关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
无人在乎，也不应该在乎，模型能力早已超出了人们99%的2C需求，如果不是100%的。
转发
: 其实有个象征性的事件
在这波 personal ai的浪潮里面，没有人在乎也没有人讨论背后是什么模型。
我觉得这就是一个标志性时间点，真正的价值从模型转到应用的时间点。
说得更明确一点，用户不在乎 geek不在乎 投资人不在乎 x根本没人讨论用的啥模型，但是都在讨论能干到啥。
@aigc1024
转发
: 其实有个象征性的事件
在这波 personal ai的浪潮里面，没有人在乎也没有人讨论背后是什么模型。
我觉得这就是一个标志性时间点，真正的价值从模型转到应用的时间点。
说得更明确一点，用户不在乎 geek不在乎 投资人不在乎 x根本没人讨论用的啥模型，但是都在讨论能干到啥。
@aigc1024
无敌了，我用 30 分钟，做了个给小孩订正作业的小工具。
现在这种视觉模型，已经开始够快、够便宜，可以直接拿来干活了。
我把孩子做完的作业丢给蚂蚁百灵刚开源的 Ling-3.0-flash-VL。
我没让它直接处理图片，我让它先让它看整张作业，把错、目区域、手写答案的位置直接输出成坐标。
后面的程序拿着这些坐标去裁图、去手写，再整理成可以重新订正的。
这就比单纯 OCR 有意思多了。
🔥当然，现在还远没到“干死作业 App”。
它坐标可能有偏差。
但以前这种东西，你得自己接 OCR、版面分析、错识别，甚至训练专用模型。
现在一个通用视觉模型，30 分钟就能先把整条链路跑通。
这里也有个很容易误解的地方：
视觉模型，不等于出图模型。
Ling 这种 VLM 的视觉，是它能看图片、截图、文档、视频。
它本身不是 Image 2.5 那种负责生成像素的模型。
它擅长看懂以后，把结果变成文字、坐标、代码或者动作，然后继续干活。
Ling-3.0-flash-VL 总参数 124B，但 MoE 每 token 只激活约 5.5B。
这对 Visual Agent 很重要，极为广阔的知识，以及极低的激活，能做到又快又好。
🔥再往前一步，这种模型甚至很适合当教师模型。
先让 Ling-3.0-flash-VL 批量看作业，生成错框、手写区域、版面结构这些坐标和标注，再用这些数据训练一个更小、更快的专用模型。
先让大模型直接干活，再让大模型教小模型干活。
这个 Demo已经完全跑通了，30 分钟能做到这一步，已经无敌了。
OpenRouter现在可以免费使用Ling-3.0-flash-VL：
https://openrouter.ai/inclusionai/ling-3.0-flash-vl:free
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
现在这种视觉模型，已经开始够快、够便宜，可以直接拿来干活了。
我把孩子做完的作业丢给蚂蚁百灵刚开源的 Ling-3.0-flash-VL。
我没让它直接处理图片，我让它先让它看整张作业，把错、目区域、手写答案的位置直接输出成坐标。
后面的程序拿着这些坐标去裁图、去手写，再整理成可以重新订正的。
这就比单纯 OCR 有意思多了。
🔥当然，现在还远没到“干死作业 App”。
它坐标可能有偏差。
但以前这种东西，你得自己接 OCR、版面分析、错识别，甚至训练专用模型。
现在一个通用视觉模型，30 分钟就能先把整条链路跑通。
这里也有个很容易误解的地方：
视觉模型，不等于出图模型。
Ling 这种 VLM 的视觉，是它能看图片、截图、文档、视频。
它本身不是 Image 2.5 那种负责生成像素的模型。
它擅长看懂以后，把结果变成文字、坐标、代码或者动作，然后继续干活。
Ling-3.0-flash-VL 总参数 124B，但 MoE 每 token 只激活约 5.5B。
这对 Visual Agent 很重要，极为广阔的知识，以及极低的激活，能做到又快又好。
🔥再往前一步，这种模型甚至很适合当教师模型。
先让 Ling-3.0-flash-VL 批量看作业，生成错框、手写区域、版面结构这些坐标和标注，再用这些数据训练一个更小、更快的专用模型。
先让大模型直接干活，再让大模型教小模型干活。
这个 Demo已经完全跑通了，30 分钟能做到这一步，已经无敌了。
OpenRouter现在可以免费使用Ling-3.0-flash-VL：
https://openrouter.ai/inclusionai/ling-3.0-flash-vl:free
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
