hy-4 和 glm-5.3-flash 能反代了
workbuddy cli 同步上线了这两个新模型, hy-4 我还没用, glm-5.3-flash 用了一天,提示词遵循能力强,速度还很快,价格只比 muse-spark-1.2-contributor-free 贵一点,是目前性价比最佳模型。
更多动态
macos 上倒是有办法实现双开, ios 上这几天我在找优雅的手机远程开发方案,踩过了不少坑,试了很多内嵌 tailscale 的 app ,例如 SR 。目前还是不够稳定,内嵌的 tailscale 会疯狂抖动,偶尔用用还行。 今天摸索了一条新思路,将家中的软路由加入 tailscale 的组网,然后开启它的 exit node 和 subnet 。 ios 上只开 tailscale 选择软路由为 exit node,此时所有出网流量将被 tailscale 接管,先走到软路由,再由软路由规则分流,另外也不耽误访问组网上的任何设备。 这个思路非常稳,就是网络 IP 有点奇怪,比如你家的软路由在北京,你人在上海,但你的 IP 还是会显示在北京。

预览版 770B 总参数 / 49B 激活,1M 上下文。 价格输入 6 元 / M , 输出 18 元 / M , 比之前的 Hy3 贵不少。

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。

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。
