Sensitive content

This media may contain sensitive content.

正在加载视频...

视频加载失败

ERY BARE WELCOME BACK Lifetime access to the hottest #PNPTv content 😈 💨 💨 💎 #冰系 #晶态 #在高点 #自然连接 #烟雾模式 #同志夜场 #冷烟 #双高状态 #入态 #夜派PnP #高冰频率 #雾中 #嗨玩 #旋转态 #PnP互动

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

国产最新的多模态模型来了!! 前两周我刚体验过国产的阶跃星辰大模型,没想到这么快他们的新模型 Step 3.7 Flash 就出了。 现在大模型一发布必卷 benchmark 分数,但真正做 Agent 的人都清楚:跑分高 ≠ 能把活干完。 所以这次阶跃星辰的新模型 Step 3.7 Flash 它再不追求单点最聪明、也不只是单次最快,而是主打“生产任务端到端执行效率”。 一个真实的 Agent 任务从来不是一次问答,而是规划 → 搜索 → 工具调用 → 代码生成 → 多模态理解 → 反复校验的完整闭环,Step 3.7 Flash 这次升级的重点是整条链路的效率,而不是某个孤立指标。 提几个我觉得挺务实的点: 1. 原生多模态模型:它可以直接处理 UI 截图、图表、仪表盘、文档,原生读懂并转成结构化输出和可执行步骤,不需要像一些模型那样外挂视觉理解 MCP,而且现在多模态是顶级模型的标配。 2. 推理加入搜索和视觉检索:网页搜索、图像搜索、视觉验证、多源信息比对,让 Agent 在开放任务里边查边验证边行动,而不是事后再接个外部工具。 3. 198B MoE、约 11B 激活参数,最高 400 TPS:稀疏激活 + 这个速度,意味着高频交互、多步工作流、反复工具调用的场景下,单位任务的成本和延迟都压得很低——快和省是一起来的。 4. 开源、可部署:生产环境要的不只是 API,还有透明度、可控性和部署灵活性。 如果你在做 AI Agent、coding 工作流、搜索类应用或多模态系统,值得用 StepFun 试试这款新模型的能力。 想看更进阶的平台能力,可以了解 Step Plan。 海外平台: 国内平台:

耳朵

12,345 次观看 • 2 个月前

谢霆锋好帅哦!甜甜的爱情他又来了!🤣激情片段不敢发了!被人怼了! Ferra 不是另一家 DEX,而是 Sui 的流动性操作系统 很多人在对比 Sui 上的 DEX,其实容易把方向看偏。 大多数 DEX 在竞争的是交易体验与成交量,而 Ferra 解决的是一个更靠前的问题:流动性如何被组织、调度与复用。 视角差异 Cetus / Turbos / Magma 更像交易场所:优化撮合、深度与手续费结构 DeepBook 偏专业交易:订单簿 + AMM Ferra 的出发点是:流动性本身应该长什么样 结构差异 Ferra 同时引入 DLMM、CLMM、DAMM,多引擎并行并非堆功能,而是覆盖资产不同阶段: 冷启动|稳定期|高波动期 → 不同引擎承载不同资本效率需求 其它 DEX 多为单一或有限模型,在动态区间与可编排流动性上天然受限 LP 角色差异 传统 DEX:LP 被动吃费率 Ferra:LP 选择引擎、区间与曲线,本质是在选择一条风险—收益路径 流动性从“资金池”升级为“策略单元” 费用与协议层差异 多数 DEX:0.2%–0.5%,几乎全部服务 LP 激励 Ferra:费用被视为协议级资源 基础费率清晰、再分配可治理,可反哺激励、协议收入与生态扩展 开发者与生态定位 Ferra 提供的是一整套可调用的流动性基础设施: API / SDK|内部聚合路由|动态曲线|发行与流动性管理工具 更像 Liquidity Layer,而非单点交易前端 一句话总结 Ferra 不在和其他 DEX 拼谁的交易量更高, 它在解决的是:Sui 上的流动性,能否被模块化、策略化、长期复用。 优势不在短期数据,而在结构选择。 #KaitoYap #Yap Kaito AI 🌊 Ferra

董小姐

13,277 次观看 • 7 个月前