Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

Qwen 推理性能最高提升8倍！这个 DFlash 前几天看到了，感觉就是以前的speculative decoding，结果今天看到有人加了 DDTree 技术。实际就是把 speculative decoding 的单链 draft 变成树状draft + Tree Attention 一次验证 + 最长匹配 prefix commit。目的是不让 draft 模型在 branching point 的预测被浪费， DFlash 每个 position 只留一个预测，DDTree 则保留多个，再让 target 模型一次看完挑哪个对。直接让 Qwen3-30B-MoE 在 HumanEvalT 实现了 8.22 倍速度提升！

nash_su - e/acc

20,244 subscribers

38,801 views • 4 months ago •via X (Twitter)

Education Health & Wellness Science & Technology

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

今天看到别人发的 tanstack start 有一个特性真香啊，我立马让 AI 写个丑页面测试一下，只要按住 ctrl + shift，hover 到页面的任何部分，就能显示这是哪个组件的第几行，这个应该是 devtools 的一个功能，真的是太便捷了，就是我特别想要的一个功能。看了真的要准备给加一个 tanstack 的实现了。

今天看到别人发的 tanstack start 有一个特性真香啊，我立马让 AI 写个丑页面测试一下，只要按住 ctrl + shift，hover 到页面的任何部分，就能显示这是哪个组件的第几行，这个应该是 devtools 的一个功能，真的是太便捷了，就是我特别想要的一个功能。看了真的要准备给加一个 tanstack 的实现了。

Viking

23,618 views • 7 months ago

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

歸藏(guizang.ai)

26,998 views • 2 months ago

前天不是说看到一个洗浴城，有个很好的技师小姐姐嘛！我昨天凌晨1点专门去找她，结果要排队等3小时，前面有个老哥一直加钟。不死心的我，我昨天8点就去，对！我刚刚吃了晚饭和朋友酒吧都不去了，直接就去这家店了。结果8点我都要排队，前面还有2个，还不一定保证前面有没有老哥会加钟。😂😂 然后我一听马上就走了（开玩笑等女朋友都不可能这么等），最后留了经理电话，经理说88号一般不接受电话预约，但是我跑了俩次，下次可以电话给她说，她来安排。我都服气了，真的是现在长得好看只能说有竞争力，关键是如果你长的好看还有一技之长那就很抢手了。我就是被这个视频钓过去的🎣

Sensitive content

前天不是说看到一个洗浴城，有个很好的技师小姐姐嘛！我昨天凌晨1点专门去找她，结果要排队等3小时，前面有个老哥一直加钟。不死心的我，我昨天8点就去，对！我刚刚吃了晚饭和朋友酒吧都不去了，直接就去这家店了。结果8点我都要排队，前面还有2个，还不一定保证前面有没有老哥会加钟。😂😂 然后我一听马上就走了（开玩笑等女朋友都不可能这么等），最后留了经理电话，经理说88号一般不接受电话预约，但是我跑了俩次，下次可以电话给她说，她来安排。我都服气了，真的是现在长得好看只能说有竞争力，关键是如果你长的好看还有一技之长那就很抢手了。我就是被这个视频钓过去的🎣

墨鱼(:◎)｜Gate美股0费率

101,989 views • 4 months ago

Hailuo 02模型的物理效果太惊艳了，这是一个“活”的世界。不仅是人人物，整个环境是可交互的。从“个体真实”进化到与环境的“交互真实”，后者需要更强的模型能力。Hailuo 02的一些测试案例已经出现这个可能性。来看看我最喜欢的几个测试案例： 1. 抽积木引起的倒塌，引起的物理因果

Hailuo 02模型的物理效果太惊艳了，这是一个“活”的世界。不仅是人人物，整个环境是可交互的。从“个体真实”进化到与环境的“交互真实”，后者需要更强的模型能力。Hailuo 02的一些测试案例已经出现这个可能性。来看看我最喜欢的几个测试案例： 1. 抽积木引起的倒塌，引起的物理因果

