Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

Anthropic的创始人Dario Amodei，把话挑明了。他说，多数中共国的开源AI模型，都是幻觉。是专为跑分优化的“考试型选手”。公开测试，个个是学霸。榜单分数，高得吓人。可一旦遇到没见过的题，私下一考。马上露馅，表现差一大截。为什么？因为它们本来就不是为了解决真实世界的问题。而是为了刷榜。技术根源上，很多模型还是从美国大实验室的模型里“蒸馏”出来的。听着是不是很耳熟？只为高分，不为真才实学。应试教育那套，原封不动搬到了AI领域。 Amodei还打了个比方。 AI就像雇员。你是要世界第一的程序员，还是要排名第一万的？能力的天壤之别，任何一个老板都懂。真正顶级的AI，认知能力最强的那个，才是唯一的赢家。价格和形式，在绝对的聪明面前，都不重要。靠刷分和模仿，能做出最聪明的AI吗？这条路，到底能走多远？

墓碑科技

69,718 subscribers

249,731 Aufrufe • vor 6 Monaten •via X (Twitter)

Nachrichten & Politik Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

32 Kommentare

Profilbild von SweetieRT

SweetieRTvor 6 Monaten

你不能一方面说中国模型抄袭的你，一方面说中国模型是假的，你能不能稍微有点智商啊

Profilbild von Wt

Wtvor 6 Monaten

这个货越来越不像AI公司了，越来越像个政治人物，实话说这个公司也是最近才冒出来的，现在想博取一点知名度。

Profilbild von chenweifei

chenweifeivor 6 Monaten

李彦红到底对他做了什么

Profilbild von CV066

CV066vor 6 Monaten

跟国内安卓机一样。个个刷分奇才，真跑起来系统就拉了。系统里塞了垃圾功能加上app里塞入垃圾功能，时间一长就卡

Profilbild von g

gvor 6 Monaten

自己蒸馏deepseek咋不提了？贼喊捉贼？

Profilbild von MY

MYvor 6 Monaten

高benchmark = 刷分？Dario也是头昏了。Claude的幻觉好好解决一下吧。就claude提取不了过长context这个问题，他在产品上做了多少了乱七八糟的功能了，适应成本极高。奉劝有功夫好好提升一下自己的基础模型，别老是一天天的阴谋论别人了

Profilbild von 币圈狗狗侠

币圈狗狗侠vor 6 Monaten

深度使用智谱ai和gemini深有感触，gemini对复杂的私人逻辑问题解决更加聪明

Profilbild von 𝒟𝒶𝓃𝓉ℯ 𝑨𝑰

𝒟𝒶𝓃𝓉ℯ 𝑨𝑰vor 6 Monaten

这个其实有个悖论，因为人类没办法定义什么叫做“理解”，什么叫做“学会”。人类自己对理解和学会的界定，也是依靠考试来对齐的。我说一个理论，你说你理解了，但我不知道你的理解和我的理解是不是对齐的，我不知道你理解的是不是跟我理解的一样。那怎么办呢？我就会问你几个问题。如果你回答跟我一致，那我觉得你跟我理解的就是一样的。这就好比你看到的苹果是红色，我看到的苹果也是红色，但是你看到的那个红色和我看到的这个红色，真的是同一种颜色吗？我们只是把类似这种颜色的定义叫做“红色”，但没办法确定你跟我看到的，到底是不是同一个红。

Profilbild von Frontier surfer gal 🌊 ✨

Frontier surfer gal 🌊 ✨vor 6 Monaten

还算中肯。现在qwen 3.5虽然已经非常好了，但用下来和opus，sonnet还是有一些细微差距。但个人觉得并不是什么不可逾越的鸿沟。 “认知限制”和“想象力天花板”才是很多中国企业的瓶颈。而美国公司强大模型和openclaw的公开面世其实也是一种可行性的验证。竞争会推动没有最好，只有更好。

