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.

iPhone18 Pro 首发拆解分享这次的散热终于从前代的只是小幅优化，升级成了满血版大VC 测试下来，直接从原来只有60分水平一跃成95分选手，改善幅度真很大得益于整个散热体系的升级，主频直接达到了惊人4.93Ghz，配合CPU翻转到外侧+WMCM封装，这一代应该是首次能实现满血性能释放的iPhone。还有散热改善带来的额外提升，18Pro最高充电速度能到46W， ProMax更是达到了比现款iPadPro还快的54w....突然这么激进的表现，完全不像苹果会干的事情😂

有没有搞措

40,328 subscribers

56,690 Aufrufe • vor 7 Tagen •via X (Twitter)

Nachrichten & Politik Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

16 Kommentare

Profilbild von yanwi🫯

yanwi🫯vor 7 Tagen

从60分跳到95分，之前那几代的散热是认真的吗。

Profilbild von Sebastian

Sebastianvor 7 Tagen

iPhone18 Pro拆解

Profilbild von Mrcool

Mrcoolvor 7 Tagen

😑代价就是pro版本重量来到250g

Profilbild von Berg

Bergvor 7 Tagen

iPhone 14 Pro 用的还是传统的多层石墨片散热，真烫手

Profilbild von Johnson

Johnsonvor 7 Tagen

这么强的cpu用在手机上可惜了，系统和软件完全用不上这么高的性能

Profilbild von T

Tvor 7 Tagen

毕竟新CEO刚上来

Profilbild von biubiu66

biubiu66vor 7 Tagen

更强的性能带来的就是更大的发热，背面44度不热吗？加上手机壳呢？手机上不降低功耗就不可能解决散热

Profilbild von 有没有搞措

有没有搞措vor 7 Tagen

是里面vc板表面44度

Profilbild von biubiu66

biubiu66vor 7 Tagen

请问里面vc板的温度怎么测出来的，为了测试塞一个传感器？

Profilbild von 有没有搞措

有没有搞措vor 7 Tagen

热成像

Profilbild von Rainy

Rainyvor 7 Tagen

所有说这一代本来可以全部做成屏下、甚至实现全面屏，但是却要挤牙膏给20周年？

Profilbild von CyberMan

CyberManvor 7 Tagen

一切设计都是为了AI

Profilbild von xjcs88

xjcs88vor 7 Tagen

毕竟没啥实际的卖点只好芯片大升级😂

Profilbild von オド

オドvor 7 Tagen

我要串，玩鳴潮嗎？

Profilbild von 50泛欧易风屿

50泛欧易风屿vor 7 Tagen

散热堆料这么扎实确实省心了打游戏再也不烫手

Profilbild von タケル

タケルvor 7 Tagen

你怎么知道一个是铝合金一个是不锈钢呢？苹果告诉你的？

Ähnliche Videos

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 Aufrufe • vor 3 Monaten

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,683 Aufrufe • vor 5 Monaten

Codex computer use速度大幅提升，现在完全能实现全自动化剪辑了！据官方透露，搭配Astra，computer use速度提升一倍；而且本次更新还优化了harness，就算用现有的5.6 Sol，速度也提升了60% 下面是我让Codex直接操作剪映的效果，作为粗剪感觉完全够用了，效率拉满

Codex computer use速度大幅提升，现在完全能实现全自动化剪辑了！据官方透露，搭配Astra，computer use速度提升一倍；而且本次更新还优化了harness，就算用现有的5.6 Sol，速度也提升了60% 下面是我让Codex直接操作剪映的效果，作为粗剪感觉完全够用了，效率拉满

Sac

81,041 Aufrufe • vor 22 Tagen

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

雪踏乌云

27,014 Aufrufe • vor 29 Tagen

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

holy shit，Warp这次真的是把整个行业的桌子给掀了。发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码，现在Oz代理会自动写代码，跑测试，做code review，甚至生成完整的技术文档。未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。更有意思的是，前几天而且你现在甚至能去我感觉这可能是未来十年软件开发方式的一次预演。

