Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

【春节特献】Deepseek为开源领域贡献价值不亚于llama：强化学习准备混合数据集、MOE+MLA+MTP创新训练架构、算力调配优化等，初步实现AGI，成为开源实现o系列，为大模型行业发展贡献了第二增长曲线视频内容： 1、deepseek的创新有哪些？ 2、deepseek带来的影响有哪些？ 3、deepseek、mistral-small、qwen2.5-max哪个好？ 4、畅想2025 #deepseek #DeepSeekR1 #qwenmax #llama

AIGCLINK

33,908 subscribers

26,522 просмотров • 1 год назад •via X (Twitter)

Наука и технологии Новости и политика Образование

Anya Rossi• Live Now

Private livecam show

Комментарии: 3

Фото профиля 币安交易所高返佣注册申请(Parody)

币安交易所高返佣注册申请(Parody)1 год назад

创新引领未来

Фото профиля Michael W

Michael W2 лет назад

Current 9-5 Workers.. It's time to make a move. Our Accelerator 2.0 program shows those with zero prior experience how to find profitbable niches and launch WINNING products under their own brand on Amazon. Click the link below to see what our 12 Month Mentorship includes 👇

Фото профиля 欧意OK交易所返佣注册fans

欧意OK交易所返佣注册fans1 год назад

前景可期

Похожие видео

DeepSeek V4 Flash 正式版上线了，官方说比deepseek v4 pro预览版的agent能力还要强。文档更新为 DeepSeek V4 Flash 0731，我第一时间把 Hermes 主模型和所有 Persona / Prompt 环境切了过去。视觉模型我还保留了 Kimi K2.6,因为 DeepSeek 不支持多模态,让 Kimi 当“眼睛”,DeepSeek 负责推理,组合起来跑 Agent 和自动化很顺,还顺便省不少 Token 成本。全程不到一分钟,如果你现在就是调用的deepseek的API，直接告诉你的大模型更换最新的 DeepSeek V4 Flash 0731即可。如果你现在还在用旧模型,这波真的建议升级。你现在主力用哪个模型?评论区见。 #DeepSeek #Hermes #AIAgent #OpenCode #LLM

DeepSeek V4 Flash 正式版上线了，官方说比deepseek v4 pro预览版的agent能力还要强。文档更新为 DeepSeek V4 Flash 0731，我第一时间把 Hermes 主模型和所有 Persona / Prompt 环境切了过去。视觉模型我还保留了 Kimi K2.6,因为 DeepSeek 不支持多模态,让 Kimi 当“眼睛”,DeepSeek 负责推理,组合起来跑 Agent 和自动化很顺,还顺便省不少 Token 成本。全程不到一分钟,如果你现在就是调用的deepseek的API，直接告诉你的大模型更换最新的 DeepSeek V4 Flash 0731即可。如果你现在还在用旧模型,这波真的建议升级。你现在主力用哪个模型?评论区见。 #DeepSeek #Hermes #AIAgent #OpenCode #LLM

DeFi狙击手 | Ai🕊️｜Gate美股0费率

23,899 просмотров • 22 дней назад

Anthropic CEO Dario谈开源模型： - 大模型开放权重不同于软件开源，不存在开发者社区的反向贡献。 - 开源只是吸引注意力的幌子，用户只关心这个模型是否好用。Deepseek开源与否都无所谓，作为一个超大模型，推理起来很困难。 - 开源并不等于免费，推理服务器运行，是有成本的。

Anthropic CEO Dario谈开源模型： - 大模型开放权重不同于软件开源，不存在开发者社区的反向贡献。 - 开源只是吸引注意力的幌子，用户只关心这个模型是否好用。Deepseek开源与否都无所谓，作为一个超大模型，推理起来很困难。 - 开源并不等于免费，推理服务器运行，是有成本的。

高级分析师

1,483,571 просмотров • 11 месяцев назад

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

梭哈.AI

51,188 просмотров • 29 дней назад

Deepseek R1深度搜索：只用2.1美元实现基于Deepseek-R1的深度AI搜索，基于cline+claude自动生成AI搜索代码，可本地化部署运营，含深度思考过程 #deepseek #deepseekr1 #cline #claude #ai搜索

