MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 9 / 06
终于，Windows 开始正面挑战 Mac 的 “Agent 电脑” 定位了这一两年苹果的 Mac 电脑无论是 MacBook 还是 Mac mini 都卖得相当火爆，前者适合 AI 开发，后者逐渐发展成 Agent 服务器。以至于苹果虽然 AI 没做出啥来，股价一直呼呼涨。这种好事能让苹果一家独大吗？不太可能。 9 月 3 日，英伟达确认，搭载 RTX Spark 芯片的新一代 Windows 电脑将于 10 月上市。联想公布了相关笔记本机型，宏碁展示了紧凑桌面概念机。Grace CPU、Blackwell GPU，加上 128GB 统一内存，就是把 PC 打造成可以长期在线的 Agent 容器，还能运行本地模型。这让 Mac 多了一个值得认真对待的对手。苹果在 8 月发布新 Mac mini 时，已经把全天候在线的 Agent 计算写进了产品定位。小体积、能效和统一内存，能够让桌边常驻的机器，成为一台 Agent 服务器。统一内存是什么意思？其实就是 CPU 和 GPU 共享内存池，本地模型有机会获得更大的运行空间。不过，128GB 还要分给系统、应用和上下文，装得下也未必跑得快，估计未来会更大。总之越大越好。 Windows 之前就有 AMD 的统一内存方案，这次是英伟达和微软把芯片、系统与 Agent 运行能力放一块考虑的，包括扩大 GPU 可用内存、优化功耗管理，以及为 Agent 提供操作系统层面的身份和隔离机制等等。机器性能咋样，等发布了我还真想看看。比如让两台电脑跑相同模型、相同量化精度和相同任务，再把整机功耗限制在相近水平。连续运行一周，记录任务完成率、耗电量、噪声，以及需要人工接手的次数。断网之后能否恢复，重启之后是不是正常等等……估计 10 月肯定有数码博主这么干，我们等着看就行了。好的话还真想来一台。 Agent 时代来了，不光是 Windows 来劲，在服务器端躺赢多年的 Linux 也开始跑到 PC 端抢饭吃了。你要问我最近最火的 Agent 玩法，还真不是在 Mac 上，而是在 Omarchy 上。 Omarchy 是 Ruby on Rails 之父 DHH 在 2025 年 3 月开源的一套 Linux 桌面方案：它以出了名难伺候的 Arch Linux 为底座，配上 Hyprland 平铺式窗口管理器，把 DHH 自己打磨了一年的整套配置打包成一条命令就能装好的系统，上个月发布的 4.0 "Quattro" 是迄今最大的版本，用 Quickshell 重构了桌面外壳并内置 AI Coding Agent，我都想试试了。对了，上周我基于 K3 和 Qwen 3.8 Max 做了一款极简 Mac 菜单栏图标管理工具，叫 CatBar，有需求的可以试试，完全免费无广。 极简 Mac 菜单栏图标管理工具
^__^ • 9 / 02
最近中国开源模型真是有点杀疯了的感觉。今天看到千问刚发布的后训练模型 Qwen3.8-Max-0902 登上了 Code Arena 榜首，我记忆中这是第一次。 Qwen3.8-Max-0902 2.4T 参数，1M 上下文令牌，为真实世界的复杂性而生。在编码与协作方面进一步后训练之后，Qwen3.8-Max-0902 直接站到了世界前沿。竞争非常激烈，仅中国基模有千问、Kimi、DeepSeek、腾讯混元和 GLM 站在第一梯队。Qwen Kimi 等我之前都写过，混元 Hy 没聊过，因为之前它在 Coding Agent 领域确实差点事，这次混元后来居上了。过去两年，开发者讨论 Coding 模型时，第一排通常是 Claude、GPT，以及后来追上来的 DeepSeek、Kimi 和 GLM。腾讯场景很多，混元却很少成为这类讨论的主角，直到 Hy4 preview 发布。我这周订了腾讯云 Token Plan，在 DSH 里跑 Hy4 preview，做了两个功能特性，可以说又快又好。 Hy4 preview 是一款 770B 总参数、每个 Token 激活 49B 参数的 MoE 模型，上下文长度达到 1M。现在的重点都是长程软件工程、文档型办公和科学研究上，Hy4 全方位提升了 Coding Agent 理解任务、制定计划、调试、验证，以及前端界面的视觉和交互质量。