好吧，汉森举起了锤子。好的，他已经在擂台上了。我们可以跑了。哦，看那里。有一辆红色的地铁。我以前从未见过那种东西。我不知道它去了哪里，但 GLM 5.3 已经发布了。这非常令人兴奋，因为这不仅是因为它是当天发布的第二个大型开源模型，而且这是一个非常强大的模型，其性能与最先进的闭源模型相当。这似乎相对于其前身 GLM 5.2，在能力上有了相当大的飞跃。

一开始我就注意到的一点是，它在分数和基准测试方面似乎与 Kimmy K3 非常可比。然而，这是一个显著更小的模型。虽然即使经过量化处理，对于99.9%的人来说仍然太大而无法在本地运行，但这令人兴奋，因为它是一个万亿参数以下的混合专家模型（MoE），能够在多个不同领域与前沿的最先进模型相抗衡。

目前该模型尚不可下载，正如我们所见，Hugging Face 的链接即将开放以发布权重。他们表示将在几周内发布。此外，经过更多的安全检查和适当的准备后，这些模型将会被释放。我没有理由怀疑它们最终会登陆 Hugging Face。关于具体尺寸的一些信息，我们可以查看前身模型，因为他们提到 GLM 5.3 所做的只是扩展后训练。

考虑到从 5.2 到这一版本的能力飞跃，这似乎进行得相当顺利。这是一个拥有7,530亿参数的混合专家模型。我相信其活跃参数约为400亿。所以，这仍然是一个相当大的模型。然而，与这里的许多模型相比——至少是我们确切知道尺寸的另一个模型 Kimmy K3 拥有2.8万亿参数，而这个在7,500亿以下。

以如此小的 footprint 实现能够匹敌的性能，这真的是终极目标。现在，这份公告帖在关于模型的描述方面相当简略。它只展示了一些基准测试数据，然后我们在更多额外模型上看到了更复杂和详细的基准测试结果。其中包括 Quen 3.8 Max，它本身性能就很强劲；以及 Deepseek V4 Pro0813，现在的日期是14号，所以那个模型刚刚发布。

很高兴也能看到它的基准测试结果。而且这又是一个1.6万亿参数的模型，看起来 GLM 5.3 在编码方面似乎略微超过了它，这非常令人兴奋。现在，他们在公告中相当显眼地提到了一点，我怀疑这是否可能被扭曲成某种针对开源模型的反感宣传。当我看到公告的这一部分时，这是我脑海中浮现的第一件事，所以我诚实地提一下这一点：他们表示在创建此模型时进行的某些额外后训练中引入了漏洞发现数据。

基本上他们说，随着训练规模的扩大，这些能力迅速发展起来。它不仅仅是更好地识别孤立的缺陷，而是跨多个攻击阶段进行推理，为完整的漏洞链形成连贯的计划。他们还简要提及了训练过程以及一些更技术性的信息，以及 API 的变化。现在他们提到禁用“思考”功能不再被 GLM 5.3 支持。我不能确定地说，但我怀疑它是否曾被 GLM 5.2 所支持。

无论如何，这只是需要注意的一点，因为有时当推理设置为最高级别时，可能会花费相当长的时间。有一个基准测试显示了这一点。不过，我也喜欢看到的一点是，我们可以在此处看到每个任务的平均输出 token 数与 5.2 的对比。即使在最高推理努力下，这似乎也是输出 token 的大幅下降。所以希望一些结果不会花费那么长时间。

这就引出了下一个部分，即我们今天将如何具体使用它。我确实拥有 GLM 编程计划。这是五倍的使用额度。我想就像是我忘了取消这个，但我认为在此期间它实际上变得更贵了，而且我发誓我之前听到过他们暂停新注册的消息。不，那可能是针对 Kimmy 的。

但这点的重点是我有这个编程计划。我自己自掏腰包支付，这里显示每月65美元。我相信随着这个模型的发布，引用在下面滚动到底部时提到了一些使用量的增加调整。是的。所以直到8月31日，我想这是有1.5倍的限时配额提升。这很好。我们将通过 Zcode 使用它，这是他们自己的编程应用程序。它与 OpenAI 的 CodeX（现已废弃）或官方的 ChatGPT 应用非常相似，但看起来很像 CodeX。

