AI产品狙击手

今天有粉丝在 B 站私信问：大语言模型里的投机解码（Speculative Decoding）到底是怎么一回事？要把它讲清楚，得先从最基础的 Transformer 说起。 先看一个最简单的大语言模型——只有一层 Transformer、不涉及 MoE 的那种——是怎么工作的。我们输入一段提示词（prompt），第一步是 tokenization：tokenizer 把中文这类文字切成一个个 token。拿到 token 之后，还要去查 word embeddings 这张表，把每个 token 变成对应的向量。向量有了，就往下走 self attention 那一层，算出各个 token 与上下文之间的关系，接着过 FFN。顺带一提，现在常说的 MoE 其实就是在上层加一个路由、用专家池取代传统的 FFN，听不懂也不影响理解后面的内容。 FFN 出来之后还有一个 LM head。它本身很简单，就是一个线性变换：把主干 Transformer 最后输出的隐藏向量作为输入，做一次线性变换，再走一个 softmax 算出概率，判断词表里哪个 token 应该是下一个词。整条链路...

本期测评新发布的 Qwen-Image-2.1-Turbo 图片生成模型，全程在官方千问 AI 平台上实测，并用我们最新的 Benchmark 六道题逐一打分。 第一题考验中文长文本排版，要求生成水彩风的珠海五天行程插画。结果第一天的渔女是测评过的众多模型里做得较好的一个，更让人惊喜的是「鹈鹕」两个字竟然写对了；不过仍有瑕疵——第三天「外伶仃」的「仃」字写错，第五天「推荐」的「推」字也崩了。 第二题是文生图综合能力测试，画面是左撇子咖啡馆里写信的场景。问题不少：提示词要求左手拿笔、右手拿烟斗，模型却反了过来；杯子里的清水本应满到快溢出，也没做到；墙上时钟要求指向 3:45，时针分针都没指对位置；要求清晰可见的「亲爱的阿珍，见字如面」旋转过来看后发现字不对、字数也不对；提示词还要求窗玻璃映出执笔的左手，最终同样没能实现。 第三题考同一角色多视角一致性，要求画出女孩四宫格不同角度的图片。首先布局就不是四宫格；提示词要左手单手抱猫，四个都没做对；粉色发夹应在右鬓却戴到了左边；猫咪眼睛本应左蓝右黄，图一、图三都不对；人物左眉的痣几乎看不到，图一放大后依稀可见反倒在右边；缺口门牙这一...

这一集用最新的 Benchmark 测评可灵免费用户当前能用的最高图片版本可灵3.0，看下和之前测过的各种文生图模型比起来表现如何。 第一题：中文长文本排版支持测试（水彩风珠海五天行程插画） 生成效果问题颇多。首先左边”珠海渔女”完全不是珠海渔女的形象，上次测的 Nano Banana 2.1 和 Flux 3 生成的渔女都比它好。其次文字布局混乱，有些在上方有些在下方，数字也杂乱无章让人摸不着头脑——渔女和日月贝下面各标了个”2”，长隆海洋王国下面也有个”2”，不知道想表达什么。第三错别字太多，多到懒得去数。国产模型生成中文水平如此，实在出人意料。 第二题：文生图综合能力测试（左撇子咖啡馆写信） 生成图完全不对。首先完全看不到男人，其次很难判断右上方那个男人是镜子内的像——提示词说的是窗外反射看到拿笔的左手，并没有要求有镜子。第三左手拿笔右手拿烟斗的肢体要求也完全反了。第四文字方向不对。第五文字内容应该是”亲爱的阿珍，见字如面”，实际完全不符。第六杯子里的水应该满到快溢出，实际不是。第七咖啡应该是半杯。第八要求有个空杯子没看到。第九墙上的挂钟明显不是三点四十五分。问题太多...