太搞笑了！！
一个新模型本来计划今天公布，结果发现大半个AI圈子都在讨论别人的前女友。
现在正在考虑延期公布！
顺便一提，这个新模型很有竞争力！！
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
一个新模型本来计划今天公布，结果发现大半个AI圈子都在讨论别人的前女友。
现在正在考虑延期公布！
顺便一提，这个新模型很有竞争力！！
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
撕开社会表面，直击生存底层逻辑：为什么资源永远向少数人倾斜？如何避开认知陷阱？如何在复杂人际中保护自己又不失底线？
没有鸡汤，只有冷峻真相和实用法则。读完它，你会第一次看清游戏规则，从被动挨打变成主动出牌。
点开这篇，狠狠清醒一次！
🔗：https://pan.quark.cn/s/36ae5e3549b3
@meiriyishu
目前OpenAI 的亏损还在继续扩大；Anthropic 即使营收增长很快，利润率依然只有个位数。另一边，中国大模型还在不断把价格往下打，Kimi 这类低价 AI 产品只会让行业定价压力越来越大。
更关键的是，全世界绝大多数 AI 用户，本质上都是免费用户。AI 的使用量可以爆炸，但“使用量爆炸”不等于“利润爆炸”。用户越来越多，模型越来越强，价格却可能越来越便宜。
但与此同时，美股科技巨头已经为 AI 押上了数万亿美元级别的资本开支、债务和长期合同，其中相当一部分未来几年都已经锁死。也就是说，收入和利润还没有被证明，成本却已经先刚性化了。
按此趋势发展的，纳指未来5-7年里会被拖入长达至少数年的熊市中。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
更关键的是，全世界绝大多数 AI 用户，本质上都是免费用户。AI 的使用量可以爆炸，但“使用量爆炸”不等于“利润爆炸”。用户越来越多，模型越来越强，价格却可能越来越便宜。
但与此同时，美股科技巨头已经为 AI 押上了数万亿美元级别的资本开支、债务和长期合同，其中相当一部分未来几年都已经锁死。也就是说，收入和利润还没有被证明，成本却已经先刚性化了。
按此趋势发展的，纳指未来5-7年里会被拖入长达至少数年的熊市中。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
Anthropic 把 Claude 的后台任务模式 Cowork 和日常聊天合并成了一个入口，今天开始向 Pro 和 Max 用户逐步推送。
之前 Claude 有两个工作模式：聊天处理快问快答，Cowork 处理需要跑一阵子的大活儿——写报告、做调研、整理数据。问是用户经常拿不准一个任务该丢到哪边，而且两边的上下文不互通。现在不用选了，所有对都在同一个地方，Claude 自己判断任务需要什么能力。
同时上线的还有三个内容创作工具：Claude Docs（文档协作）、Claude Slides（幻灯片）和 Claude Design（设计，之前是独立产品，现在也嵌进了对）。在聊天里说一句"帮我写个周报"，Claude 直接生成文档，你可以在里面改、加批注、让 Claude 继续调整；说"做五页幻灯片给领导汇报"，slides 就出来了，改完可以直接下载成 PowerPoint 或 PDF。文档和幻灯片共享同一个对上下文，所以内容天然一致，不用来回复制粘贴。
实际使用场景大概是这样：出门前让 Claude 查上周项目进展、写周报、顺便做个汇报用的幻灯片，路上用手机看进度，到办公室直接改两笔就能发。还能设成定时任务，比如每周一自动开始写周报。Claude 默认每一步都会征求你确认，如果嫌烦也可以切成"有问再找我"模式。
三个创作工具目前都是 beta 状态，面向付费用户开放，企业版由管理员决定何时开启。Cowork 老用户不受影响，之前的对、项目、连接器都还在。Team 和免费用户后续跟进，企业用户会提前 30 天收到通知。
https://claude.com/blog/cowork-is-now-claude
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
之前 Claude 有两个工作模式：聊天处理快问快答，Cowork 处理需要跑一阵子的大活儿——写报告、做调研、整理数据。问是用户经常拿不准一个任务该丢到哪边，而且两边的上下文不互通。现在不用选了，所有对都在同一个地方，Claude 自己判断任务需要什么能力。
