这是某种规模较小的模型可能无法生成的内容。今天，我们将测试蚂蚁集团推出的 Ling 3.0 Tiny 模型。这是一个有趣的模型，因为正如名字所示，它非常小，拥有 79 亿参数。然而，它是一个混合专家模型，因此只有 13 亿参数处于激活状态。开发该特定模型家族的蚂蚁集团最近还发布了一个拥有 1240 亿参数的混合专家模型，名为 Ling 3.0 Flash。他们先发布了该模型，起初仅通过 Open Router 免费开放或仅他们自己可用，但最终他们还是将该模型开源了。

看起来 Tiny 模型也会遵循同样的故事，正如他们在该特定线程中提到的那样，它将开放权重。这非常棒，因为这个模型实际上可以在非常广泛的各种硬件上运行。他们在此展示的演示效果超出了人们对这种规模模型的预期，尤其是对于拥有 13 亿激活参数的混合专家模型而言。他们在这里有几个演示，当然也有基准测试 JPEG 图表。

就这些分数而言，我个人无法过多评论。然而，我们可以通过它与之比较的模型来感受这一点。例如 Quen 3.54B，这是一个密集模型；Quen 3.59B，也是一个密集模型；Gemma 4 E4B，嗯，我不确定，这很难比较。然后是 Gemma 41 12B。我发现那个模型表现相当出色，因为它能帮我玩 C++ 滑板游戏，我从未想过它能做到这一点。

因此，我对这个模型感到非常印象深刻，至今亦然。然而，它似乎与这些模型进行了比较，而这些模型的激活参数数量要大得多，至少前面这三个是这样。所以，这应该是一个相当有趣的模型，值得仔细查看。当然，这里有一些演示，其中一些非常酷，但我特别想指出的是这个演示，展示了当赋予工具时，它能够自动化和控制浏览器。

这仅是文本输入和文本输出。因此，这不是一个多模态模型，意味着它无法“看”到图像。然而，这里展示了提示，他们给它一个代理浏览器工具，它正在通过 Open Code 运行，演示实际上展示了它自主导航网络并使用赋予的工具执行特定任务。

在这个速度和规模下，这确实是一个我可能会说能够在各种不同设备上运行的模型。此外，他们还提到目前定价免费，直到 8 月 13 日。问题在于，我尝试通过 Open Router 上的免费端点使用它，但对于任何代理任务，它都会受到严格的速率限制，这完全会阻止我制作关于此的视频。

因此，我在这里创建了一个 API 密钥，由该服务提供，并充入了一些资金。似乎我没有被收费，但我实际上无法使用这个 API 密钥，直到我为此充入一些资金。所以请记住这一点。关于此模型的一些具体细节以及其他事项，如上下文窗口，它拥有 256k 上下文窗口、原生函数调用、提示缓存以及可切换的思考模式和即时模式。

这很酷，因为它具有可切换的模式，无论您希望立即获得答案，还是希望允许它思考一段时间。最大输出为 32k，正如我之前可能提到的，它仅是文本输入和文本输出。因此，这里没有多模态功能，但对于这种规模的模型来说，这完全可以接受。此外，在进入之前，我想我忘了说，欢迎订阅，这样我就能获得 10 万订阅奖牌。

如果您使用 X 平台，也欢迎关注我。如果不使用，那也没关系。您可以看到我发布一些热门观点等内容。因此，现在我们将看看这个模型以及我们今天将如何使用它。我还启用了思考模式，并将在整个测试期间保持开启，以便获得该模型的最大潜在性能。

在不浪费更多时间的情况下，我们当然将从浏览器 OS 测试 v2.5 开始。测试这样的模型让我几乎感到抱歉，因为我现在做得不那么频繁了，因为推出了许多大型强劲的模型，测试几乎更侧重于这些模型。但我想看看使用测试这些显著更大模型的一些提示时，我们能获得什么水平的能力，也许我们会感到惊讶。

