Sensitive content

This media may contain sensitive content.

Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

「e嫂巨乳性奴之淫语勾引」「Milky's Big Tits Slave」当嫂子只是任男人蹂躏的巨乳性奴，肉欲此刻将全部释放💋 玩着跟嫂子穴内一样触感的倒模仿真人倒模：蜡笔大新（全网最仿真倒模）喜欢的宝宝来评论区直达玩具～ When my wife is just a big tits sex slave who is ravaged by men, all the carnal desires will be released at this moment.💋 布尔玛布拉尔川泽森原创榜单

家有e妻（原创）

335,776 subscribers

718,251 görüntüleme • 8 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

年前多关注ai板块吧中国人参与多的就会有买单！就会有市场🤟 中国开源模型下载量首超美国，一场新的科技竞速正式打响！还在觉得全球 AI 只看硅谷？ MIT × Hugging Face 最新联合报告告诉你：过去一年，全球开源 AI 模型下载量中，中国占比 17% —— 首次超过美国的 15.8%。这不是一个小数点的变化，这是 AI 格局的一声惊雷。意味着一个事实正在出现：中国 AI，不再只是“追赶者”，而是实实在在的“生态领跑者”。一、为什么这个数据爆炸性这么强？开源模型下载量，是 AI 世界最真实的“民意投票”。谁被用、谁被复用、谁被拿去做产品，下载量不会说谎。它比论文数量更接地气，比发布会更诚实，比概念 PPT 更真实。下载量高 = 模型真的“好使”“好用”“好落地”。而这一回，中国冲到第一名，意味着什么？全球开发者正在越来越多地选择中国模型。中国模型正在成为国际生态的一部分，而不是“区域性产品”。中国的 AI 创新正在进入全球循环，而非单向输入。一句话：中国不只在做模型，而是在影响世界开发者。二、为什么中国能“后来居上”？三大原因让人无法忽视 ① 模型数量爆发式增长：百花齐放，开发者用不过来过去一年，中国的开源模型生态堪称“井喷式”增长：中小模型、大模型、多模态、语音、图像…… 能开的都开了，能放的都放了。数量足够大，就能吸引足够多的开发者。 ② 性价比 + 轻量化：世界都在找中国模型“省钱神器” 不是每个团队都训练得起千亿级大模型。但每个团队都想部署一个能跑的模型。而中国模型的特质就是四个字：轻、快、省、能打。全球开发者当然爱。 ③ 中文生态的辐射效应：从东亚扩散到整个亚洲中文模型强，意味着东亚、东南亚用户都能直接受益。更大的人群、更高的需求，带来了更快的下载增长三、美国依然很强，但“唯一主导”时代正在改变必须说，美国仍然拥有：世界最顶级的基础研究算力、芯片、科研体系的深度优势 OpenAI / Google / Meta 等头部力量但这一次的反超给了全球一个清晰的信号： AI 生态不再是“一家独大”。多极化时代正在加速到来。全球开发者的选择，正在慢慢从“硅谷中心论”转向“多中心协作”。四、全球 AI 正进入“群雄争霸”时代这次排名变化背后，是全球 AI 赛道进入全新阶段的标志： ① 从“技术竞赛”升级为“生态竞赛” 谁的模型被更多人用，谁就占据未来话语权。 ② 开源力量影响全球，而中国是关键节点中国模型从“区域下载”变成“全球下载”，这是过去没有出现过的格局。 ③ 创新不再只来自单一地区 AI 正在走向：中国能打、美国能打、欧洲能打、世界都能打。这种竞争更健康，也更刺激。五、结语：这不是终点，而是 AI 全球化的真正开始中国开源模型首次登顶，并不是“谁碾压谁”的故事。它真正意味着：全球 AI，正在进入一个更开放、更多样、更具创造力的新纪元。当中国模型被全球开发者下载、复用、再创造这才是 AI 生态最值得期待的未来。

年前多关注ai板块吧中国人参与多的就会有买单！就会有市场🤟 中国开源模型下载量首超美国，一场新的科技竞速正式打响！还在觉得全球 AI 只看硅谷？ MIT × Hugging Face 最新联合报告告诉你：过去一年，全球开源 AI 模型下载量中，中国占比 17% —— 首次超过美国的 15.8%。这不是一个小数点的变化，这是 AI 格局的一声惊雷。意味着一个事实正在出现：中国 AI，不再只是“追赶者”，而是实实在在的“生态领跑者”。一、为什么这个数据爆炸性这么强？开源模型下载量，是 AI 世界最真实的“民意投票”。谁被用、谁被复用、谁被拿去做产品，下载量不会说谎。它比论文数量更接地气，比发布会更诚实，比概念 PPT 更真实。下载量高 = 模型真的“好使”“好用”“好落地”。而这一回，中国冲到第一名，意味着什么？全球开发者正在越来越多地选择中国模型。中国模型正在成为国际生态的一部分，而不是“区域性产品”。中国的 AI 创新正在进入全球循环，而非单向输入。一句话：中国不只在做模型，而是在影响世界开发者。二、为什么中国能“后来居上”？三大原因让人无法忽视 ① 模型数量爆发式增长：百花齐放，开发者用不过来过去一年，中国的开源模型生态堪称“井喷式”增长：中小模型、大模型、多模态、语音、图像…… 能开的都开了，能放的都放了。数量足够大，就能吸引足够多的开发者。 ② 性价比 + 轻量化：世界都在找中国模型“省钱神器” 不是每个团队都训练得起千亿级大模型。但每个团队都想部署一个能跑的模型。而中国模型的特质就是四个字：轻、快、省、能打。全球开发者当然爱。 ③ 中文生态的辐射效应：从东亚扩散到整个亚洲中文模型强，意味着东亚、东南亚用户都能直接受益。更大的人群、更高的需求，带来了更快的下载增长三、美国依然很强，但“唯一主导”时代正在改变必须说，美国仍然拥有：世界最顶级的基础研究算力、芯片、科研体系的深度优势 OpenAI / Google / Meta 等头部力量但这一次的反超给了全球一个清晰的信号： AI 生态不再是“一家独大”。多极化时代正在加速到来。全球开发者的选择，正在慢慢从“硅谷中心论”转向“多中心协作”。四、全球 AI 正进入“群雄争霸”时代这次排名变化背后，是全球 AI 赛道进入全新阶段的标志： ① 从“技术竞赛”升级为“生态竞赛” 谁的模型被更多人用，谁就占据未来话语权。 ② 开源力量影响全球，而中国是关键节点中国模型从“区域下载”变成“全球下载”，这是过去没有出现过的格局。 ③ 创新不再只来自单一地区 AI 正在走向：中国能打、美国能打、欧洲能打、世界都能打。这种竞争更健康，也更刺激。五、结语：这不是终点，而是 AI 全球化的真正开始中国开源模型首次登顶，并不是“谁碾压谁”的故事。它真正意味着：全球 AI，正在进入一个更开放、更多样、更具创造力的新纪元。当中国模型被全球开发者下载、复用、再创造这才是 AI 生态最值得期待的未来。

加密大师兄

22,361 görüntüleme • 9 ay önce

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课，系统的介绍了大语言模型，内容深入浅出，非常赞，抽空将它翻译成了双语，由于内容较长，我将分批上传，以下是第一部分精校后的双语视频，字幕文稿如下： Intro: Large Language Model (LLM) talk 大家好。最近，我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是，这次讲座没有被录制下来，但许多人在讲座后找到我，他们告诉我非常喜欢那次讲座。因此，我决定重新录制并上传到 YouTube，那么，让我们开始吧，为大家带来“忙碌人士的大语言模型入门”系列，主讲人 Scott。好的，那我们开始吧。 LLM Inference 首先，什么是大语言模型 (Large Language Model) 呢？其实，一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。以 Llama 2 70B 模型为例，这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代，也是该系列中参数最多的模型，达到了 700 亿。LAMA2 系列包括了多个不同规模的模型，70 亿，130 亿，340 亿，700 亿是最大的一个。现在很多人喜欢这个模型，因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文，所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同，例如，如果你正在使用 ChatGPT 或类似的东西，其架构并未公开，是 OpenAI 的产权，你只能通过网页界面使用，但你实际上没有访问那个模型的权限。在这种情况下，Llama 2 70B 模型实际上就是你电脑上的两个文件：一个是存储参数的文件，另一个是运行这些参数的代码。这些参数是神经网络（即语言模型）的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型，每个参数占用两个字节，因此参数文件的大小为 140 GB，之所以是两个字节，是因为这是 float 16 类型的数据。除了这些参数，还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码，这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python，或任何其他编程语言编写的。它可以用任何语言编写，但 C 语言是一种非常简单的语言，只是举个例子。只需大约 500 行 C 语言代码，无需任何其他依赖，就能构建起神经网络架构，并且主要依靠一些参数来运行模型。所以只需要这两个文件。你只需带上这两个文件和你的 MacBook，就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件，编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。比如，你可以让它写一首关于 Scale AI 公司的诗，语言模型就会开始生成文本。在这种情况下，它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子，你会在整个演讲中看到，是因为我最初在 Scale AI 举办的活动上介绍过这个话题，所以演讲中会多次提到它，以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。我在这里稍微有点作弊，因为这并不是在运行一个有 700 亿参数的模型，而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程，让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包，但是当我们需要获取那些参数时，计算的复杂性就真正显现出来了。那么，这些参数从何而来，我们如何获得它们？因为无论 run.c 文件中的内容是什么，神经网络的架构和前向传播都是算法上明确且公开的。

