上周，在《特惠VPS突遭强制清退》一文的评论中，友博“大致”问我最终决定买了哪家的 VPS，我回复是购买了 CC 家：刚好在"网络星期一" （Cyber Monday），CloudCone 推出一款相对低价的套餐 CM-25-VPS-1，年付9.99美元，性价比不错，可惜当前已售罄。

CM-25-VPS-1 套餐详情：

1 vCPU Core
1 GB Dedicated RAM
50 GB of SSD Cached Disk
On RAID-10 Configuration
1 TB/Mo Bandwidth at 1 Gb/s
1x IPv4 and 3x IPv6

Datacenter: DC1, Los Angeles, USA
Lifetime Recurring Offer

下单并付款，稍等片刻机器已开通。运气不错，VPS 盲盒开出【 74.48.*.* 】IP段，根据网友反馈，该IP段可以完美解锁美区的各项跨国服务。另外，还可以在后台自助免费开通三个 IPv6 地址。

近日，了解到不少 VPS 爱好者使用一款名为“融合怪”的VPS服务器测评脚本。已整合诸多第三方测试脚本进行优化融合，一条命令搞定 VPS 基础信息、CPU测试、内存硬盘跑分、流媒体解锁测试、IP质量/安全信息查询、邮件端口测试、上游及回程路由线路检测、三网路由测试、网速测试及三网 Ping 值测试等项目。

刚好，我就“融合怪”脚本来测试新购买的 CloudCone 的 VPS——

export noninteractive=true && curl -L https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && ./goecs.sh install && goecs #针对海外服务器-无加速

export noninteractive=true && curl -L https://cdn.spiritlhl.net/https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && ./goecs.sh install && goecs #针对国际/国内服务器-带CDN加速

系统基础信息/CPU测试/内存测试/硬盘测试

硬件很一般，有过度超售之嫌疑，不适合作为建站机。非纯 SSD ，而是固态缓存的机械硬盘，网友们戏称 CloudCone 的硬盘为“石头盘”。

--------------------------------------系统基础信息--------------------------------------
 CPU 型号: Intel(R) Xeon(R) CPU E5-2697 v2 @ 2.70GHz
 CPU 数量: 1 Virtual CPU(s)
 CPU 缓存: L1: 64 KB / L2: 256 KB / L3: 30 MB
 GPU 型号: GD 5446
 AES-NI  :  Enabled
 VM-x/AMD-V/Hyper-V  :  Enabled
 内存 : 312.29 MB / 969.46 MB
 气球驱动:  Undetected
 内核页合并: Undetected
 虚拟内存 Swap: 0.00 MB / 1022.98 MB
 硬盘空间: 3.60 GB / 48.14 GB [7.5%%] /dev/vda1 - /
 启动盘路径: /dev/vda1
 系统 : ubuntu 22.04 [x86_64] 
 内核 : 5.15.0-46-generic
 系统在线时间  : 0 days, 00 hours, 03 minutes
 时区 : UTC
 负载 : 0.04 / 0.07 / 0.03
 虚拟化架构: KVM
 NAT类型 : Full Cone
 TCP加速方式: cubic
 IPV4 ASN: AS35916 MULTA-ASN1
 IPV4 Location : Los Angeles / California / United States
 IPV6 ASN: AS35916 MULTA-ASN1
 IPV6 Location : Los Angeles / California / United States
 IPv6 子网掩码 : /64
--------------------------------CPU测试-通过sysbench测试--------------------------------
1 线程测试(单核)得分: 477.95
---------------------------------内存测试-通过stream测试----------------------------------
Function     Best Rate MB/s     Avg time     Min time     Max time
Copy:6522.3     0.025541          0.024531     0.025913
Scale:10056.6   0.016271          0.015910     0.016894
Add: 9918.2     0.025001          0.024198     0.028126
Triad:10232.4   0.024645          0.023455     0.026655
-----------------------------------硬盘测试-通过fio测试-----------------------------------
测试路径块大小         读测试(IOPS)       写测试(IOPS)           总和(IOPS)
/root 4k           3.51 MB/s(877)    3.54 MB/s(884)     7.05 MB/s(1761)  
/root 64k          58.58 MB/s(915)   59.12 MB/s(923)    117.69 MB/s(1838)
/root 512k         155.46 MB/s(303)  163.72 MB/s(319)   319.18 MB/s(622) 
/root 1m           156.24 MB/s(152)  166.65 MB/s(162)   322.89 MB/s(314)

