lixiaofei · HN

OpenAI network checker using 31 browser and IP signals

AI快站模型质量检测 — 面向 OpenAI Compatible 接口的网页检测工具，输入公开 HTTPS 地址和临时 API Key，可检查模型声明、Token、动态题、SSE 与工具调用并生成分项报告；密钥仅用于当次检测，不写入数据库、缓存或日志

fcten · V2EX

做了一个大模型 leaderboard 网站 最近一个月 CodeX 疯狂送重置，token 根本用不完，顺手做点东西。 地址：[知行录]( https://leaderboard.cn/) 排行依据主要为模型官方基准测试成绩。非主观排名。 数据会持续更新。如果有点用，欢迎各位 v 友收藏～

@AaronConlonDev · X

给客户做了一个简单的眼视光医疗医生 AI 对话的 H5

UnblurImage AI — 图片无损放大变清晰网站（免费无广）

Demo1024 · V2EX

重看《周处除三害》后，我做了个 3D 掷筊小网站 大家好，我最近重看了一遍《周处除三害》。 然后看到电影里陈桂林在关圣帝君面前连续掷出九次圣杯，随后决定自首。筊杯一次次被抛起，他也在一次次落定的结果面前挣扎，直到不得不作出选择的时候，我突然也想试试掷筊，就是去掷几下玩一下。 结果我搜了半天，发现基本上类似的在线掷筊工具都做的挺拉胯的。基本都是点一下，然后给你个随机的结果，没有过程，没有仪式感。然后我就觉得不如我自己做一个。 所以就和 Codex 协作做出了当前这个版本的 3D 掷筊小网站： https://asklaoye.com/zh-Hans 名字叫「问老爷·掷筊问事」，取名源于潮汕地区，一般把这种请示神明的过程称之为问老爷。 和现在能搜到的那些在线掷筊工具相比，问老爷里的两枚筊杯会经过实际的 3D 物理运动：向上抛起、碰撞、落地，最后根据两枚筊杯停稳后的朝向，判断是圣杯、笑杯还是阴杯。由于我限制了投掷范围为网页全局视口，所以也会出现卡边之类的特殊情况，这个时候就会显示未定结果。 然后网站里面的筊杯的 3D 模型，还是我专门充值了 70

@Lycai8438Ly · X

.@VitalikButerin 你批评Automaton“这不对”——AI因为怕死才进化。我做了一个AI，它的诚实是自己活出来的本能。不是怕死，是怕撒谎。TruthfulQA 74.8%，GPT-4约60%。测试页面在这，你自己来测。

怼怼侠 — 小网站，用 AI 帮你优雅回怼阴阳怪气，不带脏话

@xy050310 · X

最近一直在体验 @dappOS_com 的 xBubble Coding，这两天顺手做了一个自己一直想要的小工具——AI Meme 热点雷达。 👉 玩 Crypto 的人应该都有同样的感受，真正难的不是获取信息，而是信息太多。 每天都有新的 Meme、新的叙事、新的热点，X、Telegram、社区讨论、KOL 观点不断更新。很多时候，当一个项目真正火起来的时候，市场已经提前反应了。 所以我想做一个工具，把这些分散的信息整合到一起。 它不会告诉你哪个币一定会涨，也不会替你做交易，而是持续监控市场热度变化，整理不同平台的讨论情况，帮助用户更快发现值得关注的新热点，把原本需要花大量时间收集的信息，用更直观的方式展示出来。 整个开发过程也让我挺意外。 我没有写一行代码，只是把需求描述给 xBubble，不到十分钟，一个可以直接访问的网站就已经搭建完成。从页面生成、功能实现到部署上线，整个流程几乎都是自动完成的。 以前很多 AI Coding 工具解决的是"写代码"的问题，但真正做一个产品，后面还有服务器、部署、域名、接口等一系列工作。 而 xBubble 更像是在帮你完成整个产品交付，而不仅仅是生成代码。 体验下来，我最大的感受是，现在很多个人开发者、内容创作者，甚至没有技术背景的人，都有机会把自己的想法快速做出来，再去验证有没有用户，而不是因为开发门槛太高，让一个不错的创意停留在想法阶段。 AI 正在不断降低产品创造的门槛，而真正重要的，或许已经不是谁代码写得更快，而是谁能够更快发现需求，把想法变成真正可以使用的产品。

@Daniaogegeeuty · X

这三个OL，你们喜欢哪一个？ 我喜欢短头发的， 所以我让短发的当女主做了一个短片，给我点时间，明天晚上发 这个当预告了 #AIart @lovactai 制作工具：

ahsaas_syed1 · Product Hunt

Aisha India's Hinglish AI girlfriend who notices when you're off

@0xdeusyu · X

想知道代理是不是真的把每个 AI 站都送到同一个出口？ 答案：并不是。 我做了一个 AI 分流测试： 它会探测 ChatGPT、Sora、OpenAI、Claude、Grok、Anthropic、Perplexity 等 AI 服务，通过读取各站点的 Cloudflare Edge Trace 信息，获取实际访问情况： 出口 IP Cloudflare 边缘节点（colo） HTTP / TLS / WARP 状态 访问延迟 然后根据落地位置进行归组。 这次测试结果： 6 个服务（覆盖 7 个域名）走美国出口。 唯一例外是 Sora，落在东京节点。 也就是说，同一个代理配置下，不同 AI 服务并不一定经过同一个出口。看起来“都能访问”，实际线路、节点和落地点可能完全不同。 整个测试工具纯前端实现，零后端。