更多动态
，可能是目前普通开发者能本地部署的最强「AI 医生」。 这两周都在研究这个刚发布的 100B 模型，几个实测感受分享给想做垂直赛道的兄弟： 1️⃣ 架构聪明不吃灰：虽然是千亿参数，但用了 MoE（混合专家）架构。好比医院挂号，只唤醒对应科室的专家干活，而不是让全院医生一起上。在我这边的推理测试里，计算效率比传统稠密模型高不少。 2️⃣ 术业有专攻：官方数据在 HealthBench 拿了第一。我试着投喂了几份脱敏病历，对比 GPT-5，它在「解读医学黑话」和「诊疗逻辑」上确实更克制、更严谨，少了很多通用模型那种一本正经的胡说八道。 3️⃣ 隐私党福音：权重和代码都在 HuggingFace 上开源了。对于不想把敏感医疗数据传给公有云的独立开发者，这大概是目前国产化替代的最优解之一。 如果你在关注 AI 垂直落地，或者单纯想给家里存个「数字家庭医生」，这个开源模型值得一试。 #AntAngelMed #AI医疗 #开源模型 #独立开发 #效率工具
，这次升级把 M2 的短板补齐了。 这几天在 Cursor 里高强度实测 M2.1，这 3 个变化让我决定把它设为「主力备胎」： 1️⃣ 不再「偏科」：以前 M2 写 Python 凑合，遇到 Rust 或跨文件引用就晕。M2.1 明显强化了多语言支持，我昨晚重构一个 Go 项目的接口，跨文件逻辑理解比之前稳太多，不再瞎编变量名。 2️⃣ Agent 脑子更清醒：最大的痛点「指令丢失」修好了。特别是在调用工具时，它加入了类似思维链的“交错思考”，处理长任务流很少再掉链子，路由判断准了不少。 3️⃣ 极致性价比保留：性能在这个梯队，价格依然是 Input $0.3 / M（Sonnet 的 8%）。对于独立开发者来说，这意味着可以用极低成本跑大规模的 Agent 任务。 M2.1 绝对是目前写代码性价比最高的选择。 #MiniMax #独立开发 #AI编程 #降本增效 #大模型评测
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