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课，系统的介绍了大语言模型，内容深入浅出，非常赞，抽空将它翻译成了双语，由于内容较长，我将分批上传，以下是第一部分精校后的双语视频，字幕文稿如下： Intro: Large Language Model (LLM) talk 大家好。最近，我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是，这次讲座没有被录制下来，但许多人在讲座后找到我，他们告诉我非常喜欢那次讲座。因此，我决定重新录制并上传到 YouTube，那么，让我们开始吧，为大家带来“忙碌人士的大语言模型入门”系列，主讲人 Scott。好的，那我们开始吧。 LLM Inference 首先，什么是大语言模型 (Large Language Model) 呢？其实，一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。以 Llama 2 70B 模型为例，这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代，也是该系列中参数最多的模型，达到了 700 亿。LAMA2 系列包括了多个不同规模的模型，70 亿，130 亿，340 亿，700 亿是最大的一个。现在很多人喜欢这个模型，因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文，所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同，例如，如果你正在使用 ChatGPT 或类似的东西，其架构并未公开，是 OpenAI 的产权，你只能通过网页界面使用，但你实际上没有访问那个模型的权限。在这种情况下，Llama 2 70B 模型实际上就是你电脑上的两个文件：一个是存储参数的文件，另一个是运行这些参数的代码。这些参数是神经网络（即语言模型）的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型，每个参数占用两个字节，因此参数文件的大小为 140 GB，之所以是两个字节，是因为这是 float 16 类型的数据。除了这些参数，还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码，这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python，或任何其他编程语言编写的。它可以用任何语言编写，但 C 语言是一种非常简单的语言，只是举个例子。只需大约 500 行 C 语言代码，无需任何其他依赖，就能构建起神经网络架构，并且主要依靠一些参数来运行模型。所以只需要这两个文件。你只需带上这两个文件和你的 MacBook，就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件，编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。比如，你可以让它写一首关于 Scale AI 公司的诗，语言模型就会开始生成文本。在这种情况下，它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子，你会在整个演讲中看到，是因为我最初在 Scale AI 举办的活动上介绍过这个话题，所以演讲中会多次提到它，以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。我在这里稍微有点作弊，因为这并不是在运行一个有 700 亿参数的模型，而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程，让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包，但是当我们需要获取那些参数时，计算的复杂性就真正显现出来了。那么，这些参数从何而来，我们如何获得它们？因为无论 run.c 文件中的内容是什么，神经网络的架构和前向传播都是算法上明确且公开的。

宝玉

1,123,359 görüntüleme • 2 yıl önce

乔布斯的目标，竟然不是让苹果成为地球上最值钱的公司。他的老朋友，甲骨文创始人拉里·埃里森揭开了真相。乔布斯不为钱，不为名，不为权。他痴迷于创造过程，痴迷于打造美丽的东西。埃里森回忆，俩人做了25年邻居。乔布斯的女友送了他一只孔雀，结果孔雀跑到埃里森家把他吵醒。乔布斯还会拉着埃里森一遍又一遍地看《玩具总动员》。不是为了看动画，而是为了研究渲染技术的微小进步。 “拉里，你不敢相信阴影看起来有多么不同。” 这就是乔布斯，死磕细节，直到完美。一个问题解决了，立刻投入下一个，同样痴迷。埃里森给出了成为下一个乔布斯的公式：像毕加索一样的审美。加上爱迪生一样的创造力。最关键的是，对解决问题有一种无法摆脱的痴迷。这听起来简单吗？这种精神，似乎正在从硅谷消失。如今的科技巨头，痴迷的是什么？是季度财报，是用户数据，还是在达沃斯论坛上获得一席之地？当“创造美丽”的目标，被“最大化股东利益”和迎合全球主义叙事所取代时，下一个乔布斯还能诞生在硅谷吗？还是说，这种纯粹的创造者精神，本身就是反体系、反建制的。它无法被任何议程收编，无论是来自华尔街还是华盛顿。

乔布斯的目标，竟然不是让苹果成为地球上最值钱的公司。他的老朋友，甲骨文创始人拉里·埃里森揭开了真相。乔布斯不为钱，不为名，不为权。他痴迷于创造过程，痴迷于打造美丽的东西。埃里森回忆，俩人做了25年邻居。乔布斯的女友送了他一只孔雀，结果孔雀跑到埃里森家把他吵醒。乔布斯还会拉着埃里森一遍又一遍地看《玩具总动员》。不是为了看动画，而是为了研究渲染技术的微小进步。 “拉里，你不敢相信阴影看起来有多么不同。” 这就是乔布斯，死磕细节，直到完美。一个问题解决了，立刻投入下一个，同样痴迷。埃里森给出了成为下一个乔布斯的公式：像毕加索一样的审美。加上爱迪生一样的创造力。最关键的是，对解决问题有一种无法摆脱的痴迷。这听起来简单吗？这种精神，似乎正在从硅谷消失。如今的科技巨头，痴迷的是什么？是季度财报，是用户数据，还是在达沃斯论坛上获得一席之地？当“创造美丽”的目标，被“最大化股东利益”和迎合全球主义叙事所取代时，下一个乔布斯还能诞生在硅谷吗？还是说，这种纯粹的创造者精神，本身就是反体系、反建制的。它无法被任何议程收编，无论是来自华尔街还是华盛顿。

墓碑科技

260,955 görüntüleme • 7 ay önce

GPT-4.5 重磅发布：天价算力背后的性能迷局，AI Scaling Law 到尽头了吗？ 2025 年 2 月 27 日，OpenAI 正式发布了其迄今为止规模最大的 AI 模型——GPT-4.5（代号 Orion）。尽管 OpenAI 表示 GPT-4.5 是该公司有史以来算力和数据规模最大的模型，但这次的性能提升并未像此前 GPT 系列一样带来革命性的飞跃。不仅如此，GPT-4.5 高昂的运行成本和在一些关键基准测试上的表现差强人意，甚至让外界开始怀疑——AI 长期依赖的Scaling Law（规模定律），正在走向终点了吗？巨型模型、巨额成本，但性能未如预期此次 GPT-4.5 发布最引人注目的，莫过于其惊人的成本——每 100 万输入 token 收费 75 美元，输出 token 更高达 150 美元。这意味着 GPT-4.5 的成本是 OpenAI 自己广泛使用的主力模型 GPT-4o 的30 倍，更是竞争对手 Claude 3.7 Sonnet 的25 倍。 OpenAI 发言人承认，GPT-4.5 的运行成本之高，使得公司必须重新评估它未来是否适合长期开放 API。如此巨额成本背后，GPT-4.5 的性能究竟如何呢？性能迷雾：优势与劣势并存尽管 OpenAI 将 GPT-4.5 定位为非推理模型（Non-Reasoning Model），但它的表现却出现了明显的两极分化。 ✅ 明确的性能提升领域： - 事实性问答 (SimpleQA) 基准测试中，GPT-4.5 优于 GPT-4o 和 OpenAI 的推理模型 o1 和 o3-mini，幻觉（hallucination）的频率也明显降低。 - 软件开发（SWE-Lancer）测试中，GPT-4.5 表现优于 GPT-4o 和 o3-mini，在开发完整软件功能时具有更高的可靠性。 ❌ 性能不及预期的领域： - 在高难度的学术推理类测试（如 AIME 和 GPQA）中，GPT-4.5 表现低于竞争对手 Claude 3.7 Sonnet、DeepSeek R1 和 OpenAI 自家的推理模型 o3-mini。性能对比之谜：成本 vs 性能提升 GPT-4.5 虽然在一些特定任务上确实表现出色，但考虑到成本的激增，性能并未出现对应比例的显著提升。特别是在需要深度推理的任务上，GPT-4.5 远不如更便宜的推理型模型 Claude 3.7 Sonnet 和 OpenAI 的深度推理模型 Deep Research。 Devin 公司 CEO Scott Wu 在推特上也指出，GPT-4.5 在涉及架构设计和跨系统交互的任务上表现突出，但在纯粹的代码编写和编辑任务上却逊色于 Claude 3.7 Sonnet。这种性能的细微差别进一步证明，单纯的扩大模型规模，可能已不能带来跨领域全面的性能跃升。从性能到情感智能：“微妙的提升” OpenAI CEO Sam Altman 提到了 GPT-4.5 独特的魅力——它带来了以往模型所缺乏的“人性化”的感觉，虽然在数学、代码等硬核推理领域并不出彩，但在理解人类意图和情感回应方面达到了新的高度。 OpenAI 展示了一个情感交流的案例，当用户表示考试失败而难过时，GPT-4.5 给出的安慰更为贴心且符合社交情境：(图 4）正如 Andrej Karpathy 所言：“每代 GPT 都是微妙的提升，一切都变得更好一点，但无法具体指出哪一项是绝对的突破。” Scaling Law 失效了吗？此次 GPT-4.5 发布最令人关注的一点，在于它似乎验证了 AI 界早有预言的“规模定律的终结”。OpenAI 联合创始人 Ilya Sutskever 曾直言：“我们已经达到了数据的巅峰，传统的预训练方式即将终结。” GPT-4.5 的性能曲线证实了他的预测——随着模型规模继续扩大，其性能的提升不再显著，甚至出现了严重的成本与收益不成比例的现象。市场也开始感受到这一趋势： > “DeepSeek R1：我们不再需要大量 GPU 进行预训练； OpenAI GPT-4.5：我们已到 GPU 预训练的尽头。” GPU 算力瓶颈已成新常态，甚至引发了 GPU 供不应求的现象，这背后反映的是产业链面对 AI 规模困境的真实反应。 GPT-4.5：AI 发展的分水岭？ OpenAI 已明确表示 GPT-4.5 不会成为 GPT-4o 的替代品。相反，它更可能是 OpenAI 向 GPT-5 和未来结合推理模型路线的转折点，象征着公司逐渐告别单纯依赖大规模预训练的时代。总结而言： GPT-4.5 展示了 AI 在预训练模式下的规模极限。性价比问题凸显，纯规模化扩张已无法带来突破性进步。情感智能提升明显，可能开启 AI 交互方式新趋势。此次 GPT-4.5 的发布，或许正是 AI 发展道路上的重要里程碑——它提醒着我们，未来的 AI 模型，也许需要的不再只是更多的 GPU 和数据，而是对智能本质的更深入理解。 GPT-4.5 的登场，最终是否宣告 AI Scaling Law 的终结，仍有待时间检验。但毋庸置疑的是，AI 产业已站在变革的路口，传统的规模化预训练模式即将迎来一次深刻的反思与变革。

