旧电视交给本地 AI 清理,同样解出一道题,贵 2.8 倍的模型值不值
30 秒速读
- AI 生活Tom's Guide 作者用 Ollama、Hermes Agent 和 Qwen3 在家里电脑上跑本地代理,通过 ADB 检查并清理 Android TV,不用付订阅费;做无广告主屏幕这一步她没做成。
- 工作提效Garry Tan 在 Claude Code 里测了 52 个编程任务:Fable 5.2 解出 82.7%,Opus 5.5 解出 84.6%,Fable 每解出一题的成本是 Opus 的 2.80 倍。
- AI 生活Peter Yang 免费公开了一个 Claude/ChatGPT skill:读取患者的全部病历,生成一页病情简报,并检索相关临床试验。这条帖子获得 434 个赞。
- AI 生活Lifehacker 对比了主流聊天机器人的未成年人保护:ChatGPT、Copilot 可以设使用时段,Meta 能给家长发话题报告,但没有一家让家长看对话原文。
- AI 生活Tom's Guide 作者让 ChatGPT 和 Gemini 用 100 美元预算挑纽约五个区的平价餐馆,两家都列出了菜品和价格,他最后主要采纳了 Gemini 的推荐。
01|旧电视别急着换:本地 AI 代理帮你清理应用
- 谁·场景
- Tom's Guide 作者 Amanda Caswell,照着 AI 工程师 Fahd Mirza 的演示和他在 GitHub 公开的提示词,给一台画面正常、系统变慢的旧智能电视做清理。
- 怎么用
- 电脑上用 Ollama 跑 Qwen3 8B,Hermes Agent 负责执行;电视开启开发者选项和无线调试,经 ADB 配对。提示词要求代理先查内存、给已装应用分类,改动前征得同意,只停用不卸载,并记录改动方便还原。
- 结果
- 代理可以列出不常用的应用、关掉多余动画、精简主屏幕。作者说界面能否明显变快要看电视本身;让代理搭一个无广告主屏幕,她没有成功。
- 你可以试
- 如果你有 Android TV 或 Google TV,再加一台能跑 8B 模型的电脑,第一步只让代理报告可用内存,不改任何设置。
- 注意
- 开发者权限能动到电视的核心功能,停用错系统应用可能出问题,恢复出厂设置后要重新登录各个流媒体账号。三星的 Tizen 电视不适用这套方法,LG webOS 的连接流程不一样。处理器老、内存小的电视,清理后硬件瓶颈还在。
Tom's Guide 这篇实操用的是三个免费工具:Ollama 在本机跑模型(示例命令 `ollama run qwen3:8b`),Hermes Agent 把指令变成操作,电视那边在设置里连点七次版本号打开开发者选项,再开无线调试、查到 IP、完成 ADB 配对。只填 IP 地址不够,配对授权这一步省不了。
可借鉴的是 Fahd Mirza 提示词里的几条约束:先查看再动手,每次改动先问人,只停用不卸载,改了什么都记下来。 把权限交给代理时,这几条可以套用到别的设备上。模型跑在本地,提示词不会发到云端,不过电视自带的应用照样收集数据。
作者的结论很实在:大多数人直接用设置菜单,或者花点小钱买个电视棒,会更省事。这套方法适合本来就喜欢折腾、想让旧电视再多用几年的人。电脑配置低的话可以换小一点的模型,代价是复杂指令可能执行不好。
02|Fable 5.2 解题数与 Opus 相当,每道成本却高 2.8 倍
- 谁·场景
- Y Combinator CEO Garry Tan,在 Claude Code 2.1.322 上对比两个模型日常编程的性价比。
- 怎么用
- 他用同一批 52 个任务分别跑 Fable 5.2 和 Opus 5.5,比较两项指标:解出率,以及每解出一题花了多少钱。
- 结果
- 两者解出率接近,Fable 每解出一题的成本是 Opus 的 2.80 倍。他的建议是继续把 Opus 5.5 设为编程默认模型,同时承认这批任务 Opus 大多能解,想分出高下需要更难的题。
- 你可以试
- 挑 20 到 50 个团队真实做过的任务,记录每个模型的解出率和每解出一题的成本,再定默认模型和升级规则。
- 注意
- 任务越长、越难,排名可能越不一样。Agent Arena 测的是 16 轮以上的长会话,Fable 在那里领先更多,而且 API 已经降价,所以简单任务上的结论不能直接搬到长任务上。
Garry Tan 在 X 上给出的口径值得照搬:看每解出一题的成本,而不只看分数。 两个模型解出率只差两个百分点左右,成本却差了 2.8 倍,对按 token 付费的团队来说,选默认模型时这一项更重要。
同一天 Latent Space 的汇总给出了另一面的数据。Agent Arena 测的是长时间编程会话,Fable 5.2 排第一,净提升 +30.4%,约为 Opus 5.5 的 1.6 倍;会话到 16 轮以上时,Fable 不需要纠正的回复占 93%,Opus 是 85%。Fable 的 API 价格也从每百万 token 输入/输出 $10/$50 降到了 $8/$40。在 Artificial Analysis 的编程代理指数上,两者并列 58 分,但得分 48 以上的配置里,每个任务的成本从 $1.51 到 $44.22 不等。
比较实用的做法是分两档:日常短任务用便宜模型,长链路、容易跑偏的任务再升级到贵的。 各家榜单怎么排,最后都要拿自己团队的任务库来验证。