汗青 HQ

44,745 views • 1 year ago

有个搞气候数据分析的哥们，直接把工作辞了，跑到Polymarket的天气市场里玩了一票。他从1000美元起步，愣是干到了77000美元。他是怎么想的呢？说白了，他觉得机器学习跑出来的天气模型，能看到那些传统物理模型漏掉的东西，而且市场反应总是慢半拍，没跟上。这老哥自己整了个五模型联动的系统，专门抓那种温度预测的定价错误——价格在0.01到0.1美元之间的，他一眼就能看出来不对劲。他的钱包地址在这：他这套玩法其实很简单：天气模型每6小时更新一次，但Polymarket上那帮人得过好几个小时才反应过来。只要三个以上的模型（比如GFS、ECMWF、ICON）都指向同一个温度区间，而市场给的价格只有0.15美元，实际应该值0.70美元，那这就是一个差不多5倍的定价漏洞。操作也很直接：看到这种机会就买入预测，等着结果出来结算，然后重复这么干。你要是也想跟着他抄作业，可以打开这个Telegram机器人：进去之后： · 先连上TG · 找到“Copy Trading”那个栏目 · 选“Add Wallet to Copy” · 把上面那个交易钱包地址“0x594edb9112f526fa6a80b8f858a6379c8a2c1c11”一加，就完事了。

有个搞气候数据分析的哥们，直接把工作辞了，跑到Polymarket的天气市场里玩了一票。他从1000美元起步，愣是干到了77000美元。他是怎么想的呢？说白了，他觉得机器学习跑出来的天气模型，能看到那些传统物理模型漏掉的东西，而且市场反应总是慢半拍，没跟上。这老哥自己整了个五模型联动的系统，专门抓那种温度预测的定价错误——价格在0.01到0.1美元之间的，他一眼就能看出来不对劲。他的钱包地址在这：他这套玩法其实很简单：天气模型每6小时更新一次，但Polymarket上那帮人得过好几个小时才反应过来。只要三个以上的模型（比如GFS、ECMWF、ICON）都指向同一个温度区间，而市场给的价格只有0.15美元，实际应该值0.70美元，那这就是一个差不多5倍的定价漏洞。操作也很直接：看到这种机会就买入预测，等着结果出来结算，然后重复这么干。你要是也想跟着他抄作业，可以打开这个Telegram机器人：进去之后： · 先连上TG · 找到“Copy Trading”那个栏目 · 选“Add Wallet to Copy” · 把上面那个交易钱包地址“0x594edb9112f526fa6a80b8f858a6379c8a2c1c11”一加，就完事了。

区块链行情研究

10,610 views • 5 months ago

Claude Fable 5 经过1个月紧急下架后再回归，我这两天也重新去测试了一下。正好一直刷到赛博斗蛐蛐的视频，正好拿来测试一下，看看能不能做个同款出来。给大伙看看fable 5 的效果：视频1 再来对比一下GPT-5.5的效果，老实说有点拉了，为什么把restart按钮直接盖住了屏幕啊？不是很理解：视频2 最后再来看看国产Deepseek V4 Pro的效果，物理效果感觉还是不行，有点迟钝的感觉：视频3 Fable 5的整体效果是最接近我刷到的小视频的效果的。虽然效果很强，但是现在fable 5最大的问题在于，官方在6月22日以后，订阅套餐不能用Fable，只能走API。但是价格实在是遭不住：每 M 输出 50 美元的定价让社区吐槽声不断！我推荐用Zenmux，这个省一些。目前有个加赠20%的活动，每人最高可享 300刀！官网在这里： RPM、不限流。可调用全平台 200+ 模型（含 Claude Fable 5），非常适合做这种评测、并排对比和长期开发。

Claude Fable 5 经过1个月紧急下架后再回归，我这两天也重新去测试了一下。正好一直刷到赛博斗蛐蛐的视频，正好拿来测试一下，看看能不能做个同款出来。给大伙看看fable 5 的效果：视频1 再来对比一下GPT-5.5的效果，老实说有点拉了，为什么把restart按钮直接盖住了屏幕啊？不是很理解：视频2 最后再来看看国产Deepseek V4 Pro的效果，物理效果感觉还是不行，有点迟钝的感觉：视频3 Fable 5的整体效果是最接近我刷到的小视频的效果的。虽然效果很强，但是现在fable 5最大的问题在于，官方在6月22日以后，订阅套餐不能用Fable，只能走API。但是价格实在是遭不住：每 M 输出 50 美元的定价让社区吐槽声不断！我推荐用Zenmux，这个省一些。目前有个加赠20%的活动，每人最高可享 300刀！官网在这里： RPM、不限流。可调用全平台 200+ 模型（含 Claude Fable 5），非常适合做这种评测、并排对比和长期开发。

