不知道大家有没这种体会，急着下载一个大文件，结果网盘限速慢得像蜗牛，迫于无奈开通了会员，花了钱不说，还要强迫你安装网盘的客户端才能开始下载，非常的不爽。
如果你有 NAS，想直接从网盘下载到 NAS，原本还必须先用电脑下载再手工复制。今天异次元推荐一个超好用的油猴脚本插件 LinkSwift！它能解析出百度、夸克等网盘的真实下载地址，不必再安装官方网盘客户端，即可调用 IDM、Motrix 多线程加速下载，或推送到 Aria2 远程下载……
「 前往查看原文.... 」
最近除了谷歌发布全新的 Google Antigravity 外，微软也发布了 Visual Studio 2026 正式版，这是继 VS2022 后，时隔 4 年的重大版本更新，解决 5000+Bug 并实现了 300+ 功能需求。
无论你是资深开发专家还是刚入门学习编程的爱好者，现在都能下载到微软最新的 VS 开发工具免费使用了！VS 2026 不只更换全新 UI 设计，还从性能优化到 AI 深度集成，全方位提升开发者效率和体验。特别是启动速度、UI 响应方面提升非常明显，卡顿终于消失了……
「 前往查看原文.... 」
还在为了使用系统资源监控功能，安装那些动辄几百兆、附带一堆无用功能的臃肿“全家桶”软件吗？异次元曾推荐过简洁开源的 TrafficMonitor 来代替 360，而今天再带来一款新的小工具。
LiteMonitor 堪称 Windows 硬件资源监控软件的“新晋卷王”！它简直把“小巧轻量化”和“高定制”玩明白了。整个软件就 2MB 左右，解压即用，绿色免安装。运行时它自身后台资源占用低到可忽略不计，真正做到无负担的“隐形”陪伴。不仅界面直观精美，还完全开源免费……
「 前往查看原文.... 」
提到 NAS 系统，大家可能都会想到主流品牌如 群晖 (Synology) 的「DSM 」或 QNAP 的 QTS 等。之前推出可自部署的「飞牛 OS (fnOS) 」可谓一鸣惊人，赢得了众多玩家喜爱和推荐。
然而飞牛官方 fnOS 目前仅支持 x86 架构，只能在迷你主机/电脑上安装。而最近一个开源项目「FnNAS」，让那些吃灰“安卓电视盒子”ARM 设备也能原地复活，刷机后摇身一变成为一台搭载“飞牛”系统的功能全面丰富的 NAS！甚至能用来当做家中的低功耗专业服务器来用……
「 前往查看原文.... 」
Immich 是一款著名的开源、高性能、自托管相册工具，可以部署在自己的电脑、服务器、NAS 中，帮助用户通过 iOS、Android 等设备管理、备份照片、视频，拥有挂载本地 AI 的能力。
2026年1月28日发布 Immich v2.5.0 版本，并且在 GitHub 获得了超过 90000 星。
推荐给有自托管管理图片、视频的用户。
以下内容为 2023年2月25日发布：
Immich 是一个直接从 iPhone、Android 手机上备份照片与视频的开源解决方案，通过部署在自己的电脑、NAS、服务器中，使用 App 进行备份。界面酷似 Google Photos，支持多用户、照片和相册分享、好友上传、地理位置、机器学习识别事件等功能。是居家备份照片的好帮手。@Appinn
![Immich - 开源自托管的手机照片备份工具[iPhone/Android]](https://static2.appinn.com/images/202302/immich.jpg "Immich v2.5.0 发布，开源高性能自托管相册，GitHub 收获 90000 星 34")
前不久，推荐了一款适合普通电脑使用的照片备份工具 PhotoSync：
PhotoSync 是一款通过 Wi-Fi 快速、安全地移动、备份、共享照片与视频的工具，支持 iPhone、Android，可以将照片备份至 NAS、电脑、FTP、网盘等处。
https://www.appinnn.com/photosync/
而 Immich，则适合拥有自己服务器的同学，首选 Ubuntu、Debian、MacOS 系统，也可以在 Windows 的 Docker Desktop 下工作。
Immich 的服务器端基于 Web，拥有自己的 iPhone、Android 应用，只需要在移动应用中填入服务器段的 API 地址，即可使用，两者功能有少许不同：
| 特征 | 移动应用 | 网页 |