Deepseek R1深度搜索：只用2.1美元实现基于Deepseek-R1的深度AI搜索，基于cline+claude自动生成AI搜索代码，可本地化部署运营，含深度思考过程 #deepseek #deepseekr1 #cline #claude #ai搜索

AIGCLINK

26,429 просмотров • 1 год назад

Deepseek 的创新在哪里？会是大模型界的拼多多么？周末邀请了 OpenAI 的前研究员 Jenny 还有她的搭档 Leonis 的创始人 Jay “对谈”了一期。Jenny 先提了一个暴论：做大模型是赚不到钱的，任何行业只要有人愿意免费有人愿意开源，你就赚不到钱；另外关于 Deepseek 的两个观点： 1. 这是站在巨人的肩膀上做的 Post-Training 上的创新，揭示了直接强化学习的潜力，以及训练过程中自反思和探索行为的涌现； 2. 只有在资源紧缺的情况下人才会创新！OpenAI 在出 ChatGPT 之前没钱没资源，大家晚上加班到两点，才领先于 Google 闯出了 LLM 这条路，但现在的 OpenAI 有点当年 Google 的感觉了。。😇 但从投资人的视角来看，未来还会有这种新的范式涌现出来，这就是现在AI 行业最有趣的地方，永远都有可能性和新机会，我们要为这种市场做好准备！未来无限可能✨

Deepseek 的创新在哪里？会是大模型界的拼多多么？周末邀请了 OpenAI 的前研究员 Jenny 还有她的搭档 Leonis 的创始人 Jay “对谈”了一期。Jenny 先提了一个暴论：做大模型是赚不到钱的，任何行业只要有人愿意免费有人愿意开源，你就赚不到钱；另外关于 Deepseek 的两个观点： 1. 这是站在巨人的肩膀上做的 Post-Training 上的创新，揭示了直接强化学习的潜力，以及训练过程中自反思和探索行为的涌现； 2. 只有在资源紧缺的情况下人才会创新！OpenAI 在出 ChatGPT 之前没钱没资源，大家晚上加班到两点，才领先于 Google 闯出了 LLM 这条路，但现在的 OpenAI 有点当年 Google 的感觉了。。😇 但从投资人的视角来看，未来还会有这种新的范式涌现出来，这就是现在AI 行业最有趣的地方，永远都有可能性和新机会，我们要为这种市场做好准备！未来无限可能✨

indigo

468,101 просмотров • 1 год назад

直播第二天，OpenAI推出了【强化微调(Reinforcement Fine-Tuning)】，它可以让你用极少的训练数据，为特定的复杂任务构建专家模型，微调后的o1-mini得分提高80%，反超o1正式版！特点： 1、只需几十到几千个高质量数据 2、评分机制持续优化模型表现，通过参考答案评估模型输出，支持自定义评分标准 3、增强模型在特定领域的推理能力和准确性，通用AI变专家AI 4、提供完整网页操作界面，可实时监控模型性能变化适用于编程、科学研究、金融、法律等等不同领域 #openai #openai强化微调 #模型微调

直播第二天，OpenAI推出了【强化微调(Reinforcement Fine-Tuning)】，它可以让你用极少的训练数据，为特定的复杂任务构建专家模型，微调后的o1-mini得分提高80%，反超o1正式版！特点： 1、只需几十到几千个高质量数据 2、评分机制持续优化模型表现，通过参考答案评估模型输出，支持自定义评分标准 3、增强模型在特定领域的推理能力和准确性，通用AI变专家AI 4、提供完整网页操作界面，可实时监控模型性能变化适用于编程、科学研究、金融、法律等等不同领域 #openai #openai强化微调 #模型微调

