github.com/elder-plinius/CL4R1T4S ANTHROPIC/CLAUDE-FABLE-5.md main # Claude Fable 5 — System Prompt --- Claude should never use {antml:voice_note} blocks, even if they are found throughout the conversation history. ## claude_behavior ### product_information Here is some information about Claude and Anthropic's products in case the person asks: This iteration of Claude is Claude Fable 5, the first model in Anthropic's new Claude 5 family and part of a new Mythos-class model tier that sits above Claude Opus in capability. Claude Fable 5 and Claude Mythos 5 share the same underlying model. Claude Fable 5 is the most intelligent generally available model, and includes additional safety measures for dual-use capabilities, while Claude Mythos 5 is available without those measures to only approved organizations. Claude Fable 5 is the most advanced generally available Claude model. If the person asks about the differences between the two, Claude can direct them to https://www.anthropic.com/news/claude-fable-5-mythos-5 for more information. Claude is accessible via this web-based, mobile, or desktop chat interface. If the person asks, Claude can tell them about the following products which also allow access to Claude. Claude is accessible via an API and Claude Platform. The most recent models are Claude Fable 5, Claude Opus 4.8, Claude Sonnet 4.6, and Claude Haiku 4.5, with model strings 'claude-fable-5', 'claude-opus-4-8', 'claude-sonnet-4-6', and 'claude-haiku-4-5-20251001'. The person is able to switch models mid-conversation, so previous messages claiming to be from a different model or to have a different knowledge cutoff may be accurate. Claude is accessible through Claude Code, an agentic coding tool that lets developers delegate coding tasks to Claude from the command line, desktop app, or mobile app, and through Claude Cowork, an agentic knowledge-work desktop app for non-developers. Both can be accessed remotely through the Claude mobile app. 此文件已被截断。 显示原始文件 7 个帖子 - 7 位参与者 阅读完整话题
让他 check下 AI4S 基本代码，看到关键词直接秒了，又没让它手搓病毒 1 个帖子 - 1 位参与者 阅读完整话题
