Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

巴黎迎来38度极端热浪,博主现场实测,烈日下半小时就能把鸡蛋煎至半熟,气温属实夸张。 当地绝大多数住宅没有空调,风扇一房难求,就算装上小型制冷设备,还会因为噪音被邻里投诉,避暑十分艰难。 博主空调风扇一起开室内仍有28度,只能简单遮挡热风降温,也提醒游客去巴黎一定要提前做好防暑。

10,402 Aufrufe • vor 2 Monaten •via X (Twitter)

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

一张电力对比图直接给印度网友整破防了。 截至2026年5月底,中国发电装机容量直接干到40.1亿千瓦,把美国、欧盟27国、印度、日本、俄罗斯全部打包加一块,装机总量居然还是干不过中国一家。 最扎心的是,印度赫然出现在这张榜单上,评论区一条留言瞬间刷屏: 中国电网什么时候能接到印度?我真不想大热天里等着风扇重新启动,这话放在印度,剩下半点笑不出来。 滚烫的热浪贴着地面往上涌,头顶风扇玩命转,吹出来全是热风,空调刚启动两秒,灯光猛地一闪,全家瞬间屏息,生怕直接断电。街边小店冰柜的饮料温吞吞,手机都不敢随便耗电,一旦夜里停电,居民只能搬板凳坐到街边,靠手机微光照明,大人躺在凉席上来回打滚,眼巴巴等着电扇复活。 美国网友看到数据第一反应: 不可能,我要看原始统计口径,美国加欧洲,再带上一众国家,居然拼不过中国。 德国网友也不服:装机量大有什么用?高温负荷能不能扛住,电网稳不稳定才是硬道理。 结果印度网友淡淡回复:这事儿我太有经验了,酷暑天最恐怖的从来不是烈日,而是空调刚打开,直接停电了,底下还有网友补刀:光有电可不够,得有一张能跨几千公里稳定输电的电网才行。镜头切回国内,这边家家户户空调随心开,冰箱里冰着半个西瓜,商场冷气充足,各大工厂照常运转,大家顶多心疼电费太贵,发愁整夜开空调开销大,几乎没人会担心按一下遥控器之后,电网会不会直接崩掉。 这份平平无奇的日常,在饱受断电困扰的印度网友眼里却是实打实的奢侈。 中国电力真正的底牌是这张全覆盖的大网,西南富余水电往东输送,西北风电光伏送往用电重地,东部城市迎来用电高峰,千里之外的能源可以实时调配,调度中心巨大屏幕上线路色彩不断变化,你随手打开空调,背后或许是数千公里外的电站正在为你输送电力。 特高压如同一条条电力大动脉,将戈壁光伏、三峡水库、海上风机全部整合进一套系统。 早些年,我们也曾体会过缺电的无奈,当年很多地方发愁的不是电费,而是开工就没电。几十年过去,荒漠光伏、海上风电、山间水库与储能设施全部并网,日落之后,城市用电高峰依旧存在,风能充沛的地区未必用电紧张,我们要做的就是把零散分布的各类能源统筹调配,稳稳送到工厂、商场与千家万户的空调外机。 印度如今的困境一目了然:庞大人口、持续高温、不断扩张的城市,空调、水泵、工厂同时争抢电力,负荷暴涨之时,输电线路、变压器和调度体系根本跟不上需求,很多地区不是没有用电需求,而是需求来得太快,配套基建远远滞后。 那句“能不能把中国电网接到印度”,看似一句玩笑吐槽,内核却是直击灵魂的疑问。 同样十几亿人口,同样面临酷暑高温,为什么中国人开空调从来不用提前担心今晚停电?当印度网友还在焦灼等待风扇重启时,跨越千山万水的电力早已顺着特高压线路源源不断送入国内每一台空调。

yanguoliusheng

21,596 Aufrufe • vor 2 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

karminski-牙医

19,683 Aufrufe • vor 5 Monaten

如何在 Polymarket 上靠「天气」赚钱 为什么「天气」能赚钱? 原因其实很简单: 天气这件事,对我们来说是日常; 但对市场来说,它是 低关注、低讨论、低博弈强度 的板块。 气象模型已经发展了几十年: 👉 当天是否下雨 👉 某个城市的温度区间 👉 是否会出现极端天气 这些在 临近结算前,准确率非常高。 而 Polymarket 的价格更新、情绪博弈、流动性反应 经常慢于现实世界的数据变化。 这中间,就存在确定性的利差。 你不是在“预测未来”, 你只是在用数据 吃掉市场的滞后性。 一些值得研究的天气交易员 1️⃣ gopfan2 天气板块绝对王者 净利润 $200 万+ 专注:温度 & 降雨 策略非常机械: Yes 45¢ 买 单笔风险 <$1 主战场:纽约 / 伦敦(天气稳定、数据密集) 2️⃣ Hans323 伦敦温度单笔 一次交易赚 $110 万 2025 年 1 月仅用 $741 起步 年内净利润做到 $87k 3️⃣ securebet 经典案例: $7 → $640(+9,244%) 主要市场:纽约 / 西雅图 3,077 笔预测 全站指标前 0.04% 小仓位($3–20) 依赖 NOAA 数据,胜率极高 4️⃣ meropi 微额自动化交易 单笔 $1–3 倍数最高可达 500x 经常在 0.01¢ 买温度上涨 核心优势:速度 + 日内波动 天气板块里最稳定的之一 5️⃣ 1pixel $2,300 起步 累计利润 $18.5k 只做天气 纽约 / 伦敦为主 常用工具(非常关键) 推荐一些天气工具: ☁️Tropical Tidbits GFS / ECMWF 模型 每 6 小时更新 多模型一致时,胜率极高 🌫️Climate Reanalyzer 实时气温 / 降水异常 带历史对比,适合算概率 ☂️Windy 10+ 气象模型 非常适合局部事件(阵雨、风、雪) ❄️NOAA Climate Data Online 100+ 年历史数据 用来验证「这个区间常不常见」 NOAA WPC / CPC 短期降水、异常预测 中长期 ENSO / 干旱趋势 天气市场赚的不是“刺激钱”, 而是 低关注 + 高确定性 + 小复利。 你不是在赌, 你是在用模型、数据和耐心 慢慢从市场里把钱拿走。 等大多数人意识到天气能赚钱的时候, 边际优势就已经没了。 现在还没。

0x_Miko

31,129 Aufrufe • vor 7 Monaten