老实说，我也在之前的5.2测试中使用了这个应用，而且我非常喜欢它。真的非常棒。所以今天我们将进行这样的测试。现在，我已经有一段时间开始了浏览器操作系统测试，因为我想先启动一个任务，这样我们就可以直接查看结果。因此，在那之前以及在我们继续深入之前，请随时订阅我，让我达到75K然后100K以获得那个奖牌。

在40分48秒后，我们收到了我们的浏览器 OS V2.7 版本。这与之前相同，只是包括需要具有动态效果的程序生成壁纸和电子邮件客户端。这些是两周前一位评论者提出的建议。所以，谢谢你们的反馈，因为稍微改变一下内容是很好的。那么，让我们在浏览器中查看它吧。

到目前为止我很喜欢。让我打开扬声器以防万一。我没有看到一个小喇叭图标，但是单文件、零深度。好的，不错。最小化。取消最小化。全屏。关闭（X）。我们确实有音效。这很有趣。好的，背景很酷。它绝对比 Quen 3.827B（这是我做的第一个2.7测试）要好看得多。我们在右下角有时间，以及其他一些东西。好的。下一张壁纸。然后我想那是切换声音的按钮。

现在是大招部分。有右键点击吗？是的，每个大模型几乎都在进行右键点击了。所以你们自己体会吧。哦，我们刚刚收到了一封新邮件通知。真恶心。现在这里的第一个应用程序当然是……

GTA克隆版。那么，我们直接进入正题。我还想看看开始菜单。不再浪费时间了，让我们来看看Omni City。好吧，这做得不错。没有动态特效，但有跳跃的空间。嗯，组装得还算 competent（合格/到位）。很简单。好吧，我能进入这辆车吗？是的，我可以。好的。没有……嗯，引擎的声音。我们现在有三颗星。让我们看看能不能拿到五颗。哦，不行。好吧。哦，所以我看到了一辆警车在追我们。我之前没……呃，之前没见过那些被撞的人不会消失的情况。哎呀。好吧，被抓了。罚款100现金，50在重生点恢复。还不错。一点也不差。我希望有一点能力可以在不驾驶车辆的情况下制造麻烦，但也还好。

话说回来，这很疯狂地说，Quen 3.627B（注：原文为Quen，可能指Qwen），也就是不是最新的那个。现在是最老的那一个或者较旧的一个，它的走路动作更好一些，腿部是单独移动的。我们可以双重攻击吗？好的。不，我们不能。但是有新邮件来自妈妈。所以我们也收到了电子邮件通知作为浏览器的一部分。还可以吧。还不错。小地图看起来也不错。Void Runner显然是一种某种形式的小行星射击游戏，因为出于某些原因他们都选择这个题材。好吧，这很好。我喜欢飞船的流畅度。好的，我想我刚才撞到了什么，像是能量补给之类的东西。看那里的引擎光芒哦。我们还可以用光标驾驶。酷。这些是……好吧，所以我们不应该撞到它们。

通过邮件分享Nexus。我只是点击它发送给某人某处。这很有趣。附加任何文件。已复制到发送文件夹。这就引出了我们的电子邮件功能。好吧，这里有很多内容。基本上它只是制作了一些元引用给“是的，妈妈”。我构建了一个操作系统。它有邮件地图应用（Mail Map app），所以你可以发邮件给我这里。垃圾邮件里没有东西。归档里只有一个。好的，接下来是文件。这就引出了我们的记事本应用。另存为file.txt。好吧，可以接受。音效实际上并不令人恼火，这本来是我想要说的通常会让我不爽的事情（注：原文此处口误修正）。帮助。哦，哇。这是一份非常长的潜在命令列表。让我们只做传统的“是的矩阵”（Yesh matrix）。哦，好吧。不像我希望看到的那么令人兴奋。我们看到了记事本合成器，它甚至显示按键的具体频率。还不错。我们可以改变八度吗？不能。Z和X来移动八度