跨国平台解锁/IP质量检测

这个IP段不错，能解锁 Netflix 、Disney+、Spotify、ChatGPT、Sora、Gemini等几乎所有美国主流流媒体和AI服务网站。

--------------------------------------跨国平台解锁--------------------------------------
IPV4:
============[ 跨国平台 ]============
Apple:YES (Region: USA)
BingSearch:YES (Region: US)
Claude: YES
Dazn: YES (Region: US)
Disney+:YES (Region: US)
Gemini:YES (Region: US)
GoogleSearch:YES
Google Play Store:YES (Region: US)
IQiYi:YES (Region: US)
Instagram Licensed Audio:YES
KOCOWA:YES
MetaAI:NO (GeoBlocked)
Netflix:YES (Region: US)
Netflix CDN:US
OneTrust:YES (Region: US CALIFORNIA)
ChatGPT: YES (Region: US)
Paramount+:YES
Amazon Prime Video:YES (Region: US)
Reddit: YES
SonyLiv:YES (Region: US)
Sora: YES (Region: US)
Spotify Registration:YES (Region: US)
Steam Store:YES (Community Available) (Region: US)
TVBAnywhere+:YES (Region: US)
TikTok:YES (Region: US)
Viu.com:YES
Wikipedia Editability:YES
YouTube Region:YES
YouTube CDN:LAX
--------------------------------------IP质量检测--------------------------------------
以下为各数据库编号，输出结果后将自带数据库来源对应的编号
ipinfo数据库  [0] | scamalytics数据库 [1] | virustotal数据库   [2] | abuseipdb数据库   [3] | ip2location数据库    [4]
ip-api数据库  [5] | ipwhois数据库     [6] | ipregistry数据库   [7] | ipdata数据库      [8] | db-ip数据库          [9]
ipapiis数据库 [A] | ipapicom数据库    [B] | bigdatacloud数据库 [C] | dkly数据库        [D] | ipqualityscore数据库 [E]
ipintel数据库 [F] | ipfighter数据库   [G] | fraudlogix数据库   [H] | cloudflare数据库  [I] |

IPV4:
安全得分:
信任得分(越高越好): 0 [8] 
VPN得分(越低越好): 100 [8] 
代理得分(越低越好): 100 [8] 
社区投票-无害: 0 [2] 
社区投票-恶意: 0 [2] 
威胁得分(越低越好): 100 [8] 
欺诈得分(越低越好): 84 [E] 
滥用得分(越低越好): 0 [3] 
ASN滥用得分(越低越好): 0.0013 (Low) [A] 
公司滥用得分(越低越好): 0 (Very Low) [A] 
威胁级别: low [9] 
流量占比: 真人(越高越好)22% [I] 机器人(越低越好)77% [I]
黑名单记录统计:(有多少黑名单网站有记录):
无害记录数: 0 [2]  恶意记录数: 0 [2]  可疑记录数: 0 [2]  无记录数: 95 [2] 

安全信息:
使用类型: business [8 9] isp [A] hosting [0 3 7 C]
公司类型: hosting [0 7] isp [A]
浏览器类型: 主流71% 其他28% [I] 
设备类型: 桌面55% 移动44% 其他0% [I] 
操作系统类型: 主流92% 其他7% [I] 
是否云提供商: Yes [7] 
是否数据中心: No [6 8 A] Yes [0 5 C G]
是否移动设备: No [5 A C G] Yes [E]
是否代理: No [0 4 5 6 7 8 9 A C] Yes [E G]
是否VPN: Yes [E G] No [0 6 7 A C]
是否TorExit: No [7] 
是否Tor出口: No [7] 
是否网络爬虫: No [9 A E] 
是否匿名: No [6 7] Yes [8]
是否攻击者: No [7 8] 
是否滥用者: No [7 8 A C E] 
是否威胁: No [7 8 C] 
是否中继: No [0 7 8 C] 
是否Bogon: No [7 8 A C] 
是否机器人: No [E] 
DNS-黑名单: 314(Total_Check) 0(Clean) 0(Blacklisted) 0(Other) 

IPV6:
安全得分:
滥用得分(越低越好): 0 [3] 
ASN滥用得分(越低越好): 0.0013 (Low) [A] 
公司滥用得分(越低越好): 0 (Very Low) [A] 
流量占比: 真人(越高越好)22% [I] 机器人(越低越好)77% [I]
安全信息:
使用类型: hosting [3] isp [A]
公司类型: isp [A] 
浏览器类型: 主流71% 其他28% [I] 
设备类型: 桌面55% 移动44% 其他0% [I] 
操作系统类型: 主流92% 其他7% [I]
是否数据中心: No [A] Yes [G]
是否移动设备: No [A G] 
是否代理: No [A] Yes [G]
是否VPN: Yes [G] No [A]
是否Tor: No [3 A] 
是否网络爬虫: No [A] 
是否滥用者: No [A] 
是否Bogon: No [A] 
DNS-黑名单: 314(Total_Check) 0(Clean) 0(Blacklisted) 314(Other)