Profilbild von 美利坚共产党委员会政法委书记 ❤️ Memecoin

美利坚共产党委员会政法委书记 ❤️ Memecoinvor 6 Monaten

Grok的使用体验明显好于豆包，但豆包写八股文是真方便。Seedance2.0，智者见智仁者见仁吧，接下来就看ai的集成应用了

Profilbild von hume LU

hume LUvor 6 Monaten

以后顶级的 ai 肯定来自于有大量优质数据的公司，数据库公司，或者行业顶级头部公司。其他 ai 都会趋同甚至消失

Profilbild von Yo Max

Yo Maxvor 6 Monaten

哈哈哈哈一个靠蒸馏的公司指责别人是蒸馏的模型好的好的好的

Profilbild von 张彧

张彧vor 6 Monaten

那为什么大量的美国公司放着美国先进的模型不用，要用中国的模型呢？他们疯了么？！

Profilbild von Neo@Matrix

Neo@Matrixvor 6 Monaten

kimi 2.5就是垃圾中的战斗机

Profilbild von Click#10

Click#10vor 6 Monaten

全世界的ai工程师多少中国人？天天“中共中共”。垃圾

Profilbild von fa

favor 6 Monaten

得了吧，也就是唬点啥也不懂的，中国公司的token生产量已经是美国公司的两倍了

Profilbild von Eric Miao

Eric Miaovor 6 Monaten

@suquan789 先把 claude 服务恢复再说吧。

Profilbild von Tsz wing Lai

Tsz wing Laivor 6 Monaten

Amodei說得狠但中肯。刷榜+蒸餾短期衝分易，長期難出真正「聰明」AI。中國若只玩應試教育2.0，贏不了頂級認知賽道。創新才是王道，抄襲永遠追不上💪💪💪

Profilbild von Wabbit Wampage 無名小卒

Wabbit Wampage 無名小卒vor 6 Monaten

你這是個笑話吧他的說法有甚麼根據? 你有確實使用過中國任何一個AI嗎?

Profilbild von Muzple Studio

Muzple Studiovor 6 Monaten

明显感觉到了Deepseek就很蠢，理解不了人类的真实意图，有时候字打错它就按照错字的意面理解，同比GPT明显智能很多，CN 山寨AI

Profilbild von keep

keepvor 6 Monaten

典型的中共AI😀

Profilbild von 轻骑踏月

轻骑踏月vor 6 Monaten

@grok 他的发言是否是因为中国的大模型的使用量远远超过他的模型而产生的焦虑？是不是有一点？

Profilbild von yuzhijian

yuzhijianvor 6 Monaten

墓碑之下倒真是你这样的傻B僵尸🧟‍♂️

Profilbild von Xiao xiao Ping

Xiao xiao Pingvor 6 Monaten

确实在理，别看说，整天超越这超越那的。实际能力能超过GPT 4O就算不错了。都是稳定性极差的。执行的时候总是差点意思，总是执行不到位。

Profilbild von San | ⚡

San | ⚡vor 6 Monaten

可以看看我在2025/12/13的贴文，华人要走出来，一定要避免复制，不然你只是另外一个三星而已

Profilbild von Mark Pan 𐤊

Mark Pan 𐤊vor 6 Monaten

这是个拉丁人吧，你还别说，这个世界的进步，灵感和奇思妙想都是来自拉丁人，日耳曼人去制造实现，我们东亚人一直负责打磨抛光

Profilbild von 诺亚今天吃什么

诺亚今天吃什么vor 6 Monaten

对啊，一点都不用担心，为什么要限制中国进口芯片，反正都是幻觉。

Profilbild von 王二胖

王二胖vor 6 Monaten

中国模型不解决实际问题，你老美有多少实际问题可以给模型去解决啊😂😂😂

Profilbild von xiaoqiang

xiaoqiangvor 6 Monaten

原始视频在哪里呀？

Profilbild von 无云夜空

无云夜空vor 6 Monaten

他对大模型的理解超越人类和大模型。

Profilbild von lifeissuck

lifeissuckvor 6 Monaten

这不是常识嘛，墙国有哪样东西不作假的

Profilbild von Miki Liu

Miki Liuvor 6 Monaten

做題家AI

Ähnliche Videos

著名机构SemiAnalysis的研究员给了一个很有趣的观点--关于中国的开源模型 Jordan Nanos Jordan Nanos 是 SemiAnalysi 的AI 研究员，他说：开源模型现在看起来追上了前沿闭源模型，其实完全是“人为”追平的直接原因就在美国政府身上——他们对Anthropic施加了限制，导致我们根本拿不到这些实验室真正最强的模型最明显的例子就是Mythos和Fable：我根本用不了Mythos，只能偶尔“好好求一下”才能用上Fable 至于OpenAI的5.6 Sol，我们的判断是它甚至都不是OpenAI训练过的最大模型，规模都没到4.5那个级别，他们肯定在某个地方还藏着更大的模型