方形波，

锯齿波，

我们有可调节的延迟。是的，我们有。不错。最后是三角波。美丽。好吧，做得好设置。好的，让我们看看我们其他的一些程序化壁纸。扭曲星场。是的。液态光。哦，好吧。我希望能看到更多像熔岩灯那样的美学风格，但我想这也行。霓虹地平线。是的，你应该从一开始就用这个。你可能会在标题里发疯（insane）。不，我实际上喜欢这种极光流动的外观。哦，看。强调色确实也改变了可移动的背景。24小时时钟是一个选项。壁纸运动可以开关，而且它实际上保存了你暂停的位置然后从那里重新启动。这很酷。

我们还没有看的最后一件事当然是特殊功能，哦所以这个特殊功能基本上就像更多的沉浸感和日志具有跨应用记录和信息保存到虚拟文件系统。所以当我们要分享或电子邮件我们的GTA游戏分数时，那基本上就是特殊功能。好的，非常合格（competent）。接下来我们将使用C++进行我们的纽约市滑板模拟器测试。我还附加了这个提示，我们可能只是保持这个“不使用光线追踪”的假设，因为我们正在使用像这样更大、更具表现力的模型。所以这基本上与我们熟悉的传统自包含C++滑板游戏相同。然而，地图需要是200年代初的纽约市街区。好吧，所以在38分钟48秒后，我们收到了我们的滑板游戏测试版。

我注意到并且完全忽略了回想起来这个模型默认没有视觉功能。所以它实际上不能只是视觉上查看，但它制作了一个小脚本来验证所有按键和技巧是否有效。然后这里有一个使用Zcode构建的工具，它基本上会将图像发送到某处并给它一些反馈关于该图片是否包含所需内容。所以这只是没有视觉功能的一个限制，但至少在这个订阅和框架中Zcode似乎很好地绕过了它。让我们现在瞥一眼我们的H（注：可能指某个应用或功能代号）。你在开玩笑吗？这简直是糟糕透顶。我要完全透明地在这里说。这比我预期的要差很多。我对这个相当失望因为Quen 3.8（注：原文此处可能指代某个模型版本）。我想我必须调整我的期望因为Quen 3.8 Max是一个2.4万亿参数的模型，但它绝对把这个甩在身后。这个如果我从3.8 27b看到它我会说还不错。但从这个来看，我对这里的结果总体相当失望。我不知道为什么。好的，酷。我们可以退出并且技巧实际上有效板子是独立于玩家的。这并不总是如此。它有行人。我们有可以磨板的汽车。所以它添加了不少东西。我注意到它在调试半管技巧这里，那些挺酷的。但总体我要说我对这个结果有点失望。我期望 Something significantly better（好得多的东西）。

也许我们会回来这里，但我想继续并尝试更多测试。我只想知道我们能不能下水？好的，我们可以磨喷泉这是酷的。在技巧方面嗯像那些技巧还可以。只是我不知道。我的意思是让我知道。在下面告诉我你怎么想。不，我讨厌当人们……我讨厌YouTubers那样说话（注：原文此处口误自我纠正），但我想在这个特定场景中这是一个合理的说法。所以不是它（注：口语化表达，意为“算了/就这样吧”）。好吧，所以大家提到也许该包括一些新的提示这些新提示无法进入训练数据因为它们在这些测试之前根本不存在。所以这正是我们要在这里做的。所以我只是把它全部读出来以便我们熟悉这个新测试你可以告诉我你是否喜欢它或者不喜欢。让我在下面知道。不。嗯，但这是一个摔跤游戏。创建一个1980年代主题主题的3D摔跤游戏。游戏的水平应该达到高端独立游戏的质量 featuring a fun and engaging freeplay style（具有有趣且引人入胜的自由游玩风格）。游戏应该从开始屏幕、程序化音乐、风格化元素和3D

光环环绕着圆环，开始菜单叠加在上方时，应该有一个简单的开关来开启或关闭音乐。游戏循环很简单：玩家从四名摔跤手中选择一名进行扮演并正式开始比赛。当游戏开始时，玩家将与其他两名摔跤手一起站在擂台上。他们可使用的招式列表、名称、效果及具体实现方式由你决定，但这些动作必须通过以下按键触发。我基本上看着键盘挑选了一些相邻的随机键位。摔跤手模型应当逼真，并穿着80年代摔跤擂台中常见的服装。互动道具总是加分项，但除了上述说明外，具体实现和主题保持开放。祝搭建愉快，尽情发挥创意吧！