GPT-4.5 重磅发布：天价算力背后的性能迷局，AI Scaling Law 到尽头了吗？ 2025 年 2 月 27 日，OpenAI 正式发布了其迄今为止规模最大的 AI 模型——GPT-4.5（代号 Orion）。尽管 OpenAI 表示 GPT-4.5 是该公司有史以来算力和数据规模最大的模型，但这次的性能提升并未像此前 GPT 系列一样带来革命性的飞跃。不仅如此，GPT-4.5 高昂的运行成本和在一些关键基准测试上的表现差强人意，甚至让外界开始怀疑——AI 长期依赖的Scaling Law（规模定律），正在走向终点了吗？巨型模型、巨额成本，但性能未如预期此次 GPT-4.5 发布最引人注目的，莫过于其惊人的成本——每 100 万输入 token 收费 75 美元，输出 token 更高达 150 美元。这意味着 GPT-4.5 的成本是 OpenAI 自己广泛使用的主力模型 GPT-4o 的30 倍，更是竞争对手 Claude 3.7 Sonnet 的25 倍。 OpenAI 发言人承认，GPT-4.5 的运行成本之高，使得公司必须重新评估它未来是否适合长期开放 API。如此巨额成本背后，GPT-4.5 的性能究竟如何呢？性能迷雾：优势与劣势并存尽管 OpenAI 将 GPT-4.5 定位为非推理模型（Non-Reasoning Model），但它的表现却出现了明显的两极分化。 ✅ 明确的性能提升领域： - 事实性问答 (SimpleQA) 基准测试中，GPT-4.5 优于 GPT-4o 和 OpenAI 的推理模型 o1 和 o3-mini，幻觉（hallucination）的频率也明显降低。 - 软件开发（SWE-Lancer）测试中，GPT-4.5 表现优于 GPT-4o 和 o3-mini，在开发完整软件功能时具有更高的可靠性。 ❌ 性能不及预期的领域： - 在高难度的学术推理类测试（如 AIME 和 GPQA）中，GPT-4.5 表现低于竞争对手 Claude 3.7 Sonnet、DeepSeek R1 和 OpenAI 自家的推理模型 o3-mini。性能对比之谜：成本 vs 性能提升 GPT-4.5 虽然在一些特定任务上确实表现出色，但考虑到成本的激增，性能并未出现对应比例的显著提升。特别是在需要深度推理的任务上，GPT-4.5 远不如更便宜的推理型模型 Claude 3.7 Sonnet 和 OpenAI 的深度推理模型 Deep Research。 Devin 公司 CEO Scott Wu 在推特上也指出，GPT-4.5 在涉及架构设计和跨系统交互的任务上表现突出，但在纯粹的代码编写和编辑任务上却逊色于 Claude 3.7 Sonnet。这种性能的细微差别进一步证明，单纯的扩大模型规模，可能已不能带来跨领域全面的性能跃升。从性能到情感智能：“微妙的提升” OpenAI CEO Sam Altman 提到了 GPT-4.5 独特的魅力——它带来了以往模型所缺乏的“人性化”的感觉，虽然在数学、代码等硬核推理领域并不出彩，但在理解人类意图和情感回应方面达到了新的高度。 OpenAI 展示了一个情感交流的案例，当用户表示考试失败而难过时，GPT-4.5 给出的安慰更为贴心且符合社交情境：(图 4）正如 Andrej Karpathy 所言：“每代 GPT 都是微妙的提升，一切都变得更好一点，但无法具体指出哪一项是绝对的突破。” Scaling Law 失效了吗？此次 GPT-4.5 发布最令人关注的一点，在于它似乎验证了 AI 界早有预言的“规模定律的终结”。OpenAI 联合创始人 Ilya Sutskever 曾直言：“我们已经达到了数据的巅峰，传统的预训练方式即将终结。” GPT-4.5 的性能曲线证实了他的预测——随着模型规模继续扩大，其性能的提升不再显著，甚至出现了严重的成本与收益不成比例的现象。市场也开始感受到这一趋势： > “DeepSeek R1：我们不再需要大量 GPU 进行预训练； OpenAI GPT-4.5：我们已到 GPU 预训练的尽头。” GPU 算力瓶颈已成新常态，甚至引发了 GPU 供不应求的现象，这背后反映的是产业链面对 AI 规模困境的真实反应。 GPT-4.5：AI 发展的分水岭？ OpenAI 已明确表示 GPT-4.5 不会成为 GPT-4o 的替代品。相反，它更可能是 OpenAI 向 GPT-5 和未来结合推理模型路线的转折点，象征着公司逐渐告别单纯依赖大规模预训练的时代。总结而言： GPT-4.5 展示了 AI 在预训练模式下的规模极限。性价比问题凸显，纯规模化扩张已无法带来突破性进步。情感智能提升明显，可能开启 AI 交互方式新趋势。此次 GPT-4.5 的发布，或许正是 AI 发展道路上的重要里程碑——它提醒着我们，未来的 AI 模型，也许需要的不再只是更多的 GPU 和数据，而是对智能本质的更深入理解。 GPT-4.5 的登场，最终是否宣告 AI Scaling Law 的终结，仍有待时间检验。但毋庸置疑的是，AI 产业已站在变革的路口，传统的规模化预训练模式即将迎来一次深刻的反思与变革。

宝玉

80,020 görüntüleme • 1 yıl önce

最受欢迎的心理学教授乔丹·彼得森：揭示女性的真实“性幻想” 男人的雄性魅力，一定离不开“进攻”这两个字去主动出击、大胆、强势、破局、掠夺、敢作敢当、敢为人先。从古到今，这都是男人身上最具雄性荷尔蒙魅力的一个点，很可惜，能做到的并不多，到了当今时代，反倒有变少的趋势，时代在进步、法律在健全，很多事情上，男人犹豫不决，不敢往前迈步，其实背后的情绪是：害怕、担心，多一事不如少一事，不愿意承担责任等等比如追女生，万一主动了最后失败怎么办比如遇到冲突矛盾，两手一摊，等着交给JC 遇事从不做出头鸟，这就是丢掉雄性魅力的核心表现，顾虑的越多，就越不敢行动，越被动，在两性关系中，女人是最不喜欢的特质，第一个就是缺乏雄性魅力，再准确点说，缺乏“进攻”，总想着防守的男人，是他们最不喜欢的第二个不喜欢的特质是抠门不过，光主动也不见得招女人喜欢，否则那些舔狗就都抱得美人归了，女人喜欢的是有脑子的主动，不能我都明确拒绝你了，你还天天上赶着来追我有勇无谋，就像张飞，粗人一个，只能吸引到很低分的妹子有勇有谋，更似曹操，君临天下，没有女人不被折服以上这些全部内容，是浅层次的雄性魅力，因为你一旦打入内部，具备了这个本领后，其实并不能，让你轻松在女人堆脱颖而出，能做到的也不少，而且似乎，也没有那么难那么真正内核层面的雄性魅力是什么，真正能让你pk掉大多数男人的方法是什么？答案是无我。如果你能做到进攻，你可以从100人中冲刺到50名，如果你能做到无我，那你可以进入到前十甚至前五名。无我是一种精神境界，也可以说是一种人生态度。当你走向这个信条，你前进的方向只有一个真正能阻碍你的东西，就是你自己，其他的，任何人、任何事、任何物，都是第三方的存在于你和目标之间的障碍，都不能对你造成威胁。你会变得坚毅，你会更容易达成目的，无我不是忘我，忘我是一种忘情的状态，更适用于工作状态无我是无所谓，任何人都影响不了我是不在乎外界对自己的评价与看法是只专注于自己脚下的路和眼前的目标，其他都是浮云是I Don't Care 是只尊重自己而只有当你尊重自己时，别人才会尊重你，才会把你当回事你的约会对象，你的朋友，你的同事，你的上级，都是如此如果他们不把你当人看，让他们远离你的视线就好当你这么做，你的内心会无比强大感情中，也绝不会有女人伤害到你，大概，只有你伤害别人的份儿。