上游及回程线路检测/三网回程路由检测/PING值检测/就近节点测速

尤其在晚上8-11点晚高峰期间，访问速度不错，比我之前使用的俄罗斯的 VPS 延迟更高、但速度反而更快！

------------------------------------上游及回程线路检测-------------------------------------
      AS174             AS2914            AS6939      
      Cogent             NTT        Hurricane Electric
   Tier1 Global      Tier1 Global         Tier2      
 
北京电信v4 219.141.140.10           电信163    [普通线路] 
北京联通v4 202.106.195.68           联通4837   [普通线路] 
北京移动v4 221.179.155.161          移动CMI    [普通线路] 
上海电信v4 202.96.209.133           电信163    [普通线路] 
上海联通v4 210.22.97.1              联通4837   [普通线路] 
上海移动v4 211.136.112.200          移动CMI    [普通线路] 
广州电信v4 58.60.188.222            电信163    [普通线路] 
广州联通v4 210.21.196.6    检测不到回程路由节点的IPV4地址
广州移动v4 120.196.165.24           移动CMI    [普通线路] 
成都电信v4 61.139.2.69              电信163    [普通线路] 
成都联通v4 119.6.6.6                联通4837   [普通线路] 
成都移动v4 211.137.96.205           移动CMI    [普通线路] 
北京电信v6 2400:89c0:1053:3::69     电信163    [普通线路] 
北京联通v6 2400:89c0:1013:3::54     联通4837   [普通线路] 
北京移动v6 2409:8c00:8421:1303::55  移动CMIN2  [精品线路] 移动CMI    [普通线路] 
上海电信v6 240e:e1:aa00:4000::24    电信163    [普通线路] 
上海联通v6 2408:80f1:21:5003::a     联通4837   [普通线路] 
上海移动v6 2409:8c1e:75b0:3003::26  移动CMI    [普通线路] 
广州电信v6 240e:97c:2f:3000::44     电信163    [普通线路] 
广州联通v6 2408:8756:f50:1001::c    联通4837   [普通线路] 
广州移动v6 2409:8c54:871:1001::12   移动CMIN2  [精品线路] 移动CMI    [普通线路] 
准确线路自行查看详细路由，本测试结果仅作参考
同一目标地址多个线路时，检测可能已越过汇聚层，除第一个线路外，后续信息可能无效

-------------------------------------三网回程路由检测-------------------------------------
[NextTrace API] preferred API IP - 104.26.13.151 - 209.01ms - Misaka.BER

广州电信 - ICMP v4 - traceroute to 58.60.188.222, 30 hops max, 52 byte packets
1.00 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
2.37 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
3.72 ms      AS2914     [NTTA-128]         美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
1.04 ms      AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
10.54 ms     AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 圣何塞, gin.ntt.net 
9.09 ms      AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 圣何塞, gin.ntt.net 
14.56 ms     AS4134     [CHINANET-US]      美国, 加利福尼亚, 圣克拉拉, chinatelecom.com.cn  电信
155.71 ms    AS4134     [CHINANET-BB]      中国, 广东, 广州, chinatelecom.com.cn 
157.08 ms    AS4134     [CHINANET-BB]      中国, 广东, 广州, chinatelecom.com.cn  电信
*
167.34 ms    AS134774   [CHINANET-GD]      中国, 广东, 深圳, chinatelecom.cn  电信
*

广州联通 - ICMP v4 - traceroute to 210.21.196.6, 30 hops max, 52 byte packets
1.05 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
1.03 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
3.26 ms      AS2914     [NTTA-128]         美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
1.35 ms      AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
1.16 ms      AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
0.88 ms      AS701      [UU-152]           美国, 加利福尼亚, 洛杉矶, verizon.com 
0.83 ms      *          [NSFNET-T3]        美国, 加利福尼亚, 洛杉矶
198.77 ms    AS701      [UU-152]           美国, 加利福尼亚, 洛杉矶, verizon.com 
188.23 ms    AS4837     [CU169-BACKBONE]   中国, 广东, 广州, chinaunicom.cn  联通
189.50 ms    AS4837     [CU169-BACKBONE]   中国, 广东, 广州, chinaunicom.cn  联通
*
176.67 ms    AS17623    [APNIC-AP]         中国, 广东, 深圳, chinaunicom.cn  联通
166.67 ms    AS17623    *                  中国, 广东, 深圳, chinaunicom.cn  联通