腾讯公布了一组内部盲测：163 名内部专家评估了 203 个真实工程任务，Hy4 preview 平均得分 2.99，略高于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。与两者相比，Hy4 的胜率分别为 46.8% 和 51.2%。内部测试当参考就好，能不能打，一个是去看 https://arena.ai，另一个就是上手做个功能，是骡子是马，拉出来溜溜。看技术报告，Hy4 preview 的 Agent 协作能力似乎很强，同时管理多个 Codex 会话，根据实验结果调整研究方向，协调它们优化一个小模型的后训练任务，Hy4 作为研究负责人，在 8 项评测上都超过了让 Codex 独立探索的结果。这个我后续准备在 DSH 里用用，正好集成了 Codex Agent，如果可行，倒是个突破。我最近试了好几个 Agent 协作的产品，比如引入 Codex、K3（kimi code）和 GLM5.3（CC），让他们其中之一牵头带着另外两个 Agent 一起干活，效果都很一般，还很耗费 Token。比如 raft.build、Codeg 等，如果 Hy4 在这方面能让其他 Agent 干得又快又好又省钱，那我还是很期待的。腾讯的另一个优势来自产品协同。Hy4 可以和 WorkBuddy 等共同训练和评测，也已进入元宝、腾讯云和 OpenRouter。大厂这个优势明显，真实任务与产品反馈形成的循环很重要，内部循环效率也更高。飞轮一旦形成，会越跑越快。
^__^ • 9 / 02
A 社有点慌，向你投出了 Fable 5.1 和 Mythos 5.1 以前 Anthropic 发模型，还挺扭捏的，跟古代新媳妇上轿似的：新能力先给小范围测试，公告写得像论文，您要是普通付费用户，不好意，等着。这次痛快了，Claude Fable 5.1 发布当天不仅自己的产品可用，而且已经在所有平台上线，AWS、Google Cloud、Azure 一个不落，API 直接用，还降了价。过去半年，国内开源模型突飞猛进，DeepSeek、GLM、Kimi、混元一路猛追，榜单差距以月为单位缩小，现在 Kimi 的 K3 和 Qwen 3.8 Max 在编程领域是和 Opus 5 掰手腕的级别 。闭源阵营再端架子，市场也不会等人啊。A 社这次直接把压箱底的东西摆上了货架。澄清一下，Fable 5.1 和 Mythos 5.1 属于同一代模型，底层能力相近，主要区别在于安全防护和开放策略。Fable 5.1 面向所有用户全面开放，今天就能用，安全防护足足的；Mythos 5.1 只通过可信访问计划提供，主要服务网络安全和生命科学领域的专业团队。 A 社给出的定位是“最先进的编程与知识工作模型”。Agent 编程基准 Terminal-Bench 4.0 拿到 55.8%（Mythos 5.1 为 60.9%），上一代 Fable 5 是 42.0%；科研 Agent 基准 Terminal-Bench-Science 上，52.6% 对 24.7%，直接翻倍。Millennium 的测试里，它找到了内部系统一个罕见崩溃的根因，工程师团队和其他模型数年都没能解释。科研部分最有想象力。Mythos 5.1 设计的蛋白质结合分子，在三个靶点上亲和力比公开竞赛最佳投稿高 10 倍，命中率接近 50%，行业典型水平是 10–15%。Fable 5.1 用 NASA 麦哲伦号 30 多年前的雷达数据，给金星三分之一的表面画出了新高程地图，细节从 10–20 公里级提升到 2–3 公里级。它还把七个开源深度学习模型的推理提速了 2.5 倍，这类活儿通常要性能工程师团队干好几周。在咄咄逼人的竞争面前，A 社的模型价格也算是勉强让了步，命中缓存的 token 降价 75%，至每百万 token 0.25 美元；典型工作负载成本比 Fable 5 低了约 25%，Agent 任务最高省 45%。输入输出价格不变。企业端也有两动作： 1、新的企业前沿防护体系（EFS）把数据存在客户自己的云基础设施里，实现等同零数据留存的隐私；2、网络安全防护误报减少 60%，现在可以用 Fable 5.1 发现软件漏洞，但不能用它开发漏洞利用工具。另外，Anthropic 还加了反蒸馏机制，堵上了通过公开记录思维链蒸馏的手法——这条针对谁，不言自明。是的，窗口期在缩短，无人敢再藏拙，魔盒打开就关不上了。