AIGCLINK

26,383 просмотров • 1 год назад

城堡Citadel创始人肯·格里芬，也与脸书创始人小扎一样，对AI运行机制不太懂。DeepSeek发布后，格里芬前往中国，然后得出惊人的结论：“DeepSeek的作者中，没有一个在美国受过教育。这是民族自豪感的一个体现”。格里芬大谈输掉人才争夺战。外界不清楚DeepSeek的海外背景员工比例，但格里芬判断“没有一个”肯定是假的。 DeepSeek的核心思想是效率优先的架构设计+高效强化学习。这些并非完全从零发明：MoE思想可追溯到早期工作，如GShard等；注意力压缩受MQA/GQA启发，RL基于PPO。特别是，DeepSeek的GRPO是PPO的变体，这些工作大多来自Google(注意力与MoE)和OpenAI(PPO)，DeepSeek在它们之上，做了针对性的工程与架构改进。 AI处于早期，后面的进程，会超出想象。

城堡Citadel创始人肯·格里芬，也与脸书创始人小扎一样，对AI运行机制不太懂。DeepSeek发布后，格里芬前往中国，然后得出惊人的结论：“DeepSeek的作者中，没有一个在美国受过教育。这是民族自豪感的一个体现”。格里芬大谈输掉人才争夺战。外界不清楚DeepSeek的海外背景员工比例，但格里芬判断“没有一个”肯定是假的。 DeepSeek的核心思想是效率优先的架构设计+高效强化学习。这些并非完全从零发明：MoE思想可追溯到早期工作，如GShard等；注意力压缩受MQA/GQA启发，RL基于PPO。特别是，DeepSeek的GRPO是PPO的变体，这些工作大多来自Google(注意力与MoE)和OpenAI(PPO)，DeepSeek在它们之上，做了针对性的工程与架构改进。 AI处于早期，后面的进程，会超出想象。

投资学人 Invest Scholar

59,995 просмотров • 20 дней назад

Story-Adapter：完全开源的一款不错的长故事转换为动漫可视化AI工具，对于做虾仁之类的简易动漫的短剧从业者来说是自动化神器，生成图的一致性最好基于提示词生成的分镜图片一致性较好，是目前大多数方案里最好的，生成100帧图片只有极少数的几张一致性有点问题，大多数都保持很好的一致性，对于小说自动化生成动漫非常有价值，短剧视频自动化生成的变现神器视频内容： 1、采用了特有的非训练的方式来实现了高一致性的图像生成，通过将提示词、之前迭代的所有reference image输入迭代、全局注意力等来实现高一致性（参考论文细节描述） 2、story-adapter本地化部署说明，模型本地化、本地化运行方式 3、AI日报 #ai生成动漫 #长故事可视化 #storyadapter

Story-Adapter：完全开源的一款不错的长故事转换为动漫可视化AI工具，对于做虾仁之类的简易动漫的短剧从业者来说是自动化神器，生成图的一致性最好基于提示词生成的分镜图片一致性较好，是目前大多数方案里最好的，生成100帧图片只有极少数的几张一致性有点问题，大多数都保持很好的一致性，对于小说自动化生成动漫非常有价值，短剧视频自动化生成的变现神器视频内容： 1、采用了特有的非训练的方式来实现了高一致性的图像生成，通过将提示词、之前迭代的所有reference image输入迭代、全局注意力等来实现高一致性（参考论文细节描述） 2、story-adapter本地化部署说明，模型本地化、本地化运行方式 3、AI日报 #ai生成动漫 #长故事可视化 #storyadapter

AIGCLINK

35,456 просмотров • 1 год назад

MiniMax H3这次发布，很像视频模型界的DeepSeek时刻：开源、白菜价，效果还够强。不同的是，在文字模型领域，DeepSeek或许还不能说全球最强，但在视频模型领域，国产模型已经把海外模型甩开了几条街。有一说一，H3和Seedance 2.5还有差距，但价格直接便宜四倍，这就很可怕了。对想要用好AI的普通企业来说，这其实是一个特别好的窗口期。如果你也是企业一把手，想推动企业实现AI Native变革，但不知道从哪里开始，8月15日猎豹AI实战派上海场，我们会把过去三年自己踩过的坑、跑通的方法，全都分享给你。报名链接：

