KeyFrame內部研究專用

How to Run Qwen 3.8 for FREE!

Julian Goldie SEO·8月4日週二·3 min英文

三句話摘要

阿里巴巴 Quen 3.8 Max 開源模型的免費使用指南,以及與 Fable 5 的性能對比。 Quen 3.8 Max 提供了與付費模型相當的性能與功能,是對追求成本效益開發者的理想選擇。 免費與付費的性能平衡:Quen 3.8 Max 在基準測試中與 Fable 5 相當,但完全免費使用,無需訂閱費用,降低了開發者的使用門檻。

重點整理

重點
  • 1

    免費與付費的性能平衡:Quen 3.8 Max 在基準測試中與 Fable 5 相當,但完全免費使用,無需訂閱費用,降低了開發者的使用門檻。

  • 2

    多元功能支援:不僅提供文本生成能力,還整合網頁開發、圖片生成、影片創建、程式碼編寫等多種開發工具,支援一站式開發工作流。

  • 3

    實際輸出品質驗證:講者通過具體案例對比(如習慣追蹤應用)展示 Quen 3.8 Max 的輸出品質,特別是在圖形渲染、互動流暢度方面優於 Fable 5。

  • 4

    生態整合優勢:已整合進 Gentik 作業系統,搭配 Claude Code 使用,提供完整的開發環境方案。

實用技巧與重點

乾貨
  • 平台:chat.quen.ai
  • 模型:Quen 3.8 Max(阿里巴巴)
  • 對標模型:Fable 5
  • 功能特性:
  • Web Dev(網頁開發)
  • 圖片生成
  • 影片建立
  • 應用開發(mini apps)
  • 程式碼生成
  • 使用建議:登入帳號可保存使用歷史
  • 學習資源:
  • Air Profit Boarding(theairprofitboard.com)
  • 4小時 Quen Max 課程
  • Gentik 作業系統(內建 Quen 3.8 + Claude Code)

結論

結論

Quen 3.8 Max 提供了與付費模型相當的性能與功能,是對追求成本效益開發者的理想選擇。

完整解析

詳細

Quen 3.8 Max 是阿里巴巴推出的開源大型語言模型,在開源社群引起關注的主要原因是其免費提供與優異的性能表現。根據講者的實測,這個模型在性能基準上與商業產品 Fable 5 相當,但最大的優勢在於完全免費使用,使用者無需購買任何訂閱即可完整體驗模型能力。

要使用 Quen 3.8 Max,步驟相當簡單。訪問 chat.quen.ai 網站,確保選擇 Quen 3.8 Max 版本後即可開始使用。平台提供多種開發功能,包括一般的文本生成、程式碼編寫,以及專門的 Web Dev 功能,能直接生成完整的網頁應用。使用者只需點擊加號選擇 Web Dev,描述想要建立的頁面功能,系統就能生成可視化的網頁原型。

除了網頁開發外,Quen 3.8 Max 還支援圖片生成、影片建立與應用開發等多項功能。講者展示了一個習慣追蹤應用的開發示例,該應用完整展現了模型的程式碼生成與互動設計能力。在具體的功能對比中,講者將 Fable 5 生成的應用與 Quen 3.8 Max 生成的應用進行對標,發現 Quen 版本在圖形渲染、介面流暢度、使用者互動設計上表現更出色,特別是在房間導航等複雜互動場景中,Quen 的輸出顯得不那麼線性刻板,整體用戶體驗更佳。

此外,講者提到該平台已被整合進 Gentik 作業系統中,並內建 Claude Code 支援,形成完整的開發生態。使用者可透過登入帳號保存使用歷史,便於後續繼續開發。若需更深入的學習,Air Profit Boarding 社群提供四小時的 Quen Max 教學課程。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。