这将会是一个有趣的新测试。我想象这会相当滑稽，至少有些模型可能会让人捧腹大笑，我希望如此。好了，现在我们将这里的所有数字相加——这个数、那个数以及另外两个数的总和确定后，我们就有了这款名为《Mega Slam 86》的摔跤游戏。但这过程真的很令人沮丧，因为系统不断出现网络错误。他们的服务可靠性很差，从我使用至今（包括今天的测试以及之前的多次测试）一直如此，这点确实让人头疼。

然而，我们最终得到了一个结果，它确实具有80年代的审美风格。说实话，因为系统反复崩溃退出，我气得直接去睡觉了。但现在我们回来了。显然现在可以在这里查看了，让我们瞥一眼吧：这就是《Mega Slam 86》。天哪，“铁锤手”巴克，有趣的是这个模型似乎有些问题，我先选择LT格雷吧。哦，这其实……我希望灯光能暗下来一些。这两位是对立的摔跤手，我们将与他们进行比赛。好的，这就是我们操控的角色。

这里的主要问题是灯光导致完全看不清任何东西，而且这个模型似乎没有视觉感知能力。所以我只是向它描述了这个问题。说实话，我不确定“光晕”是否是描述该问题的正确术语，但我只是告诉它光线挡住了我们观看摔跤手或擂台的视线。希望经过几轮调整，比赛视角能恢复正常：降低光线强度、减弱光晕效果并稍微调低曝光度，然后在浏览器中重新验证。

好吧，目前看到的效果还不错。这似乎很快解决了问题，让我相当高兴。不过，让我把扬声器重新打开。我们将开始一场比赛，继续使用那位LT格雷摔跤手。哦，哇！好的，把音量调低点。“铁锤汉森”，好了，他已经在擂台上了。还有裁判呢，“摇滚科叛军”。所以这两位是我们将要对抗的摔跤手，而这就是我们。我们也更能看清观众席，他们举着标语牌。好了，那就是我。呃……有些不对劲。“虎式鱼雷”，哦不，那是O键。

老实说，我觉得这有点麻烦。好吧，我们刚刚被摔穿了桌子。哦，真烦人。这可能做得很好，但人物的朝向似乎不太对劲。我理解这是摔跤比赛，我只是在疯狂点击各种操作。这绝对是我非常感兴趣的一个测试案例，我想看看不同模型的输出结果。只是有些东西搞错了。看那个反射面，或者那是否是一个显示放大画面的大屏幕？这其实挺酷的。好的，是的，按回车键。“压制他”。

好吧，不幸的是，完成度大概只有80%，剩下的20%在于人物朝向。尽管如此，还是有点难以看清。我想我要继续下一个测试了，但这算是留作备选方案吧。另外，我还进行了3D打印电机的测试，这是直列六缸RB26引擎模型。这大约花了33分钟。考虑到有些更简单的HTML结果花费的时间更长，这个速度其实还不错。这很有趣：它确实完成了任务，但只给了我们SCAD模型文件，并没有提供单独的文件。

好吧，所以我正在重读说明：“你需要打开它，从下拉菜单中选择一个部件，按F6导出STL。”好的……啊，现在我们要开始进入状态了。这可能有点符合预期吧？我只是从未见过这样的结果而已。好的，现在我们要做得很好了，你明白我的意思吗？与我在本次测试中看到的其他结果相比，这是一个非常不错的涡轮模型。所以这很好。

我现在比几分钟前开心多了，因为之前它只是逐个渲染零件。现在告诉我们基本上需要导出这些板块……好了！这就是它为我们创建的全部内容，事情开始真正组合在一起了。好吧，还不错。不过我注意到，如果没有支撑结构，这实际上是无法打印的，特别是因为这里悬挂的部分。如果不使用大量的支撑材料连接此处与顶部，就不可能打印出这个特定部件。

盖子的外观不错，文字清晰且挤出良好。此外，我们还有六个单独的零件和一个油帽，以此展示气缸的数量。即使是像这样的小凸起延伸出去的部分，如果没有它们会更容易打印，但因为有这些突出部分，不使用支撑也是无法打印的。这实际上是一个相当有趣的总结，因为它发现了很多问题：比如我们注意到的“这个不能打印因为凸起低于平台”或“这个是悬浮在空中的”，它也检测到了。

