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.

「熊猫吃短信2 - 垃圾短信过滤」新版更新啦。最近又迷恋上了训练小模型，把以前的模型训练过程几乎重新调整了一遍。我让大模型自己尝试超参组合，不断的做实验，代替搜索算法，它夜以继日的跑了半个月，最后告诉我，我的经验参数就是最优的。

Baye

159,998 subscribers

50,870 Aufrufe • vor 1 Monat •via X (Twitter)

Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

阿西_出海

52,933 Aufrufe • vor 2 Tagen

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

AYi

231,734 Aufrufe • vor 15 Tagen

突发：美国人工智能初创公司Anthropic表示，中国人工智能公司设立了超过24,000个欺诈账户，并使用了超过1600万条提示信息，“从Anthropic的系统中窃取信息，以训练和改进他们自己的产品”。Anthropic警告说：蒸馏出的模型不带安全护栏，一旦用于军事或监控系统，后果难以想象。Anthropic报告称：DeepSeek、月之暗面(Moonshot/Kimi)和MiniMax三家中国AI实验室，通过大规模"蒸馏攻击"非法提取Claude模型的能力来训练自家模型。他们甚至定位了具体参与盗窃的中国研究人员。

突发：美国人工智能初创公司Anthropic表示，中国人工智能公司设立了超过24,000个欺诈账户，并使用了超过1600万条提示信息，“从Anthropic的系统中窃取信息，以训练和改进他们自己的产品”。Anthropic警告说：蒸馏出的模型不带安全护栏，一旦用于军事或监控系统，后果难以想象。Anthropic报告称：DeepSeek、月之暗面(Moonshot/Kimi)和MiniMax三家中国AI实验室，通过大规模"蒸馏攻击"非法提取Claude模型的能力来训练自家模型。他们甚至定位了具体参与盗窃的中国研究人员。

总裁简报 CEO Briefing

276,277 Aufrufe • vor 4 Monaten

阿里刚发布了Qwen3.6-Plus 直接冲着"国产最强编程模型"来的跑分上，SWE-bench 和 Claw-Eval 都超过了 GLM-5 和 Kimi-K2.5，是目前国产模型里最接近 Claude 的实测了一下前端，确实有点东西阿里云百炼已上架，价格不到 Claude 的十分之一阿里这几天连发三个模型，平均一天一个： 3月30号，Qwen3.5-Omni 全模态 4月1号，Wan2.7-Image 图像生成 4月2号，Qwen3.6-Plus 编程模型感觉熟悉的千问节奏又回来了..

阿里刚发布了Qwen3.6-Plus 直接冲着"国产最强编程模型"来的跑分上，SWE-bench 和 Claw-Eval 都超过了 GLM-5 和 Kimi-K2.5，是目前国产模型里最接近 Claude 的实测了一下前端，确实有点东西阿里云百炼已上架，价格不到 Claude 的十分之一阿里这几天连发三个模型，平均一天一个： 3月30号，Qwen3.5-Omni 全模态 4月1号，Wan2.7-Image 图像生成 4月2号，Qwen3.6-Plus 编程模型感觉熟悉的千问节奏又回来了..