同时上线的还有三个内容创作工具：Claude Docs（文档协作）、Claude Slides（幻灯片）和 Claude Design（设计，之前是独立产品，现在也嵌进了对）。在聊天里说一句"帮我写个周报"，Claude 直接生成文档，你可以在里面改、加批注、让 Claude 继续调整；说"做五页幻灯片给领导汇报"，slides 就出来了，改完可以直接下载成 PowerPoint 或 PDF。文档和幻灯片共享同一个对上下文，所以内容天然一致，不用来回复制粘贴。
实际使用场景大概是这样：出门前让 Claude 查上周项目进展、写周报、顺便做个汇报用的幻灯片，路上用手机看进度，到办公室直接改两笔就能发。还能设成定时任务，比如每周一自动开始写周报。Claude 默认每一步都会征求你确认，如果嫌烦也可以切成"有问再找我"模式。
三个创作工具目前都是 beta 状态，面向付费用户开放，企业版由管理员决定何时开启。Cowork 老用户不受影响，之前的对、项目、连接器都还在。Team 和免费用户后续跟进，企业用户会提前 30 天收到通知。
https://claude.com/blog/cowork-is-now-claude
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
测不了，信号太弱。纯事实性内容（比如“牛顿最著名的著作叫《自然哲学的数学原理》……”）水印也没什么发挥空间，因为下一个词几乎没有选择余地。你让 Claude 校对一篇文章只改语法标点，大部分词还是你的，水印可能根本不够形成可检测的信号。
轻度编辑大概率不会完全去掉水印。但如果把每个词都换一遍，水印就没了，当然到这个程度，这段文字算不算 AI 生成的本身也值得商榷了。
至于为什么全球统一加水印而不只在欧盟范围内执行，Anthropic 给出的理由是他们目前没有一个可靠的方式按地区区分是否施加水印。所以干脆全球统一上线，后续再评估是否调整。
检测端还没有完全就位。Anthropic 表示很快会推出水印检测 API，但具体时间和使用方式还在敲定中。这也呼应了 Alex Cui 之前提到的一个关键问：检测器是公开还是内部使用，会直接影响水印的实际安全性。
顺便说一下，签署这份欧盟透明度行为准则的不止 Anthropic 一家，总共有大约 190 个签署方。水印不是 Claude 独有的事情，其他大模型厂商也会陆续跟上各自的方案。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
轻度编辑大概率不会完全去掉水印。但如果把每个词都换一遍，水印就没了，当然到这个程度，这段文字算不算 AI 生成的本身也值得商榷了。
至于为什么全球统一加水印而不只在欧盟范围内执行，Anthropic 给出的理由是他们目前没有一个可靠的方式按地区区分是否施加水印。所以干脆全球统一上线，后续再评估是否调整。
检测端还没有完全就位。Anthropic 表示很快会推出水印检测 API，但具体时间和使用方式还在敲定中。这也呼应了 Alex Cui 之前提到的一个关键问：检测器是公开还是内部使用，会直接影响水印的实际安全性。
顺便说一下，签署这份欧盟透明度行为准则的不止 Anthropic 一家，总共有大约 190 个签署方。水印不是 Claude 独有的事情，其他大模型厂商也会陆续跟上各自的方案。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
Anthropic 的篇官方技术说明，解释 Claude 文本水印的具体工作方式。
Claude 用的是 Google DeepMind 2024 年发表在《Nature》上的 SynthID-Text 方案，往上追溯可以到 Scott Aaronson 2022 年的提案。这一脉方案的共同特征是在模型选词时，用密钥改变随机数的来源，从而在输出中留下统计痕迹。
Anthropic 举了个例子帮助理解。假设模型写到“今天天气很冷，而且……”，下一个词可能是“阴沉”，也可能是“灰蒙蒙的”，对读者来说意思差不多。正常情况下，模型用一个随机数在这些候选词里选一个。加了水印之后，选词过程还是随机的，但随机数的来源变了，变成由密钥和前面的词共同决定。文本读起来完全一样，但事后拿着密钥去核对选词序列，就能算出这段是 Claude 写的概率。
Anthropic 在文中特别强调了一点：水印不会让模型选它本来不会选的词。模型不会因为水印而突然用一个生僻词（文中举的例子是 nubilous，一个几乎没人用的“阴天”的同义词）。水印只在模型本就犹豫的那些选择上起作用。
然后是大家最关心的：会不会降低输出质量？
