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？
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
