HAT's Public Channel | 🫪

《内部直播，请勿拍摄屏幕》

今天（2026 年 8 月 19 日 07 时 35 分），朱雀三号遥二运载火箭在东风商业航天创新试验区发射升空，火箭一子级按预定程序成功着陆于甘肃省民勤县朱雀三号着陆场坪。 朱雀三号成为我国首款成功入轨并实现陆地回收的运载火箭，也是继长征十号乙之后，我国第二款可回收运载火箭。

延期了，果然 +1s https://fixupx.com/ClaudeDevs/status/2089798442306711646

360周鸿祎：中国大语言模型和GPT-4差距在两三年，GPT-6后可能会有意识。

温馨提示，cc 用量翻倍的活动在明天就结束了哦

A/小 trick (图源评论区)

每日省钱小 trick: codex 里的 web_search tools 是按次数计费的 (按比例扣除套餐额度)，可以用 Firecrawl (每个月 1000 次 credits, 平时也有很多活动可以领 credits) Exa (完全免费, 无需鉴权) Jina (免费 10M tokens 抓取额度, 也有匿名额度) 之类的第三方服务替代

哈哈哈，世上还是好人多啊

警钟敲烂 绝对不要在公网可访问到的情况下使用dsh-lan-proxy插件

哦，看了下 DSH WebUI 是只允许绑定 127.0.0.1 的，连 192.168.0.0/16 和 10/8 都不被允许 所以意味着 DSH 设计之初就没打算暴露给非 localhost 环境，如果还是想办法绕过官方推荐用途 (直接用 --binding 绑定非 127.0.0.1 会被 reject) 的话，那就只能自己为自己的行为负责了。

TL;DR: 把 DSH WebUI 直接暴露公网 = 向全网赠送你设备的 Web Shell，立即停止将这些服务暴露公网 (我想这也包括 Kimi Code 等 WebUI) 所以 DSH 设计上就不允许直接绑定 0.0.0.0 是有道理的。。。 DSH 默认设计上就禁止直接开放公网 (允许指定 binding 参数也只是为了方便 Tailscale 之类的 VPN / 开放局域网访问，而不是你直接暴露公网) 而有的大聪明非要用神秘脚本和 FRP 等手段把 DeepSeek Harness WebUI 暴露公网 (实际 FOFA 也能扫到很多实例)，那只能尊重祝福了

顺便延伸分享一个闭源黑箱 Benchmark 的经典反例：SWE-Bench Pro https://openai.com/index/separating-signal-from-noise-coding-evaluations/

为什么说 DeepSWE v1.1 目前已经完全没有参考价值了？ 首先，DeepSWE 是一套评分机制和试题完全白盒+开源的 Benchmark 测试集。 所以严格意义上来说，从 6/15 (官方开源测试集前首批官测) 之后的测试结果都没有意义，但考虑到模型训练的周期，大概能宽限到 7/1，在此之后的 DeepSWE v1.1 分数没有任何参考意义 (包括本频道此前测试的 DeepSWE & DeepSeek V4 Flash 独立复现, 也不排除刷分嫌疑)。 一些更详细的 timeline 参考： https://deepswe.datacurve.ai/changelog ——— 不过能每月/季度都能翻新所有试题的全开源/半开源 benchmark 确实非常罕见，也确实吃力不讨好

Qwen3.8 27B 靠刷题刷到了 Kimi K3 (~3T) 和 Claude Fable 5 相似的成绩，令人恶心和反胃，完全看不懂 Qwen 到底想干啥？ 正式标志着AA已经完全没参考价值了，将会被列入 benchmark 界的耻辱榜。

第一次看到這個trick被用在不是真的很secret的用途。 https://timmarinin.net/2026/bluesky-screenshots/

快冲

Gimme, gimme, gimme Codex after midnight Won’t somebody make these failing tests all go away? Gimme, gimme, gimme Codex after midnight Ship it through the darkness by the start of the day

https://x.com/thsottiaux/status/2089604619936956778

难道说

ok this might be completely schizo, but did an OpenAI employee tease Astra for Thursday? codex codex codex codex codex = 5 letters × 4 = 20 tibo tibo tibo = 4 letters × 2 = 8 20/8 → august 20 which is literally this thursday lol

大的要来了 https://x.com/haider1/status/2089428296799048163

最︀︁󠅄近︀︁󠄳在︀︁󠅇 ︀︁󠅆a︀︁︀g︀︁󠄇e︀︁󠅄n︀︁󠄳t︀︁󠅇 ︀︁󠅄w︀︁︁o︀︁󠇅r︀︁󠇖k︀︁󠅯f︀︁󠆅l︀︁󠄙o︀︁󠄥w︀︁󠅚 ︀︁󠅳中︀︁󠇒使︀︁󠆦用︀︁󠇖 ︀︁󠆘Q︀︁󠄽w︀︁󠆲e︀︁󠅗n︀︁󠆰3︀︁󠆔.︀︁󠄅8︀︁󠄋 ︀︁󠆶(︀︁󠄅2︀︁󠇕7B) 的体感:

TL;DR: 说实话整体的质量真不如 Gemma4。 但比 Gemma4 的 Agentic 能力更强 (但也只是发布时间的优势), 多模态和 CoT 质量依旧被 Gemma4 吊打

1. Qwen3.8 27B 的思维链质量仍然还是比 gemma4 和 dsv4 flash 0731 低很多，一个是思考过度 (Overthinking)、一个是 CoT 的可读性非常非常低，具体表现为: 有时明明已经找到答案了，但还是非常频繁且几乎毫无意义的 alternatively / wait / let's verify / perhaps...，对于最终目标的收敛能力太差了。 当然 Qwen3.8 2.4T-A95B 也有这个问题，算是某种意义上的一脉相承了。 2. 这次 Qwen3.5/3.6 -> Qwen3.8 27B 最大的收益是 Agentic 能力大幅增强，如今的 AI Agent 环境/框架和工具真的是可以说 “每天一更新、一周一重构、每月一概念”。 至少现在来说，保持模型的更迭还是非常重要的 例如虽然 Gemma4 无论是思维链还是多模态能力，都可以说是 2000 亿参数量以内陆地最强的模型，但由于小半年没更新 (*后续补发的 12B 在 Agentic 上是没有进化的) 已经更不上现在的 AI Agent/Harness 框架的迭代了，在工具调用以及感知能力都不如最新的 Qwen3.8 27B。 具体表现是声明一个同样的 tools schema, Qwen3.8 27B 几乎一点就通，而 Gemma4 还是需要额外做一些 Prompt Engineering 才喜欢用，而且 Gemma4 的 tools call 方面好像还是有点坑的.jpg 3. 最后就是我感觉 Qwen 的 RL 团队可能对 CoT 长度这块确实比较...执着？ 例如他们的 GSPO (一种 RL 策略优化方案) 是这么说的：

we observe that GSPO can deliver continuous performance improvement through increasing the training compute, regularly updating the query set, and extending the generation length — this is exactly the scalability we expect from an algorithm.