所以，即使我们没有专门用于打印的东西，我们现在也能得到正确的STL渲染图了。让我们看看这些渲染效果吧。我认为这是一个非常出色的结果，第一次看到整体渲染在一起时真的很棒。如果非要挑剔的话，目前唯一的问题是涡轮的方向可能反了：它们是扁平的，但应该是垂直放置。不过，如果我们现在单独查看所有这些部件，这显然做得更好了。

我还想检查几个我知道以前会导致问题的地方。让我们看看这些STL文件，其中一个是缸体部分，那里有一个悬浮在空中的 ledge（平台状结构）。现在我看到它提到应该能够进行桥接。所以也许这是可能的，但我认为这个间隙足够宽，通常你会看到在这个部件下方放置某种形式的支撑。

好的，请记住这一点。太棒了，它完全修复了这个问题。在此之前，这会带来很大的麻烦并需要更多的支持。这次做得很好，它确实捕捉到了我们注意到的很多细节。还有一些其他的细微突起（nubs），我认为它们是从某些元素下方伸出来的。我不确定“plenum”是否是其中之一，但它确实修复了这些问题。所以，这些部件下面有一些小突起伸出来，它注意到了并进行了补救。很有趣。即使我可能错误地告诉它“这严重搞砸了”，因为我没意识到你需要单独选择各个部件，但最终结果显著更好。从美学上看非常得体，甚至像滑轮、皮带和电机前端等细节也不错。它展示了一些相当有趣的能力，特别是在确定哪些部件需要支撑方面。我对昨晚看到的印象很深。

我还运行了 Slapis 网站，它需要创建一个带有3D手表渲染图的精美网页，并包含电影般的平移效果。总体而言，这更多是对前端设计和3D建模能力的测试。所以让我们直接在浏览器中打开看看。好的，我们有一个不错的加载界面，还不错。这里让我感到有点沮丧的是表带的方向渲染错了，是在浏览器中实时显示的。我也无法通过鼠标上下滚动来控制摄像机的平移方式。所以很难真正看清这个模型。我要向下滚动看看结果如何。好，哇哦，好吧，也许还不错。这是 Riviera Solstice 手表，看看背面。材质以及上面的文字，我通常不会在背面看到这样的刻字。然后我们快速检查一下表盘。好的，Slapis 品牌标识。总的来说，我认为这其实相当不错。

我很难评判它，因为表带在一定程度上削弱了它的惊艳感，但表冠看起来不错。材质看起来很真实，表盘上的纹理或图案也挺酷。顶部和侧面之间有一点缝隙，但如果我要吹毛求疵的话，背面才是令人印象深刻的地方。这是我以前很少见过的。它既有拉丝材质的质感，又有以相当漂亮的方式刻在上面的文字，我认为总体而言做得很好。好吧，秒针这里有点奇怪，一、二、三、四……这款表有四个指针（包括秒针），但这也许没关系。让我看看这里，我喜欢这个设计。它在表带材质上做得非常好。这里的材质处理得很到位，只是方向有点奇怪，但也可能是故意这样展示以呈现完整效果。

这款表没有日期显示功能，但它有漂亮的表盘纹理和背面的设计。所以我认为在材质方面以及渲染文字的方式上，实际上相当令人印象深刻，尽管第一眼看上去顶部的英雄区域表现平平。绝对不算差。就像这里一样。这些材质的发光属性也很酷，如果你熟悉 Keyshot 灯光效果的话，它会给我那种感觉。当你旋转这样的物体时，取决于场景中点光源的位置等，它会产生一些反射行为，这很有趣。接下来，我要给它一个“Street Eat”游戏的测试任务，但这次是有电影般开场动画的版本。它需要使用我提供的 OpenAI API 密钥生成一些语音资产，然后直接进入传统的“Street Eat”游戏。