03|把病历放进一个文件夹,让 AI 写一页病情简报
- 谁·场景
- 写 AI 教程的 Peter Yang,面向家里有人患癌症或其他长期疾病的家属。
- 怎么用
- 三步:把患者的全部病历上传到一个文件夹,比如 Google Drive;把 skill 链接发给 ChatGPT 或 Claude,让它安装;再让 skill 读取这个文件夹。
- 结果
- 他说这个 skill 能生成一页简报、检索临床试验,还能做别的整理。别人可以 fork 后改成适用于其他慢性病的版本。
- 你可以试
- 先拿最近一次就诊的资料试一下,看一页简报是否准确,再决定要不要放进完整病历。生成的试验清单带去和主治医生讨论。
- 注意
- 交给 AI 的是完整病历,这是最敏感的个人数据,文件夹的共享范围和所用账号要自己把关。临床试验能不能入组、治疗怎么调整,最后都要由医生判断。
Peter Yang 在 这条帖子里写的流程很短:病历集中放进一个文件夹,安装他的免费 skill,然后让 skill 去读这个文件夹。产出有两样:一页病情简报,以及相关临床试验的检索结果。
长期疾病的病历往往分散在不同医院和不同时间,家属每次换医生、看急诊,都得重新讲一遍病史。一页简报能省下最多的沟通时间。临床试验检索费时间,又需要读专业资料,AI 可以先筛一轮,家属再拿去问医生。
他鼓励大家 fork 这个 skill,改成适用于其他慢性病的版本。自己动手改的话,可以加上用药清单、过敏史、检查指标的时间线,这些都是复诊时最常被问到的。整理病历的过程里,凡是上传了哪些文件、AI 引用了哪一份,都要能追溯回原始报告。
04|孩子用聊天机器人,家长分别能管到哪一步
- 谁·场景
- Lifehacker 作者 David Nield,逐个梳理 ChatGPT、Gemini、Meta AI、Siri AI、Copilot、Grok 的年龄限制和家长控制。
- 怎么用
- 对每款产品分别列出最低年龄、怎么识别未成年人、家长能设置什么,以及有哪些绕过的漏洞。
- 结果
- ChatGPT 能设使用时段、调敏感度,但青少年可以自己解除绑定;Gemini 只能开关;Meta 能看话题报告,涉及自伤时会提醒家长;Copilot 可以关掉图像生成和语音模式;Grok 的年龄验证被 Common Sense Media 评为无效。
- 你可以试
- 今天先查一下孩子在用哪几款,挨个进家长控制入口。ChatGPT 网页版的路径是:头像 > Settings > Parental controls > Add family member。
- 注意
- ChatGPT 和 Gemini 都能在浏览器里匿名免登录使用,绑定账号管不到这部分。Gemini 匿名使用时只有通用限制,没有未成年人专属的保护。
Lifehacker 这篇对比里的信息,家长能直接拿去用。各家最低年龄基本都是 13 岁,也都在用各种信号推测用户年龄。差别在于家长能管到哪一步:ChatGPT 能限时段,Meta 能看话题报告,Copilot 能关掉单项功能,Gemini 只能整体开关。 这几家都不让家长看对话原文。
有两个漏洞要提前知道。第一,绑定大多是可选的,ChatGPT 明确说青少年可以自己解除。第二,匿名网页版绕开了账号设置,Copilot 已经关掉了匿名入口。Grok 有 Kids Mode,但靠孩子自己申报年龄,很容易绕过。
技术手段只能管一部分,绑定能不能一直保持,要靠和孩子商量好。比较可行的组合是:开通家长绑定,在设备层面用 Screen Time、Family Link 或 Family Safety 管应用,再和孩子约定哪些话题可以先来找家长。
05|让两个 AI 排 100 美元吃遍纽约的路线
- 谁·场景
- 土生土长的纽约人 Elton Jones,周末要和朋友扫街吃东西。
- 怎么用
- 同一条提示词发给两个 AI:“在纽约五个区找 7 家最好的平价餐馆,总预算 100 美元,优先吃得饱,列出具体点什么、当前价格和地图。”
- 结果
- 两边有三家推荐重合。ChatGPT 的地图更详细,算了税和小费,还标出哪些价格需要再确认;Gemini 列了交通线路,推荐的餐馆更有特色,所以他主要用了 Gemini 的。
- 你可以试
- 把提示词里的城市、店数和预算换成自己的,同时发给两个 AI,优先去两边都推荐的店。
- 注意
- 价格是 AI 估算或从第三方菜单查来的,ChatGPT 自己就提醒有一家实际账单可能更高;只收现金、排队时间这类信息,出门前要再核实。
这篇对比里的提示词可以直接借用,它把条件写得很清楚:店数、范围、总预算、优先吃饱,再要求列出点什么菜、多少钱、附地图。ChatGPT 给出的每一项都标了价格来源,比如“2026 年 10 月查过的菜单”“第三方菜单,需要确认”。
两个模型交叉比对,是这篇里最值得学的一步:两边都推荐的店更可靠,只出现在一边的再挑着看。作者淘汰了 ChatGPT 推荐的一个普通清真餐车,换成 Gemini 推荐的那家得过 Vendy 奖、有招牌酱料的。
旅行或周末出游都能这么用。最后让 AI 把交通费、税和小费一起算进总预算,到了现场按菜单实际价格调整。
今天可以做的一件事
从你常用的 AI 工具里挑一个,今天做两件事。第一,打开账号和权限设置,看看它能访问你的哪些数据,家里孩子用的账号也查一遍家长控制。第二,拿一个你这周本来就要做的真实任务,同时交给两个模型,记录哪个结果能直接用、你改了多少、花了多少钱。这一张小对照表,就是你选默认工具的依据。