AYi

108,768 Aufrufe • vor 5 Monaten

平时用CC和Codex等Coding Agent多的人一定懂我在说什么。现在手机端智能体的表现相比起电脑端的简直像个智障。所以我看到前几天阶跃发布的这个「全球首款大模型原生智能体手机」，我的感觉是终于有人开始从系统级的向手机端Agent下手了。这期视频是通过发布会和公开资料解读了下这款手机和阶跃Amoo智能体出现的逻辑，以及适配的场景。还挺期待过段时间拿到他们的真机做测试，以及开发点好玩的东西的。

平时用CC和Codex等Coding Agent多的人一定懂我在说什么。现在手机端智能体的表现相比起电脑端的简直像个智障。所以我看到前几天阶跃发布的这个「全球首款大模型原生智能体手机」，我的感觉是终于有人开始从系统级的向手机端Agent下手了。这期视频是通过发布会和公开资料解读了下这款手机和阶跃Amoo智能体出现的逻辑，以及适配的场景。还挺期待过段时间拿到他们的真机做测试，以及开发点好玩的东西的。

花叔

12,390 Aufrufe • vor 2 Monaten

字节跳动几乎是在所有AI领域都达到了临界点刚试了下他们新的 AI 音乐模型 SeedMusic 1.0 Preview 一句话生成了一首完整的歌曲，而且速度还很快，大概2-3分钟，效果还真是挺不错的... 提示词：来一首古风歌曲，但是有着现代流行音乐的节奏感，能让人朗朗上口，关于爱情的歌曲

字节跳动几乎是在所有AI领域都达到了临界点刚试了下他们新的 AI 音乐模型 SeedMusic 1.0 Preview 一句话生成了一首完整的歌曲，而且速度还很快，大概2-3分钟，效果还真是挺不错的... 提示词：来一首古风歌曲，但是有着现代流行音乐的节奏感，能让人朗朗上口，关于爱情的歌曲

小互

117,385 Aufrufe • vor 3 Monaten

GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52 #智谱 #智谱AI #AgenticCoding #长上下文能力

GLM-5.2 刚刚正式发布! 给大家带来实测! 直接说结论本次测试中, 提升最大的是Agent能力, 而且是有质的变化! 测试中GLM-5.2 完全不用搜索附近的位置, 就能直接去想要到达的地方. 这一切竟然是它在一开始把地图背下来了! 这在我测试的20多个模型中之前是没有一个模型能做到的, 比如之前的模型想去换电站, 那么都要搜一下附近有哪些换电站(这就会浪费一次tool_call), 而GLM-5.2直接就知道换电站的位置! 从来没用过搜索函数. 这种一开始就把需要的数据内化到上下文中, 并且能够贯穿整个1M上下文进行推理的能力真的是叹为观止. 除此之外, 本次测试后端代码的 Agentic Coding 能力也有提升, 来到了总榜的第二名. 而本次测试暴露出最大的短板则是空间理解. 其实成也萧何败也萧何, 它虽然把换电站的位置都背下来了, 但是去的换电站却不是最近的, 所以虽然记住了, 但是记住了之后在用之前再根据自己当前所在位置推理一下, 他还是没有做到的, 这也是最大的短板了, 强烈建议官方优化一波. #GLM52 #智谱 #智谱AI #AgenticCoding #长上下文能力