著名机构SemiAnalysis的研究员给了一个很有趣的观点--关于中国的开源模型 Jordan Nanos Jordan Nanos 是 SemiAnalysi 的AI 研究员，他说：开源模型现在看起来追上了前沿闭源模型，其实完全是“人为”追平的直接原因就在美国政府身上——他们对Anthropic施加了限制，导致我们根本拿不到这些实验室真正最强的模型最明显的例子就是Mythos和Fable：我根本用不了Mythos，只能偶尔“好好求一下”才能用上Fable 至于OpenAI的5.6 Sol，我们的判断是它甚至都不是OpenAI训练过的最大模型，规模都没到4.5那个级别，他们肯定在某个地方还藏着更大的模型

梭哈.AI

90,081 Aufrufe • vor 2 Monaten

记者：“为什么要侮辱哈里斯的智力？”川普：“我不得不这么做。我不认为她是一个非常聪明的人。我能感到，我想那是对的，我认为我是一个非常聪明的人，很多人都这么说。我们的国家需要一个聪明的人。我不认为她是一个聪明的人。我不认为那是侮辱，那只是事实。”

记者：“为什么要侮辱哈里斯的智力？”川普：“我不得不这么做。我不认为她是一个非常聪明的人。我能感到，我想那是对的，我认为我是一个非常聪明的人，很多人都这么说。我们的国家需要一个聪明的人。我不认为她是一个聪明的人。我不认为那是侮辱，那只是事实。”

方舟子

37,192 Aufrufe • vor 2 Jahren

Dario Amodei 这段谈 AI 竞争，信息量挺大。很多人以为中国开源模型追上来以后，前沿模型公司的护城河就没了。但 Dario 的判断刚好相反：在 AI 里，真正的护城河不是开不开源，也不是谁模型更多。而是 intelligence 本身。他说得很直白：大家不会为了便宜一点、开放一点，就长期接受“没那么聪明”的模型。只要前沿模型每年还在 10 倍级别增长，领先者和追赶者之间就不是差一点，而是可能差一个时代。

Dario Amodei 这段谈 AI 竞争，信息量挺大。很多人以为中国开源模型追上来以后，前沿模型公司的护城河就没了。但 Dario 的判断刚好相反：在 AI 里，真正的护城河不是开不开源，也不是谁模型更多。而是 intelligence 本身。他说得很直白：大家不会为了便宜一点、开放一点，就长期接受“没那么聪明”的模型。只要前沿模型每年还在 10 倍级别增长，领先者和追赶者之间就不是差一点，而是可能差一个时代。

Vincent

73,224 Aufrufe • vor 3 Monaten

世界最后的选择题是什么？美国，中共国，还是俄罗斯？ Palantir 的CEO，Alex Karp，把话挑明了。他说，知识分子总爱幻想一个基于规则的、人人平等的世界。听起来很美，对吧？但在现实世界里，根本不是这么回事。战场上，唯一的优势就是技术优势。美国为什么能赢二战？技术。为什么能在伊朗、在委内瑞拉占据绝对主导？还是技术。 Karp认为，这不是为了美国自己。是为了整个世界。必须有一个力量，拥有最后的决定权。而获得这个决定权的唯一方法，就是军事上的绝对优势。这种优势，只能靠技术堆出来。左派精英们天天喊着和平与爱。却忘了和平是靠实力换来的，不是靠空谈。当他们还在辩论“规则”的时候，对手早已把武器对准了他们。这个世界，最终还是实力说了算。想当善人？你得先有能力阻止恶人。