雪踏乌云

48,569 views • 1 month ago

这个 thinking orbs 是我最近看到最漂亮最精致的动画图标， 6 种类型，指示 Agent 的运行状态，如果大家在做 agent 相关的内容，把这个效果加进去，绝对视觉效果提升一个档次。

这个 thinking orbs 是我最近看到最漂亮最精致的动画图标， 6 种类型，指示 Agent 的运行状态，如果大家在做 agent 相关的内容，把这个效果加进去，绝对视觉效果提升一个档次。

Viking

11,886 views • 1 month ago

迫不及待的用 Claude Sonnet 3.7 做了今天推上很流行的天气卡片效果的生成在原始提示词上，再稍微调试了两次，真的好强，这个审美确实非常在线，动画也很赞。其他几个模型大多数都没法看，现在看来确实是 Coding 最强了，看来以后真的能用它做一些设计的工作了～

迫不及待的用 Claude Sonnet 3.7 做了今天推上很流行的天气卡片效果的生成在原始提示词上，再稍微调试了两次，真的好强，这个审美确实非常在线，动画也很赞。其他几个模型大多数都没法看，现在看来确实是 Coding 最强了，看来以后真的能用它做一些设计的工作了～

Viking

57,578 views • 1 year ago

上一次用的是可灵的模型，这一次用的是 sd2.0 的模型，角色选取的是我之前生成图片的其中的一个角色。感觉在情绪把控这方面，真的已经很到位了，很难以想象两年前的AI还不会吃面，现在就已经能够精准的落泪了。这才720p看着就这么的高清，那4k会是什么样子的

上一次用的是可灵的模型，这一次用的是 sd2.0 的模型，角色选取的是我之前生成图片的其中的一个角色。感觉在情绪把控这方面，真的已经很到位了，很难以想象两年前的AI还不会吃面，现在就已经能够精准的落泪了。这才720p看着就这么的高清，那4k会是什么样子的

南鸢 nuyoah

12,334 views • 23 days ago

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Tw93

94,678 views • 4 months ago

很多人看 Inference Labs ，第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。在传统的 AI 世界里，模型方就是绝对的老大。模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。但 Inference Labs 正在把这套逻辑给彻底拆掉。在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。再来看看算力。很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。那么，真正的权力流向哪儿了。答案是验证者。验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。这种变化的影响会非常深远。以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。这才是它最被低估的地方。它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITO

很多人看 Inference Labs ，第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。在传统的 AI 世界里，模型方就是绝对的老大。模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。但 Inference Labs 正在把这套逻辑给彻底拆掉。在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。再来看看算力。很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。那么，真正的权力流向哪儿了。答案是验证者。验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。这种变化的影响会非常深远。以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。这才是它最被低估的地方。它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITO

比克大魔王

29,048 views • 7 months ago

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

DeFi狙击手 | Ai🕊️

17,513 views • 1 month ago

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T，他们用动态1-bit量化，直接压到594G，缩了62%，还保留了78.9%的精度， 128G内存的Mac Studio就能跑，虽然速度不快，但它真的能跑。谁能想到半个月前，这个级别的模型还只有大厂有算力碰，现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。不得不说这就是开源最恐怖的地方啊，模型放出来第一天，全世界最聪明的工程师都在帮你压体积、提速度、做适配，闭源模型，永远享受不到这个待遇。

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T，他们用动态1-bit量化，直接压到594G，缩了62%，还保留了78.9%的精度， 128G内存的Mac Studio就能跑，虽然速度不快，但它真的能跑。谁能想到半个月前，这个级别的模型还只有大厂有算力碰，现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。不得不说这就是开源最恐怖的地方啊，模型放出来第一天，全世界最聪明的工程师都在帮你压体积、提速度、做适配，闭源模型，永远享受不到这个待遇。

