chjqpmain

我是 4 月买的 macbookpro M5 64G 40 核心+2T,感觉 Mac 有一些能跑的本地图片和视频模型,但现在 H3 出现了,gpt image2,gork ...这些图片生成又很便宜,
所以不订阅或者买 api,就 n 卡跑 H3 吧

之前 codex 没出 1 楼老哥说的那个功能时,我是先用宠物,然后用了一些基于宠物而做的通知消息的开源项目,只是随着 claude 送鸡蛋后,而 codex 鸡蛋减少后,又恢复了之前 claude 的订阅,回到 claude desktop 了,codex 只保留 20 刀

我 Ios,ipad 端用的 Vex,android 用的 V2er,目前感觉挺不错的

@Diodeme
我读完后感觉老哥你的项目和 codex,claude,等 agent gui 客户端的区别是,祂们一旦登录了账号,就只能用祂们自家的模型作为供应商了,
而如果 codex,claude 等用开发者模式,接第三方,用上 cc switch,还需要自己部署一个 new api 或者 sub2 api,然后在 cc switch 接入自己的 api 密钥或者自己账号订阅反代出来的 api,才能同时使用多个供应商,不然就光 cc switch 还是只能使用一个供应商,
不是很方便.

而相比 Pi 这些骨架 agent tui 框架,你们的项目是给祂加了 gui 和内置了一些其他的你们认为有意思的不算大也不算小的东西,

然后你提到你们的项目更类似 codex,claude 的上游,可以接入 codex,claude 作为子 agent 框架,并利用祂们自己的比如 computer use 等插件扩展,而你们项目本身不需要内置这个功能了(我读出来的是你们的项目没有,可能理解错了)

可事实上 codex gui 或者 claude gui 自己也可以使用 codex cli,claude code cli,尤其是在 cmux 等不同终端 agent 通信而考虑的终端出现后.

所以我觉得你们作为祂们的上游并不是一个特别鲜明的差别,这是 agent 框架们本身就可以互相引用,组合,递归的一个 feature,而不是你们项目自己的.

我根据你的文章,感受到的是实际区别是方便多个供应商,(不过我觉得实现这个目的的项目或者手段太多了...)
并没有看到说你们这个 agent 框架其他的优势或者 feature 和着重的理念吧,
我觉得这也是其他老哥说你 ai 味多的原因,我觉得在技术领域而非人文领域,并不一定需要那么多的车轱辘话,
可现实是哈哈哈,没有 ai 时候也一堆包装,从体制到论文到一切...

尤其是我没有体验你的项目,看了你的文章基本没有任何想去额外了解的动力(我一些主观和小傲慢的以小见大吧,其实也是我对各个官方的框架和订阅是满意的,没有变动的需求)
进来主要是看你们的项目申请 openai 通过这一件事而已.
所以建议如果不是为了吸引潜在用户,就引用一下链接即可了,不然有点挂羊头卖狗药了,
而如果有着吸引用户的项目,那就再用心些,尊重用户,用户才会尊重你,除非你的用户肖像是萌新,利用信息差或者一些升米恩斗米仇或者投机的实用主义吧(但哪怕是实用主义者,也得表现出实用的一点(我好像就挺投机的哈哈))

这个价格不是比美区 249 刀还要贵 20 刀左右吗,不是 200 刀啊,
我在 codex 送鸡蛋的时候断了尼区的 claude 订阅,后面 codex 噱头多的时候,又开始续 claude,就从尼区换成了美区

单纯搞正常应用层,甚至框架层的开发,op 不用对科班有过多滤镜,非科班也不用自惭形愧妄自菲薄.
建议看看 尤雨溪的经历,以及祂的知乎回答,
我个人也感觉除非要仅仅通过更多的表演或标签来获得待遇,科班可能比较重要,

但实际做事干活,甚至研究探索,没必要考虑什么科班与非科班,
只要自己有需求,别管是爱好,兴趣还是实际的收益或者当前的一些设想,Just do it,

一个需求,问题明确要求的某些基础,就算科班默认会学,但自己不管是不是科班都可以学,
我觉得哪怕权谋,政治也需要将对人性的洞察 与时俱进成当下的话术,
技术更是需要终身学习的

但不要过于被沉没成本影响而不敢退出一些明显不太可行,或者自己从结果的任何层面都想不到意义的事情就行(过程层面一切终归可以找出价值)

然后智者千虑和愚者千虑 我个人理解为大数定律类似的意思,
肯定没有一个东西给的答案,永永远远都是最好的,
而且评判什么是好的人的状态会变,人也可能会变,标准也可能变,

并不能单纯的说不能看低了 gemini,一切本就都可能有其独特之处,feature 和 bug 只在一念之间

需求以及 fabel 和 gemini 各自给的方案也发一下吧,方案的好坏,你自己一个人的评价有一定价值,但是多个人的更类似多次独立实验,更有意义吧.
毕竟人自己也可能当局者迷

@ota 我国内外看了几个相对大的平台，当下选的是 autodl ，
32g 显存的，
然后扩增硬盘存储，
然后同显存，同价位，
cpu 和内存配置有不同的，挑个高的，
然后我跑的是 int8 的 h3 ，加速还用的比较老的 v4600 ，
其他的各种 lora 加速应该都可以，
现在也还在不断产生新的 lora ，

但好像很多人都反馈 lightx2v 还是啥的 lora 相比原生过于油腻了，
祂们很多都回到不加速跑满的状态了，
这个我没实测跑过时间消耗，
没测过 32g 是多少时间，

但我觉得 v4600 比其他的 lora 更像原模，
就这样选了。



具体的选型，你还得让 claude 或者 gpt 在一个云上，实际对比尽可能完全相同的输入，硬件配置，
产生视频的时间和你自己主观评价的质量
这是祂们最后是要一起配合的