正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

AYi

56,979 subscribers

153,819 次观看 • 8 天前 •via X (Twitter)

科学技术喜剧

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。综合能力上仅次于闭源顶级模型 GPT-5.6 Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。综合能力上仅次于闭源顶级模型 GPT-5.6 Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。

Chong Wei 韦冲

65,862 次观看 • 8 天前

所以科技平权从Fable 5开始转折了吗？以后我们普通人还能用到顶级AI大模型的机会吗？感觉Anthropic这条公告官宣的不是模型要恢复，更像是传递一个信号，就是顶级AI全民可用的时代正式结束了😭 最强的网络安全模型Mythos 5，只开放给美国本土的关键基础设施组织。普通人能用的Fable 5，还在等政府审批，遥遥无期。以前是花钱订阅就能摸到人类最顶尖的模型能力，现在是最强的能力，只对特定身份和机构开放，也就是说分层的墙已经立起来了，以后普通用户能拿到的，永远是降过级的公开版本，真正能重构生产力的顶级能力，只会在高墙内流转～

所以科技平权从Fable 5开始转折了吗？以后我们普通人还能用到顶级AI大模型的机会吗？感觉Anthropic这条公告官宣的不是模型要恢复，更像是传递一个信号，就是顶级AI全民可用的时代正式结束了😭 最强的网络安全模型Mythos 5，只开放给美国本土的关键基础设施组织。普通人能用的Fable 5，还在等政府审批，遥遥无期。以前是花钱订阅就能摸到人类最顶尖的模型能力，现在是最强的能力，只对特定身份和机构开放，也就是说分层的墙已经立起来了，以后普通用户能拿到的，永远是降过级的公开版本，真正能重构生产力的顶级能力，只会在高墙内流转～

AYi

21,070 次观看 • 28 天前

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。

产品经理老王霸

50,339 次观看 • 29 天前

没想到能在 Xcode 26 第 7 个 Beta 的时候等来 Claude 的支持，也算 Apple 给我们的小惊喜了。于是我问了一下：你是什么模型？ Xcode（+Claude）回答我：「我是 Claude，由 Anthropic 开发的 AI 助手。我专门帮助分析和改进代码，特别擅长 Swift 和 Apple 平台开发。」前半句我信，后半句「特别擅长 Swift 和 Apple 平台开发」就是在吹牛了🤣

没想到能在 Xcode 26 第 7 个 Beta 的时候等来 Claude 的支持，也算 Apple 给我们的小惊喜了。于是我问了一下：你是什么模型？ Xcode（+Claude）回答我：「我是 Claude，由 Anthropic 开发的 AI 助手。我专门帮助分析和改进代码，特别擅长 Swift 和 Apple 平台开发。」前半句我信，后半句「特别擅长 Swift 和 Apple 平台开发」就是在吹牛了🤣

图拉鼎

35,230 次观看 • 11 个月前

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

101,413 次观看 • 3 个月前

独立开发者最大的幻觉："功能做出来，用户就会来。" 现实是：如果你在写第一行代码前没想清楚业务逻辑，这行代码注定是废代码。没做过 PM 不知道怎么想？ PM Skills Marketplace 把 100+ 个顶级产品经理的思考框架塞进了 Claude。一个指令 /discover，AI 帮你跑完一整个真实的产品发现流程。把节省下来的 3 个月乱写代码的时间，花在正确的方向上。 ⬇️👇

独立开发者最大的幻觉："功能做出来，用户就会来。" 现实是：如果你在写第一行代码前没想清楚业务逻辑，这行代码注定是废代码。没做过 PM 不知道怎么想？ PM Skills Marketplace 把 100+ 个顶级产品经理的思考框架塞进了 Claude。一个指令 /discover，AI 帮你跑完一整个真实的产品发现流程。把节省下来的 3 个月乱写代码的时间，花在正确的方向上。 ⬇️👇

