AI产品狙击手

先看成果：一个只花了三块钱训练出来的大语言模型，聊起来还可以。如果你想真正弄懂大语言模型的工作原理，或者想知道一个大模型到底是怎么训练出来的，这个叫 MiniMind 的开源项目必须要收藏——花 3 块钱租一张 3090，两个小时就能从零开始训练出属于你自己的大语言模型。 这个项目目前在 GitHub 上已经涨到 6.1 万颗星、近 8000 个 fork。训出来的模型只有 6400 万参数，体积大概是 GPT-3 的两千七百分之一，普通个人显卡就能跑得动训练。整个流程也很简单：把仓库克隆下来，装好依赖，下载它开源的数据集，跑一条预训练命令，再补一条微调命令，就能得到一个小巧但会中文聊天的模型。之后还能直接用 Ollama 拉起来跑，或者通过 OpenAI 兼容接口接到 OpenWebUI 里。 真正少见的是，作者把 MoE、LoRA、DPO 强化学习、蒸馏、工具调用这一整条链路的核心算法，全用原生 PyTorch 手写了一遍，没有藏在第三方封装后面，你跟着练的同时每一行都能看懂。项目甚至还延伸出了视觉和多模态的孪生项目。 想认真搞懂大模型这个黑盒的人，不妨先拿家里那张显卡...

本期视频继续我们新 Benchmark V2.2 中的鹈鹕土星环骑自行车和复合弓射箭 SVG 测试。上一集测了千问 3.8 Max 0902，这一集应粉丝要求先测腾讯混元 Hy4 Preview。 第二题：鹈鹕土星环骑自行车 SVG 测试 我们看一下效果，发现三个比较明显的问题： 第一个问题是自行车骑到左侧或右侧时不会转弯，而是在快要出跑道时才闪现回正确方向。第二个问题在于鹈鹕的屁股没有坐在坐垫上，且坐垫上面有一块铁状凸出物——这大概就是鹈鹕不敢坐上去的原因。第三个问题需要细看：鹈鹕的两条腿都画在了同一侧，这是因为自行车横杠是青色的，但右腿本应被横杠挡住的部分却没有被遮挡。 第三题：复合弓射箭 SVG 测试 弓箭明显还是反的。原因是仔细观察可以发现，手上方的瞄具应该在面向人的这一侧，但当前方向完全相反。好在下面的平衡杆方向倒是正确的。 其余测试内容大家如果感兴趣，可以去博客上看 V2.1 版本的完整评测。由于 V2.2 只改动了以上两个测试题目，其他项目保持不变，这里就不再重复测了。 访问入口

灵波团队的这个开源项目，能把随手拍的一段视频变成一个可以转着看、还能逛进去看的 3D 场景，目前在 GitHub 上已经有 17K 多颗星。用法很简单：拿手机围着展厅、街区或者工地拍一圈，把视频丢进去，就能看着它一边播视频、一边把现场一点点搭成 3D 的。车载记录仪拍的路面、旅游时拍的街景、在楼里走十几分钟录的长视频，都能直接喂给它。 它还会自动把天空去掉，出来的模型干净很多；跑起来也快，每秒能处理二三十帧，几万帧的超长视频照样啃得下来。 模型可以免费下载，网上已经有人用普通游戏本把它跑通了；代码开源，按协议可以商用。做测绘、自动驾驶、机器人的朋友尤其值得关注。 项目自带有三个示例场景，可以先下载下来跑一遍看看效果，再决定是否要自己部署玩一下。 访问入口

本期继续跑 Benchmark 里的两道 SVG 测试题——「鹈鹕土星环骑自行车」和「复合弓射箭」。上一集测的是 GLM 5.3 Flash，这一集轮到千问 3.8 Max 0902 上场。 第二题「鹈鹕土星环骑自行车 SVG 测试」，先看效果。鹈鹕和自行车的结构没有问题，但骑到右边之后，鹈鹕和自行车整个倒了过来。这一点和 GLM 5.3 Flash 刚好相反：GLM 是在上方跑道正常，一来到下面跑道就倒过来。 第三题「复合弓射箭 SVG 测试」同样有几个问题。第一，弓箭明显是反的；第二，人物的右手去拉弓的时候，是穿过了持弓的左手的，属于明显的穿帮。 其他题目这次就不重测了，分数继续沿用 Benchmark V2.1 的测评结果，只有第二、第三题换成本次的新得分。大家翻 Benchmark 数据的时候请注意这一点，我也会在页面上标注出来。 访问入口

本期继续跑 Benchmark 里的两道 SVG 测试题——「鹈鹕土星环骑自行车」和「复合弓射箭」。上一集测的是 DeepSeek V4.1，这一集轮到 GLM 5.3 Flash 上场，两道题都开到最高思考深度。 先说第二题「鹈鹕土星环骑自行车 SVG 测试」。GLM 5.3 Flash 花了 20 多分钟才出结果，而 DeepSeek 应该是 10 分钟之内就做好了，慢得太多。再看画面本身：鹈鹕和自行车的结构没有问题，也确实沿着土星环的环形跑道在骑，但一跑到右边就开始露馅——鹈鹕和车都变成了在跑道下面。可见它并没有真正理解「要在跑道上方骑行」，只是单纯想着要绕着轨道跑一圈。 第三题「复合弓射箭 SVG 测试」同样有几个问题。第一，弓的部件明显是反的；第二，人物射箭的手势完全不对，看起来像是在扯线，更像斯诺克架杆击球，而不是在开弓射箭。 其他题目这次就不重测了，分数继续沿用 V2 的测评结果，只有第二、第三题换成本次的新得分。大家翻 Benchmark 数据的时候请注意这一点，我也会在页面上标注出来。 访问入口