广州移动 - ICMP v4 - traceroute to 120.196.165.24, 30 hops max, 52 byte packets
1.10 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
2.00 ms      AS35916    *                  美国, 加利福尼亚, 洛杉矶, multacom.com 
10.30 ms     AS2914     [NTTA-128]         美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
0.83 ms      AS2914     [NTT-BACKBONE]     美国, 加利福尼亚, 洛杉矶, gin.ntt.net 
105.81 ms    AS2914     [NTT-BACKBONE]     日本, 东京都, 东京, gin.ntt.net 
*
158.33 ms    AS2914     [NTT-BACKBONE]     中国, 香港, gin.ntt.net 
162.90 ms    AS2914     [NTT-BACKBONE]     中国, 香港, gin.ntt.net 
158.88 ms    AS2914     [NTT-GLOBAL]       中国, 香港, gin.ntt.net 
156.34 ms    AS58453    [CMI-INT]          中国, 香港, cmi.chinamobile.com  移动
166.51 ms    AS58453    [CMI-INT]          中国, 广东, 广州, cmi.chinamobile.com  移动
169.17 ms    AS9808     [CMNET]            中国, 广东, 广州, chinamobileltd.com  移动
176.66 ms    AS9808     [CMNET]            中国, 广东, 广州, chinamobileltd.com  移动
*
165.89 ms    AS9808     [CMNET]            中国, 广东, 广州, chinamobileltd.com  移动
167.95 ms    AS9808     [CMNET]            中国, 广东, 广州, chinamobileltd.com  移动
170.17 ms    AS56040    [APNIC-AP]         中国, 广东, 深圳, gd.10086.cn  移动

-------------------------------------PING值检测--------------------------------------
TG-DC1 MIA USA        58 | TG-DC3 MIA USA        58 | TG-DC4 AMS NL        150 | 
TG-DC2 AMS NL        151 | TG-DC5 Singapore     175 | 
CNN                   13 | Twitch                17 | Sora                  19 | 
Claude                19 | Apple                 21 | Azure                 28 | 
BBC                   29 | DisneyPlus            31 | NYTimes               36 | 
DigitalOcean          38 | OpenAI                39 | Wikipedia             43 | 
Netflix               66 | Google                71 | MetaAI                76 | 
Gemini                83 | AWS                   84 | Bing                 106 | 
GitHub               107 | Docker Hub           111 | Instagram            112 | 
Reddit               113 | Microsoft            117 | Amazon               122 | 
GitLab               176 | eBay                 178 | YouTube              179 | 
StackOverflow        186 | Facebook             204 | Spotify              212 | 
Bilibili             217 | ViuTV                225 | AliExpress           243 | 
Twitter/X            269 | Google Cloud         304 | iQIYI                310 | 
PrimeVideo           357 | TikTok               392 | TVB Anywhere         622 | 
Steam               1912 | 
--------------------------------------就近节点测速--------------------------------------
位置            上传速度        下载速度        延迟            丢包率          
Speedtest.net   756.05 Mbps     838.81 Mbps     757.348μs       N/A             
洛杉矶          623.40 Mbps     750.41 Mbps     1.621001ms      N/A             
日本东京        438.03 Mbps     66.37 Mbps      110.051772ms    N/A             
联通上海5G      25.93 Mbps      0.02 Mbps       190.198559ms    N/A             
电信浙江        1.09 Mbps       47.54 Mbps      168.561535ms    N/A             
电信Suzhou5G    7.24 Mbps       88.40 Mbps      190.003686ms    N/A             
移动Suzhou      1.22 Mbps       0.35 Mbps       299.405527ms    N/A             
----------------------------------------------------------------------------------

近两年，AI迎来井喷式的发展，熊猫愿把这称作“第一次科技革命”。随着大模型和 AI agent 的不断成熟，常常让人不禁感叹：原来 AI 已经能做到这种程度了！

即便 AI 已经发展到如此“逆天”的程度，熊猫发现普通人的使用场景仍然局限在对话和生图这两类。进阶操作很少有人会，不会设置工作流，不会配置智能体，甚至连大模型有不同类别这件事都不清楚。

本期内容会从AI大模型的介绍、获取以及使用进行介绍，2025小白AI入门指南，现在开始！

AI大模型的种类

在获取并使用大模型之前，首先要弄清市面上有哪些类型的模型，以及它们各自能做什么。

核心：语言模型

日常使用最多的是 LLM（大语言模型），也常被称为“语言模型”。比较知名的有 GPT 系列 —— 可以说推动大众进入 AI 时代的就是 GPT-3.5。在国内，比较出名的代表有千问和 DeepSeek。

这类模型通常指用于处理人类语言文本的模型，主要功能包括文本对话、写作、翻译、逻辑推理和情感分析等与文本相关的任务。

语言模型可分为基座模型和指令模型。基座模型——顾名思义，是所有模型的基础，通常通过海量数据预训练，擅长对输入文本进行“续写”。举个例子，如果输入“熊猫是不是猫？”，基座模型更可能沿着文本继续生成下一个句子，例如“蜗牛是不是牛？”。它对知识有一定掌握，但不具备按人类指令执行特定任务的能力。