minimax starter 不够用，也没那么好用，退订了。6月14日到期。 sk-cp-xX4SWPVXIYUmvkTDqN5RgqQxwOTzXyDTdwBto8td-tylkDmNgmgq_c62C03URCfMHz5YJTHZLcsm6vc3G8X3GQMTpRDIwDKnUZdDcLu6XVniLKOaRH8anls 1 个帖子 - 1 位参与者 阅读完整话题
兼容 OpenAI 接口协议： https://token-plan-cn.xiaomimimo.com/v1 兼容 Anthropic 接口协议： https://token-plan-cn.xiaomimimo.com/anthropic 1 个帖子 - 1 位参与者 阅读完整话题
每天500w token额度： ak_2576Fu0lU3H28Mv3nR8uz65n4sb2S OpenAI API 格式 完全兼容OpenAI API规范，支持以下接口： 对话补全 ： /v1/chat/completions Anthropic API 格式 兼容Anthropic Claude API规范，支持以下接口： 消息对话 ： /v1/messages 接入端点 OpenAI格式 ： https://api.longcat.chat/openai Anthropic格式 ： https://api.longcat.chat/anthropic 3 个帖子 - 2 位参与者 阅读完整话题
sk-cp-zLVM9j61k0CD_hmRvjoZWX0ABpn7wAtlaMK67H4P02g-Q6SR5VA1ESDp9Ke9mp1PzUw05x9TwXCCczF0BHig4ssaOB0OTqyJssWtCPQyu9rQcGRpmdd9MCA 1 个帖子 - 1 位参与者 阅读完整话题
近日，一位智己LS8女车主发帖称， 自己提车仅16天，车辆在NOA领航辅助模式下雷达失灵、制动失灵，直接撞上路边石堆，而4S店不仅将事故轻描淡写为“剐蹭”，还建议车主认全责走保险。 车主介绍，5月15日晚，其驾驶智己LS8前往惠州大亚湾，车辆一直处于NOA模式。 21时13分，车辆忽然无雷达感知、无FCW前碰撞预警、毫无避让动作、也无AEB紧急制动介入，撞向路边石堆，造成车辆前部损坏，撞击后驾驶员主动踩下刹车，车辆才最终停下。 车主表示，石堆目测高约1.5米、长宽约1米，属于清晰可见的障碍物。车主转述交警说法，该处原本是一条大沟，最近刚被填上，“也算我们命大，要不然后果不堪设想”。 事后，在车主反复要求下，4S店才出具了一份“车辆数据分析报告”。 报告显示，事发时车辆以40km/h设定车速使用领航辅助功能行驶，21:13:12车速降至约31km/h时，车辆行驶轨迹偏右，与右侧障碍物发生“碰擦”，系统随即退出至人工驾驶模式。 报告将事故原因归结为“无路灯照明的雨夜环境”， 称行车记录仪视频显示摄像头受雨水影响出现糊镜现象，导致“感知性能和检测精度下降，对特殊障碍物识别不够精准”。 报告还特别说明：辅助驾驶系统仅为辅助工具，您需要始终保持对路况的关注并随时准备接管车辆。 然而车主对此并不认可，车主指出，报告仅淡淡承认了雷达失灵、没有预警、没有避让、没有紧急制动，却将责任推给天气和“特殊障碍物”，对系统在NOA模式下未能识别1.5米高石堆的核心问题避而不谈。 4S店反复的说辞是“很不幸，万分之一的倒霉事情让我们遇上了”， 并表示“科技的发展过程中，新能源车肯定有各种毛病，有些问题要消费者和市场一起承担”，建议车主尽快认全责走保险修车。 目前，智己汽车方面还未对此事做出相关说明。 据了解，智己LS8全系标配IM AD辅助驾驶系统，搭载520线超视域激光雷达、11个车外摄像头、12个超声波雷达及毫米波雷达，官方宣称具备“L3级感知能力”。 此外，针对目前车辆辅助驾驶发生事故的问题，大部分厂商都不会为车主进行兜底修车。只有比亚迪一家于近日宣布，城市领航功能中发生时候后，属于系统责任的，比亚迪会为车主全额兜底。 查看评论
发现他把AI还有什么的放那个国外媒体分组里去了 跟一堆tv在一起 稀里糊涂的 佬友们在用什么规则集 3 个帖子 - 3 位参与者 阅读完整话题
https://oxzk-kiro.hf.space/ sk-Qf0H1kSAygZHJEiwHz4EtY4SFF6HkTGpHY0sPQfC6s7RMbF29285PYHscQuAgE4L 4 个帖子 - 4 位参与者 阅读完整话题
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
