Sensitive content

This media may contain sensitive content.

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.

精选合集区，1841 名模内部面试棚拍写真花絮合集632p+10v，除了之前发过的王慧，汤若言，赵丽娜，张菊，程子卉，陈杰，崔芳等名模，还有新增3位名模，包括新丝路模特韩玲等共10位名模透视写真，自购链接：

星图大海

59,617 subscribers

170,095 views • 2 years ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

1 Comments

翻墙sd210点xyz2 years ago

666

Related Videos

25年3月最新素材深圳车展三天合集上百位美女网红模特（克罗拉任绵绵雨桐等等多位万粉几十万粉丝百万粉丝网红）每天造型都不一样几百个造型腿+足+面部+凶特写素材多角度+张数拍摄 3万张素材 400G左右近距离超清纹理细节取~

Sensitive content

25年3月最新素材深圳车展三天合集上百位美女网红模特（克罗拉任绵绵雨桐等等多位万粉几十万粉丝百万粉丝网红）每天造型都不一样几百个造型腿+足+面部+凶特写素材多角度+张数拍摄 3万张素材 400G左右近距离超清纹理细节取~

明星生图长期网址 sc8.life

68,751 views • 1 year ago

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

宝玉

114,646 views • 3 years ago

兄弟们 3D Nano Banana 🍌来了 Hyper3D 推出其第二代 AI 3D 生成模型： Rodin Gen-2 Edit 该模型能在不破坏原有 3D 资产结构的前提下，通过语言对 3D 模型进行局部和增量修改。相当于用嘴在原3D模型上精修、动刀子，任意雕刻成你想要的样而且牛逼的是支持上传任意第三方 3D 模型都支持再编辑。主要功能： 1、局部编辑（核心能力）：支持框选模型的指定区域对选中区域执行三类操作：添加（Add）移除（Remove）修改（Modify）修改通过自然语言描述完成 2、自然语言驱动的 3D 编辑 - 语言作为编辑指令，而非仅用于生成提示 - 可描述结构变化、替换关系和风格调整 - 适合非专业建模人员参与 3D 修改流程 3、可导出、可用于下游流程模型可下载继续用于： DCC 软件（Blender 等）游戏 / 动画管线 3D 打印

兄弟们 3D Nano Banana 🍌来了 Hyper3D 推出其第二代 AI 3D 生成模型： Rodin Gen-2 Edit 该模型能在不破坏原有 3D 资产结构的前提下，通过语言对 3D 模型进行局部和增量修改。相当于用嘴在原3D模型上精修、动刀子，任意雕刻成你想要的样而且牛逼的是支持上传任意第三方 3D 模型都支持再编辑。主要功能： 1、局部编辑（核心能力）：支持框选模型的指定区域对选中区域执行三类操作：添加（Add）移除（Remove）修改（Modify）修改通过自然语言描述完成 2、自然语言驱动的 3D 编辑 - 语言作为编辑指令，而非仅用于生成提示 - 可描述结构变化、替换关系和风格调整 - 适合非专业建模人员参与 3D 修改流程 3、可导出、可用于下游流程模型可下载继续用于： DCC 软件（Blender 等）游戏 / 动画管线 3D 打印

小互

24,631 views • 6 months ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,024 views • 2 months ago

DeepSeek V3.2 正式版实测! 提升真的有限? 给大家带来 DeepSeek V3.2 正式版的测试结果: 所有测试项目来看, 与之前的 DeepSeek-V3.2-Exp 相比是有进步的, 之前无法实现的测试这次都可以实现了. 不过相较于 SOTA 水平的模型相比, 差距仍然存在, 甚至与国产SOTA模型相比都有一定的差距. 有同学可能会说, 这次支持了 thinking with tools, 但这个也不是新鲜事了, DeepSeek 反而处于追赶的状态了. 另外, 测试过程中发现 DeepSeek V3.2 正式版还有错别字的问题, 把 axle 拼写成了 axxle. 导致变量出错 (与正确变量名称就差一行, 匪夷所思...). 总之, 目前的版本还是不适合用来写代码, 建议大家谨慎. DeepSeek 加油啊! 看着编程性能上不来我是真着急, 赶紧春节前放出 DeepSeek-V4 吧. #deepseek #KCORES大模型竞技场