karminski-牙医

13,235 Aufrufe • vor 3 Monaten

OMG！只用了 3 个小时不到，我竟做出了自己真正意义上交互完整且完全可用的第一个 web app! 太666了！如果不是因为浪费了很多时间找 API，估计更快能够做完😎 从最早用 claude3 opus，到后来用 cursor 写web app，写插件，对于我这样一个毫无coding 基础的小白来说，写到能用的程度就已经欢呼雀跃，根本不敢多提一点要求，审美要求更是直接放弃，因为不知道它修改了什么，就可以把整个应用，彻底搞崩溃，所以，只求 50 分万岁！当然，更不要提部署，到这一步直接投降！几周前刚推出来我就试了一下，发现效果并不好，遇到问题，让它处理，它仍然会 down 掉，可是今天当我再次尝试用它给我们家娃写一个英语单词查询和记录工具时，竟表现得如此完美！不得不感叹，过去四周的迭代，真的很 AI 速度啊!！其实，我们仔细去观察，每一波 coding 应用起来的时候，web app 其实都是一个非常高频的场景， container 技术，加上 Sonnet3.5的能力，专注在web app场景，从开发到部署，整个实现端到端闭环。而在这个场景中，对于小白来说，最痛的两个痛点：debug+部署，也都解决的近乎完美，真的是「一键的事儿」！记得前几天，Anthropic 的Dario在访谈中还提到，Claude在真实世界编程任务（SWE Bench）上，从2024年1月的3-4%提升到10月的50%，预计未来 10 个月将有可能提升到 90%。而这也一定会带来质的改变，很是期待！直接上线，欢迎试用😉

OMG！只用了 3 个小时不到，我竟做出了自己真正意义上交互完整且完全可用的第一个 web app! 太666了！如果不是因为浪费了很多时间找 API，估计更快能够做完😎 从最早用 claude3 opus，到后来用 cursor 写web app，写插件，对于我这样一个毫无coding 基础的小白来说，写到能用的程度就已经欢呼雀跃，根本不敢多提一点要求，审美要求更是直接放弃，因为不知道它修改了什么，就可以把整个应用，彻底搞崩溃，所以，只求 50 分万岁！当然，更不要提部署，到这一步直接投降！几周前刚推出来我就试了一下，发现效果并不好，遇到问题，让它处理，它仍然会 down 掉，可是今天当我再次尝试用它给我们家娃写一个英语单词查询和记录工具时，竟表现得如此完美！不得不感叹，过去四周的迭代，真的很 AI 速度啊!！其实，我们仔细去观察，每一波 coding 应用起来的时候，web app 其实都是一个非常高频的场景， container 技术，加上 Sonnet3.5的能力，专注在web app场景，从开发到部署，整个实现端到端闭环。而在这个场景中，对于小白来说，最痛的两个痛点：debug+部署，也都解决的近乎完美，真的是「一键的事儿」！记得前几天，Anthropic 的Dario在访谈中还提到，Claude在真实世界编程任务（SWE Bench）上，从2024年1月的3-4%提升到10月的50%，预计未来 10 个月将有可能提升到 90%。而这也一定会带来质的改变，很是期待！直接上线，欢迎试用😉

Janet

174,763 Aufrufe • vor 1 Jahr

未来三四年，全球最重要的事情是什么？答案是：太空数据中心。你可能会觉得奇怪，但从第一性原理出发，把数据中心建在地球上，其实从一开始就错了。一个数据中心，最核心的成本是什么？两样东西：电，还有散热。先说电。在太空，卫星可以24小时晒太阳。强度还比地面高30%。综合下来，辐射能量是地球的6倍！这意味着什么？你根本不需要昂贵的储能电池。在整个太阳系里，最便宜、最管够的能源，就是太空里的太阳能。再说散热。你在地球上建一个机房，整个机架一半的重量和成本，都是给空调、水冷系统这些复杂玩意儿准备的。但在太空呢？散热是免费的。你只要在卫星背对太阳的那一面，放一个散热器就行了。温度接近绝对零度。所有复杂的散热设备、巨大的成本，瞬间归零。还没完。数据中心里，一个个机柜是怎么连起来的？用光纤。本质是激光在缆线里跑。还有什么比这更快？有。让激光在真空里跑。当无数个卫星数据中心在太空用激光互联，你就拥有了一个比地球上任何网络都更快的超级数据中心。这对我们普通人意味着什么？现在，我手机发个指令，信号要先到基站，进光纤，绕过好几个城市路由器，才能到达数据中心，然后原路返回。未来呢？你的手机直接跟卫星对话，信号上去，算完，下来。 Boom，结束。更低的成本，更快的速度。这才是AI时代该有的样子。