MiniMax H3这次发布，很像视频模型界的DeepSeek时刻：开源、白菜价，效果还够强。不同的是，在文字模型领域，DeepSeek或许还不能说全球最强，但在视频模型领域，国产模型已经把海外模型甩开了几条街。有一说一，H3和Seedance 2.5还有差距，但价格直接便宜四倍，这就很可怕了。对想要用好AI的普通企业来说，这其实是一个特别好的窗口期。如果你也是企业一把手，想推动企业实现AI Native变革，但不知道从哪里开始，8月15日猎豹AI实战派上海场，我们会把过去三年自己踩过的坑、跑通的方法，全都分享给你。报名链接：

傅盛

16,382 просмотров • 15 дней назад

花了一天时间用 DeepSeek Harness 的插件做了一个内容管理的工作台，之前一直想做但是感觉没那么刚需，但是看到 DeepSeek Harness 的插件拓展性那么强，而且很多原本预想和 Agent 联动的地方开发成本都很低。这次的插件并没有使用 DeepSeek 的创造模式，而是用 Grok 4.6 开发的，DeepSeek v4 pro 相对来说还是差点意思，没办法那么快的实现我的定制化需求。整体来说，现在我的内容管理已经比之前方便了不少，很多固定的工作流我也不用老是去 CodeX 新开话题执行了，而且最主要是之前我总是得。复制视频工程的路径，或者去，复制视频的路径来告诉 Codex 具体的文件位置，现在整体使用下来会减少很多文件和 Agent 之间切换的成本。这次开发过程中我顺便实现了一个用于给其他 Agent 开发 DeepSeek 插件时可以使用的 Skill：希望对大家有帮助～

花了一天时间用 DeepSeek Harness 的插件做了一个内容管理的工作台，之前一直想做但是感觉没那么刚需，但是看到 DeepSeek Harness 的插件拓展性那么强，而且很多原本预想和 Agent 联动的地方开发成本都很低。这次的插件并没有使用 DeepSeek 的创造模式，而是用 Grok 4.6 开发的，DeepSeek v4 pro 相对来说还是差点意思，没办法那么快的实现我的定制化需求。整体来说，现在我的内容管理已经比之前方便了不少，很多固定的工作流我也不用老是去 CodeX 新开话题执行了，而且最主要是之前我总是得。复制视频工程的路径，或者去，复制视频的路径来告诉 Codex 具体的文件位置，现在整体使用下来会减少很多文件和 Agent 之间切换的成本。这次开发过程中我顺便实现了一个用于给其他 Agent 开发 DeepSeek 插件时可以使用的 Skill：希望对大家有帮助～

oil-oil

21,940 просмотров • 7 дней назад

游戏代打行业要消失了？NVIDIA 发布新模型 NitroGen！ NVIDIA 最新开源模型 NitroGen，直接从游戏视频帧输入，输出手柄操作，能流畅玩上千款动作类游戏（如《赛博朋克2077》、《巫师3》）。核心创新：以往游戏视频多但无操作标签，NitroGen 用逆动力学模型从 4 万小时互联网公开视频中“反推”玩家按键，合成海量训练数据，实现纯模仿学习，突破数据瓶颈。最大亮点：支持快速适配！面对全新未见游戏，只需少量微调就能上手，不用从零训练。这不只颠覆游戏代打，还可延伸到机器人控制等领域。现已开源了模型、数据集和代码！

游戏代打行业要消失了？NVIDIA 发布新模型 NitroGen！ NVIDIA 最新开源模型 NitroGen，直接从游戏视频帧输入，输出手柄操作，能流畅玩上千款动作类游戏（如《赛博朋克2077》、《巫师3》）。核心创新：以往游戏视频多但无操作标签，NitroGen 用逆动力学模型从 4 万小时互联网公开视频中“反推”玩家按键，合成海量训练数据，实现纯模仿学习，突破数据瓶颈。最大亮点：支持快速适配！面对全新未见游戏，只需少量微调就能上手，不用从零训练。这不只颠覆游戏代打，还可延伸到机器人控制等领域。现已开源了模型、数据集和代码！