DeepSeek V3.2 正式版实测! 提升真的有限? 给大家带来 DeepSeek V3.2 正式版的测试结果: 所有测试项目来看, 与之前的 DeepSeek-V3.2-Exp 相比是有进步的, 之前无法实现的测试这次都可以实现了. 不过相较于 SOTA 水平的模型相比, 差距仍然存在, 甚至与国产SOTA模型相比都有一定的差距. 有同学可能会说, 这次支持了 thinking with tools, 但这个也不是新鲜事了, DeepSeek 反而处于追赶的状态了. 另外, 测试过程中发现 DeepSeek V3.2 正式版还有错别字的问题, 把 axle 拼写成了 axxle. 导致变量出错 (与正确变量名称就差一行, 匪夷所思...). 总之, 目前的版本还是不适合用来写代码, 建议大家谨慎. DeepSeek 加油啊! 看着编程性能上不来我是真着急, 赶紧春节前放出 DeepSeek-V4 吧. #deepseek #KCORES大模型竞技场

karminski-牙医

43,891 views • 8 months ago

中共沙漠「假台北」演练攻台，规模再升级。近期卫星影像显示，解放军在内蒙古朱日和训练基地及沙漠地区，已打造至少两处模仿台北博爱特区的等比例模型，包括总统府、外交部、司法机关等核心建筑。较早模型可追溯至2014年，主要重现建筑外观；较新的则高度还原街道布局与街廓规模，连道路角度都比照台北市区。美媒《商业内幕》与英国《每日电讯报》分析指出，这些设施并非单纯靶标，而是配合实兵攻坚、飞弹测试，甚至可能结合AI模拟，专为「夺取首都」情境设计。专家直言，此等针对性与精细程度「史无前例」，远超以往平面标靶。同时曝光的还有美军舰艇、战机、横须贺基地、苏澳军港等复制品，显示演训已从单纯攻台扩展至阻绝外军介入。这再次证明中共从未放弃武力选项，台海压力持续升高。

中共沙漠「假台北」演练攻台，规模再升级。近期卫星影像显示，解放军在内蒙古朱日和训练基地及沙漠地区，已打造至少两处模仿台北博爱特区的等比例模型，包括总统府、外交部、司法机关等核心建筑。较早模型可追溯至2014年，主要重现建筑外观；较新的则高度还原街道布局与街廓规模，连道路角度都比照台北市区。美媒《商业内幕》与英国《每日电讯报》分析指出，这些设施并非单纯靶标，而是配合实兵攻坚、飞弹测试，甚至可能结合AI模拟，专为「夺取首都」情境设计。专家直言，此等针对性与精细程度「史无前例」，远超以往平面标靶。同时曝光的还有美军舰艇、战机、横须贺基地、苏澳军港等复制品，显示演训已从单纯攻台扩展至阻绝外军介入。这再次证明中共从未放弃武力选项，台海压力持续升高。

悉尼閑人

22,296 views • 1 day ago

之前介绍过的Topview AI 首创的手持产品数字人最近他们又发布了新版本Topview Avatar 2 实测效果很哇塞很适合出海电商 - 不仅能手持产品，还支持任意产品，任意尺寸，对人和产品的空间交互关系理解很到位 - 只需一张产品图片+模特图片，就能生成逼真的数字人带货视频。 - 可通过 Prompt自定义数字人形象，能讲各种语言，以后真的不需要找模特了

