异步视界博客
iaieye.com

最近更新

    ↑↓ 选择↵ 打开esc 关闭

    AI 早报 · 2026-11-15周日

    本周回看挑了四条之前没报过的。DeepSeek 把 App 里的能力拆成 应用 API:TTS、ASR、OCR、搜索都能用同一个 key 单独调,语音目前 5 折。Addy Osmani 的 agent-skills 是本周周榜上的工程流程 skill 包,0.6.16 加了增量规格。本地跑 Qwen3.8-27B 选哪家量化,Unsloth 和 ISTA 各拿实测互相反驳。hypit 能把一条爆款视频拆成可改的工作流,许可证允许替客户做活。速览里有一条必须处理的:Claude Code 2.1.325 起,/loop 和定时任务跑某些 skill 前会先停下来问你。另有 remote-control 退出码、全双工语音模型 Haru-4B、Remotion 官方 skill、llama.cpp 1.0。

    • 4 条 · 重点 1
    • 2026-11-09 → 2026-11-15
    • 7 天窗口

    01💸 更便宜·免费1 条

    一个 key 配齐朗读、转写和 OCR

    DeepSeek 全家桶应用 API·TTS、ASR、OCR 可单独调用,语音限时 5 折

    为什么重要

    配音、字幕初稿、文档解析不用再各接一家。同一个 DeepSeek key 就能调,折扣价下 TTS 每万字符 ¥1.5,ASR 每小时音频 ¥0.39。

    细节
    • 🟢 价格:TTS(语音合成)刊例价每 1 万字符 ¥3,ASR(语音识别)每小时音频 ¥0.78,目前都打 5 折,页面没写折扣什么时候结束。文件解析和 OCR 每 1,000 页 ¥1.5。搜索和网页抓取每 1,000 次各 ¥5。
    • 🟢 TTS:只有两种音色,女声 stella 和男声 tide。支持普通话、粤语、英语、日语等 10 种语言,按文本自动识别。整段请求一次最多 1 万字符,最长返回 30 分钟音频。WebSocket 版可以边收文字边合成,适合朗读模型正在生成的回答。默认先去掉 Markdown 格式再读。
    • 🟢 ASR:支持 21 种语言,自动识别。只收 16 位 PCM WAV 或 Ogg Opus 格式,单个文件最长 120 秒、最大 8 MiB,不支持流式。每个账号最多同时跑 50 个请求。
    • 🟢 对话内置工具:deepseek-flash 在 Messages、Responses、Chat Completions 三种接口里都能用。打开 deepseek_web_search 或 deepseek_read_url 工具,就能联网搜索或读链接,工具调用和上下文拼接都在服务端完成。官方还开源了演示客户端 deepseek-ai/chat-demo(MIT,11-12 建)。
    怎么上手

    先在浏览器打开 https://cdn.deepseek.com/chat-demo,填入 API key 体验全套能力(key 只存在浏览器本地)。单测 TTS 可以直接 curl https://api.deepseek.com/v1/tools/tts,带上 key 和 {"text": "你好", "voice_id": "stella"},输出存成 wav。

    但是
    • TTS 只有两种音色、不能调语速、不支持断点续传,ASR 单段最长 120 秒,做角色配音或长音频转写都要另想办法。
    • 本期没有实际调用,音质和识别准确率未核实;对外提供服务要打开安全校验,官方写明内容审核、大模型登记和 AI 标识等义务由调用方承担。
    核实记录

    更新日志 11-13 条目原文存在 _raw/fetch/deepseek-updates.html(纯文本 .txt)。价格取自 ds-pricing(模型 & 价格页):联网搜索与抓取每千次 ¥5、文件解析 / OCR 每千页 ¥1.5、TTS 每万字符 ¥3(折后 ¥1.5)、ASR 每小时 ¥0.78(折后 ¥0.39)。TTS 的音色、语种、1 万字符和 30 分钟上限、WebSocket 用法取自 ds-tts;ASR 的 21 种语言、格式、120 秒 / 8 MiB 和 50 并发取自 ds-asr;演示客户端入口和三种接口取自 ds-chatbot。chat-demo 仓库的 MIT 和建库日期走 api.github.com(ds-chatdemo.json,★1,705)。没有调用任何接口