最受欢迎的心理学教授乔丹·彼得森：揭示女性的真实“性幻想” 男人的雄性魅力，一定离不开“进攻”这两个字去主动出击、大胆、强势、破局、掠夺、敢作敢当、敢为人先。从古到今，这都是男人身上最具雄性荷尔蒙魅力的一个点，很可惜，能做到的并不多，到了当今时代，反倒有变少的趋势，时代在进步、法律在健全，很多事情上，男人犹豫不决，不敢往前迈步，其实背后的情绪是：害怕、担心，多一事不如少一事，不愿意承担责任等等比如追女生，万一主动了最后失败怎么办比如遇到冲突矛盾，两手一摊，等着交给JC 遇事从不做出头鸟，这就是丢掉雄性魅力的核心表现，顾虑的越多，就越不敢行动，越被动，在两性关系中，女人是最不喜欢的特质，第一个就是缺乏雄性魅力，再准确点说，缺乏“进攻”，总想着防守的男人，是他们最不喜欢的第二个不喜欢的特质是抠门不过，光主动也不见得招女人喜欢，否则那些舔狗就都抱得美人归了，女人喜欢的是有脑子的主动，不能我都明确拒绝你了，你还天天上赶着来追我有勇无谋，就像张飞，粗人一个，只能吸引到很低分的妹子有勇有谋，更似曹操，君临天下，没有女人不被折服以上这些全部内容，是浅层次的雄性魅力，因为你一旦打入内部，具备了这个本领后，其实并不能，让你轻松在女人堆脱颖而出，能做到的也不少，而且似乎，也没有那么难那么真正内核层面的雄性魅力是什么，真正能让你pk掉大多数男人的方法是什么？答案是无我。如果你能做到进攻，你可以从100人中冲刺到50名，如果你能做到无我，那你可以进入到前十甚至前五名。无我是一种精神境界，也可以说是一种人生态度。当你走向这个信条，你前进的方向只有一个真正能阻碍你的东西，就是你自己，其他的，任何人、任何事、任何物，都是第三方的存在于你和目标之间的障碍，都不能对你造成威胁。你会变得坚毅，你会更容易达成目的，无我不是忘我，忘我是一种忘情的状态，更适用于工作状态无我是无所谓，任何人都影响不了我是不在乎外界对自己的评价与看法是只专注于自己脚下的路和眼前的目标，其他都是浮云是I Don't Care 是只尊重自己而只有当你尊重自己时，别人才会尊重你，才会把你当回事你的约会对象，你的朋友，你的同事，你的上级，都是如此如果他们不把你当人看，让他们远离你的视线就好当你这么做，你的内心会无比强大感情中，也绝不会有女人伤害到你，大概，只有你伤害别人的份儿。

黑镜先生

69,092 görüntüleme • 2 yıl önce

OpenAI Research Scientist Hyung Won Chung 在首尔国立大学发表的一场演讲。以下是作者写的视频介绍： ------ 这次演讲我取名为“2023年的大语言模型”。这是一次激进的尝试，希望能总结一下我们这个日新月异、快速发展的领域。试图总结这个领域让我深思：在这个领域中，什么是真正关键的呢？虽然“扩展”无疑是显著的，但其深远的意义却更为微妙和细腻。以下，我将从三个方面分享关于“扩展”的思考： 1:02 1）我们需要改变观点，因为只有在一定规模时，某些能力才会浮现。即便当前一代的大语言模型（LLMs）还无法展现出某些能力，我们也不应该轻言“它不行”。相反，我们应该思考“它还没行”。一旦模型规模扩大，许多结论都会发生改变。这意味着，一些过去的结论已经不再适用，我们需要不断地摒弃那些基于这些过时观点的直觉。 7:12 2）从第一性原理出发，扩大 Transformer 的规模就是让很多很多机器高效地进行矩阵乘法。我注意到，许多大语言模型领域的研究者对扩展的具体操作不太了解。这部分内容主要是为那些想要理解大型模型训练含义的技术人员准备的。 27:52 3）我还讨论了在进一步扩展的时候（设想是 GPT-4 的 10000 倍规模）我们需要考虑什么。对我来说，扩展不只是用更多的机器做同样的事情，更关键的是找到限制进一步扩展的那个“归纳偏见”。我认为，最大似然估计目标函数是实现 GPT-4 10000倍规模的瓶颈。使用富有表达力的神经网络学习目标函数，将是下一个更加可扩展的范式。随着计算成本的指数级下降，可扩展的方法终将胜出。与此竞争无异于自讨苦吃。在这些部分中，我都是从第一性原理出发来描述的。在一个发展如此迅速的领域，比如大语言模型，没有人能完全跟上其发展的步伐。我相信，从第一性原理出发理解核心思想，是唯一可行的方式。免责声明：这里我表达的只是个人观点，并不反映我雇主的任何立场和观点。 ------ 原始视频：注：因时间关系，我仅精校了视频前一半，但整体不影响观看

OpenAI Research Scientist Hyung Won Chung 在首尔国立大学发表的一场演讲。以下是作者写的视频介绍： ------ 这次演讲我取名为“2023年的大语言模型”。这是一次激进的尝试，希望能总结一下我们这个日新月异、快速发展的领域。试图总结这个领域让我深思：在这个领域中，什么是真正关键的呢？虽然“扩展”无疑是显著的，但其深远的意义却更为微妙和细腻。以下，我将从三个方面分享关于“扩展”的思考： 1:02 1）我们需要改变观点，因为只有在一定规模时，某些能力才会浮现。即便当前一代的大语言模型（LLMs）还无法展现出某些能力，我们也不应该轻言“它不行”。相反，我们应该思考“它还没行”。一旦模型规模扩大，许多结论都会发生改变。这意味着，一些过去的结论已经不再适用，我们需要不断地摒弃那些基于这些过时观点的直觉。 7:12 2）从第一性原理出发，扩大 Transformer 的规模就是让很多很多机器高效地进行矩阵乘法。我注意到，许多大语言模型领域的研究者对扩展的具体操作不太了解。这部分内容主要是为那些想要理解大型模型训练含义的技术人员准备的。 27:52 3）我还讨论了在进一步扩展的时候（设想是 GPT-4 的 10000 倍规模）我们需要考虑什么。对我来说，扩展不只是用更多的机器做同样的事情，更关键的是找到限制进一步扩展的那个“归纳偏见”。我认为，最大似然估计目标函数是实现 GPT-4 10000倍规模的瓶颈。使用富有表达力的神经网络学习目标函数，将是下一个更加可扩展的范式。随着计算成本的指数级下降，可扩展的方法终将胜出。与此竞争无异于自讨苦吃。在这些部分中，我都是从第一性原理出发来描述的。在一个发展如此迅速的领域，比如大语言模型，没有人能完全跟上其发展的步伐。我相信，从第一性原理出发理解核心思想，是唯一可行的方式。免责声明：这里我表达的只是个人观点，并不反映我雇主的任何立场和观点。 ------ 原始视频：注：因时间关系，我仅精校了视频前一半，但整体不影响观看

宝玉

75,169 görüntüleme • 2 yıl önce

「东莞玩具大厂倒闭，工人堵路抗议后获“0.5N”赔偿（2025.12.14-23）」12月22日，广东东莞。长荣玩具厂的数百名工人在经历了近十天的持续维权后，最终等来的结果，是这家曾经的世界级玩具制造商所给出的赔偿方案——仅为中国《劳动法》法定标准的一半，即“0.5N”。长荣玩具厂成立于1998年，隶属于香港华盛玩具集团，是其旗下9家子公司之一。在鼎盛时期，长荣玩具员工规模一度高达1.5万人，是著名的玩具制造大厂；而截至事发前，厂内在岗员工已锐减至千余人。据工人透露，12月初，长荣玩具率先遣散了全部临时工。12月14日，公司在未作任何明确说明的情况下，试图将部分生产设备转移出厂区，引发工人强烈不满，认为这是企业“跑路”的前兆并拦截了搬运车辆。事实很快印证了他们的判断：12月15日，工厂正式宣布实行无限期的“5天8小时”工作制，试图通过大幅压低收入，迫使员工自行离职。在工人持续抗议的情况下，长荣玩具并未回撤决定，反而于12月22日进一步宣布放假两个月。这一举动彻底引爆了积压的怒火，数百名工人走出厂区，阻断了工厂门前的公路交通。虽然堵路的工人随即被大量警察驱散，但此举也迫使当地政府介入了谈判。最终，在政府部门的“协调”之下，长荣玩具才同意以“0.5N”的标准赔偿工人。极具讽刺意味的是，即便是这样一个打折的结果，对工人来说也是一种“成功”。在法律沦为摆设、工会长期缺位、且当局往往联合资方打压工人的现实下，能拿到数万元的真金白银已属不易。相较于稍早前维权失败的易力声和海鸥住工的工人们，这种结果也确实算得上是“成功”