世界最后的选择题是什么？美国，中共国，还是俄罗斯？ Palantir 的CEO，Alex Karp，把话挑明了。他说，知识分子总爱幻想一个基于规则的、人人平等的世界。听起来很美，对吧？但在现实世界里，根本不是这么回事。战场上，唯一的优势就是技术优势。美国为什么能赢二战？技术。为什么能在伊朗、在委内瑞拉占据绝对主导？还是技术。 Karp认为，这不是为了美国自己。是为了整个世界。必须有一个力量，拥有最后的决定权。而获得这个决定权的唯一方法，就是军事上的绝对优势。这种优势，只能靠技术堆出来。左派精英们天天喊着和平与爱。却忘了和平是靠实力换来的，不是靠空谈。当他们还在辩论“规则”的时候，对手早已把武器对准了他们。这个世界，最终还是实力说了算。想当善人？你得先有能力阻止恶人。

墓碑科技

114,758 Aufrufe • vor 6 Monaten

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs

给广大女性朋友们提个醒，现在的新能源很多都带哨兵模式，大家一定要注意自己的行为，避免成为资源（下面就是示例）。感觉前两年大家还讨论 AI模型厉不厉害，准确率多少、测试分数多少。但现在大部分都已经超越了，如果 AI 以后真的要参与市场，那只看这些测试数据其实不够。看到 Inference Labs 的数据，他们做的 TruthTensor 已经跑出了 110 多万个 AI agents。这些 AI 不只是做测试，而是在一个有奖励、有反馈的环境里运行。信息一直在变化，AI 的行为会受到奖励影响，做出决定之后马上就会有结果反馈。这样做的目的其实很直接，就是看看 AI 在真实经济环境里会怎么表现。因为如果以后 AI 真的参与交易、市场分析或者做一些决策，那就不能只看模型测试成绩，还要看它在真实环境里的表现。所以像 TruthTensor 这种系统，本质上就是把 AI 放到真实环境里跑一跑，看它在压力下会怎么做。这样才能更真实地评估 AI 的能力。 #InferenceLabs Inference Labs

Michael 宝塔镇河妖🧙🏿‍♀️

14,462 Aufrufe • vor 6 Monaten

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

0x_Miko

15,628 Aufrufe • vor 3 Monaten

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google

karminski-牙医

12,374 Aufrufe • vor 3 Monaten

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

墓碑科技

72,742 Aufrufe • vor 6 Monaten

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

墓碑科技

73,645 Aufrufe • vor 8 Monaten

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,326 Aufrufe • vor 4 Monaten

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

AYi

194,696 Aufrufe • vor 2 Monaten

这段蔡崇信的采访，真正有意思的不是阿里又说自己 All in AI。而是他说了一个很现实的问题：欧洲最担心的，可能不是模型够不够强，而是“开关在谁手里”。美国闭源 API 模式解决了能力问题，但也把数据、成本和控制权交了出去。 Qwen 开源这条路，打的其实是“主权牌”。以后 AI 竞争，可能不只是看谁模型更强，而是看谁能让别人放心把底座建在你上面。

这段蔡崇信的采访，真正有意思的不是阿里又说自己 All in AI。而是他说了一个很现实的问题：欧洲最担心的，可能不是模型够不够强，而是“开关在谁手里”。美国闭源 API 模式解决了能力问题，但也把数据、成本和控制权交了出去。 Qwen 开源这条路，打的其实是“主权牌”。以后 AI 竞争，可能不只是看谁模型更强，而是看谁能让别人放心把底座建在你上面。

Vincent

47,334 Aufrufe • vor 3 Monaten

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

墓碑科技

56,018 Aufrufe • vor 7 Monaten

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

傅盛

21,499 Aufrufe • vor 1 Monat

Palantir 的CTO，Shyam Sankar，有个观点很炸裂。他说中共最擅长长期规划。过去50年，系统性地挖空美国经济的每一环。但他们的计划里，漏了一样东西。人工智能（AI）。 AI革命，彻底打乱了他们的剧本。这是一场纯粹的美国现象。所以他们别无选择。只能偷。他，中共国的DeepSeek模型就是偷来的。从OpenAI那里“蒸馏”出来的。原话是：“They literally had to steal that.” 为什么这么肯定？因为AI的赛道很长。电力，芯片，数据中心，大模型，最后才是应用。整条产业链，美国目前都领先。但这种领先很脆弱。如果只把AI当成AI，就输了。那AI到底是什么？是大卫反击巨人歌利亚的弹弓。是美国再工业化的武器。是清算过去50年经济侵蚀的工具。要实现这一切，需要海量的算力。海量算力的背后，是海量的电力。所以他认为，美国的能源政策应该只有一个目标：成为全世界电力成本最低的国家。能源，是一切的上游。从国防到经济，无一例外。这个逻辑，抓到了根本。技术领先，最终还是得靠实打实的工业和能源实力支撑。空中楼阁，风一吹就倒了。

