“我喜欢看到欣欣向荣的世界”
​国内已经有很多创业者社群了，但 builder的社群比较少
有时候，不考虑盈利，纯粹做一个喜欢的事情也是挺不错的

————Hackathon Weekly 北京01场纪念

傻逼媒体

搅吧搅吧，你们就搅吧！！

搅得那奥特曼RSI没有了显卡！
搅得那Dario训不出来新模型！

我无非和你们一起完命就是！

各位找工作的朋友们注意了⚠️

最近boss直聘上的nvidia应该会release一个岗位叫什么chief executive officer，这个岗年薪挺高的💰

据说工作氛围不好，上一位是个华人，被排挤辞职了😮‍💨

Robin是真不会老啊

一款尚未发布的中国模型，在我们 @lobehub 的LobeBench Hard 50上进行了测试，成绩还挺有意思的。

这个模型最反直觉的地方是：关闭推理之后，表现反而大幅提升。

在关闭推理的情况下，它的三次全过率达到了60%，50道真实Agent任务中，有30道能够连续三次成功完成。
这个成绩排在当前榜单第5，距离第一名DeepSeek V4 Pro（64%）只差两道题，也超过了DeepSeek V4.1 Flash、GLM 5.3 Flash和MiniMax-M3。
更值得关注的是，它在50道题中，有46道至少成功完成过一次，覆盖率达到了92%，是这次展示的所有模型中最高的。
这说明它能够处理的任务范围相当广，但距离每次都能稳定完成，还有一定差距。

然后有意思的事情来了。
当我们打开推理模式后，它的三次全过率竟然从60%下降到了42%。
整整下降了18个百分点，相当于少做对了9道题。
至少成功一次的比例也从92%下降到了82%。

同一个模型，两种推理配置，居然产生了这么大的性能差异。
经过进一步分析具体的推理配置和Agent执行轨迹，我们发现原因是该款模型的工具调用存在一定概率的失败，这导致了Pass3的大部分错误。
但从目前的结果来看，这个未发布模型已经展现出相当不错的Agent任务处理能力，尤其是任务覆盖范围。

同时，这也提醒我们，模型在真实Agent场景中的表现，对推理模式、执行策略和稳定性都非常敏感。

至于具体是哪家公司的模型，暂时先卖个关子🤔

好消息！苹果天气说十天后是世界末日！！

大半个中国都是-32度😁

起初大家没有在意....

我重生了，重生在极寒末世的前9天，上一世我在出租屋里活活冻死，这一事我一定要提前做好准备，修建避难所，囤好物资，努力活下去

刚刚，deepseek又一次出现了大规模服务中断👀

谁还记得上次大规模中断之后发生了什么(ﾉ_<。)🔨

也许早就做过了呢😀

PS：Qwen朋友表示：他又知道了，我都不知道🤣