好的，所以在不到40分钟的时间里，我们收到了“Street Eat”的结果。再次强调，这是带有电影式开场的那个版本，“Street Eat”被触发是因为有人排队时最后一块披萨被人拿走了。现在，我的电脑在这个过程中有点崩溃了，所以我不得不强制重启它，但这似乎不应该构成太大问题。 “那是最后一块。” “是吗？” “是的，是最后一块了。” “好吧。不错的披萨片。哎呀。” “好的。好了，点击抓取拳头。”

好吧，让我们看看这里发生了什么。“我是说，抛掷动作（yeeting）确实存在。然而，我必须说实话，我对实际的城市环境和移动性并没有太惊艳。应该说缺乏这种体验吧。我是说，我并不是故意要撞到的……好吧，我们明白了。这几乎像是在强迫你看着自己做了什么。我本意是想撞那个人的。”好吧，正如上面所说，这些都是“轨道抛掷”。好的。老实说，请在下方告诉我我是否错了，但到目前为止，我对任何这些 3JS 结果或类似的游戏并没有感到特别惊艳。看起来这个模型真的只是在尽可能少地尝试。我不知道为什么。

我的意思是，Quen 27B 的游戏表现可以说和这个差不多，甚至可能更好一点，因为那里的行人实际上是在移动的。所以我不太确定这里到底出了什么问题，但它没有超出预期，甚至都没有达到预期。所以我不知道该怎么做，因为我真的有点陷入僵局了，不知道该怎么办。我不想继续在那些它 consistently（一贯）表现不出彩的范围内给它测试任务了。所以我想我会回到这里的 C++ 滑板游戏。我已经告诉它这基本上是非常低效的产出，这类似于我们会从更小的本地模型中看到的效果。我不太确定为什么这样。我知道你有能力做得很好，所以为什么不重试一下呢？全力以赴，做出完全高质量的作品。

在它处理这个的同时，我也许会尝试让它微调一两个其他结果，看看能否引导它表现得更好。但我认为现在是时候想一个能展示其不同能力的测试了，也许是更偏向物理世界方面的。好的，所以在23分半钟后，它改进了滑板游戏。现在我们有了 V2 版本。它提到 V1 值得批评。好的，现在我们有音频了。在我编辑目前为止的视频片段时，我听到电脑发出了一些奇怪的声音。好吧，本质上看来我们将拥有一个显著更好的整体体验，对此我感到相当乐观。哦，让我们看看它吧。好的，那么暂时我们先不看声音。我们注意到……不，我完全无法移动。

这个模块确实生动了一些，但可以说更糟了，因为现在完全没有功能性玩法。哦，我看到那边的滑板了。所以，这里的滑板感觉不太对劲。它在街道纹理等方面做得更好一些，但说实话，我有点不理解这里的情况。请在下方留言告诉我你的看法。好吧。所以，我正在尝试设计一个具有挑战性的测试用例，涉及老旧电脑以及让新型电子设备与老式电脑协同工作。因此，在我弄清楚具体需要做什么的同时，我们将进行传统的《地铁》FPS测试。我想这应该相当直接，能给我们提供不错的游玩体验。

好吧，22分半钟后，我们完成了《地铁》FPS测试。我想这应该是个不错的结果，而且确实有点阴森恐怖。武器模型不错，还有左右移动的效果。这些自动售货机可以说是在本作中我见过的最好的了。好吧，好的。让我们看看……

好了，我们需要重新装弹。我们可以奔跑。哦，看！那里有一列红色的地铁列车。我以前从未见过那种车型。我不知道它去哪了，但……好吧。我相信弹药确实会在环境中留下弹孔。是的，确实如此。我想它们的碰撞箱在中心位置。好吧。虽然有点暗，但我们有亮度滑块，所以我们可以解决这个问题。现在我们将亮度调到了200%。

非常好。有涂鸦，但没有火车出现，不过有时候他们选择包含或不包含这些元素也是有趣的决定。好吧，这还不错。虽然算不上令人惊叹，但表现 competent（胜任/合格），一切都挺酷。它还包含了一些我从未见过的元素，比如似乎不会在回合之间消失的污渍，还有那只老鼠，那也挺酷的。好吧。这些自动售货机确实是最好的。

