huangserva

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 你有没有发现，Codex 越来越贵，用量越来越少? 用 Codex 的人最近应该都有同感：账单越来越贵，能用的量越来越少。以前一周够用的额度，现在一两天就见底；就算你是 20X 的用户，全程开着顶配模型，也根本顶不住。 我自己就是这样。花钱不是最难受的，最难受的是额度用完了活还没干完，

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 为什么写这篇 Jev 发布不到一周，网上已经满是“快 200 倍”“永不出错”“LLM 要被取代”。我翻了大量帖子，也跑了一批用例，感受是：真把东西做出来的人不多，大多数是转发、观点和“我打算做一个……”。 这篇文章只做三件事：说清

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 一张曾经按斤卖的卡 2022 年以太坊转向权益证明（PoS），挖矿彻底没了生意。一大批矿卡涌进二手市场，其中有一类最惨——不是游戏卡改的矿卡，而是 NVIDIA 专门为挖矿造的 CMP 系列。 CMP 170HX 是这批卡里的旗舰。它没风扇、没视频输出口，插上显示器也不亮；

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 “一张 16GB 显卡，也能跑 27B 大模型。” 看到这句话，先别急着下载权重。 你还需要知道：用了什么量化？上下文开了多长？模型是否全部放在显存里？所谓“快”，指开始回答快，还是回答时每秒生成的 token 多？ 这些条件不同，

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 不会三维建模，也能做出第一个自己的作品！ 兄弟们，Blender 下载了好几次，每次都停在甜甜圈教程？ 我也一样。我对 Blender 根本不了解，但这两天让 GPT‑6 Astra 带着做，16 分钟做出一尊能旋转、放大看甲片和衣褶的兵马俑，30

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 一条推文，75.6 万人看过：一句 Replace the sunlit living room with the interior of a car，人物动作一帧没动，阳光客厅变成了车厢。 一支

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 写了好几年代码，可一翻链上的东西还是发懵？别急着怪自己。 币圈最爱讲金融黑话——HODL、Gas War、Rug Pull、TVL、AMM——绕来绕去，你真正缺的只是一个顺手的模型。把链上那套翻译成数据库的语言，你会发现它跟你天天维护的那张表，真没你以为的那么远。这篇就从底层往上讲，最后落到 OKX

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 先说答案：国内模型综合第一，是 GLM-5.3，两轮等权参考分 93.4。 要一个既能整包交付、又经得起反复拆题委派的国产模型，现在的答案就是它。 但这个答案值得花十分钟读完推导过程，因为它不是一路领先赢下来的。 三周前，这个问题还只有一个答案：Kimi-K3——Round 1 超长整包

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 最近在做 skill/agent 驱动的 AI 成片产线，顺手把 GitHub 同赛道全扒了一遍：口径是"让 agent 当导演的成片流水线（剧本→分镜→调模型→合成）"

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 从零开始 · Mac 和 N 卡两条路线 · 附 4090 实测数据 先说一个我自己都没想到的实测结果： 一个 9.83GB 的压缩版模型，在我那 72 道短题上，跟 30GB 的版本打成了平手。

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 最近很苦恼，我的收件箱有 900多封未读邮件，多半是 GitHub 发来的 "Run failed"。 漏一封 GitHub 通知无所谓。可这几百封构建失败通知里，也有品牌方的 brief、报价、发票——漏一封，

本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。 目录：这篇文章会回答什么 1. 我们做了什么：8 款模型、两轮测试 2. 测试项目：D1–D10、50 个细项 3. 怎么计分：从 0–5 细项到