中國開源模型竟然打敗 Fable 5 跟 GPT 5.6?

訂閱 | 合作收聽 Podcast |線上課

歡迎熱愛AI 的你


大家週日快樂~

這週 AI 圈真的很精彩!

一邊是中國開源模型直接正面挑戰 Fable 5 和 GPT 5.6,還有如果你平常有在用 Claude,這期我也整理了 5 個現在很值得安裝的 Skills;最後還會分享一套我最近很喜歡的 AI 使用思維


今天要分享的重點:

  • 中國的開源模型打敗了Fable 5 跟GPT 5.6

  • AI 養老正在成真?你的孤單能交給機器人嗎

  • 5 個現在必需安裝的Claude Skills

  • 從 AI 新手到 AI 高手,只要 4 個步驟

那我們開始吧!


閱讀時間 5 分鐘


🗞️最新消息

🤖 中國的開源模型打敗了Fable 5 跟GPT 5.6

S: Kimi K3 這次在 Arena 的程式編寫榜衝上第一,贏過 Fable 5 和 GPT-5.6。綜合智慧指數也排到第三。

重點摘要:

中國的 AI 模型 Kimi K3 在兩個國際排行榜同時拿下第一,贏過 Claude 和 GPT。開源模型第一次做到這件事。
它是目前公開釋出過「規模最大」的 AI 模型,而且 7 月 27 日之後,任何人都可以免費下載整個模型回去自己用。

- 這邊試試KIMI

細節:

做這個模型的公司叫月之暗面,在北京阿里巴巴有投資。
它厲害的地方在於「大,但不笨重」:模型本身很大,但每次回答只動用一小部分,所以跑起來不貴。它一次可以讀完大概十本書的量,文字、圖片、影片都能看懂。

能力上,它略高於 Claude 目前最強的付費模型;但價格只要三分之一
而且發表時間還選在上海世界AI 大會開幕前一天

為何重要:

OpenAI 和 Anthropic 今年都要上市了,估值接近一兆美元。這個價碼的前提是:他們的模型一直是最強的,而且大家一直願意付錢。
Kimi K3 同時打到這兩點:能力追平,價格只要三分之一,而且還免費開放下載。
更關鍵的是,它不是唯一的特例

中國實驗室一家接一家用這種速度追上來。要買這些股票的投資人,現在得想清楚:如果最強的 AI 不再只有美國做得出來,這些公司還值一兆美元嗎?


 🚀五個必裝的Claude Skills



我認真覺得 Skills 是一個很被低估的東西之一
只有用過你才會知道他的強大。


Skill 最簡單的說法就是:給 AI 用的 SOP
設定一次,它就會永遠用同樣的方式把那件事做好。

而且你甚至不用自己做。網路上到處都有人針對自己的專業領域做好了 skills,你直接拿來裝就好,現在已經有超過十萬個。自己做或直接用別人的都行。Skills 以前只有 Claude 能用,現在 Claude 和 ChatGPT 都支援,所以下面這些不管你用ChatGPT or Claude 都可以裝

安裝方法:從下面挑一個適合你的 skill,複製 GitHub 連結,貼到 Claude 或 ChatGPT,然後說「幫我安裝這個」。

它會自己去找到這個 skill、從網路下載、幫你設定好。

1. Stop-Slop

強制 AI 把寫出來的東西「人味化」,去掉所有明顯的 AI 痕跡,

像是破折號和贅詞,讓你的文字讀起來像真人寫的。


github.com/hardikpandya/stop-slop

2. Claude Mem



讓 AI 擁有跨對話的記憶,記住你的專案和檔案



github.com/thedotmack/claude-mem

3. UI UX Pro Max


載入超過 50 種 UI 風格和 99 條 UX 準則的資料庫

讓它設計出來的東西看起來專業,而不是一眼就看出是 AI 做的。

github.com/nextlevelbuilder/ui-ux-pro-max-skill

4. Task Observer

安靜地觀察你的工作方式、學習你的風格

在背景默默改進你其他所有的 skills


github.com/rebelytics/one-skill-to-rule-them-all

5. Find Skills


負責找到其他 skills 的那一個。告訴它你在做什麼

它會搜尋整個 skills 庫、幫你挑出對的、然後代你安裝。

github.com/vercel-labs/skills

 🤖 AI 養老正在成真?你的孤單能交給機器人嗎

當你老了,第一個發現你跌倒的,可能不是家人,而是一套 AI。面對高齡化、少子化與照護人力短缺,AI 養老已經不再只是科幻想像。從毫米波感測器、跌倒預測、陪伴型機器人,到能主動安排照護的 AI Agent,科技正在一步步進入我們的晚年生活。

歡迎收聽 S的 AI 研究所 第四集 Podcast~

開始收聽 (apple podcast 跟 Spotify 都有)

🤖 AI 新手到高手,只要四個步驟

OpenAI 官方發明了一個新的提示詞方法叫 Outcome-first prompting

概念其實很簡單,相較於之前一步一步告訴 AI「你要先做什麼、再做什麼」,可以直接告訴它:

「我要的最終結果是什麼。」

然後讓 AI 自己找出最好的方法達成。

我覺得大家可以這樣想:

假設你今天請了一個 IQ 300 的員工,你會站在他旁邊,一步一步告訴他「現在按這個按鈕、接著點那裡」嗎?

當然不可能

你只會告訴他目標是什麼,然後讓他自己想出最聰明的方法完成。

現在的 AI 模型,其實就越來越像這樣的員工。

那些真正能用 AI 做出驚人成果的人,早就不再「微管理 AI」,而是開始學會把任務真正委派給 AI。

不過一個好的 Prompt 還是有它的基本結構。

只要把這四件事告訴 AI,它就能更準確地理解你真正需要什麼。

1. 給它「最終成果(Outcome)」


先告訴 AI:

你最後到底想得到什麼?

而且要描述清楚,你心目中「完成的樣子」是什麼。

只要 AI 知道終點在哪裡,它就能從結果反推,找出怎麼帶你走到那裡。

2. 給它「任務(Task)」

任務一定要具體

例如:

「幫我找到 50 個最符合我理想客戶條件的潛在客戶。」

一定比:

「幫我找更多客戶。」

有效得多

3. 給它「背景資訊(Context)」

我發現到這是最多人會漏掉的一步

把你的文件、品牌語氣、參考資料,或任何能幫助 AI 理解你目前情況的資訊提供給它。

AI 知道的背景越完整,給你的答案通常就會越準確。

4. 給它「輸出格式(Format)」

直接告訴 AI:

你希望答案最後長什麼樣子。

例如:

Excel 試算表、條列式清單,甚至可以直接說:

「請用國中一年級學生也能理解的方式解釋給我。」

只要做好這四件事,你得到的 AI 回答,可能一夜之間就提升 200%。

最後再分享一個小技巧。

在 AI 開始工作之前,加上一句:

「開始之前,如果你還需要任何資訊,先問我問題。」

這樣 AI 就會先把不確定的地方問清楚,而不是直接猜。

最後得到的成果,也會更接近你腦中原本想像的樣子。

我也整理了一套完整的 Prompt 框架,包含每一個步驟的實際範例,連結就在下方。

最後再加一個技巧

在 Prompt 最後加:

「開始執行前,如果缺少任何會影響結果的重要資訊,先向我提問。」

這可以避免 AI 在資訊不足時直接自己假設。

恭喜你讀完了!今天又成長了一些

在你離開之前,我們想聽聽你的想法!
希望能讓你的體驗更好 🤖

你覺得今天的電子報怎麼樣?

Login or Subscribe to participate in polls.

下期再見囉!

Selina