|---|---|---|
| 上传和查看视频和照片 |  | |
| 打开应用程序时自动备份 | |  |
| 用于备份的选择性相册 | | |
| 将照片和视频下载到本地设备 | | |
| 多用户支持 | | |
| 相册和共享相簿 | | |
| 可擦洗/可拖动的滚动条 | | |
| 支持RAW（HEIC，HEIF，DNG，APPLE ProRaw） | | |
| 元数据视图（EXIF、地图） | | |
| 按元数据、对象和图像标签搜索 | | |
| 管理功能（用户管理） | | |
| 后台备份 | | |
| 虚拟滚动 | | |
| OAuth 支持 | | |
| 实时照片备份和播放 | iOS | |
| 用户自定义存储结构 | | |
| 公开分享 | | |
配置好服务器端，登录移动应用之后，给于相册权限，就可以备份了，支持前台备份与后台备份，使用起来非常简单，有中文界面
分享与上传就很赞了，你可以通过 Immich 将某个相册分享给好友，可以设置很多权限，包括：
其中允许上传功能，可以让好友直接通过浏览器上传手机里的照片，在与好友一起出门游玩回来之后，共享照片真是太方便了。
基于 Docker，安装 Immich 也很容易，先修改配置文件 .env：
wget -O .env https://github.com/immich-app/immich/releases/latest/download/example.env
实际上，只需要修改里面的 UPLOAD_LOCATION 部分，使用绝对路径，这是保存照片的路径。
其它设置保持默认，然后就可以安装了：
wget https://github.com/immich-app/immich/releases/latest/download/docker-compose.yml docker-compose up -d
最后，在浏览器打开：IP:2283 就可以创建用户进入 Immich 了。
Immich 可以通过命令行进行批量上传，也有官方 App：
在登录的时候，服务器地址填入：IP:2283/api 即可。
有一个官方 DEMO 可以测试：
公共场合，请谨慎上传图片啊，昨天的 memos DEMO 中，已经有同学干坏事了 
原文：https://www.appinn.com/immich/
另外，开发者提到：由于版本迭代频繁，请勿使用 Immich 当作单一备份，以防万一。
很多人都诟病微软，就算升级到 Windows 11，系统自带的看图工具都不好用！不仅启动速度慢，支持格式也不丰富，每次双击图片都要经历“黑屏→转圈→等待”的漫长折磨。
如果你也受够了这种糟糕的看图体验，那今天这款宝藏软件 Void Image Viewer 就能让你明白：极致的简单和快速，就是最好的体验！它出自“搜索快到让人震惊的神器——Everything”开发团队 voidtools 之手，同样开源免费。就冲 Everything 这个金字招牌，闭眼我都愿意试试……
「 前往查看原文.... 」
![9 款开源工具更新[2602] 35](https://www.appinn.com/wp-content/uploads/2026/02/Copy-of-appinn-homework-64.jpg "9 款开源工具更新[2602] 35")
一些开源工具，有了更新。简单粗暴，直接开始：
Obsidian CLI 是著名的开源 Markdown 笔记工具 Obsidian 刚刚发布的命令行工具，让你可以从终端控制 Obsidian，包括编写脚本、自动化、外部工具集成。
（目前仅限付费用户提前体验）
在这个时代，这，就是为 AI 开发的工具。
来自善用佳软的消息，以及评论：
早期因硬件落后才CLI，后来要人性化，进化到GUI。 现在，机器超越人类，CLI又成了先进方式。 连Obsidian都发布CLI了
没有更多评价，因为这本来就是给AI和其他CLI提供的。
Obsidian CLI 的功能十分丰富，被称作：在 Obsidian 中执行的任何操作都可以通过命令行完成。
但注意，目前的 Obsidian CLI 处于抢先体验阶段，需要拥有 Catalyst 许可证（付费）的用户。
原文：https://www.appinn.com/obsidian-cli/
