myce · 把资料变成能对话的智能体
myce.bot

个人知识库 · 智能体 · 模型与硬件数据

把资料变成能对话的智能体

myce 是一个本地优先的知识库客户端。把资料收进来,理一理,这个库就长成一个只聊这件事的智能体。索引和原文都留在你自己的机器上,不上传。

这个站是我记下来的东西:模型出了什么新款,哪台机器跑本地模型更快,钱花在哪划算。数字后面都挂着出处,你可以自己点开核。

最后更新 2026-11-02 · 数字取自当天查过的来源链接

产品

一个库,长成一个能对话的智能体

Windows v1.2.0 · iOS 1.0.2

myce 这个名字取自菌丝(mycelium)。菌丝在地下把一棵棵树的根连成网,养分顺着它走。

资料也是散的:硬盘里一部分,笔记软件里一部分,收藏夹里还有一部分。收进一个库,它们才连得起来,这个库才答得上话。

  1. 01文件、笔记、网页,一起拖进一个库
  2. 02这个库长成一个智能体
  3. 03问它,答案只从库里来
myce 知识库 智能体

对话

本机跑 LM Studio 或 Ollama,也可以填一个云端 API 地址。哪句回答有用,可以顺手存进知识库。

本机模型 · 云端 API

知识库

建库,整个文件夹导进来,导出是一个 .myce-kb 文件。索引和原文都在本机。

.myce-kb

智能体

换一个库,就换一个只懂那件事的对话对象。

从库生成

知识交换

.myce-kb 可以发给别人,别人理好的库也能导进来。收发都是这个格式,不用转。

导入 · 导出

命令行

一个模块一条命令,输出 JSON,脚本和别的框架都能直接用。

JSON 输出

数据在本机

断网也能用。真需要更强的模型,再接到云端。

离线可用

下载

装在自己的机器上

Windows v1.2.0 · 绿色免安装

Windows 桌面版

解压就能跑,不用先装运行库。第一次打开会问你要用哪个模型:本机的 LM Studio、Ollama,或者填一个云端 API 地址。

myce-windows.zip · 约 13 MB

下载 Windows 版

iOS

iPhone 和 iPad 直接在 App Store 装,免费,不用另外配后端。

v1.0.2 · iOS 15 及以上 · 35 MB

在 App Store 下载

命令行

CLI 跟桌面版一起装。一个模块一条命令,输出 JSON。

随桌面版附带

自己部署后端

几台设备想共用一份库,可以用 Docker 起一个服务。上传下载、智能体对话、镜像,都在里面。

Docker Compose · REST

资讯

最新文章

10 篇

智能体 · 更新

DeepSeek Harness 更新到 v0.2.2-alpha.3,补上代码审查和任务管理

Harness 在 GitHub 悄悄推了 v0.2.2-alpha.3 预发布版:新增实验性的变更请求与工作树入口,在文件树里看本地代码和 PR 差异,选中片段连同评论交给 Agent;apply_patch 一次调用改多个文件,默认关闭;自动化任务挪到 Host 层统一管理,不再绑在单个会话上。仍是预发布,没有桌面安装包。更新前一天 DeepSeek 网页和 API 部分中断,网友照例猜「逢崩必更」,这次官方没提新模型。

智能体 · 发布

DeepSeek 发布 Super-Agent:不用你开口就动手的开源编程智能体

DeepSeek Harness 团队的一个原型会盯开发者群里的讨论,发现代码问题就主动提出改法,不用等提示词。代码已开源。发布时没给跑分,也没写许可证。

大模型 · 发布

Google Gemini 4 Carbon 登顶 Artificial Analysis 指数

它在 Intelligence Index v5.0 上得 59 分,高于 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。首批通过 Fairwind 计划开放给部分网络安全防御方,预计几周后全面开放。尝鲜价每百万 token 输入 2 美元、输出 10 美元。

