代码解释器，很强大。刚刚尝试了一下，让它自己去网上找图给我换了个壁纸。写了一个面向小白的简单教程：

继续玩ChatGPT的代码解释器上瘾了，尝试了一下数据分析功能，卧槽，真的牛皮。

继续玩ChatGPT的代码解释器上瘾了，尝试了一下数据分析功能，卧槽，真的牛皮。我的AIGC周刊是在竹白上更新的，而竹白的用户订阅数据是可以导出的，我就想看看能不能从里面找到一些比较有用的数据和规律。下面是具体的分析过程：导出的文件都是json格式的，刚开始我把订阅用户的邮箱文件发给它，想看一下订阅用户中不同类型的邮箱的比例，显然他完成的很好因为这个json文件里只有邮箱地址。从结果来看跟预期的差不多Gmail占了40%第二大的就是QQ邮箱占18%。之后就是比较复杂的挑战了，我把包含所有用户的json文件发了一下，这个json的格式就比较复杂了。然后我先让它分析了一下订阅用户订阅渠道的数量和比例，微信订阅还是多，大概是邮箱的两倍多一点。还有2%的同学两个渠道都订阅了，可能是怕我跑了。哈哈最后是比较深入的分析，我让他分析了一下最近一个月订阅用户增长的趋势。这里有一个比较有意思的事情是，由于不能联网它不知道现在的时间，我让他分析最近一个月的数据，他给了我22年12月的。我补充了现在的日期以后就没问题了。这里我原本因为会在周一的用户增长比较多，没想到是周三和周四。神奇。之后我又想看一下最近半年每个月的趋势，这里可能是数据量有点大，它失败重试了好几次才搞定。这里最后的数据跟我想的差不多，基本上跟AI相关热度的趋势是一样的，三月份最高，然后逐渐降低。最近差不多见底了。

开通了Claude Pro尝试了Claude 3 Opus，我拿他主要做了三个测试，确实很强。

开通了Claude Pro尝试了Claude 3 Opus，我拿他主要做了三个测试，确实很强。首先用宝玉的翻译提示词尝试了一下复杂英文内容的翻译，Claude 比GPT-4做的好，他会主动对没有排版的内容进行分段和排版时其更加的易读。之前GPT-4从来没有主动进行过这种操作。翻译结果也比GPT-4更加顺畅。然后我用一个样式比较复杂的设计稿组件截图让他还原，在我强调了需要还原样式之后，他对样式细节处理的非常好，相当接近设计稿了，GPT-4之前一直搞不定设计稿细节。最后是多模态，我找了一个论文的一部分让他解读，分析的也很清楚，不过给出的信息没有GPT-4丰富，感觉多模态还需要加油。

DeepSeek-V2 这个模型确实很强，尝试了一下我日常的任务都能胜任。

DeepSeek-V2 这个模型确实很强，尝试了一下我日常的任务都能胜任。主要是太便宜了，开放平台送的十块钱总共有 500 万 Token 。冲个五十块钱估计够我用好几年。模型为 MOE 架构总参数 236B 激活参数 21B，开源版本上下文 128K，API 上下文 32K 。在8卡H800机器上，输出吞吐量超过每秒 5 万 Token。模型权重下载：

，一个ChatGPT 代码解释器的开源（LangChain ）实现。

，一个ChatGPT 代码解释器的开源（LangChain ）实现。使用 CodeBoxes 作为沙盒 Python 代码执行的后端，可以使用自己的 OpenAI API 密钥在本地运行除 LLM 之外的所有内容。

吊炸天Mobile ALOHA的硬件非常强大。我们昨天把它带回家并尝试了更多任务！它可以：

吊炸天 Mobile ALOHA的硬件非常强大。我们昨天把它带回家并尝试了更多任务！它可以： - 洗衣服 - 自充电 - 使用真空吸尘器 - 水生植物 - 装载和卸载洗碗机 - 使用咖啡机 - 从冰箱里拿出饮料并打开啤酒 - 打开门 - 和宠物一起玩 - 扔掉垃圾 - 打开/关闭灯项目网址： િી 感觉我们这代人以后养老要靠这玩意了。洗衣服、逗猫、煮咖啡准备早餐、洗碗都行。基本家务基本上通过家电搭配机械臂机器人完成。

，一个基于 GPT-4 的大胆尝试，让 AI 重写整个项目代码，实现所有代码框架、编程语言的迁移。