Immich 是一款拥有9万 GitHub 星的著名开源高性能自托管相册工具，你可以在里面管理、备份自己和家人的照片、视频，并且可以挂载外部 AI，实现情景识别、物体识别、语义搜索等功能。
2026年1月28日发布 Immich v2.5.0 版本，短短半个月已经到 v2.5.6 了，这期间主要更新了：
| 版本 | 类型 | 重点 |
|---|---|---|
| 2.5.0 | 大版本功能更新 | Free Up Space + 非破坏编辑 + 备份恢复 + UI 重构 |
| 2.5.1-3 | 快速补丁 | 修复上传 & 移动端问题 |
| 2.5.5 | 稳定性增强 | 时区 / iOS / 证书 / 删除逻辑修复 |
| 2.5.6 | 体验优化 | 缩略图生成、iOS 启动、Android 删除修复 |
推荐更新。
Discourse 是小众软件论坛所使用的开源社区程序，任何人都可以使用这套程序创建一个完整的带有AI功能的社区，包括传统的论坛、IM，完整的权限设置，总之和自己创建的没有区别。
目前 Discourse 发布了免费版测试，只需要在这里注册：
就能创建一个社区，堪称真的0门槛啊。
比如青小蛙就创建了一个，虽然没啥用，使用了二级域名：appinn.discourse.group
免费版本有限额：每个月50万浏览量、每个月10万邮件、一共5GB存储，以及3万token额度的CDCK Hosted Small LLM大模型（基于 Qwen/Qwen3-VL-30B-A3B-Instruct）
不能绑定自己的域名，可以随时升级。
但注意，这个额度对于社区来说，非常非常非常慷慨。如果你能达到这个量级，升级妥妥的
昨天，微软发布了 PowerToys v0.97.2 版本，从 v0.90 以来主要更新如下：
| 版本 | 主要新增 / 重要增强 | 说明 |
|---|---|---|
| 0.91–0.95 | 多模块持续优化 | 主要为稳定性改进、性能提升、UI 现代化改造（WinUI 3 迁移持续推进） |
| 0.96.0 | Advanced Paste 大升级 | 支持多 AI 端点（OpenAI / Azure / Gemini / Ollama 等），可自定义剪贴板转换流程 |
| 0.96.0 | PowerRename 元数据支持 | 支持 EXIF/XMP 标签（如 %Camera、%Lens），适合照片批量重命名 |
| 0.96.0 | Command Palette 改进 | 搜索过滤增强、剪贴板历史元数据显示优化、扩展菜单改进 |
| 0.97.0 | CursorWrap（全新工具） | 鼠标可从屏幕边缘“穿越”到另一侧，适合多显示器环境 |
| 0.97.0 | Command Palette 大幅重构 | 支持 UI 个性化、命令排序优先级、自定义搜索引擎、直接控制 PowerToys 模块 |
| 0.97.0 | CLI 扩展 | FancyZones、Image Resizer、File Locksmith 等支持命令行调用 |
| 0.97.1 | CursorWrap 增强 | 支持方向限制（仅水平/垂直），改善多显示器行为 |
| 0.97.2 | CursorWrap 逻辑优化 | 增加单显示器禁用包裹选项 |
| 0.97.2 | Advanced Paste 修复 | 修复设置页崩溃问题 |
| 0.97.2 | Command Palette 本地化修复 | 修复字符串与扩展加载问题 |
Syncthing v2 发布以来，一直在不断的更新，目前已经到 v2.0.14 版本了，主要变化：
| 分类 | 特性 | v2.x 版本详细说明 |
|---|---|---|
| 数据库 | SQLite 存储 | 彻底弃用 LevelDB，改用 SQLite。显著降低了 RAM 占用，且数据一致性更高。 |
| 网络 | 多并发连接 | 设备间默认建立 3 个并发连接（1个元数据，2个数据流），解决了大文件同步时的拥塞问题。 |
| 日志 | 结构化日志 | 采用 Key-Value 格式输出，支持更细粒度的包（Package）级别调试日志。 |
| 存储策略 | 索引自动修剪 | 数据库会自动清理掉超过 15 个月 的已删除文件元数据，防止数据库无限膨胀。 |