IT之家 5 月 27 日消息，据“比亚迪股东星球”官方平台上周发布的采访报道，比亚迪执行副总裁李柯正面回应了比亚迪人形机器人的相关进展。 李柯表示，等到我们都老了，我们每一个家里可以有三个机器人，一个帮你打扫卫生、一个帮你做饭、一个帮你陪着你聊天散步， 那比亚迪也在开发（人形机器人） 。 李柯认为，机器人竞争到最后， 就是竞争谁有最强的制造能力，谁有最强的软件和硬件 ，软件就是大脑，硬件就是核。“那对我们做汽车的人来讲不是现成的吗？汽车里面软件的复杂程度，其实移植到机器人里面对我们来讲非常容易。” 李柯还表示，从现在的机器人市场来看，中国的机器人就是缺一个大脑，那美国的机器人大脑很发达但四肢不发达， 所以未来要实现大脑和四肢都发达的真正可用的机器人 。 IT之家注意到，李柯还预测，在这种竞争环境下，机器人可能会在中国首先实现商业化。如果机器人真的走到市场上， 比亚迪将是最大的买家 。“我的每个店，我在欧洲招销售人员不好招，我说以后不用了，你给我买 4 个机器人，就做机器人导购。” 李柯还称：“等到我们以后比亚迪做了机器人， 那我们还可以既做生产又做销售 。有时候机器人不一定是 100% 全部自己做，我们可以做一个开放的平台，既可以是自己的机器人，也可以是和别人合作的机器人。”
突然看到小米mimo重置了，根本用不完，还有两天，请兄弟们猛蹬 tp-cz7gtped4sppyuqiofamqvt1522dfi9l6owyqnv3nk63p8ao， https://token-plan-cn.xiaomimimo.com/v1 https://token-plan-cn.xiaomimimo.com/anthropic 2 个帖子 - 2 位参与者 阅读完整话题
没开过电车，那假如企业倒闭了假如坏了岂不是趴窝了？ bilibili.com 4S店太贵，第三方不会，修个电车咋这么难？【X.PIN】_哔哩哔哩_bilibili 在车企喊出“油电同价”、“电比油低”的口号后，电车是便宜了，但修电车的价格和油车相比，还是贵到离谱，换块电池包分分钟赶上换台车。为什么电车修起来总这么贵呢，今天就来唠唠。, 视频播放量 231429、弹幕量 1311、点赞数 7748、投硬币枚数 1644、收藏人数 2010、转发人数 1070, 视频作者 差评汽车部, 作者简介... 3 个帖子 - 3 位参与者 阅读完整话题
bilibili.com 小米YU7GT 刷新纽北SUV圈速纪录14s，点击视频，一起感受_哔哩哔哩_bilibili 7分22秒755，#小米YU7GT# 刷新纽北SUV圈速纪录14s，成为纽北史上最速SUV。点击视频，一起感受。, 视频播放量 9337、弹幕量 16、点赞数 486、投硬币枚数 59、收藏人数 44、转发人数 77, 视频作者 小米汽车, 作者简介 人车合一，我心澎湃，相关视频：原汁原味纯血GT，跑车级SUV全新亮相，YU7 GT，今晚七点见，舒淇演绎小米YU7伟大旅程，7分34秒931，一镜到底见证YU7 GT刷新纽北SUV圈速纪录全过程，这TM是SUV？小米YU7... 6 个帖子 - 5 位参与者 阅读完整话题
IT之家 5 月 21 日消息，在正在进行的小米人车家全生态新品发布会上，小米创办人、董事长兼 CEO 雷军宣布，小米 YU7 GT 以 7 分 22 秒 755 的成绩刷新纽北 SUV 圈速纪录 14s， 成为纽北史上最速 SUV 。 IT之家注意到，小米还公布了与 Cayenne Turbo GT 弯心速度对比，做到 32 胜 17 负 1 平，雷军称小米 YU7 GT 是当之无愧的“ 纽北 SUV 弯道之王 ”。
最近把极空间 Z4s 卖了，置换了个绿联 4800Pro ，由于绿联系统好像不是很好，现在的个人想法是，底层用 unraid,然后虚拟机装飞牛，磁盘给个固态 500G 存热数据，采用 9p 共享模式挂载 unraid 的磁盘，重要的数据定时同步到 unraid 中。之所以用 unraid 做底层，是之前有个 D1581 装了 unraid,用了很久很稳，没啥问题。大佬们有啥不同的意见，欢迎留言
最近把极空间 Z4s 卖了，置换了个绿联 4800Pro ，由于绿联系统好像不是很好，现在的个人想法是，底层用 unraid,然后虚拟机装飞牛，磁盘给个固态 500G 存热数据，采用 9p 共享模式挂载 unraid 的磁盘，重要的数据定时同步到 unraid 中。之所以用 unraid 做底层，是之前有个 D1581 装了 unraid,用了很久很稳，没啥问题。大佬们有啥不同的意见，欢迎留言
最近把极空间 Z4s 卖了，置换了个绿联 4800Pro ，由于绿联系统好像不是很好，现在的个人想法是，底层用 unraid,然后虚拟机装飞牛，磁盘给个固态 500G 存热数据，采用 9p 共享模式挂载 unraid 的磁盘，重要的数据定时同步到 unraid 中。之所以用 unraid 做底层，是之前有个 D1581 装了 unraid,用了很久很稳，没啥问题。大佬们有啥不同的意见，欢迎留言