未来三四年，全球最重要的事情是什么？答案是：太空数据中心。你可能会觉得奇怪，但从第一性原理出发，把数据中心建在地球上，其实从一开始就错了。一个数据中心，最核心的成本是什么？两样东西：电，还有散热。先说电。在太空，卫星可以24小时晒太阳。强度还比地面高30%。综合下来，辐射能量是地球的6倍！这意味着什么？你根本不需要昂贵的储能电池。在整个太阳系里，最便宜、最管够的能源，就是太空里的太阳能。再说散热。你在地球上建一个机房，整个机架一半的重量和成本，都是给空调、水冷系统这些复杂玩意儿准备的。但在太空呢？散热是免费的。你只要在卫星背对太阳的那一面，放一个散热器就行了。温度接近绝对零度。所有复杂的散热设备、巨大的成本，瞬间归零。还没完。数据中心里，一个个机柜是怎么连起来的？用光纤。本质是激光在缆线里跑。还有什么比这更快？有。让激光在真空里跑。当无数个卫星数据中心在太空用激光互联，你就拥有了一个比地球上任何网络都更快的超级数据中心。这对我们普通人意味着什么？现在，我手机发个指令，信号要先到基站，进光纤，绕过好几个城市路由器，才能到达数据中心，然后原路返回。未来呢？你的手机直接跟卫星对话，信号上去，算完，下来。 Boom，结束。更低的成本，更快的速度。这才是AI时代该有的样子。

墓碑科技

34,945 Aufrufe • vor 9 Monaten

讲真，以前提到 meme💩，我的脑袋里就冒出三个字：“看不懂。” 就像那时上车学“科目三”一样，场面热闹得很，但完全不理解为什么大家都在激动，除了喊单和FUD，我始终觉得它跟币圈的真正价值还是差得远。直到遇到 MemeX ，我才像突然开窍了，感觉像从“科目三”进阶到了“高速公路”，这简直是加速升级啊！ MemeX 并不像那些一炮而红后消失的“金狗”，它的野心比我想象的要大得多。它不仅仅想成为 meme 世界的一个新星，更想成为所有“土狗”的“驯兽师”和“星探”！我突然意识到，它就像是把 meme 圈的“街头斗殴”升级成了“奥斯卡颁奖典礼”。首先，它从“喊单”升级到“选秀”。你发的梗能不能拿到好票？它不仅会看你的创意，还会根据社区的喜爱程度计算“战斗力”指数。这不就相当于 meme 界的“创意海选”吗？那些有才华的“练习生”终于有了出头之日，谁说不可以是星探？然后，它把“炒币”升级成了“斗蛐蛐”。你发的 meme 就像你的电子宠物，要放到“农场”里浇水施肥（互动创作），不然收益率就会直线下滑。再拉上其他人的 meme 进行“对决”，这完全变成了一个“宝可梦对战”的感觉。看到这些，我已经开始怀疑，未来的市场是不是要从 K线转变成 meme💩 的“股市”了？所以，MemeX 想要解决的，是 meme 💩币未来发展的方向。如果 meme 还停留在上一轮的纯情绪炒作上，路只会越走越窄。而现在，它的目标是将 meme💩 变得更加有趣、公平和可持续，叫做“MemeFi”。它的规则保护了 meme 💩的草根精神，同时也能让创意通过规则和市场来说话，而不是单纯靠“嗓门”！当然，这套“meme💩乌托邦”还在非常早期，能不能跑通还是个未知数。毕竟，市场的狂热和探索总是相辅相成，但至少它已经在做一些尝试，试图为这个混乱带来一些秩序。就像最近的嘴撸，我是不是也在挑战这种打法？我觉得，尝试过后，我也慢慢适应了这种节奏。未来，如果这种探索真的能跑通，那也许 meme 真的能变成一个有价值、可持续的市场。 #MemeX #Kaito Kaito AI 🌊 #BubuEverywhere MemeCore Community Ice.m🐜