| 同步逻辑 | 移除 Rolling Hash | 移除了效果不佳的滚动哈希检测，虽然减少了平移块的识别，但极大提升了扫描速度。 |
| 部署 | 环境变量配置 | 支持通过环境变量（Env Vars）完整覆盖配置文件，对 Docker/K8s 容器化部署更友好。 |
| 安全/维护 | 证明 (Attestation) | v2.0.14 开始加强了发布包的证明机制，确保跨平台二进制文件的来源可靠。 |
| 体验 | 无默认文件夹 | 首次启动不再强制生成 Default Folder，将配置权完全交给用户。 |
推荐更新。但注意如果有很多文件，从 v1 到 v2 的升级可能会消耗几十分钟。
frp 最近半年发布了三个小版本，主要更新如下：
| 版本 | 发布时间 | 主要新增功能 |
|---|---|---|
| v0.65.0 | 2025-09 | – XTCP 新增 NAT 穿透控制选项- 扩展 OIDC 客户端 TLS 与代理配置- 新增 proxy_counts_detailed 监控指标- 引入 Feature Gates（如 VirtualNet） |
| v0.66.0 | 2026-01 | – HTTPS 支持负载均衡组（loadBalancer.group）- 新增 enabled 字段，可禁用单个代理- OIDC 支持从文件或命令动态获取 token |
| v0.67.0 | 2026-01-31 | – 新增 clientID，服务端可识别客户端实例- Web Dashboard 全新 UI，支持暗色模式 |
如果你有一台带公网IP的设备作为 frp 服务器，那么依旧是很好的选择。
之前，青小蛙把稍后阅读、网络书签都迁移到了 Karakeep 上。然后没多久，Karakeep 3.0 就发布了。
Karakeep 0.29 强化了协作功能，0.30 强化归档与 AI 控制。
| 版本 | 关键更新 |
|---|---|
| 0.29.0 | 协作列表、自动备份、搜索自动补全、Highlights 重构、移动端增强、爬虫限速、支持 MyMind 导入 |
| 0.30.0 | PDF 归档、年度统计、阅读器跨设备同步、自定义头像、AI 标签样式自定义、可关闭自动标签/摘要、Matter 导入导出、批量删除、is:broken 搜索 |
这类工具原生有 API，支持 mcp，可以非常方便的与AI工具进行整合。
在去年11月份，Dalieba 同学就提到了 Collabora 公司发布了全新的 Collabora Office，基于 Collabora Online 开发而来，支持 Linux、Windows、macOS。采用标签页式视图以及与在线 Office 相同的界面设计，支持 OOXML 和 OpenDocument 文档格式。
前几天，Collabora Office 的首个桌面版本终于正式发布，可以编辑 ODF 或 DOCX。
拥有以下套件：
与 LibreOffice 的关系：目前 Collabora 已经是 LibreOffice 代码库最大的代码贡献者，Collabora 雇用了文档基金会的几位创始人以及许多顶级提交者。我们提供基于 LibreOffice 的长期支持产品，品牌为 Collabora Office Classic，并深深感谢并感谢与我们一起工作的许多熟练的社区贡献者，以及 LibreOffice 代码所支持的一系列令人难以置信的功能。
我中有你，你中有我！
作为著名的视频播放器，VLC 最近也有更新：
| 版本 | 更新内容 |
|---|---|
| 3.0.22 | 新增 Windows ARM64 原生构建支持；修复 Windows XP SP3 行为问题；多项解码器与播放器核心修复 |
| 3.0.23 | 修复 WebVTT 字幕定位问题；改进 FLAC 24bit 音频信息支持；多项安全修复（libass、Theora、PNG 等）；修复 D3D11 图像输出问题；改进 Qt 暗色模式显示；为 Qt6、FFmpeg8 等环境做适配准备 |
| 3.0.24（已出现暂未发布） | 新增 OpenAPV 解码支持（基于 FFmpeg8） |
上班时想要看手机不方便？在电脑前办公时常要用到一些手机 APP？或你是开发者，需要在电脑上测试手机应用？又或是想在电脑上管理手机文件，甚至希望能直接远程操控手机？