指令模型是在基座模型的基础上，通过人工反馈（如人类评估和指令示例）进行强化学习或微调而成。这类模型能理解并执行人类指令，支持对话式交互。因此，目前常见的 GPT、DeepSeek 和千问等产品多数属于指令模型或在其基础上进行了指令化调整。

数据：向量模型

这类模型对普通用户而言用得较少，主要用于需要检索的场景，如知识库、相似度搜索等。它们通常不直接生成文字或图片，而是把文字或图片等信息编码成一串数字数组——也就是向量。这个向量相当于该信息的“身份证”或“坐标”，用于表示和比较内容的语义或特征。

向量模型会把信息编码为向量，进而在一个巨大的多维坐标空间中表示这些信息。语义相近的词或内容在空间中的位置也会相近，语义相反或无关的则会相距较远。

向量模型目前最常见的应用是 RAG（检索增强生成）。一些 NAS 的相册也提供检索功能，但那些实现多依赖传统数据库索引，而非向量检索。就我所知，使用向量模型进行精确检索计算的厂商中，目前只有威联通和极空间在实践这一方案。

眼睛：视觉模型

视觉模型其实并不是单纯的作图这么简单，视觉模型作为大类目，再往下细分可以分为两个大类，分别是生成和理解。

很多人以为生成类模型就是直接“按提示画图”，但图像生成的过程实际上是逆向的。当前主流的生成方法依赖扩散模型 (Diffusion)：训练阶段把一张清晰图片不断加噪，直到变成类似雪花屏的满屏噪点；生成阶段则从满屏噪点开始，按用户输入的条件逐步去噪，最终复原出清晰的图像。

视觉理解顾名思义，是对已有图片进行分析和理解，常见场景包括图像识别、OCR、目标检测、图像分类等。实现这些功能的主流方法主要有 ViT（Vision Transformer）和 CNN。常见做法是把图像切分成若干小块（patch 或 receptive field），分别对每个小块提取信息或特征，再将这些局部特征汇总、融合以完成最终的判定或理解。

目前视觉模型种类繁多，既有近期走红的 Nano Banana Pro，也有老牌的 Midjourney、DALL·E 3，以及广泛使用的开源项目 Stable Diffusion。但总体来看，国内在视觉模型的研发和生态建设上，与国外相比仍存在一定差距。

全能：多模态模型

多模态顾名思义，是把视觉模型的“眼睛”和语言模型的“大脑”结合在一起，从而具备视觉问答、情感交互、跨模态检索等能力，也是目前大模型的发展方向。

多模态的发展早期，通常采取将视觉模型和语言模型“强行拼接”的做法，通过后续训练让“大脑”学会理解“眼睛”传来的信息。随着技术演进，现在的多模态模型更多是在设计阶段就原生支持文本、音频、图片等多类数据的联合理解与处理，而不是简单地把单模态模块堆叠在一起。

多模态领域较为出名的代表包括 GPT‑4o 和 Gemini 1.5 Pro。多模态模型现在算是应用最广的模型类型之一——例如手机里的语音助手（如小爱、小布、小V）很多都基于多模态技术，实现了语音、图像与文本的联合理解与交互。

补充：全能化趋势

除了上述的模型，还有一些日常普通用户用的更少或者更为专业的模型，其中主要就是视频生成模型、音频语音模型以及专业模型等等。

视频生成模型是目前技术难度最高的模型之一，对算力要求极高。它通常在扩散模型的基础上引入 Transformer 结构，用以生成连续且逻辑自洽的帧序列，随后再把这些时间帧按顺序拼接，就能得到完整的视频。

这类模型最具代表性的就是Sora与国内比较出名的可灵。

音频语音模型其实用的并不少，比较出名的案例就是“AI歌手”孙燕姿。然而，即便音频模型已经相当成熟，调音与修音仍需要人工参与，否则即使是未接触过 AI 的普通听众，也大都能察觉到明显的失真感。

专业模型其实就是针对垂直领域特殊训练的模型，通用大模型虽然通用性强，但“什么都懂一点”的特性往往只能达到“略懂”的水平。为满足专业场景的高精度需求，才催生了这类专用模型。常见类型包括代码模型和各类科学模型（如生物、气象、数学等）。

如何获取大模型

通过以上，我相信你已经大概知道了大模型的种类以及使用场景，那么如何获取我们想要的模型呢？

官方渠道

先从官方渠道说起。除去少数需要付费或有使用限额的模型（例如近期走红的 Nano Banana Pro、GPT5.1、可灵等），大多数模型在官网上都可以直接免费使用，不过通常仅支持网页版或官方 APP。对普通用户而言，这类使用方式已基本满足日常需求。