小互

101,308 Aufrufe • vor 3 Monaten

在现在这个圈子，听到“狼来了”大家可能都不害怕，还要回过头看一眼狼是不是真的来了。但是如果听到“Coming Soon”，做法绝对是不回头直接往前冲。今天要讲的是临时抱佛脚之0G Labs (Ø,G) - AI L1 ，故事的起源来自于0G传奇男人 Jtsong.eth (Ø,G) 的一句“Soon”。结合最近的消息，感觉0G可能是真的Soon了！其实早在之前就Building过0G，在三方数据中发现自己在6M和12M的排行榜有自己的排名。在最早之前也拿过0G DC的“0GYapper”Role，基础条件上面应该没什么问题。所以想着继续Builidng一下，万一有惊喜呢？最近也是关注到AI的基础设施发生重大变化源自0G Labs (Ø,G) - AI L1 的突破。0G 训练了迄今为止最大的分布式 LLM - 100B+ 参数。传统的 AI 训练需要超算、高带宽网络、巨额资金投入。基本上只有大厂能玩得起，小公司和研究机构只能看着或者借用大公司的产品。 0G Labs 和中国移动合作推出的 DiLoCoX 框架，可以说如果面市就做了反垄断。他们成功在 1 Gbps 网络上训练了 107B 参数的模型。对比原有的成本降低了 95%，速度提升了 10 倍。这不只是技术突破，毫不夸张的讲可能对AI 训练逻辑都会重新洗牌。看起来是一件降本增效的事情，但实际上意味着： 1️⃣初创公司不用烧钱买 GPU 就能训练大模型 2️⃣中型企业可以内部训练专属模型，不用过度依赖云 3️⃣政府和研究机构能够主权化开发 AI 能力从技术层面来看，DiLoCoX 通过管道并行、延迟容错通信重叠、自适应梯度压缩，让原本需要数据中心高带宽的训练过程，能在分布式集群上跑通。 0G Labs (Ø,G) - AI L1 做的不是简单的技术优化，是在重新定义 AI 训练的门槛和规则。是从集中式超级计算机到分布式网络的转变。

在现在这个圈子，听到“狼来了”大家可能都不害怕，还要回过头看一眼狼是不是真的来了。但是如果听到“Coming Soon”，做法绝对是不回头直接往前冲。今天要讲的是临时抱佛脚之0G Labs (Ø,G) - AI L1 ，故事的起源来自于0G传奇男人 Jtsong.eth (Ø,G) 的一句“Soon”。结合最近的消息，感觉0G可能是真的Soon了！其实早在之前就Building过0G，在三方数据中发现自己在6M和12M的排行榜有自己的排名。在最早之前也拿过0G DC的“0GYapper”Role，基础条件上面应该没什么问题。所以想着继续Builidng一下，万一有惊喜呢？最近也是关注到AI的基础设施发生重大变化源自0G Labs (Ø,G) - AI L1 的突破。0G 训练了迄今为止最大的分布式 LLM - 100B+ 参数。传统的 AI 训练需要超算、高带宽网络、巨额资金投入。基本上只有大厂能玩得起，小公司和研究机构只能看着或者借用大公司的产品。 0G Labs 和中国移动合作推出的 DiLoCoX 框架，可以说如果面市就做了反垄断。他们成功在 1 Gbps 网络上训练了 107B 参数的模型。对比原有的成本降低了 95%，速度提升了 10 倍。这不只是技术突破，毫不夸张的讲可能对AI 训练逻辑都会重新洗牌。看起来是一件降本增效的事情，但实际上意味着： 1️⃣初创公司不用烧钱买 GPU 就能训练大模型 2️⃣中型企业可以内部训练专属模型，不用过度依赖云 3️⃣政府和研究机构能够主权化开发 AI 能力从技术层面来看，DiLoCoX 通过管道并行、延迟容错通信重叠、自适应梯度压缩，让原本需要数据中心高带宽的训练过程，能在分布式集群上跑通。 0G Labs (Ø,G) - AI L1 做的不是简单的技术优化，是在重新定义 AI 训练的门槛和规则。是从集中式超级计算机到分布式网络的转变。

Meta

43,482 Aufrufe • vor 11 Monaten

#Live2D #Live2DWIP “终于做出了最适合小猫女仆的嘴型！” 最近，我给oc做了新的猫咪嘴，感觉更适合她（喜欢喜欢，我和kiki一直在让小猫变得更加更加可爱❥）

#Live2D #Live2DWIP “终于做出了最适合小猫女仆的嘴型！” 最近，我给oc做了新的猫咪嘴，感觉更适合她（喜欢喜欢，我和kiki一直在让小猫变得更加更加可爱❥）