Anthropic 说他们内部测试没有观察到水印对内容质量、创意水平或可读性的影响。他们援引了 Google DeepMind 的数据作为佐证：Google 在 Gemini 的实际流量中给一部分用户提供了带水印的模型，对比用户的点赞点踩反馈，两组没有统计显著差异。同时在受控实验中，人类评估者把带水印和不带水印的回答放在一起对比，也看不出区别。
打个比方：想象你在玩大富翁，本来每回合掷骰子决定走几步。现在改成查圆周率的小数位来决定，从某一位开始，依次读下去。对玩家来说，每一步还是随机的，游戏体验没有变化。但如果有人事后看走步的完整序列，再对照圆周率，就能判断这盘游戏用的是圆周率而不是骰子。
关于代码，Anthropic 的解释是：水印只在选哪个词都行的地方起作用。代码大量地方必须精确，“2+2=”后面只能跟 4，水印无从施加。所以代码的水印密度天然就比自然语言低。不过在代码注释、变量命名这些有选择余地的地方，水印仍然可以嵌入。
还有一个之前没怎么讨论的重要信息：水印不携带任何用户身份信息。不能追溯到具体的用户、组织或对。水印只回答一个问，“这段文字是否可能经过 Claude 处理”，仅此而已。
文章中也提到了水印的局限。短文本检
Claude 用的是 Google DeepMind 2024 年发表在《Nature》上的 SynthID-Text 方案，往上追溯可以到 Scott Aaronson 2022 年的提案。这一脉方案的共同特征是在模型选词时，用密钥改变随机数的来源，从而在输出中留下统计痕迹。
Anthropic 举了个例子帮助理解。假设模型写到“今天天气很冷，而且……”，下一个词可能是“阴沉”，也可能是“灰蒙蒙的”，对读者来说意思差不多。正常情况下，模型用一个随机数在这些候选词里选一个。加了水印之后，选词过程还是随机的，但随机数的来源变了，变成由密钥和前面的词共同决定。文本读起来完全一样，但事后拿着密钥去核对选词序列，就能算出这段是 Claude 写的概率。
Anthropic 在文中特别强调了一点：水印不会让模型选它本来不会选的词。模型不会因为水印而突然用一个生僻词（文中举的例子是 nubilous，一个几乎没人用的“阴天”的同义词）。水印只在模型本就犹豫的那些选择上起作用。
然后是大家最关心的：会不会降低输出质量？
Anthropic 说他们内部测试没有观察到水印对内容质量、创意水平或可读性的影响。他们援引了 Google DeepMind 的数据作为佐证：Google 在 Gemini 的实际流量中给一部分用户提供了带水印的模型，对比用户的点赞点踩反馈，两组没有统计显著差异。同时在受控实验中，人类评估者把带水印和不带水印的回答放在一起对比，也看不出区别。
打个比方：想象你在玩大富翁，本来每回合掷骰子决定走几步。现在改成查圆周率的小数位来决定，从某一位开始，依次读下去。对玩家来说，每一步还是随机的，游戏体验没有变化。但如果有人事后看走步的完整序列，再对照圆周率，就能判断这盘游戏用的是圆周率而不是骰子。
关于代码，Anthropic 的解释是：水印只在选哪个词都行的地方起作用。代码大量地方必须精确，“2+2=”后面只能跟 4，水印无从施加。所以代码的水印密度天然就比自然语言低。不过在代码注释、变量命名这些有选择余地的地方，水印仍然可以嵌入。
还有一个之前没怎么讨论的重要信息：水印不携带任何用户身份信息。不能追溯到具体的用户、组织或对。水印只回答一个问，“这段文字是否可能经过 Claude 处理”，仅此而已。
文章中也提到了水印的局限。短文本检
2026世界杯官方指定投注平台
🌐182体育官网 1820036.com
TG玩家首选人民币台 不限ip 免实名免绑卡手机号码
🌐8K国际官网： 8k2793.com
TG玩家首选U台 U存U提出款稳，福利好反水无上限
1.PG电子赏金女王一举斩获830万并成功提现
2.PA真人豪赢644万一路长虹一天实现暴富
3.PG电子爆890万并以成功提现实现财富自由
4.大哥在PA真人百家乐累计盈利突破1000万
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 182体育 全网独此一家】
公平、公正、公开、 信誉第一、服务第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
182体育频道： @vip182ty888
8K国际频道： @GW_8KGJ
专属客服： @vipkf_182ty8
体育推荐： @VIP182TYTJ
双向联系： @vipkf_182ty2_bot
吃瓜搞笑： @chiguagaoxiaoxinwen
首存5000U 赠送彩金588U
首存10000U 赠送彩金1288U
首存50000U 赠送彩金5888U
首存100000U 赠送彩金8888U
首存200000U 赠送彩金12888U