讲真，以前提到 meme💩，我的脑袋里就冒出三个字：“看不懂。” 就像那时上车学“科目三”一样，场面热闹得很，但完全不理解为什么大家都在激动，除了喊单和FUD，我始终觉得它跟币圈的真正价值还是差得远。直到遇到 MemeX ，我才像突然开窍了，感觉像从“科目三”进阶到了“高速公路”，这简直是加速升级啊！ MemeX 并不像那些一炮而红后消失的“金狗”，它的野心比我想象的要大得多。它不仅仅想成为 meme 世界的一个新星，更想成为所有“土狗”的“驯兽师”和“星探”！我突然意识到，它就像是把 meme 圈的“街头斗殴”升级成了“奥斯卡颁奖典礼”。首先，它从“喊单”升级到“选秀”。你发的梗能不能拿到好票？它不仅会看你的创意，还会根据社区的喜爱程度计算“战斗力”指数。这不就相当于 meme 界的“创意海选”吗？那些有才华的“练习生”终于有了出头之日，谁说不可以是星探？然后，它把“炒币”升级成了“斗蛐蛐”。你发的 meme 就像你的电子宠物，要放到“农场”里浇水施肥（互动创作），不然收益率就会直线下滑。再拉上其他人的 meme 进行“对决”，这完全变成了一个“宝可梦对战”的感觉。看到这些，我已经开始怀疑，未来的市场是不是要从 K线转变成 meme💩 的“股市”了？所以，MemeX 想要解决的，是 meme 💩币未来发展的方向。如果 meme 还停留在上一轮的纯情绪炒作上，路只会越走越窄。而现在，它的目标是将 meme💩 变得更加有趣、公平和可持续，叫做“MemeFi”。它的规则保护了 meme 💩的草根精神，同时也能让创意通过规则和市场来说话，而不是单纯靠“嗓门”！当然，这套“meme💩乌托邦”还在非常早期，能不能跑通还是个未知数。毕竟，市场的狂热和探索总是相辅相成，但至少它已经在做一些尝试，试图为这个混乱带来一些秩序。就像最近的嘴撸，我是不是也在挑战这种打法？我觉得，尝试过后，我也慢慢适应了这种节奏。未来，如果这种探索真的能跑通，那也许 meme 真的能变成一个有价值、可持续的市场。 #MemeX #Kaito Kaito AI 🌊 #BubuEverywhere MemeCore Community Ice.m🐜

蟾哥🐬TermMax

22,610 Aufrufe • vor 1 Jahr

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

karminski-牙医

12,850 Aufrufe • vor 2 Monaten

这个房子在LA大火中幸存，是因为没有在主体房子装智能电表，而是把智能电表装在了后院的小库房里了，这不是个案，还有LA火灾现场的人发现家里的智能电表先着火，把房子烧着了第二个视频很蹊跷，房子外面干干净净，房子里面先着起来，是什么原因，外面有森林大火，屋子里积极响应开始着火？这次LA火灾诡异的事太多了这个先放一放，来说说智能电表吧全世界都在积极安装智能电表，现在只要提到“smart智能”就应该联想到监视…“智能”永远是更好的监视人的工具,智能电表还有强力的辐射，下面跟帖会介绍智能电表的辐射和应对方法。👇 🧵1/2

这个房子在LA大火中幸存，是因为没有在主体房子装智能电表，而是把智能电表装在了后院的小库房里了，这不是个案，还有LA火灾现场的人发现家里的智能电表先着火，把房子烧着了第二个视频很蹊跷，房子外面干干净净，房子里面先着起来，是什么原因，外面有森林大火，屋子里积极响应开始着火？这次LA火灾诡异的事太多了这个先放一放，来说说智能电表吧全世界都在积极安装智能电表，现在只要提到“smart智能”就应该联想到监视…“智能”永远是更好的监视人的工具,智能电表还有强力的辐射，下面跟帖会介绍智能电表的辐射和应对方法。👇 🧵1/2