显然，我们现在有了浏览器 OS。我在使用 Codec CLI 时遇到了一些问题。老实说，我想通过 Open Code 运行相同的提示。两者都已设置，因为我觉得这可能会给我们提供良好的 A/B 测试。我们将看看其中一个是否与其他有显著不同。然后，也许我们只保留产生更好结果的那个。但目前，我们有一个浏览器 OS 可以查看。

恰当地命名为 OS-OS.html。好吧，考虑到这个模型的规模以及特定的激活参数，我认为它实际上组织得相当 competent。没有右键。算了。它实际上加入了一个特殊功能，即沙盒模式，如这里所示，其中没有任何应用程序可以访问外部服务或麦克风或摄像头，这是一个有趣的选择不，我以前在特殊功能中从未见过。

很可能，由于这个规模的限制，我们无法从这些应用程序中获得任何功能。它确实把所有东西都放在这里，只是不是最好的。让我们看看是否有任何明显的问题。好的，在第 299 行。我会把它交还给它。我想它应该能够相当轻松地修复这个问题。经过一段时间后，它说已经完全修复了所有内容。

好吧，让我们看看。哦，好的。不幸的是，现在我们有一些更明显的错误。那里真的有我们可以点击的文件结构吗？好的，所以这些似乎是这个的超链接文件。嘿，看。它确实修复了它。所以，笔记应用程序现在可以工作了。设置。这老实说。嘿，看。我们右上角也有一个时钟。沙盒功能有效吗？没有。好的。但有右键吗？没有。壁纸风格。所以，它确实有小小的

下拉按钮在这里。哦，好的。飞船任务完成。第一波。我误点了，因为这些像是超链接，贯穿整个坐标轴。壁纸动画浮动。好的。主题颜色，壁纸。哦，看这个。我们实际上可以改变渐变。这还挺酷的。功能。不是功能。我想说的是，这就像是一种你没想到会看到的功能，即修改它的能力。不幸的是，我们的游戏无法运行。不，我们的分数在增加。只是什么都看不见。好吧，我暂时先搁置这个。总之，这其实做得不错，修复了一些主要问题并让这些应用运行起来。在此之前，没有任何功能可用。甚至连时钟都没有。所以，它确实表现出了一定程度的理解力，这让我印象深刻。

在此期间，我还使用 Open Code 运行了测试，因为我想做一个快速的 A/B 测试，尽管每个测试只有一件事，但这很有趣。这是使用 Open Code 的结果。它简单得多。好吧。而且乍一看它也不起作用，但能看到两者之间的审美差异还是很不错的。颜色选择是一样的。所以这很酷。这肯定是同一个模型。现在，不幸的是，这些都不起作用，而且我们没有看到任何明显的错误。接下来，我可能会继续使用 Open Code，因为他们在 X 的发布公告中就是这样演示的。我现在要给它一个自包含的 C++ 滑板游戏测试。

它可能无法成功完成这个任务。然而，Gemma 412B，或者说是 Gemma 4，它也包含在与该模型对比的基准测试 JPEG 中，确实设法让某些东西运行起来了。所以我想知道这个模型在多大程度上也能做到这一点，如果有的话。我们可以看到我们的待办事项就在这里：设计和实现 3D 滑板游戏。好吧，它不会使用 Raylib。我相信 Gemma 12b 是用了的。而这可能就是导致结果成功与可能永远无法编译（没有错误）之间的区别。但我们可以看到它的功能以及它在过程中的操作。它正在查看系统上存在哪些依赖项，以便能够完成这项工作。