HarukaCC🐱🌱

221,202 Aufrufe • vor 1 Jahr

Deepseek R1 确实更新了，代码能力强了非常多！感觉是基于 V3-0324 训练的用我的提示词试了一下，这是以前的 R1 无法达到的质量

Deepseek R1 确实更新了，代码能力强了非常多！感觉是基于 V3-0324 训练的用我的提示词试了一下，这是以前的 R1 无法达到的质量

歸藏(guizang.ai)

199,733 Aufrufe • vor 1 Jahr

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

开发者Hailey

28,490 Aufrufe • vor 2 Monaten

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

老王霸 AI Lab

46,938 Aufrufe • vor 13 Tagen

Alma 已经支持 Cursor 的 Composer 2 模型，可以多模态，请等待 Alma 最新版（v0.0.714）然后安装 cursor-auth 插件即可！话说，Cursor 的 Composer 2 模型的确快啊！

Alma 已经支持 Cursor 的 Composer 2 模型，可以多模态，请等待 Alma 最新版（v0.0.714）然后安装 cursor-auth 插件即可！话说，Cursor 的 Composer 2 模型的确快啊！

yetone

61,783 Aufrufe • vor 3 Monaten

《少妇白洁》AI电影开发日志#013 昨天折腾了一晚上测试了几个无限制模型看到成片的时候差点给我气笑了很多模型训练的还是不够细节处理不到位发点能过的废片存个档也算给后面避个坑，另外有没有老哥有成熟的NSFW视频模型推荐一个呢？ #少妇白洁 #AI电影 #AI导演 #AI影视制作

Sensitive content

《少妇白洁》AI电影开发日志#013 昨天折腾了一晚上测试了几个无限制模型看到成片的时候差点给我气笑了很多模型训练的还是不够细节处理不到位发点能过的废片存个档也算给后面避个坑，另外有没有老哥有成熟的NSFW视频模型推荐一个呢？ #少妇白洁 #AI电影 #AI导演 #AI影视制作

雨中君

86,880 Aufrufe • vor 23 Tagen

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。它不是那种玩具开源，是实打实对标 Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。你想想看，这事以前怎么搞。要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。说实话，这种东西别只收藏。想试的，先跑一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。

老王霸 AI Lab

166,517 Aufrufe • vor 16 Tagen

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Barret李靖

124,227 Aufrufe • vor 2 Jahren

所有人都以为OpenAI的护城河是AI大模型，今天他们证明了，真正的胜负手在硅片里。和博通合作，九个月从设计到流片，首款自研AI芯片Jalapeño，专门面向大模型推理。不做训练，只负责用户对话时的响应计算，每瓦性能，明显优于当前最先进水平。有几个反常识的结论跟大家分享，第一个反常识，为什么先切推理，不做更酷的训练芯片。训练是一次性烧钱，烧完就结束，推理是每天几亿用户持续消耗，是真正的成本大头。把推理成本打下来三成到五成，规模上来就是天文数字的利润，这其实是最务实的商业选择。第二个反常识，九个月流片意味着什么，传统高性能芯片，两到三年才是正常设计周期。他们用大模型，辅助设计跑大模型的芯片。 AI造AI硬件的自循环一旦跑通，整个半导体的迭代速度，都会被彻底改写。最本质的战略意图是 OpenAI不想再当英伟达的超级客户了，他们要走全栈路线，从硅片到模型到产品全部自控，说白了谁掌握底层算力，谁就掌握定价权和利润空间。模型权重很重要，算力的话语权同样致命。以前是人类造硬件，硬件跑AI，以后是AI辅助人类造更好的硬件，硬件再跑出更强的AI，这个自增强的循环，才是真正的奇点序章。