💎 大额提款送福利，最高可领取88888U奖励
💎 支持任意平台vip等级平移
💎 每笔存款加增1% 每日提款额度无上限
💎 电子游戏反水1%起 最高3% 每日返水无上限
U存U提 每日提款不限额 欢迎各位大佬娱乐体验❗️
这种怼脸拍视频，最近怎么这么火！
真人的，AI的都很火！
是因为很多人没凑近看过美女？
还是因为很多人喜欢用放大镜看美女？
流量背后一定是戳中了某种普遍的人性欲望！！
就像有人喜欢看脚、有人喜欢看腿。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
真人的，AI的都很火！
是因为很多人没凑近看过美女？
还是因为很多人喜欢用放大镜看美女？
流量背后一定是戳中了某种普遍的人性欲望！！
就像有人喜欢看脚、有人喜欢看腿。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
老品牌，值得信赖、相信品牌的力量
🌐球速体育官网： qs1736.cc
TG玩家首选人民币台 不限ip 免实名免绑卡手机号码
🌐N1国际官网： n10086.com
TG玩家首选U台 U存U提出款稳，福利好反水无上限
1.泰国大老板百家乐存50万出512万
2.斯里兰卡神秘大哥连续5天总提4000万+
3.实力盘总PA真人喜提990万一路爆红
4.pp电子糖果1000小注一拉爆出70万大奖
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 球速体育 安全有保障】
老品牌值得信赖、安全第一、保障第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
球速体育频道： @qsty8999
N1国际频道： @N1GW8
体育推荐： @QSTY988
午夜剧场： @ziweifancha7
专属客服： @QSTY567
双向联系： @qsty168168_bot
最近刷到 ExcelMcp，直接把本地 Excel 接给 AI 助手管。你只管说人要什么，它自动在表格里帮你干。
驱动的是真实 Excel 应用，公式、透视表、图表、宏全保留。31 个工具覆盖 326 项操作，Power Query、DAX、VBA 都能调。
改完 Excel 窗口实时刷新，不满意再补一句继续改。
支持 Claude Code、Codex、GitHub Copilot 等 Agent 工具，需要 Excel 2016 以上版本。
🔗 这里：https://github.com/sbroenne/mcp-server-excel
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
Awesome List of AI Agents 这个合集，作者挑出了 200 多个 Agent 方向的项目。
开头直接列了 Top 10 和上升最快的 10 个，每条都写清楚项目是干什么的，附带功能说明和当前 Star 数，不用点进去就能判断值不值得看。
https://github.com/slavakurilyak/awesome-ai-agents
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
这是一本会让人怀疑自己以前白学语法的书。
很多人卡在语法，不是记不住规则，而是从头到尾都在用“中文脑”理解英文。背了一堆固定搭配，还是不知道为什么这样用。
阅读🔗：https://pan.quark.cn/s/50bcb42d215b
@meiriyishu
B站今天上线了测试模型能力的「AI无限竞技场」，我愿称之为本月最佳整活。
之所以用整活二字，是因为所有测评项目都是由B站UP主手搓出来的，理论上并不像传统刷型Benchmark那么严谨。
但从今年以来模型评测的风向转变来看，所谓的严谨，其实是最不要紧的。
要知道，现在市面上参考价值最高的LMArena——也就是AA竞技场——是由用户匿名投票投出来的，这意味着榜单充满了人类的主观偏好，不问对错，只看答案讨喜与否。
所以从严谨性上，哪怕LMArena一度遭遇了很多业内人士的轮番炮轰，但这不耽误它依然是模型评测最大的参照系。
说白了，哪有那么多人每天用模型去解专业数学，评价到底好不好用，最后还不是得看大伙的真实需求吗。
那么问来了，既然LMArena已经如此权威，那为什么B站还要大费周章地再做一个呢？
这就涉及到评分机制的问了，由于LMArena并没有设置任何参与门槛，所以理论上，所有人都可以用脚投票。
我记得年初Surge AI还喷过这一点，说你们的用户压根不会仔细读，扫两眼就选出答案了，这对模型厂商不公平啊......