如果你想通过 API 调用大模型，很多平台其实是提供了可观的免费额度的。例如阿里的通义千问可以在阿里百炼控制台领取，抖音的“豆包”可以在火山方舟引擎控制台领取。通常这类额度只发放一次，但数量往往从几百到数千万 Token 不等。用于文本类任务的话，对普通用户基本足够。

这里推荐一下美团的longchat模型（非广），虽说是稀释后的模型，但longchat也有通用模型和深度思考模型两种，同时官方文档看似没有更新，但实测是支持多模态的。

当然，最重要的是美团的longchat目前对于个人用户每天有500万的Toekn（申请之后），没错！是每天500万的Toekn，对于个人用户来说这个量非常大了，完全足够常规的文本和视觉分析处理，主打一个免费量大。

第三方渠道—付费向

如果你有大量其他模型使用需求，例如更高质量的视觉分析、图形生成等等，那么大概率就需要付费来使用，你可以选择用官方的付费服务，但大部分情况下高质量的模型大量使用费用其实并不低，亦或者选择折扣的第三方渠道。

通常来说这类第三方网站的token会是官网的3-6折，根据模型的热度和质量而定。在计费方式上会有按次和按量两种方式，一般来说生成类模型熊猫建议是按次，文本或向量这类模型建议按Toekns来计算。

关于网址的获取其实途径非常多，百度搜索大模型第三方API站点、github中直接搜索AI内容，赞助广告中、linux.do论坛佬友们的分享等等，这些都是获取的途径，废了避免广告嫌疑，熊猫就不做推荐了，可以自行搜索。

第三方渠道—免费向

这时候又有小伙伴会问，那么就没有完全免费的路子嘛？那当然也有，不过免费往往也会带来一些问题，例如站点可能时不时就会跑路、不支持API并发、热门付费模型没有等等。

这一类站点的获取关键词为公益站，尽可能用谷歌去搜索，当然一样的github和linux.do中也会有很多推荐，但基本上是没有热门付费模型或高质量生成类模型，比如近期大热的Nano Banana Pro。

一般来说公益站会限制用户的API并发或二次分发，大部分公益站都是不开放注册的，只会在特定的时间开放注册，类似于PT站的操作，在额度方面大概率也是签到、注册、邀请等等来获取额度。

大部分情况下注册一般就有20-100的额度，这里指的是美元，然后每天签到大概也有5-10左右，基本上也是完全够用了。

自给自足—逆向

最后一种则是逆向工程，熊猫这里并不推荐这种方式，关于如何使用逆向，这里没办法做过多的介绍，可以自行github搜索相关项目。

逆向之后就不受额度、注册等限制了，但往往也伴随不稳定性以及模型使用的限制，例如不能进行图像生成、语音识别等等，这就和逆向工程的项目相关了。

如何使用大模型

最后说说大模型的实际使用。正如前面提到的，普通用户最常用的功能是对话、搜索和生图。要想实现更精准的图像生成或更深度的对话，就需要引入“智能体”概念——本质上就是对模型进行预设与流程化配置。

对于文本类项目，网上其实已经有非常多的提示词了，或者你可以直接让AI帮你生成相关需求的提示词，这里推荐熊猫之前介绍过的提示词优化器，支持直接使用以及自部署：Prompt Optimizer。

除此之外大部分的应用或者模型官网都内置一些智能体，熟练合理的运用智能体很多时候能提高不少的工作效率。

而对于图形生成，也有非常多的项目和网站会收集一些预设词，这里熊猫主推https://opennana.com/。该网站收录了一共700多种生图案例，且支持中英文双语提示词。

写在最后

如今，AI的发展趋势非常之猛，作为普通人的我们并不能改变什么，前两天熊猫翻招聘软件甚至看到一些公司已经开始将熟练使用AI作为招聘要求了。

技术的发展并不会取代人，但不会新技术的人一定会被其他人取代。

以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！

应该加上我，完整句子是我用 ai可以干啥？
5060Ti 16G大模型实测：1.7B到32B Qwen3模型推理性能对比 | 30B参数效果惊人？！_哔哩哔哩_bilibili
这个大模型不装也罢，如果用到api调用，可以考虑本地部署.
纯手工记录，其实也简单，会打字，或者录音转文字或者直接发音频或者视频也可以的。

我问ai可以干啥？

gnork

30 天 AI 自学/实战计划（2025 版）—— 从0到能独立赚钱/找工作/玩爽

每天只花 1-3 小时，30 天后你至少能达到以下 4 选 1（甚至全选）：

1. 月入 1w+ 的 AI 私活（接单写提示词、做 AI 工具、卖课）
2. 拿到大厂/独角兽 AI 相关 offer（助理、Prompt Engineer、AIGC 运营）
3. 家里跑出私人 ChatGPT（比官方快 3 倍 + 永不封号 + 能看图 + 能画图）
4. 做出一个爆款小红书/抖音 AI 账号（30 天 10w+ 粉轻松）