KK.aWSB

49,552 просмотров • 8 месяцев назад

卧槽！DeepMind掌门人公然炮轰DeepSeek，怒斥其宣称的超低训练成本完全是虚假宣传！昨晚，DeepMind CEO在访谈中直接向近期爆火的中国AI团队DeepSeek开炮。虽然他承认这是目前中国跑出来的最强团队，但他毫不留情地直言，对方大肆宣传的超低成本数据存在严重夸大，甚至带有极强的误导性！他当场扒开了所谓低成本的底裤。他尖锐地指出，DeepSeek对外公布的开销仅仅只是最后一次正式训练的费用，完全隐瞒了前期海量试错、探索和底层测试阶段砸进去的天价真金白银，这笔账算得极不老实。更狠的是，他直接爆料DeepSeek在研发过程中严重依赖了西方现有的先进模型进行蒸馏和微调，而这些借力的隐形成本根本没有被计算在内。他强硬地表示，这支团队根本没有发明任何一击致命的革命性新技术，仅仅只是把业内现成的技术栈拼凑应用得比较出色而已，压根算不上打破效率曲线的奇迹。这位AI巨头最后更是直接贴脸开大：如果真要严格对比投入产出比，自家的Gemini模型在效率上其实完全碾压DeepSeek，只是他们作为老牌巨头平时低调，不屑于拿这些数据出来到处吹嘘罢了！

卧槽！DeepMind掌门人公然炮轰DeepSeek，怒斥其宣称的超低训练成本完全是虚假宣传！昨晚，DeepMind CEO在访谈中直接向近期爆火的中国AI团队DeepSeek开炮。虽然他承认这是目前中国跑出来的最强团队，但他毫不留情地直言，对方大肆宣传的超低成本数据存在严重夸大，甚至带有极强的误导性！他当场扒开了所谓低成本的底裤。他尖锐地指出，DeepSeek对外公布的开销仅仅只是最后一次正式训练的费用，完全隐瞒了前期海量试错、探索和底层测试阶段砸进去的天价真金白银，这笔账算得极不老实。更狠的是，他直接爆料DeepSeek在研发过程中严重依赖了西方现有的先进模型进行蒸馏和微调，而这些借力的隐形成本根本没有被计算在内。他强硬地表示，这支团队根本没有发明任何一击致命的革命性新技术，仅仅只是把业内现成的技术栈拼凑应用得比较出色而已，压根算不上打破效率曲线的奇迹。这位AI巨头最后更是直接贴脸开大：如果真要严格对比投入产出比，自家的Gemini模型在效率上其实完全碾压DeepSeek，只是他们作为老牌巨头平时低调，不屑于拿这些数据出来到处吹嘘罢了！

