成功率只有 38.6%；同期的另一篇 ICML 2026
2026-08-14 14:11:14
526
原创 OpenAI 的竞赛编程报告：o3 在 Codeforces 跑到 2724 分、超过 99.8% 人类——推理模型怎么把代码玩成竞技
OpenAI 的竞赛编程报告：o3 在 Codeforces 跑到 2724 分、超过 99.8% 人类——推理模型怎么把代码玩成竞技 > 系列第 10 篇 · 子领域：代码模型 / Code LLM 【来源信息】 - 类型：机构技术报告 - 标题：Competitive Programming with Large Reasoning Models - 作
2026-08-14 09:53:00
213
原创 Agentic RAG 不是搜得越多越好：ACL 2026 的 AutoSearch 给过度搜索踩了刹车
Agentic RAG 不是搜得越多越好：ACL 2026 的 AutoSearch 给过度搜索踩了刹车 > 系列第 9 篇 · 子领域：检索增强 / RAG 【来源信息】 - 类型：顶会论文 - 标题：AutoSearch: Adaptive Search Depth for Efficient Agentic RAG via Reinforcement
2026-08-13 09:54:00
528
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人