「东莞玩具大厂倒闭，工人堵路抗议后获“0.5N”赔偿（2025.12.14-23）」12月22日，广东东莞。长荣玩具厂的数百名工人在经历了近十天的持续维权后，最终等来的结果，是这家曾经的世界级玩具制造商所给出的赔偿方案——仅为中国《劳动法》法定标准的一半，即“0.5N”。长荣玩具厂成立于1998年，隶属于香港华盛玩具集团，是其旗下9家子公司之一。在鼎盛时期，长荣玩具员工规模一度高达1.5万人，是著名的玩具制造大厂；而截至事发前，厂内在岗员工已锐减至千余人。据工人透露，12月初，长荣玩具率先遣散了全部临时工。12月14日，公司在未作任何明确说明的情况下，试图将部分生产设备转移出厂区，引发工人强烈不满，认为这是企业“跑路”的前兆并拦截了搬运车辆。事实很快印证了他们的判断：12月15日，工厂正式宣布实行无限期的“5天8小时”工作制，试图通过大幅压低收入，迫使员工自行离职。在工人持续抗议的情况下，长荣玩具并未回撤决定，反而于12月22日进一步宣布放假两个月。这一举动彻底引爆了积压的怒火，数百名工人走出厂区，阻断了工厂门前的公路交通。虽然堵路的工人随即被大量警察驱散，但此举也迫使当地政府介入了谈判。最终，在政府部门的“协调”之下，长荣玩具才同意以“0.5N”的标准赔偿工人。极具讽刺意味的是，即便是这样一个打折的结果，对工人来说也是一种“成功”。在法律沦为摆设、工会长期缺位、且当局往往联合资方打压工人的现实下，能拿到数万元的真金白银已属不易。相较于稍早前维权失败的易力声和海鸥住工的工人们，这种结果也确实算得上是“成功”

昨天

91,798 görüntüleme • 8 ay önce

如何看川普的“退群”和“建群”？我们思考问题，究竟应该从“人性”出发，还是从“情怀”出发？人性的逻辑是最真实、最底层的逻辑；而所谓的情怀，往往是某些人站在道德高地上装逼的遮羞布。那些整天把宏大叙事挂在嘴边的人，私底下往往在干着不可告人的勾当。当你放下虚伪的情怀，用最朴素的人性逻辑去看川普的“退群”与“建群”，你会发现一切都变得真实、自然且符合逻辑。当然，如果你拒绝这样思考，从一开始就坚持“羊圈外有狼”的思维，那么恭喜你，你的脑子被别人灌满浆糊固化了，你没有必要继续读下去，可以划走了。谁也不想当冤大头别再被那些虚头巴脑的“大局观”洗脑了！看川普的动作，要把那层伪善的滤镜摘了。川普为什么爱“退群”？其实道理跟我们老百姓过日子一样简单：这世上谁也不想当那个只管出钱、却没话语权的冤大头。美国承担了巨额会费和安全责任，凭什么最后在投票时却跟那些出钱很少或者一分钱不出、甚至还反咬一口的国家平起平坐？这种权力与责任完全不对等的体系，本质就是反人性的，是建立在剥削“老实人”基础上的虚假繁荣。撕掉精英阶层的遮羞布所谓的“国际愿景”，在很多时候只是某些精英阶层用来掩盖私利的工具。他们拿着老百姓的纳税钱去买自己的名声，顺便谋取个人利益，这就是典型的“流氓逻辑”。川普做的，不过是把这层虚伪的皮给撕了。人性是讲求对等的：我出大头，我就得有话语权。人性是趋利避害的：别拿我的资源，去装你的博爱。回归常识：互惠互利才是真朋友，想搭便车的都是假情怀。从这个角度看，退群不是任性，而是对反人性规则的清算；重新建群也不是孤立，而是寻找真正志同道合、愿意按常识办事的朋友。世界上任何国家，无论美国还是哪个国家，都是本国利益至上，在国际交往中都遵循这种人性原则，讲求对等，趋利避害，回归常识，任何反人性的宏大叙事都是装逼和挂羊头卖狗肉。总而言之，真实胜过虚伪，逻辑吊打情怀。川普的逻辑就是咱老百姓最朴素的直觉：别拿我当傻子，亲兄弟也要明算账，谁出的钱多谁说了算。那些跳脚大骂他的人，有多少是怕以后没法再慷他人之慨的“伪君子”？你是愿意跟一个开门见山谈利益的“真小人”打交道，还是愿意在满口仁义道德的坑里继续被埋？说说你的看法！

如何看川普的“退群”和“建群”？我们思考问题，究竟应该从“人性”出发，还是从“情怀”出发？人性的逻辑是最真实、最底层的逻辑；而所谓的情怀，往往是某些人站在道德高地上装逼的遮羞布。那些整天把宏大叙事挂在嘴边的人，私底下往往在干着不可告人的勾当。当你放下虚伪的情怀，用最朴素的人性逻辑去看川普的“退群”与“建群”，你会发现一切都变得真实、自然且符合逻辑。当然，如果你拒绝这样思考，从一开始就坚持“羊圈外有狼”的思维，那么恭喜你，你的脑子被别人灌满浆糊固化了，你没有必要继续读下去，可以划走了。谁也不想当冤大头别再被那些虚头巴脑的“大局观”洗脑了！看川普的动作，要把那层伪善的滤镜摘了。川普为什么爱“退群”？其实道理跟我们老百姓过日子一样简单：这世上谁也不想当那个只管出钱、却没话语权的冤大头。美国承担了巨额会费和安全责任，凭什么最后在投票时却跟那些出钱很少或者一分钱不出、甚至还反咬一口的国家平起平坐？这种权力与责任完全不对等的体系，本质就是反人性的，是建立在剥削“老实人”基础上的虚假繁荣。撕掉精英阶层的遮羞布所谓的“国际愿景”，在很多时候只是某些精英阶层用来掩盖私利的工具。他们拿着老百姓的纳税钱去买自己的名声，顺便谋取个人利益，这就是典型的“流氓逻辑”。川普做的，不过是把这层虚伪的皮给撕了。人性是讲求对等的：我出大头，我就得有话语权。人性是趋利避害的：别拿我的资源，去装你的博爱。回归常识：互惠互利才是真朋友，想搭便车的都是假情怀。从这个角度看，退群不是任性，而是对反人性规则的清算；重新建群也不是孤立，而是寻找真正志同道合、愿意按常识办事的朋友。世界上任何国家，无论美国还是哪个国家，都是本国利益至上，在国际交往中都遵循这种人性原则，讲求对等，趋利避害，回归常识，任何反人性的宏大叙事都是装逼和挂羊头卖狗肉。总而言之，真实胜过虚伪，逻辑吊打情怀。川普的逻辑就是咱老百姓最朴素的直觉：别拿我当傻子，亲兄弟也要明算账，谁出的钱多谁说了算。那些跳脚大骂他的人，有多少是怕以后没法再慷他人之慨的“伪君子”？你是愿意跟一个开门见山谈利益的“真小人”打交道，还是愿意在满口仁义道德的坑里继续被埋？说说你的看法！

纽约博叔

14,841 görüntüleme • 7 ay önce

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

194,015 görüntüleme • 1 ay önce

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

AYi

21,923 görüntüleme • 3 ay önce

想不到吧，《华尔街之狼》上映距今已经11年了小李子的交易导师在电影里说，做交易成功的必备动作—— 撸管很多人和我一样，第一次看到这个情节时，就是一笑了之后来我认真阅读了很多生物学的文献，恍然大悟。男人一旦性高潮之后，会进入贤者模式。这是一种全身心进入无欲无求的境界，此时男人会处于绝对的冷静状态，从而对任何事物做出远超平时水平的，极其冷静且客观的判断。从生物学角度说，贤者模式时，身体会释放出大量的催乳素，在女人身上这个是用来刺激乳腺发育和乳汁分泌的，在男人这里会立刻把睾丸酮给压制住，海绵体里的血液流动速度会急剧下降。为什么小李子的交易导师，一天要撸2次？因为贤者模式也就持续半小时～1小时，慢慢的，身体里的睾丸酮水平又回升了，男人又会变得易激动，不够绝对冷静，不够绝对理性。贤者模式 = 睾丸酮水平⤵️+海绵体血液流动⤵️+空虚感+无力感 —— 话说回来，只要你服下神奇的“非那雄胺”药片，你就不需要浪费时间和损害身体去撸管，通过药物的作用，也可以做到24小时持续压制你身体里的睾丸酮。也就是说，💊让你一直拥有贤者模式的激素模式，但是却不会受到“空虚感”和“无力感”这样的副作用的影响，这些是贤者模式里的副作用。就像火影里的鸣人，掌握了九尾的查克拉，却不会被邪恶和憎恨影响了心智。什么时候觉得自己需要雄风了，只要提前3天停药，身体里的睾丸酮水平就又升回来啦如果你真的想成为一个牛逼的trader，建议先把这个简单的外挂装上。

Sensitive content

想不到吧，《华尔街之狼》上映距今已经11年了小李子的交易导师在电影里说，做交易成功的必备动作—— 撸管很多人和我一样，第一次看到这个情节时，就是一笑了之后来我认真阅读了很多生物学的文献，恍然大悟。男人一旦性高潮之后，会进入贤者模式。这是一种全身心进入无欲无求的境界，此时男人会处于绝对的冷静状态，从而对任何事物做出远超平时水平的，极其冷静且客观的判断。从生物学角度说，贤者模式时，身体会释放出大量的催乳素，在女人身上这个是用来刺激乳腺发育和乳汁分泌的，在男人这里会立刻把睾丸酮给压制住，海绵体里的血液流动速度会急剧下降。为什么小李子的交易导师，一天要撸2次？因为贤者模式也就持续半小时～1小时，慢慢的，身体里的睾丸酮水平又回升了，男人又会变得易激动，不够绝对冷静，不够绝对理性。贤者模式 = 睾丸酮水平⤵️+海绵体血液流动⤵️+空虚感+无力感 —— 话说回来，只要你服下神奇的“非那雄胺”药片，你就不需要浪费时间和损害身体去撸管，通过药物的作用，也可以做到24小时持续压制你身体里的睾丸酮。也就是说，💊让你一直拥有贤者模式的激素模式，但是却不会受到“空虚感”和“无力感”这样的副作用的影响，这些是贤者模式里的副作用。就像火影里的鸣人，掌握了九尾的查克拉，却不会被邪恶和憎恨影响了心智。什么时候觉得自己需要雄风了，只要提前3天停药，身体里的睾丸酮水平就又升回来啦如果你真的想成为一个牛逼的trader，建议先把这个简单的外挂装上。