比特币橙子Trader

336,173 просмотров • 4 месяцев назад

Hermes Agent这样设置那么恭喜你为了省钱又进一步😂 deepseek为主大模型，kimi2.6为视觉模型，并且无需来回切换，只要丢图片进去就会自动使用kimi2.6去识别。（理论是你可以设置更多的大模型去完成不同的工作，并且全程自动无需切换大模型）写很多以X文章的形式去编辑这类干货教程已经很多了，我想试试普通的发帖方式编辑会不会被更多的人去看到。那么话不多说下面直接是干货！ - 主模型：deepseek-v4-pro 视觉模型：kimi-k2.6 运作逻辑：deepseek 负责所有的工具调用、代码、排查、对话，一旦你丢过来图片或者视频帧，系统自动切到 kimi 去识图，识完把结果扔回给 deepseek 继续处理。整个过程不需要手动切换模型，你体感上就是同一个助手在干活，但实际上后面是两个大脑在协作。 - 为什么这样搭 deepseek-v4-pro 的工具调用和长上下文处理能力确实强，跑代码任务、排查问题、多步骤复杂操作的稳定性比 kimi 好一截。但它有一个硬伤暂时不支持多模态，直接给它丢图片会报 unknown variant image_url 的错。而 kimi-k2.6 的多模态能力不用说，中文 OCR 也准，但纯文本推理和工具调用不如 deepseek 稳。所以最优解就是各取所长，deepseek 当大脑，kimi 当眼睛。（其实说白了就是为了省Token！！！） - 配置步骤第一步，确保 API Key 就位。在 `~/.hermes/.env` 里确认两行： ``` DEEPSEEK_API_KEY=你的deepseek密钥 KIMI_API_KEY=你的kimi密钥 ``` 第二步，切主模型，终端敲： ``` hermes config set model.default deepseek-v4-pro hermes config set model.provider deepseek ``` 第三步，设视觉模型： ``` hermes config set kimi-k2.6 hermes config set kimi-coding hermes config set ``` 第四步，如果你的 kimi key 是老 key（sk- 开头不是 sk-kimi- 开头），需要在 `.env` 最后加一行： ``` KIMI_BASE_URL= ``` 新 key 走 key 走默认写的是错的，不改会 401。第五步，`/reset` 重开会话，生效。 - 踩过的坑一个是上面说的 api 地址问题，和差一个字母，排查了好一阵。另一个更隐蔽：Hermes 内置的 vision 工具往 kimi API 发请求时，content 数组里 image_url 排在了 text 前面，kimi 的接口不认这个顺序，偶尔 400。目前的变通方案是发图时绕过内置工具，直接 Python 调 moonshot API，text 放 image_url 前面就没事。不影响使用，但不算完美，等后续优化。 - 配完之后你正常跟他聊天就行，deepseek 处理一切。发图过来的时候，你不需要说"用 kimi 看"，系统自动检测到图片就走 kimi 视觉，识读完无缝回到 deepseek 继续对话。你体感上就是同一个助手能看能想能干，但后台其实是两个模型在做各自最擅长的事。这个方案的最大好处是不用你在聊天里手动切模型，流程全自动。而且以后如果想换视觉模型，改 ` 一行就行，不影响主模型。 - 兄弟们有哪个不懂的直接甩在评论区，狙击手会挨个解答！

Hermes Agent这样设置那么恭喜你为了省钱又进一步😂 deepseek为主大模型，kimi2.6为视觉模型，并且无需来回切换，只要丢图片进去就会自动使用kimi2.6去识别。（理论是你可以设置更多的大模型去完成不同的工作，并且全程自动无需切换大模型）写很多以X文章的形式去编辑这类干货教程已经很多了，我想试试普通的发帖方式编辑会不会被更多的人去看到。那么话不多说下面直接是干货！ - 主模型：deepseek-v4-pro 视觉模型：kimi-k2.6 运作逻辑：deepseek 负责所有的工具调用、代码、排查、对话，一旦你丢过来图片或者视频帧，系统自动切到 kimi 去识图，识完把结果扔回给 deepseek 继续处理。整个过程不需要手动切换模型，你体感上就是同一个助手在干活，但实际上后面是两个大脑在协作。 - 为什么这样搭 deepseek-v4-pro 的工具调用和长上下文处理能力确实强，跑代码任务、排查问题、多步骤复杂操作的稳定性比 kimi 好一截。但它有一个硬伤暂时不支持多模态，直接给它丢图片会报 unknown variant image_url 的错。而 kimi-k2.6 的多模态能力不用说，中文 OCR 也准，但纯文本推理和工具调用不如 deepseek 稳。所以最优解就是各取所长，deepseek 当大脑，kimi 当眼睛。（其实说白了就是为了省Token！！！） - 配置步骤第一步，确保 API Key 就位。在 `~/.hermes/.env` 里确认两行： ``` DEEPSEEK_API_KEY=你的deepseek密钥 KIMI_API_KEY=你的kimi密钥 ``` 第二步，切主模型，终端敲： ``` hermes config set model.default deepseek-v4-pro hermes config set model.provider deepseek ``` 第三步，设视觉模型： ``` hermes config set kimi-k2.6 hermes config set kimi-coding hermes config set ``` 第四步，如果你的 kimi key 是老 key（sk- 开头不是 sk-kimi- 开头），需要在 `.env` 最后加一行： ``` KIMI_BASE_URL= ``` 新 key 走 key 走默认写的是错的，不改会 401。第五步，`/reset` 重开会话，生效。 - 踩过的坑一个是上面说的 api 地址问题，和差一个字母，排查了好一阵。另一个更隐蔽：Hermes 内置的 vision 工具往 kimi API 发请求时，content 数组里 image_url 排在了 text 前面，kimi 的接口不认这个顺序，偶尔 400。目前的变通方案是发图时绕过内置工具，直接 Python 调 moonshot API，text 放 image_url 前面就没事。不影响使用，但不算完美，等后续优化。 - 配完之后你正常跟他聊天就行，deepseek 处理一切。发图过来的时候，你不需要说"用 kimi 看"，系统自动检测到图片就走 kimi 视觉，识读完无缝回到 deepseek 继续对话。你体感上就是同一个助手能看能想能干，但后台其实是两个模型在做各自最擅长的事。这个方案的最大好处是不用你在聊天里手动切模型，流程全自动。而且以后如果想换视觉模型，改 ` 一行就行，不影响主模型。 - 兄弟们有哪个不懂的直接甩在评论区，狙击手会挨个解答！