智能体 · 电商

DoorDash:AI 智能体下的单只有几百笔

DoorDash 在第三季度财报电话会上说,第三方 AI 智能体带来的订单只有几百笔,在日均单量里占比很小。购物智能体真有多少人在用,这是最早的一批数字。

机器人 · 产品

发短信订餐的智能体上线,主打隐私的助手应用关停

Zest 通过短信帮你找餐厅、订位,用 Plaid 读信用卡账单来做推荐,还能让一群人在同一个对话里投票。另一边,主打隐私的助手应用 Ollie 融资没到位,用户也不够,停运了。

大模型 · 开放权重

Mistral 开放 Large 4 权重,参数规模一万亿

这个多模态混合专家模型有三种推理模式。Mistral 称它在 Artificial Analysis 编程智能体指数上得 48%,与 GLM-5.3 大致齐平,而每个任务少用 47% 的 token。这些都是 Mistral 自己的数字,来源也提醒,要在自己的负载上核算成本。

智能体 · 发布

GitHub Copilot Fusion 正式开放

Fusion 把每个请求分给一个模型或几个模型的组合,并自行决定推理强度,所以你要选的是强度,不是模型。所有 Copilot 套餐都包含,不另外收费;付费套餐的模型费用还在限时打七折。GitHub 称 Fusion Max 在 Artificial Analysis 编程智能体指数上得 60 分,与跑 Opus 5.5 Max 的 Claude Code 相差两分以内,每个任务的成本约为它的一半。这些是 GitHub 自己的数字。

硬件 · 定价

Apple 公布 512GB Mac Studio 定价:22,299 美元

M5 Ultra 配 512GB 统一内存和 1TB 存储,售价 22,299 美元;单是内存从 96GB 基础款升上来就要多付 15,500 美元。预计 11 月底到 12 月初到货。

大模型 · 发布

月之暗面 Kimi K3.1 Pro 上线,上下文 100 万 token

API 于 10 月 23 日开放,每百万 token 输入 2 美元、输出 10 美元。月之暗面给出的总参数是 2.8 万亿,每个 token 约激活 1040 亿,并称 11 月 4 日前会开放权重。

硬件 · 定价

DGX Spark 128GB 涨到 6,950 美元,64GB 版以 4,999 美元上市

英伟达这款 128GB 机型大约一年前以 3,999 美元上市,ServeTheHome 把涨价归到内存价格上涨上。64GB 版从 10 月 23 日起经 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 出货,两台互联可凑成 128GB,总价约 8,000 美元。

榜单

模型榜单

Artificial Analysis Intelligence Index v5.0 · 2026-11-02 取数 · 点表头可排序

模型

来源:Artificial Analysis 榜单,取前 12 条。Index v5.0 于 2026 年 10 月 27 日发布,由九项评测合并而成。每条是一个模型加一种推理强度设定,设定写在括号里。每任务成本是 Artificial Analysis 给出的美元数字,速度取输出速度的中位数。Gemini 4 Carbon 刚发布时只有受限访问。分数由第三方给出,指数更新时会变。

硬件

在自己家里跑模型

规格、价格与实测速度 · 2026-11-02 取数

Apple Mac Studio

M5 Max 最高 128GB 统一内存,带宽 614 GB/s,起价 2,499 美元。M5 Ultra 是 30 核 CPU、64 核 GPU,可以配到 36 核 CPU、80 核 GPU;内存 96GB 起,往上还有 256GB 和 512GB,带宽 1.2 TB/s。96GB 的起步配置 5,499 美元。

512GB 内存配 1TB 存储的整机是 22,299 美元。这个数别拿基础价加内存差价去推:光内存那一项就占 15,500 美元,剩下还有存储和芯片规格的差别。

Apple 说 M5 Max 在 LM Studio 里处理提示词,最高比 M4 Max 快 3.9 倍——这是 Apple 自己测出来的最好情况。

Apple Newsroom,8 月 25 日 · 9to5Mac,10 月 28 日 · unwire.hk 实测,9 月 21 日

NVIDIA DGX Spark

128GB 统一内存,LPDDR5x,带宽 273 GB/s,能跑 CUDA。128GB 那款现在 6,950 美元,刚上市时是 3,999 美元;64GB 版起价 4,999 美元。

