laya-mlx 移植版：比 Jev 快 50 倍，本地跑贪吃蛇

Google发布的Gemma4系列开放权重模型包含多个版本，选型需结合场景。带"-it"后缀为指令微调版，开箱即用；不带后缀为基座模型，供自行微调。其中，A4B指激活参数量为4B，E4B则采用逐层嵌入技术，以内存换取计算量，优化移动端性能。选型建议：综合性能与速度选26B-A4B；追求最佳代码或任务效果选31B；开发本地全模态应用选E4B；资源受限设备体验可选E2B，但输出质量有限。

vista8撰文介绍B站「AI无限竞技场」评测活动，主张用真实场景任务代替刷榜和炫技式评测，让UP主测试AI在屎山代码、量化交易、狼人杀、3D白模等场景的表现，并爬取了40个主题、190个视频、33位UP主、100多个参赛模型的数据放到GitHub。榜单前三为GPT6-Astra、Fable 5.1、GLM-5.3；karminski转发评价B站总算开窍了。

针对网传希伯来语申诉可解封账号并可能绕过模型安全层的说法，karminski 用 HuggingFace 公开语料构建三语测试，实测 Fable-5.1 有害内容拒绝率为英语 95.0%、中文 94.4%、希伯来语 95.1%，DeepSeek-V4.1-Flash 达 99.3%-100%，三种语言拒绝率无显著差异。

有人用 Fable-5.1 破解了热敏标签打印机固件，绕过其通过 RFID 检测第三方耗材后降速降质的限制，项目开源在 http://github.com/ThreeDaPrint/niimbot。

Jev 对 K 线本身是欠拟合的，只有当它做到 100% 负相关时才能反着买，而 100% 负相关属于超强泛化、不可能实现，即使每次交易都亏钱也不能算 100% 负相关。此外 70ms 的延迟别说高频交易，连抢火车票都抢不到。

讨论一个很有意思的事情， AI短剧已经红海了， 我的判断依据是红果短剧在8月中旬开始在连播里面插广告了. #AI短剧

Jev 模型放弃传统自回归架构，无法直接输出普通文本，只能按预定义 Schema 做结构化决策输出，例如垃圾短信二分类会返回带概率的 JSON（isSpam true 0.982 / false 0.018）。其真正护城河是 RLCD（校准强化学习），使输出很难出现概率失真，但代价是模型表现刻板、只适合干活。目前仅支持文本输入，复杂场景需把内容转成文本并定义可选动作，模型再自主决策。

Jev 模型放弃传统自回归架构，无法直接输出普通文本，只能做决策并输出结构化 JSON，输入时需定义 Schema 并编译为决策槽位，因此输出不会出错。它目前仅支持文本输入，二分类场景可输出如 isSpam 为 true、概率 0.982 的 JSON；复杂场景下定义好可用动作后模型即可自主决策，如玩杀戮尖塔或看盘。

对 OpenRouter 上匿名模型 union-alpha 的简单测试显示，它不像 2026 年现阶段的旗舰级模型。关键线索是构建 3D 场景时它仍使用 three.js r127（2021 年版本），而今年测试的模型都已迭代到 three.js r160（2023 年底发布），因此作者判断它既不像国内旗舰模型，也不可能是 OpenAI/Anthropic 的模型。

针对 Intel Optane PMem 作为 KV cache 分层介质的讨论，karminski 实测指出其写速度甚至打不过 SSD，CPU1 上 2 条 128G 还受 NUMA 影响。他认为现代 PD 分离推理至少需要 40GB/s 的 KVCache 池速度（传输时间不超过 Prefill 耗时的 10%），因此 400Gb RDMA 内存池更合适。