老板给你一张销售明细Excel表，想要做成精美的数据看板，过去可能要花上几个小时，现在用千问办公的AI技能，10分钟就能搞定。 我们打开千问办公客户端，点击左侧菜单栏的「技能」，找到官方内置的「AI表格数据可视化」Skill，一键安装。随后开启新的任务会话，用斜杠命令唤起这个Skill，直接上传你的Excel文档。接下来只需要告诉AI你想要做成什么样的数据看板，比如「做成钉钉数据看板」，AI就会自动在钉钉文档上为你创建好数据，并生成一张漂亮的可视化图表。 整个过程全程不需要10分钟，从数据上传到看板生成全部自动化。对于需要经常做销售数据汇报的运营、市场、财务人员来说，这个Skill大幅提升了数据呈现的效率，让汇报者能把更多精力放在分析结论而非制图操作上。 访问入口

开源才两天，就传出黑客拿它真打银？这个名叫 ARTEX 的冠军级 AI 渗透系统，让一群 Agent 自己收资、拆任务、跑工具、找漏洞、写报告，连”修没修好”都有复测 Agent 自动回填。配个 Key、配个域名，红队活儿几乎全自动，界面上 Planner 怎么想、Worker 怎么打，全过程留痕。Docker 一键起，2000+ Star 只是个开始。 ARTEX 由 Autumn-27 团队开发，核心创新是双图架构：资产图统一管理域名、子域名、IP、端口、服务、端点等资产数据，探索图跟踪攻击目标、意图、事实和发现成果。Planner 负责生成攻击意图和任务分解，Worker 执行具体任务并调用真实安全工具（nmap、nuclei、curl、bash 等）。 系统内置人机审批工作流，高风险操作需人工确认，全程记录流量并支持审计与干预。所有发现、资产和攻击路径持久化到 PostgreSQL，解决了大语言模型常见的上下文溢出问题。支持 Docker 一键部署，默认运行在 8787 端口。需要注意的是，该工具仅限本地隔离环境使用，严禁直接对线上系统发起未经授权的扫描。 访问入...

Adobe 全家桶一年收费 6,000 块，这让无数设计师望而却步。如今一个团队另辟蹊径：他们用 Claude Opus 5.5 配合 Rust 语言，从零将 Adobe 全家桶免费开源重写了一遍，还把快捷键都一并抄好——Photocraft 对标 Photoshop、Vectorcraft 对标 Illustrator，其余工具也一一对应。发布仅数小时便冲上 2 万颗星，目前快接近 3 万。 最令人震惊的是开发者的声明：他没碰 Adobe 一行代码，没有逆向工程，没有扒取源码，完全是让 AI 照着功能和界面从零写出，愣是实现了像素级复刻。Photocraft 能直接读写 PSD 文件，图层蒙版一样不少，快捷键与 PS 保持一致，老用户打开就能直接干活。 其余六个工具也全部排上日程：Filmcraft 负责剪辑、Vectorcraft 绘制矢量、Lightcraft 修图、Effectcraft 做动效、Pdfcraft 管理 PDF、D esigncraft 排版。此外还有一个隐藏彩蛋——因为软件本来就是 AI 写的，每个仓库都配备了 CLI 和一本 agents.md ...

Workbuddy 这次把文件编辑器做成了独立入口——以后让 AI 改文件，不用再上传了。 用法很简单：在文件上点右键，选 Workbuddy 打开就行。窗口分成左右两半，左边是文件本身，右边是 AI。Word、Excel、PPT、PDF、Markdown、图片都能开，不用上传，也不用从头交代背景。一份 30 页的合同要挑重点、一份乱糟糟的 Excel 要理干净，或者一份英文报告想边看边翻，直接在旁边问它就完了。 比较让人放心的是它的改动方式：动你的文件之前，它会先用黄色标出来打算改哪里，你点头了才写回原文件，不满意就打回重来。你甚至能和它在同一个窗口里各改各的，互不打架。 有个细节挺良心：光打开看文件、自己手动改，这些都不扣积分，真叫 AI 干活了才按任务收费。官方也说明它只碰你主动打开的文件，不会翻你整个硬盘。 经常跟文档表格泡在一起的打工人，可以先挑那份拖了一周没整理的文件，右键打开，看它几分钟能给你收拾成什么样。 访问入口

