即刻App年轻人的同好社区
下载
感觉 OpenAI 最近开源的 gpt-oss 真的被严重低估了。它虽然不是最聪明的，但在使用场景和定位上是非常成功的（服了 Sam 老六）。
首先最小尺寸的 gpt-oss:20b 绝对是你在 Mac 或者家用电脑上就能跑的最好模型之一（对我来说是“唯一”）。它是那种少有的“真正能用”的本地模型，对话体验非常好，持续对话下来非常稳定、不会出现输出混乱崩溃的问题。大部分早期能跑的本地模型是不具备的。
它的尺寸刚刚好，不管是模型文件还是运行显/内存都非常小（大约是 12～16GB），大部分电脑都能使用。在我的 M4 Mac 上能做到 70token/秒 的输出，在我的 19 年老 Intel 的 Mac 上能做到大约 1 token/秒的输出。整体性能上非常出色。
最为重要的是，虽然硬件要求非常低，但它的智能表现出乎意外的好。我把个人最近一些非编程类的问题同时发给 gpt-oss:20b 和元宝（DeepSeek R1），不管是回答速度还是回答质量，我更喜欢 gpt-oss:20b 多一点。这不是严谨的对比测试，我也只尝试了五、六个问题，但考虑到硬件要求，这样的回答效果已经让我感到满意了。
如果你的对话需求非常简单，或者想要一个完全离线、隐私自由的本地模型，gpt-oss:20b 绝对是一个简单可靠的选择。
其次是最大尺寸的 gpt-oss:120b，OpenAI 号称接近 o4-mini 的水平。理论上它也能在 Mac 或者家用电脑上运行起来。我记得大约需要 60～80 GB 的显/内存，对我的 Mac 来说非常吃力。如果电脑硬件足够强、或者并行几个 Mac Mini 跑起来问题应该不大，这就能拥有一个接近 o4-mini 水平的离线本地模型了。
gpt-oss:120b 另外一个被低估的意义是在价格上。在 together.ai 上这个模型的价格低至 $0.15 / $0.60，相比之下 DeepSeek V3（注意是 V3 不是 R1）的价格是 $0.27 / $1.10。也就是说，这么一个号称性能接近 o4-mini 的模型，价格只需要 DeepSeek V3 的一半！！据我所知这样的价格已经是 LLM 中的最低档，类似价格的是 gpt-4o-nano 和 gemini 2.5 flash-lite。
我现在非常怀疑 OpenAI 这波就是冲着 DeepSeek 来的……
另外我还发现了 gpt-oss 非常容易破解，比其他开源模型简单很多。容易到什么程度呢，我可以在大约三次对话内让它回答各种非法问题。不过这个话题不适合在这里讨论了……
首先最小尺寸的 gpt-oss:20b 绝对是你在 Mac 或者家用电脑上就能跑的最好模型之一（对我来说是“唯一”）。它是那种少有的“真正能用”的本地模型，对话体验非常好，持续对话下来非常稳定、不会出现输出混乱崩溃的问题。大部分早期能跑的本地模型是不具备的。
它的尺寸刚刚好，不管是模型文件还是运行显/内存都非常小（大约是 12～16GB），大部分电脑都能使用。在我的 M4 Mac 上能做到 70token/秒 的输出，在我的 19 年老 Intel 的 Mac 上能做到大约 1 token/秒的输出。整体性能上非常出色。
最为重要的是，虽然硬件要求非常低，但它的智能表现出乎意外的好。我把个人最近一些非编程类的问题同时发给 gpt-oss:20b 和元宝（DeepSeek R1），不管是回答速度还是回答质量，我更喜欢 gpt-oss:20b 多一点。这不是严谨的对比测试，我也只尝试了五、六个问题，但考虑到硬件要求，这样的回答效果已经让我感到满意了。
如果你的对话需求非常简单，或者想要一个完全离线、隐私自由的本地模型，gpt-oss:20b 绝对是一个简单可靠的选择。
其次是最大尺寸的 gpt-oss:120b，OpenAI 号称接近 o4-mini 的水平。理论上它也能在 Mac 或者家用电脑上运行起来。我记得大约需要 60～80 GB 的显/内存，对我的 Mac 来说非常吃力。如果电脑硬件足够强、或者并行几个 Mac Mini 跑起来问题应该不大，这就能拥有一个接近 o4-mini 水平的离线本地模型了。
gpt-oss:120b 另外一个被低估的意义是在价格上。在 together.ai 上这个模型的价格低至 $0.15 / $0.60，相比之下 DeepSeek V3（注意是 V3 不是 R1）的价格是 $0.27 / $1.10。也就是说，这么一个号称性能接近 o4-mini 的模型，价格只需要 DeepSeek V3 的一半！！据我所知这样的价格已经是 LLM 中的最低档，类似价格的是 gpt-4o-nano 和 gemini 2.5 flash-lite。
我现在非常怀疑 OpenAI 这波就是冲着 DeepSeek 来的……
另外我还发现了 gpt-oss 非常容易破解，比其他开源模型简单很多。容易到什么程度呢，我可以在大约三次对话内让它回答各种非法问题。不过这个话题不适合在这里讨论了……
61 1217
找到让 Claude Code 完成时提醒我的办法了，最优雅的方式是配置 Claude Code 的 hooks，让它每次完成时播放音效。
编辑设置文件 ~/.claude/settings.json
{
"model": "sonnet",
"hooks": {
"Stop": [
{
"hooks": [
{
"type": "command",
"command": "afplay ~/Sounds/notification.mp3"
}
]
}
],
"Notification": [
{
"hooks": [
{
"type": "command",
"command": "afplay ~/Sounds/notification.mp3"
}
]
}
]
}
} //@也树: 自定义一个hook应该可以实现
编辑设置文件 ~/.claude/settings.json
{
"model": "sonnet",
"hooks": {
"Stop": [
{
"hooks": [
{
"type": "command",
"command": "afplay ~/Sounds/notification.mp3"
}
]
}
],
"Notification": [
{
"hooks": [
{
"type": "command",
"command": "afplay ~/Sounds/notification.mp3"
}
]
}
]
}
} //@也树: 自定义一个hook应该可以实现
benn: 有啥办法可以让 Claude Code 停下来的时候发个提醒或音效？因为我经常同时开多个任务，经常一个任务等好久后发现早就完成或中断了……
13 11
其实 MCP 和 API 还是有些不一样的。API 只是向模型暴露了远程服务的调用能力，而 MCP 是向模型暴露直接的外部能力，例如一个完备的本地程序。区别有点像是 RPC 和插件的区别～
深绘: 说实话，我还是Get不到MCP的点。 这件事的本质，其实就是AI发起一个工具调用请求，服务方给出工具执行结果，AI添加到上下文，然后回答用户或者继续调用。 如果说这是为了统一标准，OpenAPI不是已经是标准了吗？全世界的API都在用OpenAPI文档，AI也能直接读懂，工具调用完了结果该怎么加到上下文还是怎么加，为啥还要搞个MCP？ OpenAI的Actions多简单，配个API，写个schema就能用，调用结果直接回来。MCP呢？要学协议、搞服务器、处理SSE、WebSocket一堆东西。但最终不还是要把工具执行结果塞回上下文吗？90%的场景就是查个天气读个文件，用得着这么复杂吗？
8 00
真的喜欢Ani，我真的对这类产品彻底改观了，瞬间想明白了很多。擦边是不持久的，因为人类的生理需求是有限的，但情感需求是无限的。情感需求需要一个形象，人类和那个抓住布偶妈妈喝金属妈妈的奶的猴子没有区别。
38 23