在 iOS 都推出了官方 iPhone 镜像功能，华为、小米等也有自家品牌的跨屏协同功能，你是否也希望能把任意品牌的 Android 安卓手机屏幕搬到电脑上使用？今天就给大家推荐一款简单好用的开源免费安卓无线投屏软件，能将手机屏幕投屏到电脑上进行控制的效率神器——Escrcpy！
「 前往查看原文.... 」
说到 BT 下载客户端，大家都诟病迅雷广告多，老牌 µTorrent 被收购后也开始塞广告，越做越臃肿；qBittorrent、BitComet 好像也停滞不前了；神器 IDM 又不支持 BT 下载。
折腾来折腾去，最后还是回到了经典的跨平台 Transmission——完全开源、零广告、不捆绑任何东西，甚至连个弹窗都没有。这次 4.x 版本更新，是它三年来最大的一次大版本跃升！加了不少实用功能，特别是新增支持“BT 边下载边播放”，预览小电影更方便了，值得去试试……
「 前往查看原文.... 」
最近 1Password 宣布全面涨价，引起了很大的热议。我们除了可以切换到 Sticky Password、EnPass、RoboForm 等替代品外，其实搭建自己的密码库也许是更好的选择。
对于有一定动手能力的同学，部署一个私有的 Bitwarden (Vaultwarden) 自托管密码管理器并不难。它开源免费，数据完全自主可控，同时支持手机电脑跨平台同步+浏览器一键登录插件，可以导入 1Password 或 Chrome 浏览器保存的密码。只需要一台 VPS 服务器 + 域名即可自建……
「 前往查看原文.... 」
无论是下载高清电影，还是用手机录制的视频，很多时候文件体积都非常巨大。收藏保存或分享时会比较麻烦，因此常备一款真正好用的免费视频压缩压制/格式转换软件是很有必要的。
网上视频处理工具非常繁多，收费免费的一大堆，很多人根本不知道怎么选。而在尝试过的软件中，我认为 Handbrake 可能是最好的开源免费跨平台视频压缩和格式转换软件了！作为一款万能视频转码压制工具 (压片/转换格式)，它不仅免费，还跨平台支持 Win、Mac、Linux 系统……
「 前往查看原文.... 」
不少人都被 iCloud、OneDrive 同步慢、空间贵折磨过。很多高手会推荐大家购买 VPS 服务器自己部署开源的「Syncthing」来同步文件。既免费跨平台，还能自己掌控数据，有着众多好处。
尽管 Syncthing 跨平台支持 Win、Mac、Linux 和 Android，但它多年来一直没有好用的 iOS 客户端。而 Synctrain 则是“新一代”专为 iPhone / iPad / Mac 重新设计开发的原生开源免费客户端，不仅速度快，且支持按需同步，真的能让 Syncthing 的文件同步体验上一个层次……
「 前往查看原文.... 」
带队发布 Qwen 3.5 小模型系列、获马斯克公开点赞，20 小时后在社交媒体宣告离职。林俊旸离开阿里的方式，本身就是 2026 年 AI 行业最戏剧性的一幕。
32 岁，阿里最年轻的 P10，一手将千问做到全球下载量超 10 亿次、衍生模型超 20 万款，成为全球开源模型的新王。他的离开源于一次组织架构调整的分歧：
阿里希望将 Qwen 团队按预训练、后训练、视觉、语音等维度水平拆分，与通义实验室其他团队合并；林俊旸则坚信预训练、后训练乃至基础设施团队应该更紧密地垂直整合，而非割裂。这不只是管理风格之争，更是对「怎样才能训出最好的模型」这个根本问题的路线分歧。
离开近一个月后，林俊旸发出了这篇长文。他没有回应任何人事风波，直接亮出了自己对 AI 下一阶段的判断：我们正在从「训练模型」的时代，进入「训练智能体」的时代。
这篇文章之所以值得逐字读完，不仅因为写它的人在过去两年亲手操刀了 Qwen 全系列的后训练，更因为林俊旸在文中罕见地复盘了 Qwen3 在「混合思考模式」上的得与失。
以下为 APPSO 对林俊旸的编译：
原文
https://x.com/JustinLin610/status/2037116325210829168
过去两年，彻底改变了我们衡量 AI 模型的方式。