ServeTheHome,10 月 3 日 · Spheron

AMD Ryzen AI Max+ 395

迷你主机,最高 128GB 统一内存,下面那台测试机用的是 LPDDR5x-8000。2026 年 3 月,128GB 机型标价大约 2,400 到 3,200 美元。来源说这是内存涨价带动的,现在恐怕不是这个价了。

Liliputing,3 月 24 日当时的价格

独显整机

模型装得进显存时很快。装不进就掉得厉害:一台 RTX 4080 跑 gpt-oss-120b,按 78% CPU、22% GPU 切分,解码只有 12.45 token/s。

Spheron,10 月 7 日
机器,gpt-oss-120b 解码 tok/s 预填充 tok/s 配置 来源
NVIDIA DGX Spark 128GB 统一内存411,159Ollama, MXFP4Spheron
Mac Studio 未注明机型34,长上下文时降到 6未注明Ollama, MXFP4Spheron
RTX 4080 加系统内存 CPU 78% / GPU 22% 切分12.45969Ollama, MXFP4Spheron
Ryzen AI Max+ 395 128GB LPDDR5x-800052404llama.cpp b8123, Vulkan, Q4_K_MFrom the Matrix,3 月 5 日

这几行出自不同的测试,后端、量化方式、日期都不一样,不能当同场对比看。Spheron 也说,目前没有公开测试把 DGX Spark 和 M5 Ultra 版 Mac Studio 放在一起跑过。Ryzen 那台用的是 7,624 token 的摘要提示词,作者自己讲每次跑出来的数字都会小幅浮动。Mac Studio 那一行原测试没写机型,不能当成 M5 Ultra 的数字。

模型,Mac Studio M5 Ultra MTPLX 环境,测试机 256GB / 4TB 架构与量化 解码 tok/s 首字等待 内存占用 同款模型在 M3 Ultra
Qwen 3.8 27B Optimized Quality27B Dense,Dynamic 8-bit80.30.54 秒33.7GB56.4 tok/s
首字 1.50 秒
Qwen 3.8 Flash-Next Optimized Speed125B-A6B MoE,Dynamic 4-bit稀疏注意力 8bit1140.43 秒109.4GB69.4 tok/s
首字 1.10 秒

这是评测方自己跑的,不是厂商数据,也不能算同场对比:两行模型不同、量化不同,跟上面 gpt-oss-120b 那张表更不能混着看。测的是一道改编自 LeetCode Hard 的 Python 调试题,程序里预先埋了两个逻辑错误,让模型找出来改对;两台机器都开新会话、缓存未命中、MTP 深度 3、推理强度 auto,比的是生成速度,不是整题耗时。同场测到的内存带宽:M3 Ultra 688.47 GB/s,M5 Ultra 1,035.82 GB/s(StreamBench GPU Triad),内存占用是评测当时的读数。跑 27B 时 GPU 功耗约 67.7W,跑 Flash-Next 约 48.0W,比 M3 Ultra 各高约 6%。

方法

这些数字是怎么来的

每张表、每篇文章照这几条来

先给来源

每个数字链到它原来待的那一页,每张表标出哪天取的数。

链接 + 取数日期

谁测的,写清楚

厂商测自己产品的数字,标成厂商自报,不和第三方结果混在一张表里。

标明:厂商自报

一样的东西才比

模型、量化方式、后端三者一致,才放一起比速度。不一致就并排摆,旁边写清差在哪。

模型 · 量化 · 后端

分数要配价格

分数高但贵得离谱,或者便宜但答不对,都没什么意义。指数得分和每任务花多少钱,放一起看。

指数得分 + 每任务美元

没写的,不替它补

许可证、日期、配置,来源没写就在表里写「未注明」,不按经验补一个数上去。

没写就是没写

订阅

每周摘要

一周一封。几条值得读的,和这周动过的数字。

暂时没法一键订阅。想先聊两句,写信到 mycebot@gmail.com。