    02📚 榜单与合集1 条

    给 agent 装一套资深工程流程

    addyosmani/agent-skills 0.6.16·25 个 skill、9 个命令,新增增量规格

    为什么重要

    外包项目从需求到上线都能套用这套流程。功能交付后客户改需求,只写一份增量规格,不用重写整份规格再让 agent 重做。

    细节
    • 🟢 成熟度:建于 2026-02-15(9 个月),★117,535,MIT。0.6.16 于 11-14 发布,10-29 到 11-14 连发了三版。本周 GitHub 周榜 +3,502 星。
    • 🟢 9 个命令:/spec /plan /build /test /constraints /review /webperf /code-simplify /ship,对应开发的各个阶段。/build auto 只需批准一次计划,之后连续执行。每个任务仍然先写测试,单独提交,遇到失败或高风险步骤会停下。
    • 🟢 0.6.16 新增:项目里已有 SPEC.md 时,/spec 改写一份 SPEC-<改动>.md 增量规格(只描述这次改动的小规格),/build auto 只挑还没实现的那份。文档 skill 会比较代码和文档各自的最后一次提交,判断文档有没有过期。前端 skill 不再为了验证结果去装测试框架,作者称在 11 个模型上测得 +0.10,装包的运行占比从 24% 降到 4%。
    • 🟢 审查更谨慎:code review skill 会拿每条结论去对照调用方、边界检查和测试再确认一遍。改动前就存在的缺陷单独标出来,「没发现问题」也算有效结果。
    怎么上手

    在 Claude Code 里先运行 /plugin marketplace add addyosmani/agent-skills,再运行 /plugin install agent-skills@addy-agent-skills。只想挑几个,先用 npx skills add addyosmani/agent-skills --list 看清单。

    但是
    • 和内置命令同名时要写全名(如 /agent-skills:review),单装一个 skill 时拿不到仓库根目录的 references/ 清单(issue #361)。
    • 「+0.10」是作者自测且 release 没写评分口径,本期没装没试。
    核实记录

    仓库元数据(★117,535、建库 2026-02-15、MIT)和 0.6.16 / 0.6.15 / 0.6.14 release note 走 api.github.com,存在 _raw/fetch/gh/addy*.json;README 存在 _raw/fetch/addy-readme.md,9 个命令、/build auto、安装命令、同名命令要写全名、#361 都取自这里。周榜 +3,502 取自手动抓的 gh-trending-weekly.html。30 天内各期只在剔除列表里出现过这个仓库名,没做过主条或速览

    03🔍 有争议值得看1 条

    本地跑 Qwen3.8-27B 选哪家量化

    Unsloth Dynamic 3.1 vs ISTA GSQ-RCO·都称同尺寸自家更准,结论相反

    为什么重要

    16–19GB 显存或 24GB 内存的 Mac 就能跑 27B。但同样大小的量化版跑分能差几分到十分,两家又互相反驳,选之前得在自己的任务上测。

    细节
    • 🟢 ISTA 一方:量化就是用更少的位数存模型权重,换来更小的体积和显存占用。奥地利科学技术研究所 DASLab 8 月底发布了 GSQ-RCO 版 GGUF(Apache-2.0,HF 上 2,828 个赞),给每个张量单独分配精度。模型卡称 3.5 bpw 的 IQ3_S(11.8GB)在 AIME25 和 LiveCodeBench v6 上和 BF16 原版打平。8.4GB 档在 AIME25 上比同尺寸的 Unsloth UD-IQ2_S 高 10 分。
    • 🟢 Unsloth 回应:11-11 发布 Dynamic 3.1,称同尺寸下准确率提升 5–10%,2 到 6 bit 的多数档已更新,3 bit 档没换。它说在 128K 上下文下,自家旧版 UD3 在 LiveCodeBench 上除最小档外都胜过 ISTA。AIME25 上它跑了 14 次取平均,推测 ISTA 只跑了 1 次;按它的测法,ISTA 宣称的 100% 恢复率达不到,平均只有 93–96%。
    • 🟢 口径差在哪:Unsloth 推测 ISTA 用的是约 96K 的上下文预算,而在 96K 下 ISTA 确实略好。另外,Exllama-v3 的嵌入层保留 BF16,这部分算不算进体积,会改变对比图的结论。
    • 🟢 社区:HN 帖 236 分、76 条评论(11-14)。有人说第三家 ByteShape 的版本在 16GB 显存上最好用,也有人提醒 Qwen3.8 本身很啰嗦,token 用量大约是 GLM-5.2 的两倍。
    怎么上手