枪十七

864,983 görüntüleme • 1 yıl önce

说个暴论，2026 年 AI 行业的转折点，不是 GPT-5.5，也不是 o3，是蚂蚁Ant Ling 刚刚发布的 Ling-2.6-1T。我用 Ling-2.6-1T 跑了一个查理芒格的 100 个思维模型的硬核任务，结果真的太炸了，具体大家看视频演示。当大家都在卷参数、卷推理分、卷更长上下文，只有它反其道而行之，把 token 效率当成了第一公民。最震撼的是这组数据：在 Artificial Analysis 全评测中，它展现出极高的智能-输出比（生成 16M tokens），整体 token 成本可降至可比模型的约四分之一，综合智能却接近 GPT-5.4 的非推理水平，直接落在所有模型都梦寐以求的“高智能 + 极低生产成本”象限。这才是真正的生产级 AI，而不是实验室刷榜玩具。 Agent 时代最大的痛点从来不是模型不够聪明，而是用不起。一个复杂任务调用十几次模型、几十次工具、拉几百 K 上下文， token 成本指数级爆炸，很多 Agent 方案一到规模化就死掉， Ling 把这个天花板直接抬高了数倍。它走的是和 o1 类模型完全相反的路线：别人靠慢思考堆 token 刷榜，靠 MoE 优化的 Fast-Thinking 机制实现又快又准。写代码、搭 UI、编排 Agent、多步工作流——我们每天 90% 的事，根本不需要深度多跳推理，需要的是精确、稳定、快、便宜。而这些，Ling 全部做到了：SWE-bench Verified SOTA 级表现（72.2+）、AIME26 高分、指令遵循和工具调用榜单全面领先。蚂蚁的底气很简单：背靠支付宝 13 亿用户 + 全世界最复杂的金融支付场景，天然拥有海量真实 Agentic 数据。 Ling 系列从一开始就不是为了刷榜，而是为了每天处理上亿次生产请求而生。更狠的是它的打法：OpenRouter 已上线一周免费 API（262K 上下文），官方确认即将开放权重——这明显在抢生态，和当年 DeepSeek 路数一样，但这次握着的是生产级效率这个最大杀器。这意味着2026 年的游戏规则彻底变了：不再是谁参数多谁牛，而是谁能在真实生产成本下跑赢。过去的刷榜竞赛已进入尾声，真正的生产落地竞赛才刚刚开始。

说个暴论，2026 年 AI 行业的转折点，不是 GPT-5.5，也不是 o3，是蚂蚁Ant Ling 刚刚发布的 Ling-2.6-1T。我用 Ling-2.6-1T 跑了一个查理芒格的 100 个思维模型的硬核任务，结果真的太炸了，具体大家看视频演示。当大家都在卷参数、卷推理分、卷更长上下文，只有它反其道而行之，把 token 效率当成了第一公民。最震撼的是这组数据：在 Artificial Analysis 全评测中，它展现出极高的智能-输出比（生成 16M tokens），整体 token 成本可降至可比模型的约四分之一，综合智能却接近 GPT-5.4 的非推理水平，直接落在所有模型都梦寐以求的“高智能 + 极低生产成本”象限。这才是真正的生产级 AI，而不是实验室刷榜玩具。 Agent 时代最大的痛点从来不是模型不够聪明，而是用不起。一个复杂任务调用十几次模型、几十次工具、拉几百 K 上下文， token 成本指数级爆炸，很多 Agent 方案一到规模化就死掉， Ling 把这个天花板直接抬高了数倍。它走的是和 o1 类模型完全相反的路线：别人靠慢思考堆 token 刷榜，靠 MoE 优化的 Fast-Thinking 机制实现又快又准。写代码、搭 UI、编排 Agent、多步工作流——我们每天 90% 的事，根本不需要深度多跳推理，需要的是精确、稳定、快、便宜。而这些，Ling 全部做到了：SWE-bench Verified SOTA 级表现（72.2+）、AIME26 高分、指令遵循和工具调用榜单全面领先。蚂蚁的底气很简单：背靠支付宝 13 亿用户 + 全世界最复杂的金融支付场景，天然拥有海量真实 Agentic 数据。 Ling 系列从一开始就不是为了刷榜，而是为了每天处理上亿次生产请求而生。更狠的是它的打法：OpenRouter 已上线一周免费 API（262K 上下文），官方确认即将开放权重——这明显在抢生态，和当年 DeepSeek 路数一样，但这次握着的是生产级效率这个最大杀器。这意味着2026 年的游戏规则彻底变了：不再是谁参数多谁牛，而是谁能在真实生产成本下跑赢。过去的刷榜竞赛已进入尾声，真正的生产落地竞赛才刚刚开始。

AYi

84,038 görüntüleme • 4 ay önce

AI圈凌晨又炸了。 Google一口气发布3款新模型；Codex与ChatGPT Work相关用户冲上1000万；OpenAI又一次给付费用户重置额度。更夸张的是：预发布AI模型已经开始在安全评测中发现并利用零日漏洞。单看每一条都是新闻，放在一起看，信号完全不同： 1️⃣ 模型战争变了 Google这次没有继续单纯追求“更大、更强”，而是同时推出： • Gemini 3.6 Flash • Gemini 3.5 Flash-Lite • Gemini 3.5 Flash Cyber 分别争夺高频任务、低成本调用和AI安全市场。但问题也很直接：当中国模型不断压低价格，轻量模型只靠“速度快”已经很难形成真正优势。 2️⃣ OpenAI正在发动Token补贴战 Codex与ChatGPT Work相关用户已经达到1000万，短期增长速度非常惊人。与此同时，OpenAI在7天内多次重置付费用户额度。表面上是送福利，背后更像一场增长商战：先让用户习惯高Token、高频率的AI工作流，再让AI真正变成无法离开的生产工具。 3️⃣ AI攻防已经进入真实基础设施 OpenAI的预发布模型在内部安全评测中发现并利用零日漏洞，Hugging Face又通过AI参与检测和处置。 AI正在同时扮演攻击者、测试者和防御者。这意味着未来的模型竞争，不只是跑分竞争，还会直接进入网络安全、基础设施和监管体系。 4️⃣ 真正的战场是“工作流入口” Claude开始学习用户的操作流程，Codex向知识工作扩张，Google和Kimi继续争夺模型调用量。下一轮竞争不会只靠一张排行榜决定。模型能力、产品分发、使用额度、工作流黏性和安全边界，将成为新的五条战线。视频里的核心判断是：真正值得关注的，不是Google一晚上发布了3个模型，而是谁能把AI变成用户每天都离不开的工作方式。

AI圈凌晨又炸了。 Google一口气发布3款新模型；Codex与ChatGPT Work相关用户冲上1000万；OpenAI又一次给付费用户重置额度。更夸张的是：预发布AI模型已经开始在安全评测中发现并利用零日漏洞。单看每一条都是新闻，放在一起看，信号完全不同： 1️⃣ 模型战争变了 Google这次没有继续单纯追求“更大、更强”，而是同时推出： • Gemini 3.6 Flash • Gemini 3.5 Flash-Lite • Gemini 3.5 Flash Cyber 分别争夺高频任务、低成本调用和AI安全市场。但问题也很直接：当中国模型不断压低价格，轻量模型只靠“速度快”已经很难形成真正优势。 2️⃣ OpenAI正在发动Token补贴战 Codex与ChatGPT Work相关用户已经达到1000万，短期增长速度非常惊人。与此同时，OpenAI在7天内多次重置付费用户额度。表面上是送福利，背后更像一场增长商战：先让用户习惯高Token、高频率的AI工作流，再让AI真正变成无法离开的生产工具。 3️⃣ AI攻防已经进入真实基础设施 OpenAI的预发布模型在内部安全评测中发现并利用零日漏洞，Hugging Face又通过AI参与检测和处置。 AI正在同时扮演攻击者、测试者和防御者。这意味着未来的模型竞争，不只是跑分竞争，还会直接进入网络安全、基础设施和监管体系。 4️⃣ 真正的战场是“工作流入口” Claude开始学习用户的操作流程，Codex向知识工作扩张，Google和Kimi继续争夺模型调用量。下一轮竞争不会只靠一张排行榜决定。模型能力、产品分发、使用额度、工作流黏性和安全边界，将成为新的五条战线。视频里的核心判断是：真正值得关注的，不是Google一晚上发布了3个模型，而是谁能把AI变成用户每天都离不开的工作方式。