那么，接下来我们要做一个测试。我还有一件事想交给这个模型去做，说实话，我甚至不确定这是否可行。我也不知道如果可行的话具体需要做什么。但到目前为止，考虑到该模型在基准测试中表现大致相当于 Kimi K3 的水平，它并没有像我所期望的那样让我感到惊艳。所以我手里有一个旧 iPod Nano（我相信是 Nano）。我基本上打算把它插到电脑上，然后说：“我希望这个设备显示这台电脑的 GPU 利用率。去吧，尽情发挥，祝你好运。”

因为这在某种程度上更符合它在漏洞生成或非生成方面的能力表现。所以我认为这将是一个更具新意的任务，能展示更多的能力。我不知道这是否可行。再说一次，我也不知道具体涉及什么，但我想尝试一下，因为我希望看到这个模型展现出 greatness（卓越/非凡）的表现。好吧，现在它已经插上了，我很高兴它还能工作。我想它会工作的，但毕竟对于老式电子设备来说，你永远无法确定。

所以我现在就要启动这个提示词了。再说一次，我不确定……这肯定是可能的，但我想象作为一个对此没有现成知识的人来说，这需要基本上对 iPod 显示屏显示内容的具体方式进行逆向工程，了解其计算能力，并弄清楚如何通过特定的旧款 iPod 连接传输数据以在设备屏幕上显示。所以这将非常困难，我不知道它能否正确完成。我想它可能会 heavily rely（严重依赖）任何现有的开源软件来处理这种复古 iPod 的功能。无论如何，看看会发生什么吧，因为我想做一些超出常规范围的事情。

自从启动将这台第四代 iPod 变成显示电脑遥测数据（如 CPU 使用率等）的显示器这一任务以来，已经过了很长时间。不幸的是，它从未真正成功运行起来，这将影响我们在本次测试中对努力程度和创造力的评估。基本上，这需要花费大量时间坐在这里反复重启 iPod 并尝试新事物。真的……我要向上滚动查看整个过程。我仅仅在这个特定测试中就耗尽了两次 5 小时的时间限制，而每周限额也达到了约 41%。所以你看这里它所做的一切……很难准确评估，或者至少向没有从头到尾观看全过程的人准确展示。

但肯定的是它做了很多很酷的工作。而这一切的总结，我认为 outlining（概述）这里具体发生了什么最好的方式就是让它制作一个美观的前端网站。风格模仿苹果内部技术文档，详细概述我们做了什么、时间线以及你发现了什么。本质上是一份简洁的简报，还需要一个使用 Three.js 制作的黄色第四代 iPod 的 3D 模型。这是一个真正考验微观逆向工程能力的测试，这里有一段话……老实说我不确定该不该提这个。它基本上说了“是的”。

而卡住的地方就在这里……所以我把它留在屏幕上展示一下。稍微反驳一下，因为我知道有些人会说：“好吧，你应该让它一直运行直到完成。”它到了这样一个阶段：它注意到系统上有 Arduino 构建工具，然后问：“我们要不要像这样把 iPod 线缆的一些引脚跳接到实际的 USB 连接上，比如尝试调试第 13、15 和 16 号引脚？”然后它写了 Arduino 脚本，我说我没有能插进去并在中途触发的线缆。

它说：“好吧，那我们可以把它上传到 iPod 上，然后一旦接通电池电源，我们就可以连接引脚。”不幸的是，iPod 完全没有电池。所以只要拔掉插头它就会关机。所以我尝试了……它确实也尽力去处理周围的一些事情，但这可能有点太难了。我说我以前做过类似的测试，比如试图让我的 Intel Web Tablet 基站与其通信，这也需要大量的逆向工程、理解协议等。我相信那是用 GPT-5.6 Soul on Ultra 做的，但它最终也没有达到可用的结果。所以有时候这些更难的任务……

测试并不总是以令人兴奋的方式结束，但无论如何还是发生了。哦，我每周的配额已使用了62%。好吧，这里基本上就是这次逆向工程任务发生的全过程：一个晚上，一台黄色的iPod Nano，据信是第五代，结果证实是第四代。太棒了，谢谢，因为那是我的错误。目标是用零硬件修改的方式，让2008年的音乐播放器显示其连接的PC的实时生命体征。经过数小时的等待、多次电源循环以及定制工具的开发，事情开始变得有趣起来，就像固件考古学一样。苹果的CDN仍然提供N58固件包、引导加载程序和诊断工具，它们在设备上被下载和解密，然后进行拆解。模块映射显示栈已识别，这里有一些更多的信息。