所有人都以为OpenAI的护城河是AI大模型，今天他们证明了，真正的胜负手在硅片里。和博通合作，九个月从设计到流片，首款自研AI芯片Jalapeño，专门面向大模型推理。不做训练，只负责用户对话时的响应计算，每瓦性能，明显优于当前最先进水平。有几个反常识的结论跟大家分享，第一个反常识，为什么先切推理，不做更酷的训练芯片。训练是一次性烧钱，烧完就结束，推理是每天几亿用户持续消耗，是真正的成本大头。把推理成本打下来三成到五成，规模上来就是天文数字的利润，这其实是最务实的商业选择。第二个反常识，九个月流片意味着什么，传统高性能芯片，两到三年才是正常设计周期。他们用大模型，辅助设计跑大模型的芯片。 AI造AI硬件的自循环一旦跑通，整个半导体的迭代速度，都会被彻底改写。最本质的战略意图是 OpenAI不想再当英伟达的超级客户了，他们要走全栈路线，从硅片到模型到产品全部自控，说白了谁掌握底层算力，谁就掌握定价权和利润空间。模型权重很重要，算力的话语权同样致命。以前是人类造硬件，硬件跑AI，以后是AI辅助人类造更好的硬件，硬件再跑出更强的AI，这个自增强的循环，才是真正的奇点序章。

AYi

50,278 Aufrufe • vor 14 Tagen

用 Codex 的 HyperFrames 插件 + 最新 5.5 模型生成的介绍视频，稍微调整了一点位置重叠的 UI。

用 Codex 的 HyperFrames 插件 + 最新 5.5 模型生成的介绍视频，稍微调整了一点位置重叠的 UI。

BECOOL

22,450 Aufrufe • vor 2 Monaten

我告诉你， Mira 不给我上榜的话，我就要控制你了！！！ $Mira 现在价格0.1473 按照100w枚的奖池来说的话就是14wu的奖池，还是挺多的 Mira和其他AI验证不一样的地方在于，主要做的是模型整合，正如我前面有提到过的：依赖质押节点和多样化LLM的集体验证 Mira是一只由各种模型组成的AI军队，用集体智慧来解决AI可靠性危机，让我们能够信任AI，这样AI才能真正的适合我们日常使用 Mira不是一个高大上的项目，而是一个真真切切贴近我们生活的验证助手～ Mira (3/3) | 中文社区 🁢🁢🁢

我告诉你， Mira 不给我上榜的话，我就要控制你了！！！ $Mira 现在价格0.1473 按照100w枚的奖池来说的话就是14wu的奖池，还是挺多的 Mira和其他AI验证不一样的地方在于，主要做的是模型整合，正如我前面有提到过的：依赖质押节点和多样化LLM的集体验证 Mira是一只由各种模型组成的AI军队，用集体智慧来解决AI可靠性危机，让我们能够信任AI，这样AI才能真正的适合我们日常使用 Mira不是一个高大上的项目，而是一个真真切切贴近我们生活的验证助手～ Mira (3/3) | 中文社区 🁢🁢🁢

ccjing | (✱,✱) 🐬

12,003,222 Aufrufe • vor 6 Monaten

兄弟们，最近世界杯打得火热，想尝试让不同的AI模型帮我分析一下“目前最有可能夺冠的是谁？” 先登场的是Claude Opus 4.8和ChatGPT 5.5（视频一）。 GPT 5.5还算中规中矩预测的是法国队，不过Opus 4.8让我有点意外居然是西班牙。然后我看了一下他们的预测依据，我怎么感觉Opus 4.8不太靠谱呢？我这开了网络搜索啊，它难道不知道西班牙开局不利吗？这因素都没考虑进去不应该啊。我又找了个大佬推荐的专门搞深度研究的AI产品：Apodex Apodex 它硬是给我跑出了一篇带 8 个权威信源的小论文，我把它的回答也发出来了，你们感受一下这个差距（视频二）。它没有直接给答案，而是先干了一件让我很惊讶的事： 1/ 自己去查了 Opta 超级电脑的 2.5 万次模拟结果，告诉我法国原本夺冠概率 13%，仅次于西班牙。然后它又实时扒了最新博彩赔率，发现开赛后法国已经变成“独立第一热门”，赔率 +410。 2/ 这还没完，它怕我被数据忽悠，又去交叉验证了《纽约时报》、BBC、Fox Sports 的多篇战报，甚至扒出了姆巴佩本赛季 47 场 49 球的恐怖数据，以及英格兰后防线谁又伤了…… 3/ 最后连西班牙被佛得角逼平导致淘汰赛路径变难的连锁反应都给我推演了出来。相比一些AI的“伪正确”（一本正经的胡说八道）， Apodex 的每一条结论，都敢把原始信源亮出来让你点开查证。它不是会聊天的嘴替，它是真的能帮你去发现那些还没人替你整理好的复杂真相。以后谁敢再跟你空口预测冠军，你就把这截图甩过去：你的信源在哪？依据是什么？感兴趣的可以去测试一下他们家的产品：