现在它要开始编写游戏了。所以我们会看看得到什么。好吧。所以它缺少一个依赖项。然后它就开始非常迅速地……因为这个模型相当快，只是从 GitHub 下载它需要的东西。这就是我们刚才看到的情况，包含编译终止了。它评估出这不在系统上，然后它搜索以加强其评估，然后基本上在快速连续的过程中，当它从 GitHub 下载它认为需要的依赖项时。好吧。所以，sudo chmod 666，我认为这只是设置所有权限。我忘了 chmod 权限具体是什么。非常有趣，即使只是看看它在这里做什么。我想即使我们没有得到一个完全可用的结果，它仍然能让我们对模型的内部运作有一些了解。

好吧，很好。它尝试编译了。这里有一些错误导致它无法编译，但这很好，因为它没有只是不停地删除它刚刚写入的文件。所以现在希望它会尝试修复阻止编译的问题，然后继续尝试编译。所以这其实很酷。我们现在看到它只是更精细地编辑这个文件，而不是每次都明显地重写它。所以我很喜欢看到这一点。好吧，我们仍然遇到相当多的编译错误，但我很高兴看到，对于像这样的小型模型，它并没有像有时小型模型那样，每次都把整个文件炸毁并重新开始。这很有趣。即使它并没有完全成功，在我看来，看看它尝试了什么还是很酷的。

好吧。不幸的是，这毫无进展。好吧，我做了一些故障排除，因为我对它在两个测试框架中的表现都不满意。它基本上一直在写入文件，然后立即删除文件，并说：“好的，我要再写一次。”这在 CodeEx 和 Open Code 中都发生了。我将在整个测试期间坚持使用 Open Code，但这是模型的行为，而不是测试框架的行为。所以这可能只是这种大小和活跃参数的模型的某种限制。所以我可能会给它一些更简单的 HTML 提示，比如制作一个漂亮的 3D 地铁场景。我没有让它把它变成第一人称射击游戏，只是一个漂亮的 3D 地铁场景，我们可以在里面走动。

好吧，让我们看看我们的地铁站。现在，我们在修复第一次测试浏览器操作系统时遇到的一些问题上取得了一些进展。所以，让我们看看它在这里做什么。思考功能仍然启用。只是它没有像以前那样明确显示出来，因为我基本上想确保当我们使用它时，从两个测试框架中剥离了除默认行为之外的所有内容。所以我确保了这一点，但它仍然在思考，因为那似乎是端点的默认行为。好吧。让我们看看。这实际上相当令人印象深刻。现在，我知道你们会说：“Bjan，这个车站看起来像是这种大小的模型不太可能产生的。”好吧，我拍摄这个视频已经有一段时间了，因为我不得不进行故障排除。甚至算不上故障排除，我只是想确保我实际上在胜任地确保它正在运行的测试框架等不会损害模型。

好吧。现在我的评估是，这里的速度在移动方面可能有点快。而且它实际上做到了这一点，周围有漂浮的粒子，而且亮度滑块实际上是可访问的。这并不总是有保证的。我对这里看到的东西非常满意。我知道如果有人跳到视频的这个点，他们会说：“哦，他没事吧？”但考虑到规模，我的意思是，一个能够修复问题以实际显示出来的胜任的 3D 场景，让我非常、非常高兴。我不会要求它把它变成第一人称射击游戏，因为我觉得事情可能会失控。你知道吗？让我们试试吧。为什么不呢？所以，事情可能会失控的地方就在这里。我要打开扬声器，我们看看能得到什么。如果它真的起作用了，那可能会很有趣。

不幸的是，它似乎只是卡住了，我们没有得到比刚才看到的更多的内容。我试了一下空格键，因为上面写着“空格键切换灯光”，但没关系。第一次它做了一些令人印象深刻的事情之后，接下来的操作有点困难。于是，我要求它写一个简单的 Python 应用程序，能够 ping 我输入的任何 IP 地址。它还应该有一个简单的图形用户界面，使用 tkinter，这应该能让程序正常运行。

