Liquid AI 发了 LFM3，一个 1.7B 的 backbone。
长出文本 / 视觉 / 音频 / Omni / 决策 6 个模型，权重全开。
256K 上下文， 4-bit 约 1GB · 单卡可微调。
128K 上下文的 KV cache 只要 1.6GB，Qwen3.5-4B 都要 4.3GB。
本地小模型做 agent 这条路，看起来真走通了。
🔗 https://www.liquid.ai/blog/lfm3
Liquid AI 发了 LFM3，一个 1.7B 的 backbone。
更多动态
两周前刚发 Argon
，Google 今天就新出 Gemini 4 Carbon。 $2 /M 输入、$10 /M 输出，和两周前的 Argon 完全一致，缓存输入再打五折。参数、上下文窗口、API 什么时候开放，暂时未知。 目前正在配合美国政府自愿性发布前测试。 Terminal-Bench 4.0 拿到 65.2%，比 Argon 高 8 个点；GraphWalks 长上下文 96.2%；WebDev Arena 涨了 89 分排第四。
给Agent 接上实时网络数据。
最近在让agent做调研，就绕不开折腾爬虫，自己部署号池维护成本太高。 找了一圈只有ProLevelMax支持抓LinkedIn，价格也很合理。 接入API 或 MCP 服务，就能拿到 LinkedIn 公司主页、个人资料、帖子、职位和广告库。 按次计费，查询 $0.024 一次，拿来做市场调研都很划算。
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。