小互

17,396 views • 1 year ago

卧艹，兄弟们，真让我等到了！半个月前刚说，2026年绝对是AI视频大爆发的年份。对于很多有想法的创作者而言，最大的痛点莫过于视频制作了。一句话就能生成视频的自媒体工具，一定会是爆款。没想到真让我等到了，就是Medeo！看我一句话做的动量定理解释视频，完全可以发到自媒体平台上做个科普账号。后来我又通过对话，在视频末尾加上了一个习题，我靠，多轮对话简直完美！他们有几种比较成熟的模板，我用的就是PPT视频讲解模板，非常适合做科普视频。除了科普外，还有动漫、现实等多种模板，和大量用户案例（见评论区），覆盖全品类，记得一定去试试。

卧艹，兄弟们，真让我等到了！半个月前刚说，2026年绝对是AI视频大爆发的年份。对于很多有想法的创作者而言，最大的痛点莫过于视频制作了。一句话就能生成视频的自媒体工具，一定会是爆款。没想到真让我等到了，就是Medeo！看我一句话做的动量定理解释视频，完全可以发到自媒体平台上做个科普账号。后来我又通过对话，在视频末尾加上了一个习题，我靠，多轮对话简直完美！他们有几种比较成熟的模板，我用的就是PPT视频讲解模板，非常适合做科普视频。除了科普外，还有动漫、现实等多种模板，和大量用户案例（见评论区），覆盖全品类，记得一定去试试。

Olivert

107,876 views • 6 months ago

Cursor 推出炼蛊模式！一口气能开8个代理！给大家带来 Cursor 2.0 更新内容！这个分量的确够得上一个大版本更新。首先，推出了炼蛊模式，你最多可以开8个 Agent 并行运行同一个任务，然后矬子里面拔大个，选你觉得AI生成的最好的结果。其次，cursor 早就传出内部在炼大模型，终于推出了！目前宣传点是生成速度，这个我一会儿会单独放出这个模型的评测视频！然后！可以在Cursor里面直接打开浏览器了！这叫一个真套娃了，本身就是 Electron，又套个 chromium。跑题了，这个最大的作用其实是为大模型进行视觉设计或debug铺平道路。是个非常不错的功能。就是不知道大家内存抗不扛得住。还有！现在支持语音输入了，终于可以真的当老板了用嘴命令它干活了。剩下就是一些小改进了，包括可以在一个chat里面看多个文件的修改啦，其实跟github的合并pr的模式差不多。命令可以运行在安全沙箱，再也不用担心输入了个波浪线，大模型灭门事件了。团队配置集中管理啦，可以在后代运行多个 plan mode，玩田忌赛马等等等等。总之，请确保你的订阅套餐够烧

Cursor 推出炼蛊模式！一口气能开8个代理！给大家带来 Cursor 2.0 更新内容！这个分量的确够得上一个大版本更新。首先，推出了炼蛊模式，你最多可以开8个 Agent 并行运行同一个任务，然后矬子里面拔大个，选你觉得AI生成的最好的结果。其次，cursor 早就传出内部在炼大模型，终于推出了！目前宣传点是生成速度，这个我一会儿会单独放出这个模型的评测视频！然后！可以在Cursor里面直接打开浏览器了！这叫一个真套娃了，本身就是 Electron，又套个 chromium。跑题了，这个最大的作用其实是为大模型进行视觉设计或debug铺平道路。是个非常不错的功能。就是不知道大家内存抗不扛得住。还有！现在支持语音输入了，终于可以真的当老板了用嘴命令它干活了。剩下就是一些小改进了，包括可以在一个chat里面看多个文件的修改啦，其实跟github的合并pr的模式差不多。命令可以运行在安全沙箱，再也不用担心输入了个波浪线，大模型灭门事件了。团队配置集中管理啦，可以在后代运行多个 plan mode，玩田忌赛马等等等等。总之，请确保你的订阅套餐够烧

