BrowserUse 刚出的 BU-30B-A3B-Preview，专门解决我们做网页自动化「既要聪明又要快」的痛点。
它就像个懂浏览器的特种兵：
1️⃣ 大模型智商，小模型身板
它是 MoE 架构，虽然总参数 30B，但推理时只激活 3B。这意味着你在单张消费级 GPU 上就能跑，我实测每步操作大概 1.2 秒，比调云端 API 等回包爽快多了。
2️⃣ 看网页更懂行
因为它基于 Qwen3-VL 专门微调过 Screenshot + DOM（网页结构）。以前遇到复杂弹窗我的 Agent 老是点不到关闭键，换这个后，识别准确率在目前预览版里确实稳不少。
3️⃣ 部署门槛低
直接支持 vLLM，如果你也是像我一样甚至想用来做 RPA 或者自动化测试，这个本地方案能帮你省下一大笔 Token 费。
⚠️ 目前还是预览版，处理极长上下文时偶尔会卡顿，生产环境建议多测几次。
#AI工作流 #BrowserUse #本地部署 #效率工具 #独立开发
BrowserUse 刚出的 BU-30B-A3B-Preview
更多动态
本地跑小模型终于不再是“人工智障”了。
Liquid AI 刚出的 LFM2-2.6B-Exp，是我这周在旧款 Mac 上跑得最顺的“口袋大脑”，断网也能飞起。 1️⃣ 路子很野的“纯强化学习” 这模型完全跳过了 SFT（监督微调），直接用 Pure RL 训练。我实测下来，它的逻辑“直觉”出奇的好。特别是在处理 JSON 数据提取这种脏活儿时，指令跟随能力比我之前常用的 8B 模型还要稳，很少幻觉。 2️⃣ 老电脑的救星 它用了混合架构（卷积+注意力），简单理解就是“吃得少跑得快”。在高铁上信号极差，我用它配合 Obsidian 做本地 RAG 查文档，响应速度比 Qwen3 快了大概一倍，关键是风扇没狂转，续航没崩。 虽然它在 IFBench 上评分挺高，但毕竟只有 2.6B 参数。写写代码片段、改改邮件很爽，但如果你指望它写长篇深度研报，逻辑深度还是不如云端大模型，别神话它。 你现在本地部署主要用 Ollama 还是 LM Studio？👇 #AI工作流 #本地部署 #效率工具 #LiquidAI #独立开发
离谱了，1min.AI 推出了终身订阅
， 99 美元买断就能集齐 GPT-5、Claude、Midjourney 这些顶流模型。 但它本质上就是个 API 聚合商（Wrapper），最大的风险就是不仅要看上游脸色（API 涨价/政策变动），还得赌这公司能活多久，毕竟 AppSumo 上买了终身会员结果平台几年后跑路的先例也不少 。 再加上它是积分制而不是真无限，重度用起来可能没那么爽，到了月底得算计着花 。 99 美元用五个月就回本了，我先观望观望，有兄弟想上车赌一把吗？
claude申诉失败了。
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。
分享下现在的纯手机端工作流。
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。