DeFi狙击手 | Ai🕊️｜Gate美股0费率

25,821 просмотров • 2 месяцев назад

黄仁勋：美国公司应该使用中国 AI 模型 Kimi、DeepSeek的 3 个原因！ 1. 中国开后门属于子虚乌有有人担心中国 AI 模型里有后门，能把你的数据悄悄发回中国，不小心当上间谍了。但是，你下载了开源模型之后，自己微调不就是闭源的了，谁会偷你数据？ 2. 中国模型利好英伟达、利好全人类越多人使用AI → 就要买更多 $NVDA 的 GPU → 建更多数据中心 → 更多增长 → 股价暴涨！ 3. 害怕输，反而可能会输得更快！普通人喜欢说，完了，DeepSeek 要超过 OpenAI、Anthropic 了！但结果都是误解，不怕中国赢得某些局部战场，因为整个 AI 蛋糕会因为竞争而变得更大！

黄仁勋：美国公司应该使用中国 AI 模型 Kimi、DeepSeek的 3 个原因！ 1. 中国开后门属于子虚乌有有人担心中国 AI 模型里有后门，能把你的数据悄悄发回中国，不小心当上间谍了。但是，你下载了开源模型之后，自己微调不就是闭源的了，谁会偷你数据？ 2. 中国模型利好英伟达、利好全人类越多人使用AI → 就要买更多 $NVDA 的 GPU → 建更多数据中心 → 更多增长 → 股价暴涨！ 3. 害怕输，反而可能会输得更快！普通人喜欢说，完了，DeepSeek 要超过 OpenAI、Anthropic 了！但结果都是误解，不怕中国赢得某些局部战场，因为整个 AI 蛋糕会因为竞争而变得更大！