karminski-牙医

21,725 views • 9 months ago

让AI送外卖? 来看字节跳动刚刚发布的 doubao-seed-1.8 Agent 能力评测! 大家经常看到我的评测都是让大模型写代码, 今天咱们整个新活, 如果让大模型送外卖, 看看大模型能赚多少钱? 为了这个测试我写了个框架, 叫做硅基骑手, 内置了15个 tool call, 包括移动, 接单, 获取小票, 取餐, 送餐, 充电等等, 让大模型通过调用这些 tool call 来模拟整个外卖骑手的送餐过程. 本次首先评测了刚刚发布的 doubao-seed-1.8, 直接说结论: 整个执行过程非常丝滑, 这个新模型的最大输入上下文长度是224K, 我的测试连续运行了6.5小时, 总计消耗了9360万token! 完全耗尽了它的上下文, 执行了 1100 次 tool call! 即使是在停止工作前的最后一刻, 都可以继续进行工具调用, 而大多数小模型随着上下文增长是会性能越来越差最后完全无法进行 tool call 的. 这意味着 doubao-seed-1.8 在200K+的上下文长度上召回水平都相当不错, 特别适合用来执行, 复杂的 Agent 和 MCP 工具调用的场景. 我有预感豆包模型这一波升级后, 周边应用例如豆包, 甚至豆包AI手机, 执行任务的能力都会得到提升. #豆包 #豆包seed #seed18 #豆包AI

让AI送外卖? 来看字节跳动刚刚发布的 doubao-seed-1.8 Agent 能力评测! 大家经常看到我的评测都是让大模型写代码, 今天咱们整个新活, 如果让大模型送外卖, 看看大模型能赚多少钱? 为了这个测试我写了个框架, 叫做硅基骑手, 内置了15个 tool call, 包括移动, 接单, 获取小票, 取餐, 送餐, 充电等等, 让大模型通过调用这些 tool call 来模拟整个外卖骑手的送餐过程. 本次首先评测了刚刚发布的 doubao-seed-1.8, 直接说结论: 整个执行过程非常丝滑, 这个新模型的最大输入上下文长度是224K, 我的测试连续运行了6.5小时, 总计消耗了9360万token! 完全耗尽了它的上下文, 执行了 1100 次 tool call! 即使是在停止工作前的最后一刻, 都可以继续进行工具调用, 而大多数小模型随着上下文增长是会性能越来越差最后完全无法进行 tool call 的. 这意味着 doubao-seed-1.8 在200K+的上下文长度上召回水平都相当不错, 特别适合用来执行, 复杂的 Agent 和 MCP 工具调用的场景. 我有预感豆包模型这一波升级后, 周边应用例如豆包, 甚至豆包AI手机, 执行任务的能力都会得到提升. #豆包 #豆包seed #seed18 #豆包AI

karminski-牙医

17,932 views • 7 months ago

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期9——生成配置 #大型语言模型与生成式AI 这个视频介绍了如何利用配置参数影响大型语言模型（LLM）的输出。每个模型都有一套可以在推理时调用的配置参数，包括“Max new tokens”（最大新标记数）等。视频还讨论了贪婪解码和随机抽样等解码方式，以及如何使用top k和top p抽样技术限制随机抽样并增加输出有意义的可能性。此外，还介绍了一个名为“temperature”的参数，可以控制模型输出的随机性。温度越高，随机性越大；温度越低，随机性越小。这些知识可以帮助我们更好地理解和控制模型生成的内容，提高其性能。课程地址：播放列表：

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期9——生成配置 #大型语言模型与生成式AI 这个视频介绍了如何利用配置参数影响大型语言模型（LLM）的输出。每个模型都有一套可以在推理时调用的配置参数，包括“Max new tokens”（最大新标记数）等。视频还讨论了贪婪解码和随机抽样等解码方式，以及如何使用top k和top p抽样技术限制随机抽样并增加输出有意义的可能性。此外，还介绍了一个名为“temperature”的参数，可以控制模型输出的随机性。温度越高，随机性越大；温度越低，随机性越小。这些知识可以帮助我们更好地理解和控制模型生成的内容，提高其性能。课程地址：播放列表：