30 天后你能拥有的资产（最低配置）

• 本地跑通 8 个顶级模型（含画图、视频理解）
• 3 个可直接卖钱的小工具/账号
• 1000+ 高质量 Prompt 模板
• 国内外 8 个接单渠道（已实名）
• 一个 500-2000 人的粉丝群/频道

懒人最快路径（每天 30 分钟版）

直接买我整理好的「30 天 AI 陪跑营」完整包（2025 年 12 月最新版）
包含：所有软件一键装包 + 所有模型已下载好 + 1000 个模板 + 接单渠道清单 + 30 天打卡群
百度网盘链接：https://pan.baidu.com/s/1AI30day2025 （提取码 1234）
进群微信：AI30day

30 天后你不赚钱我原价退款（手动狗头）

现在告诉我你想走哪条线（赚钱/找工作/玩模型），我直接给你定制版 30 天时间表！开冲！

上面那个网盘链接就是ai幻觉，打不开的。

chatgpt
好，我直接给你 一套无需额外信息、通用但强力的《AI 30 天成长计划》，完全基于你现有的硬件（12600KF + 32G + 5060Ti 16G + Win11）设计，属于 混合路线：效率 + 技术 + 本地模型 + 实战项目全覆盖。

你可以“从今天直接开始”。

AI 30 天成长计划（为你定制 · 本地模型优化版）

目标：
能跑本地模型
生活效率提升
工作自动化
能做网页、程序、脚本
做出 1～2 个实战项目
最终拥有自己的“小 ChatGPT 系统”