但在B站，只有UP主可以参与测评，好不好不能选几道就盖棺定论了，得拿作品说。
更何况，因为各模型训练语料不同，老外觉得好用，并不代表我们也认为好用。
这就能解释得通，为什么B站的「AI无限竞技场」与LMArena榜单出入非常大，单是前10名里国产模型就占据了一半，仅有GPT-6 Astra、Claude Fable 5.1这些公认「六边形战士」是重合的。
要知道，那些B站参与测评的UP主已经在实打实用模型解决问了。
注意啊，我指的不单是做网页、解决屎山代码这些主流Coding场景，UP们整出来的大活，还包括考建模、打麻将、当媒婆、对「新三国」暗号等等......
我之前就说过，AI行业当下最要紧的，是去AI味，凭什么做模型就得对着别人的榜单和任务定向优化，反而忽略我们自己最需要的场景，中文社区的真实反馈，这不就来了吗。
更重要的是，B站榜单的实时排名，既会不断刺激模型厂商进步，也相当于给模型的发展历史进行社区化「归档」，完成取之用户、用之用户的良性循环。
我自己是很愿意见到这种场面的，看的人越多，就越能减少一些常识性误解，这对普通人之于AI的认知，助益莫大。
看AI、学AI、搞产品、测模型，眼看着B站的生态，是越来越完善了。
@aigc1024
之所以用整活二字，是因为所有测评项目都是由B站UP主手搓出来的，理论上并不像传统刷型Benchmark那么严谨。
但从今年以来模型评测的风向转变来看，所谓的严谨，其实是最不要紧的。
要知道，现在市面上参考价值最高的LMArena——也就是AA竞技场——是由用户匿名投票投出来的，这意味着榜单充满了人类的主观偏好，不问对错，只看答案讨喜与否。
所以从严谨性上，哪怕LMArena一度遭遇了很多业内人士的轮番炮轰，但这不耽误它依然是模型评测最大的参照系。
说白了，哪有那么多人每天用模型去解专业数学，评价到底好不好用，最后还不是得看大伙的真实需求吗。
那么问来了，既然LMArena已经如此权威，那为什么B站还要大费周章地再做一个呢？
这就涉及到评分机制的问了，由于LMArena并没有设置任何参与门槛，所以理论上，所有人都可以用脚投票。
我记得年初Surge AI还喷过这一点，说你们的用户压根不会仔细读，扫两眼就选出答案了，这对模型厂商不公平啊......
但在B站，只有UP主可以参与测评，好不好不能选几道就盖棺定论了，得拿作品说。
更何况，因为各模型训练语料不同，老外觉得好用，并不代表我们也认为好用。
这就能解释得通，为什么B站的「AI无限竞技场」与LMArena榜单出入非常大，单是前10名里国产模型就占据了一半，仅有GPT-6 Astra、Claude Fable 5.1这些公认「六边形战士」是重合的。
要知道，那些B站参与测评的UP主已经在实打实用模型解决问了。
注意啊，我指的不单是做网页、解决屎山代码这些主流Coding场景，UP们整出来的大活，还包括考建模、打麻将、当媒婆、对「新三国」暗号等等......
我之前就说过，AI行业当下最要紧的，是去AI味，凭什么做模型就得对着别人的榜单和任务定向优化，反而忽略我们自己最需要的场景，中文社区的真实反馈，这不就来了吗。
更重要的是，B站榜单的实时排名，既会不断刺激模型厂商进步，也相当于给模型的发展历史进行社区化「归档」，完成取之用户、用之用户的良性循环。
我自己是很愿意见到这种场面的，看的人越多，就越能减少一些常识性误解，这对普通人之于AI的认知，助益莫大。
看AI、学AI、搞产品、测模型，眼看着B站的生态，是越来越完善了。
@aigc1024
AI感染病毒全面失控，人类和AI开战，AI成为人类世界的绝对禁忌……
这个设定太绝了！
除了创意，更绝的是人性的温度和光辉。
作者在视频结尾。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
这个设定太绝了！
除了创意，更绝的是人性的温度和光辉。
作者在视频结尾。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