宝玉

12,463 views • 3 years ago

给大家带来 DeepSeek-V4-Pro & Flash 的测试速报, 由于case 还在跑, 所以说一下大家最熟悉的大象牙膏测试. 这个测试要求大模型建模一个锥形瓶, 然后发生化学反应, 造成泡沫喷发而出的效果. 主要考验大模型的建模, 粒子, 物理模拟, 光照等广义上的前端能力. DeepSeek-V4 从这个 Case 来看比之前的 V3 整个系列都好了很多, 效果很不错, 不过大家注意一下细节, 这个锥形瓶的表面看上去不是很透明, 我仔细分析了6次生成的代码 (测试是 pass@6, 每个大模型都有6次生成机会, 取最好的一次). 结果发现它指令遵循有点问题, 提示词要求玻璃的材质是roughness: 0.95, metalness: 0.35, 结果它没有一次写对. 而且很值执拗的写成了roughness: 0.12, metalness: 0.05 (50%概率). 目前还不确定是不是普遍问题, 等我全部测完给大家带来全面的编程能力评测视频~ 敬请期待. #deepseek #deepseekv4 #deepseekv4pro #deepseekv4flash

给大家带来 DeepSeek-V4-Pro & Flash 的测试速报, 由于case 还在跑, 所以说一下大家最熟悉的大象牙膏测试. 这个测试要求大模型建模一个锥形瓶, 然后发生化学反应, 造成泡沫喷发而出的效果. 主要考验大模型的建模, 粒子, 物理模拟, 光照等广义上的前端能力. DeepSeek-V4 从这个 Case 来看比之前的 V3 整个系列都好了很多, 效果很不错, 不过大家注意一下细节, 这个锥形瓶的表面看上去不是很透明, 我仔细分析了6次生成的代码 (测试是 pass@6, 每个大模型都有6次生成机会, 取最好的一次). 结果发现它指令遵循有点问题, 提示词要求玻璃的材质是roughness: 0.95, metalness: 0.35, 结果它没有一次写对. 而且很值执拗的写成了roughness: 0.12, metalness: 0.05 (50%概率). 目前还不确定是不是普遍问题, 等我全部测完给大家带来全面的编程能力评测视频~ 敬请期待. #deepseek #deepseekv4 #deepseekv4pro #deepseekv4flash

karminski-牙医

47,153 views • 3 months ago

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

karminski-牙医

16,140 views • 6 months ago

羊拨拉 90代中从敦煌自驾到兰州，中间专程去了一趟张掖～一座古老的，丝绸之路上最重要的城市。张掖的古迹除了破败，就是新建的模仿建筑。而最有印象的却是当地名吃~炒拨拉，现在隔着手机屏幕都能嗅到味儿。传说是霍去病发明的，以羊肝，肺，肚，肠等肉脏，配以洋葱和青红椒，孜然等调料的铁板烧

羊拨拉 90代中从敦煌自驾到兰州，中间专程去了一趟张掖～一座古老的，丝绸之路上最重要的城市。张掖的古迹除了破败，就是新建的模仿建筑。而最有印象的却是当地名吃~炒拨拉，现在隔着手机屏幕都能嗅到味儿。传说是霍去病发明的，以羊肝，肺，肚，肠等肉脏，配以洋葱和青红椒，孜然等调料的铁板烧

好怕怕

20,392 views • 6 months ago

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 views • 10 months ago

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间；现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨

