Kimi-K3 真的要来了
Kimi-K3 真的要来了
更多动态
PrismML 出了个最强手机本地模型
Bonsai 27B，第一个能在手机上跑的 27B 多模态模型。 基于 Qwen3.6 27B，端到端极低量化。 Ternary 版 5.9GB，benchmark 平均 80.49 分，保留 95% 全精度。 1-bit 版 3.9GB，平均 76.11 分，保留 90% 精度，数学 benchmark 93.40 分，距 FP16 仅差 2 分。 iPhone 17 Pro 实测 11 tokens/s，262K 上下文。
2026 是通用 agent 的元年，当人手一个 agent 后
，订阅制 skill 可能会是一个潜力巨大的创收点。 现在的 saas 都是面向给用户的，我认为后续的 saas 将会通过 api 封装成一个 skill ，面向 agent 调用， agent 能自行或通知用户订阅 saas 的 skill 。
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。