Palantir 的CTO，Shyam Sankar，有个观点很炸裂。他说中共最擅长长期规划。过去50年，系统性地挖空美国经济的每一环。但他们的计划里，漏了一样东西。人工智能（AI）。 AI革命，彻底打乱了他们的剧本。这是一场纯粹的美国现象。所以他们别无选择。只能偷。他，中共国的DeepSeek模型就是偷来的。从OpenAI那里“蒸馏”出来的。原话是：“They literally had to steal that.” 为什么这么肯定？因为AI的赛道很长。电力，芯片，数据中心，大模型，最后才是应用。整条产业链，美国目前都领先。但这种领先很脆弱。如果只把AI当成AI，就输了。那AI到底是什么？是大卫反击巨人歌利亚的弹弓。是美国再工业化的武器。是清算过去50年经济侵蚀的工具。要实现这一切，需要海量的算力。海量算力的背后，是海量的电力。所以他认为，美国的能源政策应该只有一个目标：成为全世界电力成本最低的国家。能源，是一切的上游。从国防到经济，无一例外。这个逻辑，抓到了根本。技术领先，最终还是得靠实打实的工业和能源实力支撑。空中楼阁，风一吹就倒了。

墓碑科技

76,304 Aufrufe • vor 7 Monaten

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

梭哈.AI

51,188 Aufrufe • vor 2 Monaten

如果 Ilya 判断是对的，那过去几年 AI 行业最坚固的三个共识，可能都错了： Scaling 不再是万能答案。 Benchmark 高分不等于真正智能。 RL 甚至可能在把模型越训越“笨”。这场被称为“Ilya 消失前最后一次采访”的对话里，他把当前大模型形容成竞赛编程选手：题能做得很难，遇到真实项目却会修一个 Bug、再造两个 Bug，反复循环。问题可能不是模型不够大，而是奖励机制让它过度追求正确答案，逐渐丢掉常识、直觉和学习能力。他更激进的判断是：预训练红利见顶，RL 红利也快耗尽，AI 已经从 Scaling 时代重新退回“研究时代”。真正的超智能不会是一个下载完毕、什么都知道的成品，而更像一个十五岁的天才：拥有极强的学习能力，然后在现实世界中不断成长。如果这个方向成立，下一轮 AI 竞争的关键就不再是谁堆的数据和 GPU 更多，而是谁先破解人类为什么只看几个例子，就能学会一件新事。 Ilya 很少说废话，这次却聊了四十多分钟。值得完整看完。最颠覆你认知的是哪一段？

如果 Ilya 判断是对的，那过去几年 AI 行业最坚固的三个共识，可能都错了： Scaling 不再是万能答案。 Benchmark 高分不等于真正智能。 RL 甚至可能在把模型越训越“笨”。这场被称为“Ilya 消失前最后一次采访”的对话里，他把当前大模型形容成竞赛编程选手：题能做得很难，遇到真实项目却会修一个 Bug、再造两个 Bug，反复循环。问题可能不是模型不够大，而是奖励机制让它过度追求正确答案，逐渐丢掉常识、直觉和学习能力。他更激进的判断是：预训练红利见顶，RL 红利也快耗尽，AI 已经从 Scaling 时代重新退回“研究时代”。真正的超智能不会是一个下载完毕、什么都知道的成品，而更像一个十五岁的天才：拥有极强的学习能力，然后在现实世界中不断成长。如果这个方向成立，下一轮 AI 竞争的关键就不再是谁堆的数据和 GPU 更多，而是谁先破解人类为什么只看几个例子，就能学会一件新事。 Ilya 很少说废话，这次却聊了四十多分钟。值得完整看完。最颠覆你认知的是哪一段？

Vincent

40,108 Aufrufe • vor 2 Monaten

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

U哥

11,099 Aufrufe • vor 2 Monaten