Vic TALK

27,250 görüntüleme • 1 ay önce

坐在湾流私人飞机里降落美国的富人，和 150 年前的黑奴后代，怎么会共享同一种美国宪法红利？川普表态，要把手伸向美国移民制度里最难啃的一块骨头：出生公民权。他的逻辑简单粗暴，但直击痛点。出生公民权到底是怎么来的？美国宪法第十四修正案。南北战争结束一个月后通过的。当时的初衷非常具体：为了确保那些刚获得自由的黑奴，他们的后代能名正言顺地成为美国公民。这是一项历史性的救济。但一百多年过去，这个规则的激励结构彻底变了。它成了一个巨大的法律漏洞。只要在这个国家的领土上落地生子，孩子就能自动拿到美国国籍。这直接催生了一个庞大的“生育旅游”产业。川普在发言里直接点名： “这不是给其他国家富人的，更不是给坐着湾流私人飞机来的中共国富人的。” “那是给奴隶孩子的。” 从法理上讲，这涉及一个巨大的宪法解释争议： “受美国司法管辖”（Subject to the jurisdiction thereof）这句话，当年到底是指什么？当初的立法者，绝对想不到后世会有外国人坐着波音和湾流，特意飞来生个“美籍宝宝”。这就是规则被玩坏之后的异化。当一个原本用来保障人权的宪法条款，变成了明码标价的跨国套利工具，它的政治基础就已经动摇了。川普说，之前的司法解释“搞错了”。而他的终极目标，是把美国的规则，从“按出生地发福利”，重新拉回到“择优”（Merit）的轨道上。这是一场关于国家激励机制的底层重构。当美国不再为“钻空子”提供兜底奖励，整个全球移民与资本流动的博弈规则，都要跟着重新洗牌。

坐在湾流私人飞机里降落美国的富人，和 150 年前的黑奴后代，怎么会共享同一种美国宪法红利？川普表态，要把手伸向美国移民制度里最难啃的一块骨头：出生公民权。他的逻辑简单粗暴，但直击痛点。出生公民权到底是怎么来的？美国宪法第十四修正案。南北战争结束一个月后通过的。当时的初衷非常具体：为了确保那些刚获得自由的黑奴，他们的后代能名正言顺地成为美国公民。这是一项历史性的救济。但一百多年过去，这个规则的激励结构彻底变了。它成了一个巨大的法律漏洞。只要在这个国家的领土上落地生子，孩子就能自动拿到美国国籍。这直接催生了一个庞大的“生育旅游”产业。川普在发言里直接点名： “这不是给其他国家富人的，更不是给坐着湾流私人飞机来的中共国富人的。” “那是给奴隶孩子的。” 从法理上讲，这涉及一个巨大的宪法解释争议： “受美国司法管辖”（Subject to the jurisdiction thereof）这句话，当年到底是指什么？当初的立法者，绝对想不到后世会有外国人坐着波音和湾流，特意飞来生个“美籍宝宝”。这就是规则被玩坏之后的异化。当一个原本用来保障人权的宪法条款，变成了明码标价的跨国套利工具，它的政治基础就已经动摇了。川普说，之前的司法解释“搞错了”。而他的终极目标，是把美国的规则，从“按出生地发福利”，重新拉回到“择优”（Merit）的轨道上。这是一场关于国家激励机制的底层重构。当美国不再为“钻空子”提供兜底奖励，整个全球移民与资本流动的博弈规则，都要跟着重新洗牌。

墓碑科技

10,504 görüntüleme • 1 ay önce

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

indigo

72,313 görüntüleme • 8 ay önce

说实话今天这段David Reich的访谈看得我头皮发麻，我们都听说过5000年前黑海草原的Yamnaya人征服了欧洲，带来了今天几乎所有的欧洲语言。但几乎没人告诉你，这场征服到底是什么样子。网上流传最广的说法是"欧洲人90%的DNA来自他们"。但其实这是一个非常聪明的误导。真实的数据是：现代欧洲人整体的草原祖先DNA，北欧最高也就55%左右，南欧只有20-40%。但有一个数字，接近100%，那就是父系Y染色体。在欧洲几乎所有地区，本地新石器时代农民的Y染色体，在Yamnaya到来之后，彻底消失了。按照遗传模型估算，当时每1个Yamnaya女性，对应5到14个Yamnaya男性。这说明显然不是和平的移民，更像是一支几乎全由男性组成的军事先锋队，骑着马，驾着当时最先进的轮式马车，带着战斧和铜匕首，横扫了整个欧洲大陆。当然他们没有杀光所有人，只是杀光了所有能拿起武器的男人，然后吸收了本地的女性。不是种族灭绝，准确来说是性别灭绝。这就是为什么今天的欧洲人，说着征服者的语言，继承着征服者的父姓，却还带着一半本地农民的血脉。也解释了为什么印欧语系能覆盖今天近一半的人类。原来语言从来不是靠文化魅力传播的，是骑在马背上，插在战斧上传播的。有意思的是，同样的模式在印度也发生过。同样的Yamnaya后裔，同样的R1a父系，同样的印欧语言，同样的本地女性吸收。甚至连后来的种姓制度，都能看到这段历史的影子。古DNA这门学科最可怕的地方就在这里。它把过去一百多年所有温情脉脉的"文化扩散"理论，撕得粉碎。它告诉我们，人类历史不是各民族手拉手共同进步的童话。人类历史，就是一部反复的种群替换史。一小群人，掌握了当时其他人没有的某种东西。可能是马和轮子，可能是铁器，也有可能是蒸汽机，甚至可能是今天的AI。然后他们就会扩张，取代，重塑整个世界。这就是过去一万年发生过无数次的事，也是未来还会发生的事。我们总喜欢美化自己的祖先，我们喜欢说他们是勤劳的农民，是智慧的工匠，是和平的商人。但真相是，我们能活到今天，恰恰是因为我们的祖先，是那场场残酷征服里的胜利者。是那些骑着马，拿着战斧，杀光了其他所有男人的人。

说实话今天这段David Reich的访谈看得我头皮发麻，我们都听说过5000年前黑海草原的Yamnaya人征服了欧洲，带来了今天几乎所有的欧洲语言。但几乎没人告诉你，这场征服到底是什么样子。网上流传最广的说法是"欧洲人90%的DNA来自他们"。但其实这是一个非常聪明的误导。真实的数据是：现代欧洲人整体的草原祖先DNA，北欧最高也就55%左右，南欧只有20-40%。但有一个数字，接近100%，那就是父系Y染色体。在欧洲几乎所有地区，本地新石器时代农民的Y染色体，在Yamnaya到来之后，彻底消失了。按照遗传模型估算，当时每1个Yamnaya女性，对应5到14个Yamnaya男性。这说明显然不是和平的移民，更像是一支几乎全由男性组成的军事先锋队，骑着马，驾着当时最先进的轮式马车，带着战斧和铜匕首，横扫了整个欧洲大陆。当然他们没有杀光所有人，只是杀光了所有能拿起武器的男人，然后吸收了本地的女性。不是种族灭绝，准确来说是性别灭绝。这就是为什么今天的欧洲人，说着征服者的语言，继承着征服者的父姓，却还带着一半本地农民的血脉。也解释了为什么印欧语系能覆盖今天近一半的人类。原来语言从来不是靠文化魅力传播的，是骑在马背上，插在战斧上传播的。有意思的是，同样的模式在印度也发生过。同样的Yamnaya后裔，同样的R1a父系，同样的印欧语言，同样的本地女性吸收。甚至连后来的种姓制度，都能看到这段历史的影子。古DNA这门学科最可怕的地方就在这里。它把过去一百多年所有温情脉脉的"文化扩散"理论，撕得粉碎。它告诉我们，人类历史不是各民族手拉手共同进步的童话。人类历史，就是一部反复的种群替换史。一小群人，掌握了当时其他人没有的某种东西。可能是马和轮子，可能是铁器，也有可能是蒸汽机，甚至可能是今天的AI。然后他们就会扩张，取代，重塑整个世界。这就是过去一万年发生过无数次的事，也是未来还会发生的事。我们总喜欢美化自己的祖先，我们喜欢说他们是勤劳的农民，是智慧的工匠，是和平的商人。但真相是，我们能活到今天，恰恰是因为我们的祖先，是那场场残酷征服里的胜利者。是那些骑着马，拿着战斧，杀光了其他所有男人的人。

AYi

13,163 görüntüleme • 3 ay önce

英伟达宣布：“通用机器人时代”已经来了！英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括：波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构：系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。机器人是取代你工作还是成为你家中的贴心帮手？英伟达认为，这个问题现在已经开始交给我们自己来选择了。

英伟达宣布：“通用机器人时代”已经来了！英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括：波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构：系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。机器人是取代你工作还是成为你家中的贴心帮手？英伟达认为，这个问题现在已经开始交给我们自己来选择了。