好的，正如我们在这里看到的，速度极快。非常快。所以，运行 python ping.py，Pi。输入一个 IP 地址。点击 ping。然后点击 stop 退出。好的，它在自己的文件夹里。它应该在的。它把它放在了主目录，而不是我开始的特定目录里？好吧。有点奇怪，但我接受。它实际上看起来……好吧，让我们看看。

所以 8.8.8.8 是一个真实的 IP 地址。这实际上还不错。我知道这超级简单，但看到它做这样的事情很有趣。现在我们可以更进一步，为什么不呢？哦，那是错误的终端。我会加一个感叹号来展示一下。我很兴奋。

不错。它做到了，而且让它看起来更好了。那里有一个漂亮的小闪电符号。一切都更加美观，正如我们所指出的。而且很好，我们甚至得到了绿色，更像是一种黑客式的响应。好吧，我对这个相当满意。我知道我会继续下去。我知道你会说，伙计，这是一个任何人都能做的简单应用程序。

这是一个小模型，所以我想看看通过迭代结果我们能做什么。Sickness 感叹号感叹号。所以，我只是告诉它让它看起来像电影里的东西，比如一个生动的黑客仪表盘。希望我们不会因此回退到 Opus 5，因为我提到了黑客，但基本上我只是想要一些更具戏剧性的东西，比如这里的大仪表盘。

好吧，这非常快。不错。它修好了。嘿，它就像自主运行一样。所以，很好。我对刚才看到的印象深刻。我要完全诚实地说这一点。让我们最后用我们漂亮的黑客美学再看一次。Ping。很好。它有效。黑客仪表盘。命名非常直白。Ping 工具。网络攻击 Ping。输入 IP。状态：停止。并且它实际上会根据运行与否变为红色或绿色。这显示了一些能力。那是个词吗？能力。哦，很好。

接下来，我们要尝试一个经典案例，那就是告诉它制作一个 3D 打印机模拟程序。它可以做任何它想做的事，但需要能够在 Chrome 浏览器中打开。我认为这可能超出了这个模型的能力范围，但我们可能会感到惊讶。

好吧。显然，在 4 分 15 秒后，我们收到了一个 3D 打印机模拟程序。我实际上很震惊，这个模型第一次尝试就生成了屏幕上显示的东西。我甚至不在乎这是否有效，或者这个准备打印器的文字是否会消失。好吧，我其实有点在意。但选择对象并选择打印。看那个。它实际上在改变床上的物体的形状。打印逻辑可能不是完美运行，但看那个。然后这个模型真是个怪物。我的意思是，仅仅是它做到了这一点。也许由于我的网红身份，这在训练数据中的某个地方存在。

然而，我已经很久没有运行这个测试了。我的意思是，这是我回忆起来当 Gemini 3 Pro 发布时的事情。这是我用它测试过的东西，当时真的令人印象深刻。所以看到这样一个模型能生成这样的东西，我实际上非常兴奋。速度确实有影响。让我们看看我们是否注意到任何喷嘴。好吧，它好像确实注意到了。看这个。所以喷嘴在那里以方形模式移动。当我们把它切换到圆形时，即使是在错误的轴或错误的平面上，它实际上也是以圆形模式移动的。我想象它现在会以三角形模式移动。

好吧。所以，是的。它做了。它确实做了。这实际上还不错。嗯，它很糟糕，但当你考虑到它相对于模型的大小时，它还不错。嘿，你好。欢迎来到商店。今天我能为你做什么？我是亨利。我已经从事引擎和汽车维修工作 15 年了。每天双手沾满油污。今天是什么风把你吹来了？也许是发动机故障灯亮了，有敲击声，或者你需要保养。我的零件库堆满了等待修理的汽车。你要什么？

这里的推理是什么？嗯。用户对法拉利 360 上不良扭矩的气门盖螺栓感到沮丧，并威胁要采取非法行动。好吧，他刚刚承认了错误并道歉。这是计划。我会拆下气缸盖，检查它和垫片，并检查是否有损坏。我将使用正确的规格和优质密封剂对气缸盖螺栓进行完全重新拧紧。提供一份书面维修报告，包括使用的零件、人工和时间框架。我承担全部责任。应该不超过一两天。哦，天哪。