宇宙智慧

79,814 Aufrufe • vor 1 Jahr

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

karminski-牙医

30,709 Aufrufe • vor 1 Jahr

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

就这??? 马斯克你认真的吗? 来看 Grok4 实测! 我原本打算用新试题, 突然转念一想, 万一Grok4 延续了 Grok3 的辉煌传统怎么办? 于是直接用了经典到都出包浆的我的那个20小球在七边形里面弹跳的实体快速来了一遍. 结果, 3次生成代码中, 2次 Grok4生成的代码甚至有语法错误. 唯一一次成功的是这个样子. 为了给不了解这个测试的朋友做对比, 我放了 DeepSeek-R1 作为参考, 注意哦，这个甚至不是 DeepSeek-R1-0528, 而是今年年初的那个老版本 R1.... 从目测来看, 大概是今年第一季度所有大模型中, 写代码能力的中间水平, 接近GPT-4o 或 kimi-1.5-long-thinking 之间. 根本不是第一梯队的水平, 更别提跟现在的 Claude-4 或者 Gemini-2.5-pro 比了..... 建议 AIME25 那个数学能力也谨慎看待, 说不定又是一个过拟合的结果. 更多测试我随后放出, 希望 Grok4 能打我的脸. 但这编程水平....呵呵. #Grok4

就这??? 马斯克你认真的吗? 来看 Grok4 实测! 我原本打算用新试题, 突然转念一想, 万一Grok4 延续了 Grok3 的辉煌传统怎么办? 于是直接用了经典到都出包浆的我的那个20小球在七边形里面弹跳的实体快速来了一遍. 结果, 3次生成代码中, 2次 Grok4生成的代码甚至有语法错误. 唯一一次成功的是这个样子. 为了给不了解这个测试的朋友做对比, 我放了 DeepSeek-R1 作为参考, 注意哦，这个甚至不是 DeepSeek-R1-0528, 而是今年年初的那个老版本 R1.... 从目测来看, 大概是今年第一季度所有大模型中, 写代码能力的中间水平, 接近GPT-4o 或 kimi-1.5-long-thinking 之间. 根本不是第一梯队的水平, 更别提跟现在的 Claude-4 或者 Gemini-2.5-pro 比了..... 建议 AIME25 那个数学能力也谨慎看待, 说不定又是一个过拟合的结果. 更多测试我随后放出, 希望 Grok4 能打我的脸. 但这编程水平....呵呵. #Grok4

karminski-牙医

612,825 Aufrufe • vor 1 Jahr

那么多单打詹姆斯的视频这个是最合理的一个，给圈外人应该是看不出来是AI的程度了。以后想看 NBA 球星单挑真的可以直接让Seedance做了，太精彩了。已经超过了玩梗，到了真正能实现现实实现不了的东西了。

那么多单打詹姆斯的视频这个是最合理的一个，给圈外人应该是看不出来是AI的程度了。以后想看 NBA 球星单挑真的可以直接让Seedance做了，太精彩了。已经超过了玩梗，到了真正能实现现实实现不了的东西了。

陳威廉

43,167 Aufrufe • vor 7 Monaten

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

歸藏(guizang.ai)