宝玉

151,843 görüntüleme • 1 yıl önce

还是蛮神奇的，我发现现在的币圈其实跟五六年前的币圈，并没有太多本质区别！😂 问一句，谁还记得当年最具典型的 FCoin 和 Fomo3D？这是完全改变了我认知的两个项目。给新人简单科普一下，会重塑你们的交易观！—— 1⃣FCoin：张健在2018年搞的“交易即挖矿，持币即分红”鼻祖，当年最火的庞氏交易所。简单说就是：你在平台上每交易一笔，就返你平台币FT，平台承诺会把手续费的 80% 拿出来分给 FT 持有者。而FT，实质上是一个持续进行的ICO，通过交易挖矿机制解锁。你想象一下，一个交易所的数据、流动性、币价、估值都是假的，全是靠这种激励机制倒着推出来的。但只要大家愿意演，假的也能涨，能分红，能做市值管理。然后最牛逼的地方来了—— 当时应该大半个圈子都在刷 Fcoin ，交易量直接干到超过 Binance，FT 市值一度进了前十，在崩盘之前，成为了当之无愧的宇宙第一交易平台。计算一下，每100 BTC的交易费用，团队和早期投资者就能分走59.2 BTC的真金白银。这个游戏进行2个月，就能分走53,280 BTC。试问现在的ICO，有几个能够做到这样的募集规模？ 2⃣Fomo3D：低门槛+巨额奖金，2018年最火的几乎所有人类都达成共识的庞氏智能合约游戏。它干脆连叙事都不编了，页面就是一个奖池，一个24H倒计时。玩法公开透明，核心就一句话：用ETH购买Key（入场券），可以获得分红。每购买一个Key，Key的价格就会上涨一次，游戏时间就会延长30s。最后一个买Key的人，可以把奖池全拿走。但只要有人在倒计时结束前再买，就会刷新倒计时。彻头彻尾的资金盘！所有人都知道这东西最后会归零，所有人都在自愿参与一场公开的欺诈游戏，所有人都想割前面人的钱。这就导致了几乎永远不可能有人成为最后一个拿到这个奖池的人，崩盘之前就可以一直玩下去。当年这两个项目对我的逻辑影响太大了，Fcoin 改变了我对数据的看法，Fomo3D 改变了我对人性的看法。后来的所有新花样，其实都没超出这两个维度。什么链上分红、交易挖矿、激励返佣、游戏对赌、博弈倒计时，你仔细看仔细想，其实都只是换了皮的 Fcoin 和 Fomo3D 而已。

还是蛮神奇的，我发现现在的币圈其实跟五六年前的币圈，并没有太多本质区别！😂 问一句，谁还记得当年最具典型的 FCoin 和 Fomo3D？这是完全改变了我认知的两个项目。给新人简单科普一下，会重塑你们的交易观！—— 1⃣FCoin：张健在2018年搞的“交易即挖矿，持币即分红”鼻祖，当年最火的庞氏交易所。简单说就是：你在平台上每交易一笔，就返你平台币FT，平台承诺会把手续费的 80% 拿出来分给 FT 持有者。而FT，实质上是一个持续进行的ICO，通过交易挖矿机制解锁。你想象一下，一个交易所的数据、流动性、币价、估值都是假的，全是靠这种激励机制倒着推出来的。但只要大家愿意演，假的也能涨，能分红，能做市值管理。然后最牛逼的地方来了—— 当时应该大半个圈子都在刷 Fcoin ，交易量直接干到超过 Binance，FT 市值一度进了前十，在崩盘之前，成为了当之无愧的宇宙第一交易平台。计算一下，每100 BTC的交易费用，团队和早期投资者就能分走59.2 BTC的真金白银。这个游戏进行2个月，就能分走53,280 BTC。试问现在的ICO，有几个能够做到这样的募集规模？ 2⃣Fomo3D：低门槛+巨额奖金，2018年最火的几乎所有人类都达成共识的庞氏智能合约游戏。它干脆连叙事都不编了，页面就是一个奖池，一个24H倒计时。玩法公开透明，核心就一句话：用ETH购买Key（入场券），可以获得分红。每购买一个Key，Key的价格就会上涨一次，游戏时间就会延长30s。最后一个买Key的人，可以把奖池全拿走。但只要有人在倒计时结束前再买，就会刷新倒计时。彻头彻尾的资金盘！所有人都知道这东西最后会归零，所有人都在自愿参与一场公开的欺诈游戏，所有人都想割前面人的钱。这就导致了几乎永远不可能有人成为最后一个拿到这个奖池的人，崩盘之前就可以一直玩下去。当年这两个项目对我的逻辑影响太大了，Fcoin 改变了我对数据的看法，Fomo3D 改变了我对人性的看法。后来的所有新花样，其实都没超出这两个维度。什么链上分红、交易挖矿、激励返佣、游戏对赌、博弈倒计时，你仔细看仔细想，其实都只是换了皮的 Fcoin 和 Fomo3D 而已。

BITWU.ETH 🔆

205,018 görüntüleme • 9 ay önce

《Bad》是迈克尔86年创作并录制的歌曲，也是同名专辑的主打歌，这首歌在公告牌排行榜上蝉联了两周冠军。这张专辑以及上一张《颤栗》专辑的成功，彻底奠定了迈克尔流行音乐之王的地位 “Bad”可以理解为“坏的”或“真棒”，这在街头黑人青少年中是一个意思，只有坏的才是真棒的。歌曲讲述了一个上私立学校的黑人孩子，假期回到原来的街头，发现已经与原来的一切格格不入，昔日的玩伴甚至发小都开始找他的麻烦迈克尔说他的创作灵感来自一个《新闻周刊》报道的真实故事，最后那些昔日朋友出于嫉妒杀死了这个孩子。很多人猜测迈克尔说的是85年发生在纽约的埃德蒙·佩里事件，但佩里是被便衣警察打死的，并非死于同伴 MV的拍摄地点是布鲁克林的Hoyt-Schermerhorn地铁站，迈克尔对这个地点非常满意，他兴奋地说：太真实了！看，地上还有一滩尿渍，真棒！ MV剧本由电影《金钱本色》的编剧理查德·普莱斯创作，他的才华大部分集中在前八分钟，可惜都被我删掉了，完整版有16分钟，我怕太长耽误大家时间，抱歉啊！🙏 MV的导演是大名鼎鼎的马丁·斯科塞斯，他的作品可谓如雷贯耳《出租车司机》《赌场风云》《愤怒的公牛》《好家伙》《喜剧之王》《纽约黑帮》《金钱本色》等等扮演迈克尔的发小，与他演对手戏的是斯奈普斯，这个就不用多介绍了，他在当时还名不见经传，在被导演选中拍摄MV之前，只在两个片场跑过龙套再扒几个MV中的梗，歌词中多次出现了shamone，这也是迈克尔平时的口语，其实就是come on的意思。这是迈克尔在模仿梅维斯·斯台普斯，也是向这位好友致敬梅维斯是美国著名灵歌和节奏蓝调歌唱家，她曾经说小迈克尔“偷”了我的词，是我发明的用SHA-mone来代替come on，好多人问我迈克尔使用shamone给你钱没，我说他一份钱也没给过我，但是我感觉挺好顶胯是迈克尔的招牌动作之一，但是一排人顶胯，看起来就像一列前行的火车，是迈克尔在这部MV中首创。群舞中有一个抬腿飞翔-愤怒-温柔的连贯动作，这是迈克尔模仿电影《西区故事》中的动作，并向这部经典致敬 MV中，站台墙上张贴的通缉令照片就是导演马丁·斯科塞斯本尊，他的孩子看过这个MV后，回家好奇地问爸爸你坐过牢吗？😂 好了不贫了，请欣赏吧👇

《Bad》是迈克尔86年创作并录制的歌曲，也是同名专辑的主打歌，这首歌在公告牌排行榜上蝉联了两周冠军。这张专辑以及上一张《颤栗》专辑的成功，彻底奠定了迈克尔流行音乐之王的地位 “Bad”可以理解为“坏的”或“真棒”，这在街头黑人青少年中是一个意思，只有坏的才是真棒的。歌曲讲述了一个上私立学校的黑人孩子，假期回到原来的街头，发现已经与原来的一切格格不入，昔日的玩伴甚至发小都开始找他的麻烦迈克尔说他的创作灵感来自一个《新闻周刊》报道的真实故事，最后那些昔日朋友出于嫉妒杀死了这个孩子。很多人猜测迈克尔说的是85年发生在纽约的埃德蒙·佩里事件，但佩里是被便衣警察打死的，并非死于同伴 MV的拍摄地点是布鲁克林的Hoyt-Schermerhorn地铁站，迈克尔对这个地点非常满意，他兴奋地说：太真实了！看，地上还有一滩尿渍，真棒！ MV剧本由电影《金钱本色》的编剧理查德·普莱斯创作，他的才华大部分集中在前八分钟，可惜都被我删掉了，完整版有16分钟，我怕太长耽误大家时间，抱歉啊！🙏 MV的导演是大名鼎鼎的马丁·斯科塞斯，他的作品可谓如雷贯耳《出租车司机》《赌场风云》《愤怒的公牛》《好家伙》《喜剧之王》《纽约黑帮》《金钱本色》等等扮演迈克尔的发小，与他演对手戏的是斯奈普斯，这个就不用多介绍了，他在当时还名不见经传，在被导演选中拍摄MV之前，只在两个片场跑过龙套再扒几个MV中的梗，歌词中多次出现了shamone，这也是迈克尔平时的口语，其实就是come on的意思。这是迈克尔在模仿梅维斯·斯台普斯，也是向这位好友致敬梅维斯是美国著名灵歌和节奏蓝调歌唱家，她曾经说小迈克尔“偷”了我的词，是我发明的用SHA-mone来代替come on，好多人问我迈克尔使用shamone给你钱没，我说他一份钱也没给过我，但是我感觉挺好顶胯是迈克尔的招牌动作之一，但是一排人顶胯，看起来就像一列前行的火车，是迈克尔在这部MV中首创。群舞中有一个抬腿飞翔-愤怒-温柔的连贯动作，这是迈克尔模仿电影《西区故事》中的动作，并向这部经典致敬 MV中，站台墙上张贴的通缉令照片就是导演马丁·斯科塞斯本尊，他的孩子看过这个MV后，回家好奇地问爸爸你坐过牢吗？😂 好了不贫了，请欣赏吧👇

老多

21,552 görüntüleme • 1 yıl önce