OpenAI 的 o1 证明了一件事：「思考」可以是模型的核心能力，可以专门训练出来、直接交到用户手里。DeepSeek-R1 紧随其后，证明这种「推理式后训练」并非大厂专利，可以在原始实验室之外复现和扩展。用大白话说：o1 是一个被教会了「回答之前先想想」的模型，R1 则是一个开源版的同类选手，跟 o1 打得有来有回。
那个阶段很重要。但 2025 年上半年的行业主旋律，说到底还是在围绕一件事打转：怎么让模型「想」得更多。 让它在推理阶段烧更多算力，用更强的奖励信号训练它，暴露或控制那些额外的「思考过程」。
现在的问题是：然后呢？
我相信答案是智能体式思考。为了行动而思考，一边跟真实环境交互，一边根据世界的反馈不断修正计划。
第一波推理模型教会我们一个朴素的道理：想在大模型上把强化学习跑起来，你得有靠谱的评分标准。
什么叫靠谱？就是答案能判对错、结果能验证、反馈信号足够清晰。数学题有标准答案，代码能跑测试，逻辑推理能验证步骤。这些领域之所以成了强化学习的主战场，就是因为在这里，模型收到的奖励信号远比「让人类标注员觉得这个回答还不错」强得多。换句话说，强化学习终于能优化正确性，终于不用只追求看着像那么回事了。
然后，基础设施的重要性一下子凸显出来了。
一旦你开始训练模型进行更长的推理链条，强化学习就不再是在监督微调上面加个小配件那么简单了，它变成了一个重工业级的系统工程。你需要大规模的模拟推演（rollout）、高吞吐量的答案验证、稳定的策略迭代、高效的采样流程。推理模型的诞生，表面看是算法突破，底下看是基础设施的胜利。
OpenAI 把 o1 定义为用强化学习训练的推理产品线；DeepSeek R1 接棒验证了同一方向，同时也展示了推理式强化学习对底层算法和基础设施的要求有多高。
APPSO 划重点： 第一次大转折发生了。行业焦点从「扩展预训练」转向「扩展面向推理的后训练」。模型变强靠的不再是吃更多数据，靠的是在训练后阶段学会「怎么想」。
2025 年初，我们 Qwen 团队心里有一张很大的蓝图。
理想中的系统长这样：一个模型同时搞定「思考」和「执行」两种模式。你可以手动调节它思考的深度，轻度、中度、深度，就像调空调温度一样。更理想的情况是，模型自己就能判断：这道题简单，直接答；这道题有点难，多想想；这道题极难，调动全部算力来啃。
方向是对的。Qwen3 是当时最清晰的公开尝试之一。 它引入了「混合思考模式」，一个模型家族里同时支持「想了再答」和「直接答」两种行为，还描述了一条四阶段后训练流水线，其中明确包含了在长链推理冷启动和推理强化学习之后的「思考模式融合」步骤。
但融合这件事，说起来一句话，做起来要人命。
难在哪？难在数据。
很多人一听「融合思考和指令模式」，脑子里想的都是模型层面的事：一个模型文件能不能同时跑两种模式？一套对话模板能不能在两种风格之间切换？一个推理服务能不能暴露正确的开关？这些确实要解决，但都不是最深的坑。
最深的坑是：两种模式想要的东西，从根儿上就不一样。
你想想，一个好的「指令模型」该长什么样？干脆、简洁、格式规范、响应快。企业用户拿它来批量改写文本、打标签、做模板化客服、结构化数据提取，这些场景要的是效率和稳定，不需要深思熟虑。
一个好的「思考模型」呢？恰恰相反。它该在难题上多花时间、维持清晰的推理中间步骤、探索不同的解题路径、保留足够的「思考余量」来确保最终答案的正确性。
这两种性格天然打架。 如果融合的训练数据没有精心设计，出来的模型往往两头不讨好：思考的时候啰嗦、犹豫、不够果断；执行指令的时候又不够利落、不够稳定、比客户真正需要的版本更贵更慢。
说实话，我们在平衡融合与数据质量的过程中，没有把所有事情都做对。
在不断修正的过程中，我们也仔细观察了用户到底怎么用这两种模式。结论是明确的：这两种行为画像确实在相互拉扯。
现实很诚实。2025 年晚些时候，在 Qwen3 最初的混合架构之后，我们的 2507 版本还是发布了独立的 Instruct 和 Thinking 版本，包括分开的 30B 和 235B 变体。大量商业客户根本不需要思考模式，他们要的就是高吞吐、低成本、高度可控的指令行为来跑批量任务。对这些客户来说，融合不是福音，是多余的成本。拆开来做，反而让两条线的团队都能更专注地解决各自的问题。
其他实验室走了相反的路：
Anthropic 公开押注集成式路线。Claude 3.7 Sonnet 是一个混合推理模型，用户可以选择普通回复或扩展思考，API 还能设定「思考预算」。Anthropic 直接放话：推理应该是模型的集成能力，不该单独拎出来做一个独立模型。