    两家都是标准 GGUF。可以 ollama run hf.co/ISTA-DASLab/Qwen3.8-27B-GSQ-RCO-GGUF,再用 llama.cpp 拉 unsloth/Qwen3.8-27B-GGUF 里同尺寸的档,拿你自己的十道题各跑几遍再定。

    但是
    • 两边都是厂商自测,「ISTA 只跑了 1 次」是 Unsloth 的推测,ISTA 模型卡最后更新于 09-02、本期没看到它的回应,ByteShape 只在 HN 评论里出现、没读原文。
    • Unsloth 文档写 4 bit 档需要 16–19GB 内存加显存(或统一内存),更小的机器只能退到 2–3 bit 档。
    核实记录

    Unsloth 文档全文存在 _raw/fetch/unsloth-qwen38.html(纯文本 .txt),Dynamic V3.1 的 11-11 日期、5–10%、3 bit 没换、14 次对 1 次、96K / 128K、Exllama-v3 嵌入层、显存表都取自这里。ISTA 一方读的是 HF 模型卡 _raw/fetch/ista-readme.md(结果表、IQ3_S 打平、8.4GB 档 AIME25 高 10 分),赞数、许可证和最后修改时间(09-02)取自 ista.json。HN 帖 50491980 的分数取自候选池,评论数 76 取自 Algolia 搜索,评论内容读的是 hn-50491980.json。没下载任何模型

    04🧰 装上就能试1 条

    让 agent 照着爆款视频做一版

    hypit-ai/hypit v0.3.2·丢进一段视频,agent 拆成能改的字幕和素材工作流

    为什么重要

    做短视频时可以把一条参考视频拆开,再换词、换脸、换 B-roll,批量出多个版本。许可证允许替客户做活,产出的视频归你。

    细节
    • 🟢 成熟度:建于 2026-07-29(三个半月),★29,831,日均 +151。v0.3.2 于 11-11 发布。10-08 的 0.3.0 是大改版,升 0.3.1 要按迁移指南改。
    • 🟢 怎么工作:Hypit 是给 Claude Code、Codex 等 agent 用的 skill 加命令行。视频用它自己的 SVML 描述,时间轴以字词为锚点,而不是秒数。除了复刻,也能从模板或一句描述起稿。只用字幕、动效和代码渲染画面时不调用生成模型,也就没有模型费用。
    • 🟢 模型怎么接:官方推荐自家托管的 HypiHub,v0.3.2 加了 Bach 1.0 Pro,也给 PixVerse V6 加了参数。也可以把你自己的 API 或本地模型的文档交给 agent,让它接上。README 的示例用 WhisperX 做字词对齐。
    • 🟢 许可证:Apache 2.0 改版。自用和替客户做活都允许,产出的视频、音频、图片归你。不能用它做多租户 SaaS,也不能打包进卖给第三方的产品。命令行和运行报告里的 logo、版权信息不能删。
    怎么上手

    运行 npx skills add hypit-ai/hypit -g 装上 skill,首次使用时 agent 会检查并帮你装好 hypit 命令行(需要 Node 22.15+)。然后先看仓库 examples/ranking-football/ 这个示例。

    但是
    • 「100M views」是宣传语,贡献者条款写明厂商可以调整许可证(可能收紧),长期依赖前要留意。
    • 本期没装没试,接自己的模型要靠 agent 读文档自行适配,README 没给 Seedream、MiniMax 这类国内模型的现成接法。
    核实记录