AYi

288,978 views • 29 days ago

有人把各家大模型的免费额度，拼成了一个每月约 17 亿 token 的 AI API 池。 FreeLLMAPI 做的事很直接：统一成 OpenAI 兼容的 /v1 接口，某个模型限流或额度用完，就自动切到下一家。很多 AI 工具改一下地址就能接入。当然，免费额度随时会变，也没有 SLA，更适合个人实验。但真正值得讨论的是：以后我们还会固定给一家模型付费，还是把模型放进一个池子里——谁便宜、谁稳定、谁能用，就调用谁？

有人把各家大模型的免费额度，拼成了一个每月约 17 亿 token 的 AI API 池。 FreeLLMAPI 做的事很直接：统一成 OpenAI 兼容的 /v1 接口，某个模型限流或额度用完，就自动切到下一家。很多 AI 工具改一下地址就能接入。当然，免费额度随时会变，也没有 SLA，更适合个人实验。但真正值得讨论的是：以后我们还会固定给一家模型付费，还是把模型放进一个池子里——谁便宜、谁稳定、谁能用，就调用谁？

Vincent

11,721 views • 1 month ago

兄弟盟，AI 女友真的要来了～刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。它想做的事情其实很简单：做一个真正活着的 AI 虚拟角色。不是普通的聊天机器人，而是一个 AI 虚拟伙伴 / AI VTuber。你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目完全开源，而且可以自己部署。也就是说，你可以拥有一个：会聊天、会记住你、还能互动的 AI 数字人。技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型未来的 AI Companion，大概率就是这个形态。如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品这个项目真的值得去看看。

兄弟盟，AI 女友真的要来了～刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。它想做的事情其实很简单：做一个真正活着的 AI 虚拟角色。不是普通的聊天机器人，而是一个 AI 虚拟伙伴 / AI VTuber。你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目完全开源，而且可以自己部署。也就是说，你可以拥有一个：会聊天、会记住你、还能互动的 AI 数字人。技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型未来的 AI Companion，大概率就是这个形态。如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品这个项目真的值得去看看。

开发者Hailey

34,171 views • 5 months ago

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线关键是，这只是一个 prompt 生成的代码。以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。现在 AI 直接写 Three.js 代码，浏览器就能跑。这已经不是"辅助编程"了，这是直接替代了一整个工作流。你们觉得这种 3D 建模能力，能用在哪些场景？

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线关键是，这只是一个 prompt 生成的代码。以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。现在 AI 直接写 Three.js 代码，浏览器就能跑。这已经不是"辅助编程"了，这是直接替代了一整个工作流。你们觉得这种 3D 建模能力，能用在哪些场景？

Vincent

16,645 views • 2 months ago

每次去问那些大模型某个项目怎么样，得到的回复永远是那种模棱两可的万金油——“项目有潜力，但请注意市场波动”。听君一席话，如听一席话，完全不敢拿真金白银去信它。但这两天仔细看了下 Sentient 的逻辑，尤其是那个 SERA 架构，我是真觉得有点意思。它没想着用一套通用的语料库来“忽悠”你，而是老老实实地在做“拆解”。你问它 DOGE 的风险，它不是在那瞎编，而是像个老练的研究员一样，先把问题拆成几个维度：经济模型是不是通胀的？链上流动性池子够不够深？大户是不是在集中出货？它有一套自己的索引库，先找工具，再抓实时数据，最后才给你写结论。这给我的感觉是，它终于不再是一个只会陪聊的机器人，而是一个懂得去查证、去推理的 Agent。在币圈这种信息满天飞、真假难辨的地方，我们需要的就是这种能把“情绪”和“事实”剥离开的能力。如果不解决“可信度”这个问题，AI 在 Web3 永远只是个玩具，但 Sentient 似乎找到了打破这个僵局的锤子。