GLM-4.5 同样定位混合推理，把推理、编程和智能体能力统一到一个模型里。
DeepSeek V3.1 后来也做了类似的事，推出了「Think & Non-Think」混合推理方案。
那么问题来了：谁是对的？
答案不在「融合」还是「分离」这个二选一本身，在于融合是否有机。如果思考模式和指令模式只是尴尬地挤在同一个模型里，像两个性格迥异的人被硬塞进一件衣服，用户体验不会好。
真正成功的融合，需要一道平滑的光谱：模型能自如地在不同推理力度之间切换，最好还能自己判断该用多大力气。GPT 风格的 effort control（推理力度控制）指向了这个方向，这是一个关于「花多少算力来想」的连续策略，不是一个「想 / 不想」的二元开关。
APPSO 划重点： 林俊旸罕见地直言 Qwen3 在融合上「没做到完全正确」。核心矛盾其实很好理解：一个追求快准狠的执行者，和一个追求深思熟虑的思考者，硬融到一起，很容易两头都做成半吊子。
Anthropic 在 Claude 3.7 和 Claude 4 上的做法，是一种值得注意的克制。
他们没有大谈模型有多能「想」，把重点放在了：集成推理、用户可控的思考预算、真实世界任务、编程质量，以及后来的关键一步，让模型在思考的过程中就能动手用工具。Claude 3.7 是带可控预算的混合推理模型；Claude 4 更进一步，推理过程和工具使用可以交错进行，边想边干。与此同时，Anthropic 把编程、长时间运行的任务和智能体工作流摆到了最优先的位置。
这里面有一个深刻的洞察：
推理链更长，不等于模型更聪明。 很多时候恰恰相反。一个模型如果对所有问题都用同样冗长的方式来「推理」，说明它根本分不清轻重缓急。它可能正在失败于三件事：该优先处理什么（优先级判断）、该压缩掉什么（信息浓缩）、该在什么时候停止想而开始做（行动决策）。
Anthropic 的做法暗示了一种更有纪律的观点：思考应该为具体的工作目标服务。 如果你要做的是编程，那思考就该帮你导航代码库、规划架构、拆解问题、恢复报错、编排工具调用。如果你要做的是智能体工作流，那思考就该帮你在漫长的执行过程中保持质量，而不是产出一堆令人印象深刻但没有实际行动力的中间长文。
这种「思考必须服务于行动」的理念，指向了一个更宏大的命题：
我们正在从训练模型的时代，进入训练智能体的时代。
这句话我们在 Qwen3 的博客里也明确写过。智能体是什么？一个能制定计划、决定何时行动、使用工具、感知环境反馈、修正策略、并在长时间跨度上持续运作的系统。一句话概括它的核心：与真实世界的闭环交互。
APPSO 划重点： 长不等于强。Anthropic 的实践提供了一个重要的纠偏信号。思考的价值在于有没有真正服务于最终的行动目标，不在于产出了多少字的推理过程。这是从「炫技式推理」到「实用型思考」的转向。
说了这么多铺垫，现在进入正题。
智能体式思考和推理式思考，优化目标完全不同。
打个比方：推理式思考就像闭卷考试，评判标准是你交卷那一刻答案对不对。模型能不能解出定理、写出证明、产出正确代码、通过基准测试。想得再天花乱坠，最终只看结果。
智能体式思考更像是在真实世界里做一个项目。 评判标准不是某一刻的答案，是你能不能在跟环境不断互动的过程中持续推进、持续解决问题。
核心问题变了。
不再是「模型能想多久？」，变成了：「模型能不能以一种维持有效行动的方式来思考？」
这要求模型处理一堆传统推理模型可以绕开的难题：
如果用一句话概括：
智能体式思考 = 通过行动来推理的模型。它在做的过程中不断地想。
APPSO 划重点： 推理式思考像闭卷考试，智能体式思考像在真实世界里做项目。前者看最终答案对不对，后者看你能不能在复杂、动态、充满意外的环境里持续推进。这是 AI 能力评价体系的根本性转向。
目标一变，底层的工程全都要跟着变。
经典推理强化学习的那套基础设施，不够用了。
直观地理解一下区别：在推理 RL 里，模型做一道题、给出一个答案、评估器打一个分，整个过程基本上是自包含的，评估器也相对干净。就像在一个封闭的考场里阅卷。
但在智能体 RL 里，模型不是在考场里答题，它活在一个复杂的真实环境中。 工具服务器、浏览器、命令行终端、搜索引擎、模拟器、代码执行沙箱、API 接口、记忆系统、调度框架……模型的策略嵌在这一整套系统里。环境不再是一个站在旁边打分的裁判，它本身就是训练系统的一部分。