    仓库元数据(★29,831、建库 2026-07-29)和 v0.3.2 / v0.3.1 / v0.3.0 release note 走 api.github.com,存在 _raw/fetch/gh/hypit*.json;日均 +151 取自候选池。README 全文存在 _raw/fetch/hypit-readme.md(安装命令、Node 22.15+ 徽章、不调用生成模型的说法、HypiHub、WhisperX 示例)。LICENSE 全文存在 hypit-license.txt:1a 多租户、1b 商业再分发、允许替客户做活、1c logo,2a 厂商可调整协议,3 产出归用户。11-08 只进过候补,当时没读许可证

    +速览一行看懂,点开看源

    • ⚠️ /loop 和定时任务可能卡在确认:Claude Code 2.1.325(11-13)起,定时任务和 /loop 要运行声明了 allowed-tools 或 hooks 的 skill 时,会先停下来问你。想无人值守,在 permissions.allow 里加 Skill(skill 名)。同版还把沙箱里的 Bash 命令改回走正常的确认流程,想照旧免确认,要设 sandbox.autoAllowBashIfSandboxed: true。在 Desktop、IDE、SDK 里点「Always allow」也不一定会保存规则,靠它运行的定时任务可能停下来等你 ↗
    • remote-control 挂了能自动拉起:同样是 2.1.325,claude remote-control 自己停下时退出码是 4,注册失败时是 69,单会话正常结束仍是 0。launchd、systemd 这类服务管理器可以按退出码自动重启它,过夜托管不用再写脚本判断 ↗
    • Haru-4B:边听边说的全双工语音对话模型,每 133 毫秒处理一帧,不用等对方说完。基于 Qwen3.5-4B,支持中英日韩等 9 种语言,用 3 秒到 3 分钟的参考音频定音色。NVIDIA 显卡约 12GB 显存可跑,另有 MLX 版和原生 macOS app。Apache-2.0,11-12 发布,新,未经时间检验。官方说明这是研究用的预训练基座,事实可靠性和指令遵循都不行。只能用你有权使用的声音 ↗
    • Remotion 官方 skill:remotion-dev/skills 里的 remotion-best-practices,skills.sh 页面显示累计安装 82.2 万次,24 小时热门榜计数 7,799。30 多个规则文件覆盖动画、音频、字幕、FFmpeg 操作和 AI 配音,让 agent 写 Remotion 视频少踩坑。安装命令是 npx skills add https://github.com/remotion-dev/skills --skill remotion-best-practices。仓库最近提交在 11-11,GitHub 没识别出许可证,Remotion 本身的商用条款本期没核实 ↗
    • llama.cpp 1.0.0:本地跑开源模型的推理库在 11-13 发了 1.0.0,底层张量库 ggml 也同步到 1.0.0(ggml 那条 HN 390 分)。新增 drama-3 TTS 模型支持,llama-server 加了 /v1/audio/speech 语音合成接口。网页界面重新设计,加了对话分组和 Markdown 编辑器。服务端补了 SSRF、CORS、DNS rebinding 防护,新增 Kimi-K3.1-Pro 等架构。这一版删掉了 35 个弃用函数,自己调用 llama.h 的程序要跟着改;只用 Ollama、LM Studio 的等上游更新就行 ↗
    主动剔除 7 组
    • 钱、公司与人事:Jensen Huang 辞任 NVIDIA CEO 的后续(以色列 VC 观点、员工请愿、伪造联名信澄清、董事卖股、继任人选、GPU 失窃、被指制造稀缺)/ Anthropic IPO 与 SEC 注册声明、Dario 与 Jamie Dimon 对谈 / OpenAI 解散机器人团队 / CoreWeave 债券收益率 / 养老金推高 AI 泡沫 / 意大利罚 Meta / 中国模型被指用 Blackwell 训练 (行业新闻,看完没有能拿来用的东西)
    • 故障与安全事件:Claude 报错率升高 / Claude Is Down / Microsoft 365 故障 / FAA 全美停飞及连带的 Amtrak、气象雷达故障 / Lovable 应用泄露护照和私信 / Apify 安全事件 / Fireworks AI 波及 Notion / Gemini 把 Drive 文件送人工标注 / ChatGPT Desktop 转发 SSH agent / Android 剪贴板绕过 / Project Zero 披露政策 (已恢复的故障或别家的安全通报,读者栈里没有需要动手处理的变化)