接下来是载荷工程：一个从头开始编写的、位置独立的ARM V6 Thumb模块，用于EFI管道渲染器，针对苹果的显示协议。还有一个拉取的USB设备栈，处理控制传输，包裹在手建的PE32中，并通过定制的Go工具将其切片到苹果固件卷中。细节如下：这是一场考验。大约20次电源循环，每次返回一个真理的比特。每一次失败都让我以艰难的方式了解了固件的规则：FFS校验和在头字节处是实时的。偏移量错误、GUID损坏、静默的引导死亡，每一个苹果镜像在此文件偏移处都携带着16字节的入口存根。没有它，引导ROM会执行零值。引导ROM的DFU缓冲区上限约为152KB，上传在第149块时死亡。我记得当我们发现这一点的时候……电池不充电。即使是电池耗尽恢复，实际上也是看门狗或用户的行为。所以基本上就像我拔掉插头再插回去一样。

EFI的分发顺序是位置相关的。插入到填充文件中的载荷永远不会运行。位于第28位的BDS应用接管了机器，这是最后的障碍。所有东西都正确，除了分发顺序。DXE核心仅从LZMA压缩部分启动模块，或者干净地引导未压缩的变体但会被忽略。工具链产生的LZMA编码器生成的流被苹果的解码器拒绝。这基本上就是那种“好吧，我们搞不定”的情况。苹果的确切编码器设置仍未被逆向工程出来。Colin恢复操作员决定停止。好吧，别把所有责任都推给我，因为是你之前说我们可以先记下当前的状态以后再来处理。这个网站主要是为了让我更好地解释它所做的全部工作。

在这里，即使串行调试控制台通过Arduino桥接在Dock引脚13上运行，也将用引导日志替换电源循环实验，以便下次构建。这真是一个非常有趣且深入的逆向工程任务。这个视觉效果可能不太达标，但我认为其他一切都很有趣。请在下方告诉我。好吧，这就结束了这次测试。我必须说我没有很好的收获感，因为我发现基本上我们看到的许多结果都不如我根据基准测试所预期的那样强劲。这并不意味着它们很糟糕，只是意味着它们没有像我预期的那样出色。真正让人感到失望的是……有些文件夹的名字并不准确反映其内容。例如那个滑板游戏，可能在“Skate”里面，表现真的很差。我们给了它第二次机会（我们也确实这么做了），结果反而更糟，因为它完全破坏了功能。我没预料到这一点，也很惊讶它在C++任务中表现如此糟糕，我本以为它会擅长这个。

其他事情都简单得多。摔跤游戏很棒，但问题在于……它可能无法在这里加载，因为我需要在服务器上运行它，问题是所有摔跤手的方向都很奇怪，这不幸地破坏了游戏玩法或真正能做的任何事情。此外是《街头热》（Street Heat）。同样，感觉就像……好吧，所有这些都需要在服务器上运行，所以我总结一下。感觉对于这些特定类型的结果来说，它并没有很努力。就像“呃”。请记住，我们在这里运行的每一件事都是在最大思维模式下进行的。所以我不认为这里有问题，但你永远无法100%确定新发布版本的情况。所以我非常感兴趣看看大家怎么说他们的第一次体验……哦，它还在网站上工作，但这没关系。我们看到了足够的信息来获取所需内容。

我非常感兴趣看看大家对这个模型有什么体验，因为我想看它是否反映了我也注意到的情况，或者大家是否看到了显著更好的性能。再次强调，我认为在更多这类任务中（不是这个模型本身，而是它在这里做的所有事情），非常酷。它很聪明、巧妙，做了很多硬核故障排除和逆向工程工作。总的来说，这就是我们关于这个模型的结论。我现在不完全知道该怎么评价它，也很感兴趣大家怎么看。所以，请在下方告诉我。嗯，感谢观看。如果你有任何问题，请随时在评论中留言，我可能会在周一早上放出Gemini 3.7 Flash的视频。然后是Rednote的Dots LLM3，我测试过它的 predecessor，结果出乎意料地有趣。所以我非常期待测试这个。