每次去问那些大模型某个项目怎么样，得到的回复永远是那种模棱两可的万金油——“项目有潜力，但请注意市场波动”。听君一席话，如听一席话，完全不敢拿真金白银去信它。但这两天仔细看了下 Sentient 的逻辑，尤其是那个 SERA 架构，我是真觉得有点意思。它没想着用一套通用的语料库来“忽悠”你，而是老老实实地在做“拆解”。你问它 DOGE 的风险，它不是在那瞎编，而是像个老练的研究员一样，先把问题拆成几个维度：经济模型是不是通胀的？链上流动性池子够不够深？大户是不是在集中出货？它有一套自己的索引库，先找工具，再抓实时数据，最后才给你写结论。这给我的感觉是，它终于不再是一个只会陪聊的机器人，而是一个懂得去查证、去推理的 Agent。在币圈这种信息满天飞、真假难辨的地方，我们需要的就是这种能把“情绪”和“事实”剥离开的能力。如果不解决“可信度”这个问题，AI 在 Web3 永远只是个玩具，但 Sentient 似乎找到了打破这个僵局的锤子。

大魔王提莫

440,533 views • 8 months ago

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。咱们看看这个案例，零游戏开发经验，两周时间，一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉，骑着电动车在城市里穿梭接单，订单会真实堆叠在后座，掉了就会失败，还有完整的手机App导航和超市捡货系统，很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利，本质是人类品味的胜利，他没写几行代码，所有的逻辑模型贴图音乐音效，全都是AI生成的，他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的，最后花两周时间一点点打磨细节，调参数摆道具改手感，其实这就是现在大家说的vibe coding，让AI接管了所有的执行层，人类只需要负责方向和品味，以前你得学会编程建模配乐剪辑，才能做出一个游戏，现在你只需要知道，什么东西是好的，很多人说这是作弊，但这才是真正的创意民主化呀，一年前需要一个小团队干几个月的活，现在一个普通人两周就能搞定，我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切，但它不知道的是什么东西看起来舒服，什么东西玩起来爽，什么东西能让人会心一笑，比如那些纯AI生成的游戏为什么不好玩，因为它们只有技术，没有灵魂，那什么是灵魂呢？我理解灵魂就是那个站在AI背后，做每一个微小选择的人，就是那个知道什么时候该停手，什么时候该再改一下的人，而且我觉得这只是一个开始，今天是浏览器3D游戏，那明天可能就是完整的App，后天甚至是3A级别的游戏原型，我们正在见证一个全新的创作时代，任何人都能把自己的脑洞，变成真正的产品，游戏链接放在评论区了，直接浏览器打开就能玩，建议大家去试试，你会真切地感受到，那个属于普通人的创作黄金时代，真的已经来了！ #AI #游戏开发 #vibecoding

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。咱们看看这个案例，零游戏开发经验，两周时间，一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉，骑着电动车在城市里穿梭接单，订单会真实堆叠在后座，掉了就会失败，还有完整的手机App导航和超市捡货系统，很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利，本质是人类品味的胜利，他没写几行代码，所有的逻辑模型贴图音乐音效，全都是AI生成的，他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的，最后花两周时间一点点打磨细节，调参数摆道具改手感，其实这就是现在大家说的vibe coding，让AI接管了所有的执行层，人类只需要负责方向和品味，以前你得学会编程建模配乐剪辑，才能做出一个游戏，现在你只需要知道，什么东西是好的，很多人说这是作弊，但这才是真正的创意民主化呀，一年前需要一个小团队干几个月的活，现在一个普通人两周就能搞定，我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切，但它不知道的是什么东西看起来舒服，什么东西玩起来爽，什么东西能让人会心一笑，比如那些纯AI生成的游戏为什么不好玩，因为它们只有技术，没有灵魂，那什么是灵魂呢？我理解灵魂就是那个站在AI背后，做每一个微小选择的人，就是那个知道什么时候该停手，什么时候该再改一下的人，而且我觉得这只是一个开始，今天是浏览器3D游戏，那明天可能就是完整的App，后天甚至是3A级别的游戏原型，我们正在见证一个全新的创作时代，任何人都能把自己的脑洞，变成真正的产品，游戏链接放在评论区了，直接浏览器打开就能玩，建议大家去试试，你会真切地感受到，那个属于普通人的创作黄金时代，真的已经来了！ #AI #游戏开发 #vibecoding

阿绎 AYi

12,095 views • 3 months ago

即梦现在可以用Seedance 2.0 生成 1080P 的视频了试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

即梦现在可以用Seedance 2.0 生成 1080P 的视频了试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

歸藏(guizang.ai)

28,509 views • 4 months ago