48,993 Aufrufe • vor 2 Jahren

我投资美股很多年，收获不错，有时代的机遇，也有一定的运气。但一直保持着学习的心态。桥水基金的达里奥，是我一直研究的方向和老师。这次看到他的风险平衡投资策略，跟他早期的全天候策略，有异曲同工之妙，弱相关性+高收益率+可控回撤，带来了很多投资中新的深度思考。视频中讲的是我这几年投资最核心的一条原则：真正赚钱的，不是选出“最牛的股票”，而是构建“风险平衡、分散相关性低”的投资组合。说白了，我们很多人最开始都在追热点，想着找“最牛的那个”，比如特斯拉、英伟达、苹果。但问题是，单一资产的风险太高了，一旦踩错了节奏，回撤就是30%、50%，搞不好连睡觉都不踏实。我在23年以后开始转变思路，从“怎么在不牺牲收益的前提下，把组合的风险降下来”开始。举个通俗的例子：假设我有一个投资标的，年化收益10%，风险（波动率）也10%，看起来挺不错。但如果我找到另一个资产，它同样10%收益，但跟前一个“不相关”，它们不一起涨也不一起跌。那我把两个放在一起，组合的整体风险反而下降了，收益不变，性价比（收益/风险比）就提高了。这就是分散化的力量——不是为了摊平回报，而是为了用更少的风险，赚到一样甚至更多的钱。最牛的是什么？不是你选了哪只牛股，而是你找到了15到20个不相关的“潜在赚钱机会”，它们各自有一定赚钱的概率，但彼此之间风格、赛道、逻辑不一样。这时候你不是靠“赌哪只赢”，而是靠系统化地提升整体胜率。很多人觉得找“最好”的股票是关键，但我告诉你，没有哪只股票能长期打败一个高度分散、低相关性、风险平衡的投资组合。如果你能做到这一点，你的风险回报比可以提升5倍，亏钱的概率从40%直接降到11%，这才是职业投资者真正关心的。这也是为什么像达里奥这样的投资大师反复强调：“别把鸡蛋放在一个篮子里”，而是要“放在20个互不相关的篮子里”。对我来说，这不是一句鸡汤，而是实打实让我账户稳定增长的核心秘诀。这也成为我们长期投资稳定回报的法门之一。而加密+美股+美债+大宗商品的嵌套组合，其实便能起到最大化的效果！🧐

我投资美股很多年，收获不错，有时代的机遇，也有一定的运气。但一直保持着学习的心态。桥水基金的达里奥，是我一直研究的方向和老师。这次看到他的风险平衡投资策略，跟他早期的全天候策略，有异曲同工之妙，弱相关性+高收益率+可控回撤，带来了很多投资中新的深度思考。视频中讲的是我这几年投资最核心的一条原则：真正赚钱的，不是选出“最牛的股票”，而是构建“风险平衡、分散相关性低”的投资组合。说白了，我们很多人最开始都在追热点，想着找“最牛的那个”，比如特斯拉、英伟达、苹果。但问题是，单一资产的风险太高了，一旦踩错了节奏，回撤就是30%、50%，搞不好连睡觉都不踏实。我在23年以后开始转变思路，从“怎么在不牺牲收益的前提下，把组合的风险降下来”开始。举个通俗的例子：假设我有一个投资标的，年化收益10%，风险（波动率）也10%，看起来挺不错。但如果我找到另一个资产，它同样10%收益，但跟前一个“不相关”，它们不一起涨也不一起跌。那我把两个放在一起，组合的整体风险反而下降了，收益不变，性价比（收益/风险比）就提高了。这就是分散化的力量——不是为了摊平回报，而是为了用更少的风险，赚到一样甚至更多的钱。最牛的是什么？不是你选了哪只牛股，而是你找到了15到20个不相关的“潜在赚钱机会”，它们各自有一定赚钱的概率，但彼此之间风格、赛道、逻辑不一样。这时候你不是靠“赌哪只赢”，而是靠系统化地提升整体胜率。很多人觉得找“最好”的股票是关键，但我告诉你，没有哪只股票能长期打败一个高度分散、低相关性、风险平衡的投资组合。如果你能做到这一点，你的风险回报比可以提升5倍，亏钱的概率从40%直接降到11%，这才是职业投资者真正关心的。这也是为什么像达里奥这样的投资大师反复强调：“别把鸡蛋放在一个篮子里”，而是要“放在20个互不相关的篮子里”。对我来说，这不是一句鸡汤，而是实打实让我账户稳定增长的核心秘诀。这也成为我们长期投资稳定回报的法门之一。而加密+美股+美债+大宗商品的嵌套组合，其实便能起到最大化的效果！🧐

Rocky

156,411 Aufrufe • vor 1 Jahr