本期视频把祖传测试用例升级到了 V2.2，其中第二、第三道题做了替换：原本的两道推理题换成「鹈鹕土星环骑自行车 SVG 测试」和「复合弓射箭 SVG 测试」，其余题目保持不变。这一集先用这两道新题试水，看看 DeepSeek 最新的 V4.1 Flash 表现如何。 第二题「鹈鹕土星环骑自行车 SVG 测试」出师不利。模型完全没有按照提示让鹈鹕沿着土星环骑行，看起来是对提示词里「土星环环形跑道」的理解出了问题。考虑到这是新题第一次测，我给了它第二次机会重新跑，结果依然不行——自行车踩到环道左右两侧时完全不懂得转弯，而是快要踩出环道的时候突然「闪现」回正确方向。不过值得一提的是，两轮测试里鹈鹕和自行车的结构都没有出现任何问题，画面本身是立得住的。 第三题「复合弓射箭 SVG 测试」同样暴露出三个明显问题：第一，拉弓时上下两个滑轮转动方向相同，但按真实复合弓的机械结构，上面滑轮逆时针时下面应该顺时针才对；第二，人物的两只手像麻花一样纠缠在一起，手部结构明显不对；第三，人物是直面屏幕，而不是面向靶子射击。 需要说明的是，本期只重测了升级后的第二、第三题，其他题目的分数继续沿用 V...

做过 RAG 的人都懂那套流程有多累：PDF、Word、Excel 先解析，再切片、算 embedding，然后灌进向量库。索引建完半小时过去了，文件一改还得重跑。更麻烦的是，检索捞出来的经常是碎片——答不上来的时候，你都不知道到底是模型笨，还是上下文早被切没了。 Sirchmunk 干脆把这层直接撤了。它的判断是：切片等于把文章拦腰砍断，向量化等于把内容压成一串数字，而压缩就有损失；大模型本来就能读原文，何必先去看残骸？于是它靠关键词和文件路径一层层把范围收窄，先锁定是哪一段，再去读那一段。装完 pip、指向你的目录就能开口提问——比如「这鉴权在哪实现的」「去年那份合同付款条件怎么写的」。 配一个 OpenAI 兼容的接口即可使用。Deep 模式十几二十秒就能交出带原文出处的报告，Fast 模式两三秒就出结果。搜完的结果不会丢，会沉淀成一层层的知识树；同样的问题再问一遍，直接命中缓存，省下 Token。数据全程留在自己机器上，模型也可以换成本地的，Docker 四核 2G 就能跑，Apache 2.0 协议可商用。 做 AI 知识库和 RAG 的兄弟可以去试试，建议先拿你...

你现在可以用家乡，或者说任何城市的地图来玩《我的世界》了。这个叫 Arnis 的开源项目，在 GitHub 上已经攒了 17,000 多颗星。 用法很直接：打开软件，在地图上框一块地，选好存档点，真实世界的山脉、河流、马路就按真地形搬进游戏了，连你家那栋楼也会一起出现，房屋内饰都能一并生成。 缩放比例自己调。你可以把老家县城做出来逛一圈，还原自己读过的学校，或者干脆让整座城市变成朋友联机的地图。 数据取自 OpenStreetMap 的路网，加上实测高程，所以地形起伏不是瞎编的。Windows、Mac、Linux 三个平台都能跑。 建议先拿家乡生成一遍——看着你走过十几年的那条街，一格一格出现在方块世界里。 访问入口

第 25 期《千问办公入门》继续聊技能（skill）的用法，这期要解决的是一个很实际的需求——在千问办公里直接生成图片，既不用跳出千问办公，也不用填写任何 API Key。 打开千问办公后进入技能列表，找到「图像创作」这个 skill。它是千问办公官方自己做的，所以我们不需要接入任何 key，装上就能用——对不想折腾 API Key 的用户来说，这是最省事的一条路径，站内就把生图这件事闭环了。 安装完成后，新建一个任务，用斜杠命令唤起这个 skill，接着就可以直接输入提示词让它生成图片了。比如让它生成一张「上海城市微缩图」，几步操作就走完了整个流程。 从实际体验看，生成速度相当快，出图质量也不错。对于一般的个人使用和日常办公需求来说，这个 skill 已经够用了；如果你的生图需求不算重度，就没必要再去单独接一套第三方生图服务。下集见…… 访问入口

今天要分享的是一款 vocal remover AI 工具，它可以把音乐分离成人声和伴奏两条音轨。 先听一下原始的音乐，再来听分离之后的人声——是不是很清晰？接着单独听伴奏，可以看到人声和伴奏已经完全分离开来了。 使用方式也非常简单，直接把音频上传上去，一键就搞定了。 这个工具最大的优势就是免费。市面上不少收费的 AI 工具同样能做到人声分离，但你得先打开那些工具、还得付费，一圈折腾下来并不轻松。所以这个免费方案就显得格外难能可贵。如果大家还是找不到入口，可以在评论区跟我说一声。 访问入口