personal agent 最近火得不行。先是马斯克的 Grok bot 出来，当时没掀起多大动静；紧接着 Meta 的 Muse 一炮而红；随后离开 Meta 的 Manus 推出了 cue，OpenAI 也端出了据说是基于 OpenClaw 搞的 dots——海外这片战场算是遍地开火。反观国内却安静得多，大概是国庆大家都忙着放假玩去了。 那这个 personal agent 又是怎么回事？和我们常用的 OpenClaw、千问办公（QwenWork）、WorkBuddy 这些有什么区别？要说清楚这个，估计得先扒一扒 agent 的进化史。 从对话框到工具调用：agent 的三级跳最早出场的当然是大语言模型。GPT-3.5 在 2023 年出来一炮而红，之后很长一段时间里，我们对它的用法就是对着对话框提问、等它吐答案。用得多了就发现问题：问稍微新一点的事情，模型老是出现幻觉。可 OpenAI 也没法一天发一个新模型，把当天的新知识都喂进去，于是考虑了下，实现了一个叫 function calling 的东西，让大语言模型可以调用外部工具去搜索。 后来从 OpenAI 出走...

OpenAI 也下场做决策模型了。Decisions API 这两天开公测，价格倒是 Jev 的两倍多。 三个问法几乎是照着 Jev 搬过来的。Jev 那边叫 noul、choice、score，OpenAI 这边叫 predicate、choice、score —— 换了个名字接着用。你把要判断的东西喂进去，文字、JSON 都行；OpenAI 这边多吃一样：图片。 出来直接就是数。是还是不是，给你一个 0 到 1 的概率；几个候选你选哪个，把每个的概率列出来；按档位打分，还给个加权分 —— 三档 0、1、2，它返你一个 1.1，意思是卡在两档中间。 答案旁边带着信心值。比如丢一张商品照片问有没有磕碰，它返 0.816，你就可以定条线：超过 0.8 转人工。一次请求最多塞 200 个问题。 官方说它比同一个模型走普通的 Responses API 快 10 倍。价钱摊开看：Jev 100 万输入 token 收 0.042 美元，它收 0.1 美元；但 Jev 只认文字，图片接不了。另外现在能跑的模型也只有 GPT-6 Luna 一个，还是公开测试版，输出那个数不单独收费。...

这一集教程，我们学习在千问办公中怎么做竞品分析。开始之前，先看一份 DeepSeek 做的竞品分析——以千问办公和 Workbuddy 为例。它输出的是一个看着像模像样的对比页面：两款产品各一句话定位，加一张覆盖厂商定位、功能、商业模式等十几个维度的对比表，再有相同点、关键差异和选型建议。结构是完整的，但通篇没有任何数据来源，内容全靠模型记忆泛泛而谈，还把基本事实搞错了——它把 Workbuddy 说成京东系产品，而它其实是腾讯家的。看着热闹，经不起推敲。 再看千问办公用同样提示词做的这份：开头就标注了 6 大维度、10 张对比表、12 项数据来源、数据截止日期。它是真联网调研过的，信息来自两家官网、掘金和 CSDN 的第三方横评、用户长测等，每个板块都挂着出处。内容也全是硬货——定价精确到每一档，口碑做成了结论和好评差评对照表，功能矩阵 20 多项逐项标注支持情况，还给两家各做了一套 SWOT，最后落到按优先级排序的差异化机会点。 一句话总结：DeepSeek 教的是一篇作文，千问办公教的是一份能直接拿去开会用的报告。 那千问办公是怎么做到的呢？很简单，靠 Skill。我...