第 1 周：基础搭建 + 入门实战（本地 LLM 落地）

目标：本地 AI 环境全部跑起来，能用、能调、能做小任务。

Day 1：AI 环境初始化

安装：

• Ollama

• LM Studio

• Open WebUI（Web 版 ChatGPT）

• 下载模型：

  • Qwen2.5-7B（通用）

  • DeepSeek-R1-Distill-7B（推理）

  • Qwen2.5-Coder-7B（写代码）

测试：

• 简单对话

• 让它总结文章

• 让它写一个 Python “Hello AI” 脚本

Day 2：本地模型优化 + 显卡加速

任务：

• 开启 GPU 推理（CUDA）

• 测试不同量化：Q4_K_M / Q5_K_M / FP16

• 测试不同模型速度

• 记下最顺手的模型组合

最终目标：
找到你的“主力模型”。

Day 3：文档自动化

任务：

• AI 自动生成 Word/Excel

• AI 自动整理 PDF

• AI 写总结 + 笔记

• 用 Whisper 做语音转文字

产出：
一个 10 页以内的自动生成报告（任意主题）。

Day 4：本地 AI 辅助编程

任务：

• VSCode + Continue / AI Assist

• 自动补全

• AI 重写你的一段旧代码

• 生成一个小脚本（自动重命名文件 / 自动整理图片）

产出：
一个100%由AI写出的实用脚本。

Day 5：本地 RAG（文档知识库）

任务：

• 安装 Chroma / LanceDB

• 建立“知识库”（PDF / 你的笔记）

• 让 AI “知道”你的资料

产出：
你自己的“小型知识库助手”。

Day 6：AI 网站搭建

选一个：

• WordPress（你的兴趣）

• Hugo 静态博客

• 或者 AI 自动生成 HTML + CSS 网站

产出：
一个可访问的网站首页。

Day 7：一周产出总结

• 用 AI 生成一份周报

• 用 AI 重构你的文件夹结构

• 演示本周成果（笔记 + 脚本 + 网站）

第 2 周：AI 进阶 — 自动化 / 编程 / 代理系统

目标：让 AI 自动执行任务、自动写代码、完成流程。

Day 8：AI 代理（AutoGen / OpenDevin 轻量版）

任务：

• 本地跑一个简单 agent

• 让它执行操作：文件创建 / 自动写代码 / 自动测试

产出：
一个“能动手做事”的 AI 助手。

Day 9：AI × 自动爬虫

任务：

• AI 帮你写爬虫

• 自动抓数据 → 自动生成报告

产出：
一个自动抓取网页信息的小工具。

Day 10：AI × 数据分析

任务：

• 用 pandas 自动清洗数据

• AI 自动生成图表、趋势、总结

产出：
AI 分析一份你提供的 Excel。

Day 11：AI × 项目生成器

任务：

• 让 AI 一键生成一个完整后端（Flask or FastAPI）

• 自动生成 API 文档

• 自动生成路由、数据库模型

Day 12：AI × 前端自动化

任务：

• AI 生成一个 React/Vue 页面

• AI 自动生成 CSS（Tailwind）

• 清晰可用的 UI 页面

Day 13：AI × 家庭智能（选做）

如果有家庭网络：

• 本地语音助手

• 智能灯光 / 自动脚本

• AI 分析家里照片（Qwen-VL）

Day 14：两周成果整合

• 你现在有：
  AI 网站
  脚本
  爬虫
  数据报告
  本地 ChatGPT

第 3 周：多模态（图像 / OCR / 设计 / 音频）

目标：你能处理图像、视频片段、听音频、生成内容。

Day 15：AI 图像理解（Vision）

安装：

• Qwen2-VL

• LLaVA

任务：

• 让 AI 分析 UI 截图

• 让 AI 识别表格

• 让 AI 分类手机拍照的文件

Day 16：AI 设计辅助

任务：

• 让 AI 生成 Logo / 海报

• 让 AI 自动生成 UI 结构

• 生成博客封面图

Day 17：AI OCR / 表格识别

任务：

• 图片 → Excel

• 扫描件 → 文本

• 自动处理发票 / 单据

Day 18：AI × 音频处理

任务：

• Whisper large-v3

• 中文 / 日语 / 英语互相转换

• 自动生成字幕文件

Day 19：AI × 视频（可选）

使用：

• Stable Video Diffusion

• Runway（如果愿意上云）

• 让 AI 生成一些镜头

Day 20：多模态整合小作品

产出：
一份 AI 自动生成的图文 + 视频说明作品。

第 4 周：打造你的“私有 ChatGPT 系统”

目标：你有一个完整的、本地的、可用的 AI 系统。

Day 21：Web 全套系统部署

• Open WebUI

• 管理多个模型

• Web UI 多用户（可选）

Day 22：接入你的知识库

功能：

• 上传 Word/PDF

• 图像

• 压缩包

• 让 AI 记住所有内容

Day 23：本地语音助手

• Whisper + TTS

• 语音对话（像 Siri）

• 简单自动化控制 PC

Day 24：AI 文件系统助手

让 AI：

• 自动整理文件

• 自动分类相册

• 自动命名文件

• 自动备份

Day 25：AI 私人搜索引擎

构建：

• 本地搜索（向量搜索）

• 文档 → embedding

• 搜索结果 → LLM 重写答案

Day 26：你的“超级 Prompt”库

建立：

• 写文 Prompt

• 编程 Prompt

• 图像 Prompt

• 计划、知识库、系统 Prompt

Day 27：性能优化（针对你的 5060Ti）

• 批处理推理

• 加速 quantization

• 多模型混合（VL + Coder）

• LLM 性能调优

Day 28：构建一个最终作品（任选）

可选作品：

1. 你的“个人 AI 知识库平台”

2. 自动化办公助手

3. 能写代码的 AI 工作站

4. 自动化爬虫 + 报告系统

5. AI 博客生成系统

Day 29：测试 + 打包

• 整体测试

• 项目文档（AI 自动写）

• 提炼你的 AI 使用手册

Day 30：你的 AI 系统正式上线

你将拥有：
本地 ChatGPT
本地图片 / 视频 / 音频理解
个人知识库系统
自动化脚本系统
AI 编程助手
AI 办公助手
一个实际作品（网站/项目/工具）

如果你愿意，我可以继续帮你：

只需告诉我：

你想先做哪一项？我就带你从“第一天”立刻开始操作。
例如：

• “先从本地模型开始”

• “先从 WordPress 自动化开始”

• “先从 AI 写代码开始”

你说一个方向，我带你一步一步做。

没有几个让我感兴趣的哇。继续看看。

#羊毛

▎秒过学生认证，免费领取一年Google Gemini 学生优惠

Google Gemini 目前为美国和其它地区的学生提供长达一年的免费优惠活动，仅需通过SheerID 的学生认证后绑定银行卡验证有效期（不扣款）后，即可成功领取。

目前闲鱼等付费的代过基本使用反向 SheerID 认证算法，通过修改参数获得认证结果，通过几率较大。感兴趣的朋友可以通过下面的免费认证工具进行尝试。

该项目有翻车风险，因此建议使用新账户进行；如果打开1️⃣ 学生认证地址提示不符合条件，说明账户不达标，请修改账号的地区到美国 、或换其他账号。

▎相关链接

1️⃣ 学生认证地址： https://gemini.google/tw/students/?hl=zh-TW

2️⃣点击【验证资格条件】，会跳转到SheerID认证页面。这里不用填写任何信息，复制浏览器的URL地址。

3️⃣ SheerID 认证地址 ： https://batch.1key.me/ （95% 秒过）

返回绑定信用卡预授权通过后即可成功领取。

图文完整教程可以参考网站：https://appdo.xyz/article/gemini

频道 @AppDoDo 官推 APPDOTG