兄弟们，最近世界杯打得火热，想尝试让不同的AI模型帮我分析一下“目前最有可能夺冠的是谁？” 先登场的是Claude Opus 4.8和ChatGPT 5.5（视频一）。 GPT 5.5还算中规中矩预测的是法国队，不过Opus 4.8让我有点意外居然是西班牙。然后我看了一下他们的预测依据，我怎么感觉Opus 4.8不太靠谱呢？我这开了网络搜索啊，它难道不知道西班牙开局不利吗？这因素都没考虑进去不应该啊。我又找了个大佬推荐的专门搞深度研究的AI产品：Apodex Apodex 它硬是给我跑出了一篇带 8 个权威信源的小论文，我把它的回答也发出来了，你们感受一下这个差距（视频二）。它没有直接给答案，而是先干了一件让我很惊讶的事： 1/ 自己去查了 Opta 超级电脑的 2.5 万次模拟结果，告诉我法国原本夺冠概率 13%，仅次于西班牙。然后它又实时扒了最新博彩赔率，发现开赛后法国已经变成“独立第一热门”，赔率 +410。 2/ 这还没完，它怕我被数据忽悠，又去交叉验证了《纽约时报》、BBC、Fox Sports 的多篇战报，甚至扒出了姆巴佩本赛季 47 场 49 球的恐怖数据，以及英格兰后防线谁又伤了…… 3/ 最后连西班牙被佛得角逼平导致淘汰赛路径变难的连锁反应都给我推演了出来。相比一些AI的“伪正确”（一本正经的胡说八道）， Apodex 的每一条结论，都敢把原始信源亮出来让你点开查证。它不是会聊天的嘴替，它是真的能帮你去发现那些还没人替你整理好的复杂真相。以后谁敢再跟你空口预测冠军，你就把这截图甩过去：你的信源在哪？依据是什么？感兴趣的可以去测试一下他们家的产品：

李岳

17,571 Aufrufe • vor 16 Tagen

最近新合作了一个东航空姐，验证过了，是真实在飞的，想原味丝袜的可以来联系我了～丝袜味道可以多穿几天，味道保重上头。丝袜130 内裤160 内衣180 都是验证的价格，包你满意。

最近新合作了一个东航空姐，验证过了，是真实在飞的，想原味丝袜的可以来联系我了～丝袜味道可以多穿几天，味道保重上头。丝袜130 内裤160 内衣180 都是验证的价格，包你满意。

老王（空丝爱好者）

18,360 Aufrufe • vor 1 Monat

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。你选A还是选B？

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。你选A还是选B？

Bill The Investor

34,004 Aufrufe • vor 4 Monaten

最近迷上了 ai制作短剧！以前都是追剧！现在学习以后自己做自己追！你们想看什么告诉我！我来做给你们看！

最近迷上了 ai制作短剧！以前都是追剧！现在学习以后自己做自己追！你们想看什么告诉我！我来做给你们看！

董小姐

179,583 Aufrufe • vor 2 Monaten