    • skills.sh 安装量异常:skills-shell / qu-skills / its-a-skill-issue / bankai-skills 的 ai-image-generation、ai-video-generation、ai-avatar-video、twitter-automation 系列,以及 gencraft-labs、flowkit-labs 的同类 skill (同一组 skill 的 24 小时热门榜计数几乎相同,比如 skills-shell 四个都在 9,789–9,792,its-a-skill-issue 四个都在 8,191–8,193,gencraft-labs 五个在 15,166–15,597,存疑)
    • 30 天内已报过的对象:impeccable / hyperframes(含 hyperframes 系列 skill)/ VoiceStudio / orca / magpie / agent-desktop / agent-browser / elephant-goldfish-model / lemo-opuscar / MoneyPrinterTurbo / archify / OmniRoute / stickman-video-director / Yogurt / SolidCraft / Hermes Agent / astryx / modern-web-guidance / MiniMax-H3-Image / ZONOS3-Mini / FLUX 3 Klein / Edge0-145B / Gemini 4 Hydrogen、Carbon 与 Decisions API / Claude Fable 5.2 / Muse Ember / Atuin Threads / Claude Sheets / anthropics/skills(11-14 更新 Office skill 的提交只有标题,看不出改了什么)/ find-skills (10-16 到 11-14 已经作为主条或速览出现过,窗口内没读到新能力)
    • 研究、硬件与非应用层:AI 解读哥德尔笔记 / JEPA 世界模型 600 次实验 / Weight Space Misfolding / 200 行 Jax 写 DeepSeek V3 / Fursoy RISC-V 核 / mujoco / 用 Lean 形式化美国税法 / DeepX 5W 芯片 / GLM-5.3 在两台 DGX 上跑 607.8 tok/s / DeepSeek Ultrafast / IRS direct-file / GestaltX / NX2Apple / window-sweaters / daily_stock_analysis / sherlock (纯学术、纯硬件、自部署推理或与 AI 应用层无关)
    • Hugging Face 去审查改版与成人向 Space:DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic / DavidAU 的 Qwen3.8、Qwen3.5 去审查系列 / gemma-4-31B-it-ARA-heretic / Qwen-Image-2.1-Uncensored 系列 / pornflux、LTX-2.3-10Eros 等 Space / bfs-best-face-swap (社区去审查微调或成人向内容,不是读者要的能力)
    • 观点文与商用闭源发布:No AI Slop 宣言 / AI 摧毁作者与读者的信任 / Big tech is here to let us down / The Claude Delusion(没读)/ ChatGPT Wallet / Sierra Poppy 协议 / Google Antigravity /teamwork / 自托管 Claude Managed Agents / Claude for Manufacturing / United 禁止 AI agent 订票 (没有实测数据的观点,或读者估计用不上的商用产品与企业功能)
    采集范围 7 天

    周日 Weekly Roundup,rolling 7 天(11-09 至 11-15),沿用 11-08 的做法:只挑本周没报过的对象。脚本候选池 _eval/pool.json 187 条全扫,但它实际只覆盖约一天(HN 部分是 11-13 至 11-14),所以手动补了三样:GitHub 热榜周榜和月榜(脚本抓 trending 时 SSL 断开,手动抓的页面存在 _raw/fetch/gh-trending-*.html);HN 本周 ≥150 分的帖子(Algolia API,按 AI 关键词过滤,存在 _raw/fetch/hn-week.json);Claude Code CHANGELOG 和 release 日期。awesome 增量脚本失败(gh api 断开),本期没有补抓。跨期去重 grep 了 2026-10-16 至 11-14 各期(只看 11-15 之前)。一手原文存 _raw/fetch/,仓库元数据和 release 走 api.github.com,HN 评论走 Algolia API,HF 走 huggingface.co/api。