这带来了一个新的硬需求：训练和推理必须更干净地解耦。 否则整个系统的吞吐量会崩掉。
举个具体的例子：一个编程智能体生成了一段代码，需要在真实的测试环境里跑一下看结果。这时候，推理端在等执行反馈，干不了别的；训练端在等完成的轨迹数据，也饿着。整条流水线的 GPU 利用率远低于你在经典推理 RL 里的预期。再加上工具响应延迟、环境状态不完全可见、每次交互都会改变环境状态，这些低效会成倍放大。结果就是：你还远没达到想要的能力水平，实验就已经慢得让人崩溃了。
环境本身也变成了一等公民级的研究课题。
在监督微调（SFT）时代，所有人都在拼数据多样性，谁有更多更好的标注数据，谁就占优势。在智能体时代，该拼的是环境质量了：环境稳不稳定？够不够真实？覆盖了多少场景？难度梯度合不合理？状态空间够不够丰富？反馈信号够不够有营养？模型能不能找到漏洞作弊？大规模生成训练轨迹的效率够不够高？
环境构建正在从一个「顺手搭的实验配件」，变成一个独立的创业赛道。如果你训练的智能体最终要在类生产环境中运作，那这个环境本身就是你核心能力栈的一部分。
APPSO 划重点： 一句话总结这个转变，SFT 时代拼数据，智能体时代拼环境。构建高质量的训练环境，正在从「实验室的脏活累活」升级为「决定你能走多远的战略资产」。
我的判断是：智能体式思考将成为思考的主导形态。
它最终很可能取代那种旧式的静态独白推理，就是那种模型关起门来、对着自己嘟嘟囔囔写一大篇内部推理过程，试图用更多更多的文字来弥补「我没法跟外界交互」这个根本缺陷的做法。
即便面对极其困难的数学或编程问题，一个真正先进的系统也应该有权利去搜索、去模拟、去执行、去检查、去验证、去修正。目标是把问题切实解决掉，而且解决得稳健、高效。 不是比谁的推理链写得更长更好看。
但训练这类系统，有一个比什么都棘手的挑战：奖励劫持（reward hacking）。
一旦模型有了真正有意义的工具使用能力，奖励劫持的危险就成倍增加。怎么理解？
这就是智能体时代比推理时代精细得多、也危险得多的地方。 工具越强大，模型越有用，但模型能钻的空子也越多。更好的工具同时扩大了「虚假优化」的攻击面。
我预期，下一个让整个行业卡住的研究瓶颈，将来自这几个方向：环境设计、评估器鲁棒性、反作弊协议、以及策略与世界之间更有原则的接口。
但方向是清晰的：工具赋能的思考，就是比闭门造车的思考更有用，也更有希望带来真实世界的生产力提升。
智能体式思考还意味着一种全新的系统工程。核心智能将越来越多地来自于多个智能体如何被组织起来：一个负责全局规划和任务分发的编排器（orchestrator），一群各有专长的专业智能体（specialist agents），以及执行更具体任务的子智能体（sub-agents），后者帮助控制上下文窗口、防止信息污染、在不同层级的推理之间保持清晰的边界。
未来的路线图是三级跳：从训练模型，到训练智能体，再到训练系统。
APPSO 划重点： 工具让模型更有用，也让模型更容易作弊。奖励劫持是智能体时代的「定时炸弹」。谁先解决好环境设计和反作弊问题，谁就掌握了下一阶段的竞争主动权。
推理浪潮的第一阶段，确立了一件至关重要的事：当反馈信号靠谱、基础设施扛得住的时候，大模型上的强化学习能够产出质变级别的认知提升。
但更深层的转变，是从推理式思考到智能体式思考：从「想更久」，到「为了行动而思考」。
训练的核心对象已经变了。不再是单一的模型，是模型 + 环境构成的整个系统。更具体地说，是智能体本身，加上围绕它的一切工程。这意味着什么研究最重要也变了：模型架构和训练数据当然还重要，但环境设计、rollout 基础设施、评估器鲁棒性、以及多个智能体之间的协调接口，重要性一点不输前者。
它还改变了「好的思考」的定义：在真实世界的约束下，能够维持有效行动的那条推理链，才是最好的。 不是最长的那条，不是看起来最酷炫的那条，是最有用的那条。
它也改变了竞争优势的来源：
推理时代，拼的是更好的强化学习算法、更强的反馈信号、更可扩展的训练流水线。
智能体时代，拼的是更好的训练环境、更紧密的训练与推理一体化、更强的系统工程能力，以及闭合「决策 → 后果 → 学习」这个循环的能力。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
登录