LiveKit 開發者讓同一組語音代理分別接上 Gemini 3.8 Live 標準版與 Extended Thinking，比較繪圖任務的速度與過程。整理何時選標準版、何時值得多等，以及 turn complete 不代表結束的陷阱。

依阿拉伯語字幕軌整理 Metics Media 的 Hermes Agent 新手教學：怎麼架起來、每月會花什麼錢、以及安全上該先設哪些煞車。所有數字皆為口述、未獨立查證。

你在終端機貼上一段很長的提示詞，要模型做出一個完整的前端網站：TypeScript、假資料、深色模式、無障礙、單元測試，還得自己跑指令檢查成果。按下 Enter，四台機器的 GPU 使用率同時衝到 100%，機身漸漸發熱，卻遲遲沒有第一個字出現在畫面上。 這不是故障，而是本地執行超大模型最真實的樣子：機器很忙，你只能等。 這個場景來自 YouTuber Alex Ziskind 的一支實測影片。他把同一份前端開發任務，同時交給自己組的四台 Mac Studio 叢集（跑開源的 Kimi K3），以及雲端平台 Abacus AI 的 Supercomputer。結果是：兩邊都做完了，差別在時間、錢，和你願意把什麼交給別人。 這是一場「本地 vs 雲端」的第二回合 先交代背景。作者之前做過一輪對決，當時本地只有一台 512 GB 的 Mac Studio，結果被留言挑戰：「這不算真正的本地配置。」於是這次他把規格拉到極限。 模型：Kimi K3，影片稱為 2.8 兆參數，原始檔約 1.56 TB，單台 Mac Studio 放不下。 硬體：四台 Ma

自架 AI 工具組是把模型執行、備援路由、內容壓縮、應用建構與程式開發 agent，都改由開源工具在自己的機器或伺服器上完成的做法。它有機會讓你重新安排訂閱費花在哪裡，但不會讓帳單歸零：費用會轉成硬體、維護時間與用量判斷。以下依 Fireship 頻道影片的內容，逐一說明五個工具各守哪一段。 翻開這個月的信用卡帳單，訂閱項目一條一條排下來：寫程式的編輯器、一個聊天模型的高階方案、另一個聊天模型的高階方案，再來是某個你兩年前註冊、之後就沒再想過的 API 金鑰。 單看每一筆都不算誇張。可是把它們加在一起，你會停下來問自己一句話：這些東西，是不是有一部分其實可以自己來？ Fireship 頻道在 2026 年 9 月 7 日發布的影片，就是從這個念頭出發。講者先算了自己的帳：Cursor 每月 20 美元，Claude Max、GPT Pro、Gemini Ultra 各 100 美元，合計 320 美元，這也是影片標題裡「$320/mo」的來源。這些都是講者自述的個人支出，不代表一般用戶的實際花費。他另外還提到逐字稿寫成「11 Labs」的服務（疑

如果你在 2026 年 9 月 18 日打開美國區 App Store 的 iPhone 免費排行榜，會發現第一名換人了。被擠下來的是 ChatGPT，取而代之的是 Meta 才推出十天的新 App，名字叫 Muse。Meta Muse 是一款雲端代理型（agent）個人助理：它不只回答問題，還會在雲端自己的電腦上上網、填表、下單，把事情做完。 榜首之外：Muse 和聊天機器人差在哪 依照影片轉述的 Meta 宣傳片，Muse 的定位是個人 agent。一般聊天機器人多半是你問、它答，Muse 則是你交代一件事，它自己打開瀏覽器、登入網站、把表單一格一格填好，直到要付錢或要寄信的那一步，才停下來問你。 關鍵在於架構。Meta 直接在雲端替每個人開了一台專屬電腦，所以就算你關掉 App、關掉自己的電腦，Muse 仍能在那台雲端電腦上繼續工作。影片特別對比：Claude Code 或 Codex 這類工具，多半是借用你自己的電腦來運行任務。 App 的聊天頁刻意做得像通訊軟體，畫面最上方有一條狀態列，顯示 Muse 正在做什麼、做完什麼、接下來打算做

九月的一個晚上，Fireship 頻道《The Code Report》單元的主持人打開帳單，開始算一筆帳。 Cursor，一個月 20 美元。Claude Max，100 美元。GPT Pro，再 100 美元。Gemini Ultra，又是 100 美元。加起來，剛好 320 美元——這還沒算上 11 Labs 的語音訂閱、DeepSeek，以及兩年前註冊、後來忘了關掉的一堆 API key。他在影片裡半開玩笑地說，自己的「AI 成癮」貴到必須戒掉喝酒跟打坐；還調侃美國酒類銷售正處於歷史低點，「都是大型 AI 公司害的」。這段當然是誇飾的玩笑，不是什麼經濟數據，但那種「訂閱疊訂閱、多到自己都算不清」的感覺，恐怕不少每天在多個 AI 工具間切換的開發者都懂。 真正讓他停下來的，不是哪一筆扣款特別貴，而是把四筆訂閱攤開來看的那一刻——沒有人一開始就決定要花 320 美元，只是一個一個訂閱疊上去，疊到某天你打開帳單才發現。這也是這支影片的起點：與其繼續疊訂閱，他決定把整套 AI 工作流搬回自己的伺服器上，改用免費、開源的專案重新組一套「更便宜、也更