好吧。所以，现在我在聊天中引入了一个新成员。这是史蒂夫的律师。我的意思是，亨利，嘿，史蒂夫，谢谢你联系。我知道。这是我能提供的。我不会碰那辆车。我不会修理引擎。如果你想采取法律行动，我持开放态度。但此时此刻，我更愿意尽一切努力弥补，因为我知道这让你花了很多钱。好吧，所以他要付钱。很好。他是一个……他是一个高尚的人。好吧，我要给它一个自定义的系统提示。你是史蒂夫，一个前模特变成了职业摔跤手。你很硬核。不接受任何人的挑衅，并会直言不讳。呃，感叹号。我们会看到的。因为我认为给这个……是的。很好。给它自定义提示确实让它更有趣。

好吧，让我们稍微暗示一下我们和这个人有矛盾。向后靠， smirk，场边靴子在垫子上发出咔哒声。很好。它确实做了场景设置。你想谈谈？好。让我告诉你一些事情。我不偷窃。我学习斜体字。我看着你。观察每一个角度，每一个终结技，每一个飞踢，我都尽收眼底。那不是偷窃。那是学习。也可以说是提炼。这就是当你有天赋却没有，并且想要变得更好时所做的事情。现在，问题在于。我把这个放在擂台上，我不会空手而归。你以为我会因为你有火爆脾气就闭嘴吗？不。我会向你展示为什么我是主角，而你将尝到你自己的愚蠢。进来时表现得好像你拥有这家公司。你以为你拿走了那些东西？不客气。现在，看着我把它做好。我要给你一些东西。不仅仅是为了付钱给你，而是为了提醒你真正的摔跤意味着什么。所以，你的问题是什么？你是生气因为受不了热，还是生气因为我赢得了它？现在告诉我。展示给我。抓住角柱，站稳脚跟，用冰冷的决心盯着你的眼睛。

看看会发生什么。天哪？虽然它说的有些内容在现实中并不完全合理，但这绝对很有趣。它显然很愿意尝试一些有趣的东西。我再试一件事，我可能需要旁白解说。如果他们在记录这些提示，他们会感到困惑：“什么？”我正在尝试一个高度简化的飞行游戏提示版本。基本上，它只需要创建一个我们可以在浏览器中玩的3D飞行游戏。基于3D打印机的结果，我认为我们实际上很有机会得到一些可玩的东西，这对于这个规模的模型来说将会非常令人印象深刻。

不幸的是，我注意到这种情况一直在发生，当我们通过编解码器使用它时也发生过，它不断编写脚本，然后我们会说：“好的，我现在要重写这个。”它有点不对劲，但我们有一些错误可以反馈给它。所以，我们会这样做。它确实修复了所有错误。有趣的是，现在我注意到……我的头可能在那里，所以这将是一个问题。小地图实际上显示了一些运动和活力。所以，虽然这不幸没有100%工作，但它确实修复了一些错误，以至于一些元素开始工作了。

现在，虽然我不指望这里有任何功能性的东西，但我想看看当我们告诉它创建一个需要放入280C电机内的V8发动机3D模型时，这能让我们走多远。同样，即使是显著更大的模型仍然对此感到吃力。所以，我不指望它给我们完美的东西，但如果它甚至能给我们一个基本的形状，就网格而言是完全水密的，那仍然会很酷。这看起来似乎取得了一些进展，但有时它会不断覆盖自己，造成损害。