Annie 所长

74,384 просмотров • 1 месяц назад

deepseek-harness重磅开源，采用了一切皆插件的架构，也就是中国版的openclaw，体验了下可以称之为私有化的workbuddy。场景侧冲击：有了deepseek-harness之后，企业域的私有化code、cowork基本用这个就可以了，直接会冲击workbuddy之类的市场。之前DeepSeek Harness内测招募，本质是一次开源 Agent 生态大摸底，把全球 Agent 基础设施的家底扫了一遍后，预计后续版本应该会在开放生态上做一些事情。 dsh看点不在"又一个 Claude Code"，有3个看点： 1️⃣ 一切皆插件模型、工具、skill、会话、沙箱、存储、主循环、调度，连 UI 都是插件，配置里全都可换，不动源码。四种运行模式里最有意思的是 Minimal——只留一个 bash 和一个文件编辑器，摆明了是给模型做裸机 benchmark 的。 2️⃣ 每一次运行都可回放系统提示、推理过程、工具调用与结果、子 agent 调度、所有 context 注入，全部进 append-only 的 session log，resume / fork / search / replay 都跑在同一条事件流上。 3️⃣ 最狠的是内核 dsh 跑在 Cordis 上，它把插件系统拆成两个正交维度：时间可组合性：卸载一个组件时副作用能完整回滚（每个 context 变换都带一个逆，运行时来追踪）；空间可组合性：依赖可声明、且 context 一变就反向通知组件。还给了一套动态组合的演算，证明这个性质能从单个组件传导到整个系统。总的来说，这次deepseek-harness最大的特点是极致的可替换性，也就是用最小的基础来承载，然后其他都是可插拔的插头。 #DeepSeek #harness #Cordis #编程范式 #北大 #开源

deepseek-harness重磅开源，采用了一切皆插件的架构，也就是中国版的openclaw，体验了下可以称之为私有化的workbuddy。场景侧冲击：有了deepseek-harness之后，企业域的私有化code、cowork基本用这个就可以了，直接会冲击workbuddy之类的市场。之前DeepSeek Harness内测招募，本质是一次开源 Agent 生态大摸底，把全球 Agent 基础设施的家底扫了一遍后，预计后续版本应该会在开放生态上做一些事情。 dsh看点不在"又一个 Claude Code"，有3个看点： 1️⃣ 一切皆插件模型、工具、skill、会话、沙箱、存储、主循环、调度，连 UI 都是插件，配置里全都可换，不动源码。四种运行模式里最有意思的是 Minimal——只留一个 bash 和一个文件编辑器，摆明了是给模型做裸机 benchmark 的。 2️⃣ 每一次运行都可回放系统提示、推理过程、工具调用与结果、子 agent 调度、所有 context 注入，全部进 append-only 的 session log，resume / fork / search / replay 都跑在同一条事件流上。 3️⃣ 最狠的是内核 dsh 跑在 Cordis 上，它把插件系统拆成两个正交维度：时间可组合性：卸载一个组件时副作用能完整回滚（每个 context 变换都带一个逆，运行时来追踪）；空间可组合性：依赖可声明、且 context 一变就反向通知组件。还给了一套动态组合的演算，证明这个性质能从单个组件传导到整个系统。总的来说，这次deepseek-harness最大的特点是极致的可替换性，也就是用最小的基础来承载，然后其他都是可插拔的插头。 #DeepSeek #harness #Cordis #编程范式 #北大 #开源

AIGCLINK

37,767 просмотров • 9 дней назад

🎉昨天的 GLM-5.3 精准狙击Deepseek，今天实际测了一下，确实一枪爆头！ Z.ai Good Job ! 实测了一个页面，执行速度非常快，比 Deepseek 快了 30% 左右。另外画面也比较精美，细节还原到位，整体表现非常 nice。不得不说： 1. 后训练模型确实牛逼：基于 743B 模型的后训练真不是吹的，Coding 和 Cyber Defense 能力直接拉满 2. 8月国产大模型诸神大战：各家新模型贴脸开大、疯狂迭代不过围观了半天，好久没有看到小米 MiMo 的身影了雷总这波是在憋大招，伺机而动吗？🤣

🎉昨天的 GLM-5.3 精准狙击Deepseek，今天实际测了一下，确实一枪爆头！ Z.ai Good Job ! 实测了一个页面，执行速度非常快，比 Deepseek 快了 30% 左右。另外画面也比较精美，细节还原到位，整体表现非常 nice。不得不说： 1. 后训练模型确实牛逼：基于 743B 模型的后训练真不是吹的，Coding 和 Cyber Defense 能力直接拉满 2. 8月国产大模型诸神大战：各家新模型贴脸开大、疯狂迭代不过围观了半天，好久没有看到小米 MiMo 的身影了雷总这波是在憋大招，伺机而动吗？🤣

Lonely

29,367 просмотров • 8 дней назад