<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>LLM on Lynx 的技术博客</title><link>https://blog.lynxflow.co/tags/llm/</link><description>Recent content in LLM on Lynx 的技术博客</description><generator>Hugo -- gohugo.io</generator><language>zh-cn</language><lastBuildDate>Fri, 11 Sep 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://blog.lynxflow.co/tags/llm/index.xml" rel="self" type="application/rss+xml"/><item><title>2026年9月 AI 写小说模型完全指南：六大维度全数据横评（含 DeepSeek V4.1 / GLM-5.3 / Kimi K3 / Qwen3.8 实测数据）</title><link>https://blog.lynxflow.co/posts/best-llm-for-novel-writing-2026-09/</link><pubDate>Fri, 11 Sep 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/best-llm-for-novel-writing-2026-09/</guid><description>写小说选 AI 模型，网上的说法太多了——&amp;ldquo;Claude 文笔天花板&amp;rdquo;、&amp;ldquo;DeepSeek 伏笔密度最强&amp;rdquo;、&amp;ldquo;Kimi 超长上下文续写独一档&amp;rdquo;。这些说法哪些是实测、哪些是营销？这篇文章把 2026 年 9 月能拿到的所有公开榜单原始数据拉出来，按小说写作真正需要的五个维度逐一横评，给你一个能照着做的选型答案。</description></item><item><title>别把API密钥和银行卡号贴给AI中转站：自建隐私网关的开源方案全梳理</title><link>https://blog.lynxflow.co/posts/llm-privacy-self-hosted-gateway-guide/</link><pubDate>Mon, 31 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/llm-privacy-self-hosted-gateway-guide/</guid><description>&lt;img src="https://blog.lynxflow.co/images/llm-privacy-self-hosted-gateway-guide.png" alt="Featured image of post 别把API密钥和银行卡号贴给AI中转站：自建隐私网关的开源方案全梳理" /&gt;用第三方&amp;quot;中转站&amp;quot;访问 Claude、GPT、Gemini，确实便宜又方便——但你有没有意识到一件事：中转站运营者能看到你发给模型的每一个字。</description></item><item><title>CPA 模型池全量体检：80 个模型谁活着、谁聪明、谁在裸奔</title><link>https://blog.lynxflow.co/posts/cpa-model-pool-audit-smart-model-ranking/</link><pubDate>Sun, 23 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/cpa-model-pool-audit-smart-model-ranking/</guid><description>&lt;img src="https://blog.lynxflow.co/images/cpa-model-pool-audit-smart-model-ranking.png" alt="Featured image of post CPA 模型池全量体检：80 个模型谁活着、谁聪明、谁在裸奔" /&gt;上个月我写过一篇亲测六个 Claude Code 模型的文章。这次把范围扩大：本机 CPA（本地模型网关）里一共挂着 80 个模型，我做了两件事——先逐个发真实请求探活，再对活下来的模型做防背题的智力实测，最后对照公开榜单交叉验证。</description></item><item><title>一个人撑起多渠道:我的 AI 内容自动化管线 LynxPipe 是怎么搭的</title><link>https://blog.lynxflow.co/posts/lynxpipe-ai-content-pipeline-architecture/</link><pubDate>Thu, 20 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/lynxpipe-ai-content-pipeline-architecture/</guid><description>&lt;img src="https://blog.lynxflow.co/images/lynxpipe-ai-content-pipeline-architecture.png" alt="Featured image of post 一个人撑起多渠道:我的 AI 内容自动化管线 LynxPipe 是怎么搭的" /&gt;一个人运营博客、Telegram 频道、公众号三个出口,最痛的不是写不出内容,是写不过来——每天有价值的 AI 资讯太多了,手动翻译、改写、配图、排版、分发,一条链走完半天就没了。于是我把它拆成了一条管线,起名 LynxPipe:素材进,成品文章出,博客/TG/公众号三头分发,中间的&amp;quot;会动的逻辑&amp;quot;全收拢在一个仓里。</description></item><item><title>亲测六个 Claude Code 模型：谁快、谁聪明、谁在抽奖</title><link>https://blog.lynxflow.co/posts/claude-code-model-benchmark/</link><pubDate>Sat, 15 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/claude-code-model-benchmark/</guid><description>&lt;img src="https://blog.lynxflow.co/images/cc-bench-hero.png?v=090603" alt="Featured image of post 亲测六个 Claude Code 模型：谁快、谁聪明、谁在抽奖" /&gt;Claude Code 的模型选择器里躺着六个可选项:qwen3.8-max、glm-5.2-fast-preview、glm-5.2、deepseek-v4-pro-0813、qwen3-coder-next、grok-4.6,全部经由本机 CPA(一个本地模型网关)转发到各家上游。日常用的时候我只有模糊体感:&amp;ldquo;这个好像快点&amp;quot;&amp;ldquo;那个好像聪明点&amp;rdquo;。体感不可靠,于是花一个晚上把它们拉到同一条起跑线,实测了速度、思考时间、长输入处理和一个 9 题自动判分的智商小测,再对照公开榜单交叉验证。</description></item><item><title>大模型厂家的数据从哪来?怎么把数据卖给他们</title><link>https://blog.lynxflow.co/posts/llm-data-procurement-sell-data-to-ai/</link><pubDate>Sat, 08 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/llm-data-procurement-sell-data-to-ai/</guid><description>&lt;img src="https://blog.lynxflow.co/images/llm-data-procurement-sell-data-to-ai.png" alt="Featured image of post 大模型厂家的数据从哪来?怎么把数据卖给他们" /&gt; 调研日期:2026-08-05 · 调研方式:两路 ultracode 工作流并行(Grok 深研 106 个 agent + 本土信源 6 角度 10 个 agent),共 116 个子 agent、4500+ 次工具调用;关键结论经 3 票对抗验证(25 条送审,仅 3 条全票存活),其余按证据强度标注。 一句话使用方法:&amp;ldquo;高置信&amp;quot;可以拿去决策,&amp;ldquo;中/低置信&amp;quot;当线索看,第六节&amp;quot;被枪毙的说法&amp;quot;是网上流传但没证据的,别当真。</description></item><item><title>AI Token 密集型标注产业白皮书（2026）</title><link>https://blog.lynxflow.co/posts/ai-token-annotation-whitepaper-2026/</link><pubDate>Wed, 05 Aug 2026 00:00:00 +0800</pubDate><guid>https://blog.lynxflow.co/posts/ai-token-annotation-whitepaper-2026/</guid><description>&lt;img src="https://blog.lynxflow.co/images/ai-token-annotation-whitepaper-2026.png" alt="Featured image of post AI Token 密集型标注产业白皮书（2026）" /&gt; 生成:2026-07-31 · ultracode 多智能体研究流水线(41 agents)· 九大部分 + 12 个细分行业深度分析 数据出处见各章「参考资料」节;无来源判断均已标注【推断】</description></item></channel></rss>