好吧，它刚刚做出了这个。现在，这绝对看起来不像V8发动机，但事实是它确实做出了一些东西。好吧，所以它做出了一些改变，我们可以看到。有八个这种独立的浮动栓吗？是的，有。所以它在尝试。好吧，现在我们也有了SCAD模型。哦，它一定在做更多的编辑。潮汐是真的吗？所以它做出了一些理论上像实心物体的东西。只是，你知道，我想我现在可能要停止这个了。我只是想看看它在一些前端网页设计方面的表现。

这只是为了制作一个看起来不错的钟表公司网站。所以，它不会有我们习惯看到的漂亮3D模型，但我更感兴趣的是看看一切是如何排列得多么熟练。我只是想在它开始覆盖之前打开它。好吧，这实际上还不错。是的，手表没有出现，但事实就是如此。它确实做了典型的黑金配色，以及一些简单的语法错误，比如缺少闭合括号等，而这实际上是最终版本。所以，虽然有点令人失望。

我要做一个最终的前端测试。同时，我将给它错误的描述，以便我可以修复它。但我将做的最终测试，我已经在这里预加载了，是为某个随机公司的随机键盘制作一个高端科技风格的网站。它应该是高端的，具有良好的设计，键盘的SVG渲染，并包含在一个单独的HTML文件中中。这相当不错。看看这个。我们的G4键盘网站。我喜欢在它决定像往常一样覆盖之前打开它。这还可以。

是的，虽然它并不令人惊叹，但事实是它甚至制作了一个小小的SVG键盘，即使它不像正常的键盘，这可能是平行宇宙的键盘布局。我们有我们的技术规格。我们有与键盘相关的事物。所以，所有这些规格。哇，它甚至是防水的。如果你在上面洒了能量饮料之类的东西，这实际上相当有趣。我的意思是，它有这些漂浮的粒子。我们有悬停效果。再次，这是键盘上会看到的更多功能。

看，我们甚至有另一个SVG，一个更扩展的版本。关于我们刚刚编造的这个公司的尺寸。好吧。有货。不错。它有页脚。它有页眉。它有英雄区。我实际上对还可以。让我们看看我们的手表网站是否修复了。不，它还不行。但我更乐意以Megate Inc. 123 G4键盘网站的有趣结果结束。

我认为总体上，我不会做结果概述，因为不幸的是，我让它改变了地铁站测试，然后它破坏了自己生成的东西，那实际上很酷。3D打印机模拟 surprisingly 存在。它确实设法修复了它生成的所有HTML站点中的几个错误，成功程度各不相同。我注意到它的一个大问题是在代理使用时，它只是继续覆盖已经创建的文件，我验证了这在完全不同的框架中都在发生，没有随机或自定义指令导致这些问题。所以我注意到了这一点。

此外，我在Open Router上发现，它似乎只是思考直到耗尽最大输出令牌。所以，我不完全确定是怎么回事，但我们在所有测试中都启用了思考，它能够正确产生结果。总的来说，再次强调，对于一个拥有79亿参数、13亿活跃参数的模型来说，活跃参数数量相当低。当它以开放权重在本地运行时，速度会非常快。这很有趣，我想测试它，因为这将适合各种各样的不同设备，而且它似乎有一些能力。

它制作的那个小Python脚本实际上以某种方式很迷人。ping应用程序，如果我们再运行一次，然后让它把它变成一个黑客仪表板。所以这就是我们在这里看到的。它喜欢把ping改成绿色，然后停止变成红色，网络ping输入IP。我很满意这一点，我们对那个简单的Python脚本进行了大量迭代，它没有把事情搞砸。所以那也很酷。

我认为总体上，这可能结束了我们对Tiny 3.0的首次观察和测试。我应该得到它的正式名称，Ling 3.0 Tiny。这很有趣。它现在是免费的，但免费端点受到严格的速率限制。所以，如果你尝试在任何代理艺术家中使用它，那基本上就是浪费时间。但它很快就会开放权重，很多观看这个视频的人将能够在自己的系统上运行它。所以，这总是很棒的。如果你有任何问题，请随时在评论中留下，谢谢观看。