indigo

72,171 views • 7 months ago

「河南郑州：上百驻地网承包商抗议国企公然抢劫民营资产，遭警察镇压（2025.07.07）」本周一，上百名来自河南各地的“驻地网”承包商聚集在中国电信河南分公司门前，抗议该公司一项被指为“变相掠夺”的新政策。抗议者称，河南电信试图通过一纸新合约，无偿占有他们多年来投资建设的网络资产。这场维权行动最终遭到警察镇压，多名抗议者遭到警察殴打。据多名承包商透露，过去十余年间，为了迅速抢占宽带市场，中国电信等国有运营商在河南省广泛推行“驻地网”合作模式。该模式由民营承包商自筹资金，负责铺设和维护乡镇、社区等区域的“最后一公里”网络线路及设备。作为回报，电信公司则根据民营承包商发展的用户数量，向其支付“端口费”作为租赁与服务费用。这一模式曾被视为是国企与民资合作共赢的典范。然而，河南电信于今年强行终止了此前的合作模式，并推出了名为“店包乡”的新合作方案。根据新方案，河南电信将全面回收所有驻地网资产，而原承包商则需重新签订一份极为严苛的合同。新合同不仅要求承包商继续负责网络的安装和维护工作，还需向电信公司缴纳管理费，并强制要求配备至少三名全职员工。更令承包商无法接受的是，新合同中加入了“用户净增长连续三月为负，则无条件终止合同”等霸王条款。他们认为，这不仅剥夺了他们对投入巨资建立的网络资产的所有权和收益权，还将所有市场风险转嫁给了他们。承包商认为，由于5G网络建设投入巨大，而传统宽带业务的利润增长日趋饱和，电信运营商面临着巨大的经营压力。为缓解压力，电信运营商将这些由民营资本建立、已经成熟的末端网络强行收归国有，无疑是最为直接和快速的手段。但这种利用其市场垄断地位，强行压价回收资产的行为，是在“公然抢劫”。

「河南郑州：上百驻地网承包商抗议国企公然抢劫民营资产，遭警察镇压（2025.07.07）」本周一，上百名来自河南各地的“驻地网”承包商聚集在中国电信河南分公司门前，抗议该公司一项被指为“变相掠夺”的新政策。抗议者称，河南电信试图通过一纸新合约，无偿占有他们多年来投资建设的网络资产。这场维权行动最终遭到警察镇压，多名抗议者遭到警察殴打。据多名承包商透露，过去十余年间，为了迅速抢占宽带市场，中国电信等国有运营商在河南省广泛推行“驻地网”合作模式。该模式由民营承包商自筹资金，负责铺设和维护乡镇、社区等区域的“最后一公里”网络线路及设备。作为回报，电信公司则根据民营承包商发展的用户数量，向其支付“端口费”作为租赁与服务费用。这一模式曾被视为是国企与民资合作共赢的典范。然而，河南电信于今年强行终止了此前的合作模式，并推出了名为“店包乡”的新合作方案。根据新方案，河南电信将全面回收所有驻地网资产，而原承包商则需重新签订一份极为严苛的合同。新合同不仅要求承包商继续负责网络的安装和维护工作，还需向电信公司缴纳管理费，并强制要求配备至少三名全职员工。更令承包商无法接受的是，新合同中加入了“用户净增长连续三月为负，则无条件终止合同”等霸王条款。他们认为，这不仅剥夺了他们对投入巨资建立的网络资产的所有权和收益权，还将所有市场风险转嫁给了他们。承包商认为，由于5G网络建设投入巨大，而传统宽带业务的利润增长日趋饱和，电信运营商面临着巨大的经营压力。为缓解压力，电信运营商将这些由民营资本建立、已经成熟的末端网络强行收归国有，无疑是最为直接和快速的手段。但这种利用其市场垄断地位，强行压价回收资产的行为，是在“公然抢劫”。

昨天

74,225 views • 1 year ago

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

12,304 views • 9 days ago

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。

兄弟们，这个有点牛P 字节跳动发布全新的视频生成基础模型Goku 可直接生成数字人视频 - 支持文本到视频（T2V）：可生成 20 秒以上流畅、连贯的视频。 - 支持多种风格：写实、3D 动画、剪纸、赛博朋克等。 -广告优化版（Goku+）：可直接生成真人广告、产品展示、人物交互的数字人视频。 - 真实人物 & 手部优化：面部表情自然，手势精准。 - 电影级动态镜头：支持慢动作、特写、追踪拍摄等。 - 高分辨率 & 智能光影：画质清晰，色彩自然，光影真实。

小互

155,815 views • 1 year ago