axiaisacat

24,698 次观看 • 3 个月前

最近挖到一个 Harness 硬核的开源项目：pi（前阵子刚从 badlogic 迁到 earendil-works 旗下）。是一套为开发者兜底的 AI Agent 基础设施全家桶 + 终端编程助手 CLI。少造点轮子：直接提供了一套 unified API（pi-ai），几行代码抹平多模型的接入差异，无缝切模型。并发 Tool Calling 绕过卡脖子：这玩意的 runtime 默认支持工具并行执行，直接绕过了挨个串行排队的傻等，大幅降延迟。甚至还能让开发者精细化控制大模型的“思考预算”（Thinking Budgets）。终端直接跑通的爽点：如果你不想从头拼装，直接 npm install -g Earendil-works/pi-coding-agent，终端里当场就能跑通一个交互式的 AI 编程搭子。不用跳出命令行去切网页，沉浸式干活，极度拉高 ROI。仓库👇👇👇👇

最近挖到一个 Harness 硬核的开源项目：pi（前阵子刚从 badlogic 迁到 earendil-works 旗下）。是一套为开发者兜底的 AI Agent 基础设施全家桶 + 终端编程助手 CLI。少造点轮子：直接提供了一套 unified API（pi-ai），几行代码抹平多模型的接入差异，无缝切模型。并发 Tool Calling 绕过卡脖子：这玩意的 runtime 默认支持工具并行执行，直接绕过了挨个串行排队的傻等，大幅降延迟。甚至还能让开发者精细化控制大模型的“思考预算”（Thinking Budgets）。终端直接跑通的爽点：如果你不想从头拼装，直接 npm install -g Earendil-works/pi-coding-agent，终端里当场就能跑通一个交互式的 AI 编程搭子。不用跳出命令行去切网页，沉浸式干活，极度拉高 ROI。仓库👇👇👇👇

比特币橙子Trader

12,602 次观看 • 2 个月前

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

54,772 次观看 • 18 天前

OpenAI 深夜放炸弹，GPT 5.4 来了！🤯 这次是真 “大一统” 了，推理、编程、操控电脑、搜索、百万 Token 上下文，一个模型全干了！之前得在不同模型之间反复横跳，现在一个 GPT 5.4 全搞定，恐怖的是每条线都拉到顶尖水平，几乎没有短板。来看看跑分，SWE-Bench Pro 57.7% 编程登顶，FrontierMath 数学第一，ARC-AGI-2 抽象推理 83.3% 创下新高，把 Gemini 3.1 Pro 和 Opus 4.6 全踩脚下。幻觉率比 GPT-5.2 暴降 33%，工具搜索功能直接把 Token 消耗砍掉 47%，又准又省。值得关注的是「原生操控电脑」能力，OSWorld-Verified 拿下 75% 成功率，超过了人类的 72.4%。也就是说，GPT 5.4 操作电脑比大部分人都熟练了😂 而且是真的能看截图，自己点鼠标键盘完成任务实际工作能力的表现也很不错，在GDPval 测试里，GPT 5.4 拿了 83%，追平甚至超越行业专业人士！这个测试横跨 44 种职业，让 AI 真刀真枪交付成果，做 PPT、建 Excel 模型、写法律分析，也就是说 AI 干活比大多数打工人还靠谱了。有意思的是，两天前 GPT 5.3 Instant 撞车 Gemini 3.1 同一天发布，算是给 GPT 5.4 铺路了，先出个日常对话版本，再放大招。 OpenAI 最近这波节奏很猛，短时间连发两个模型，明显是要把之前被 Claude 抢走的编程用户拉回来。 AI 模型的军备竞赛已经白热化了，你现在主力用的是哪个 AI 模型？打算换 GPT 5.4 试试吗？

OpenAI 深夜放炸弹，GPT 5.4 来了！🤯 这次是真 “大一统” 了，推理、编程、操控电脑、搜索、百万 Token 上下文，一个模型全干了！之前得在不同模型之间反复横跳，现在一个 GPT 5.4 全搞定，恐怖的是每条线都拉到顶尖水平，几乎没有短板。来看看跑分，SWE-Bench Pro 57.7% 编程登顶，FrontierMath 数学第一，ARC-AGI-2 抽象推理 83.3% 创下新高，把 Gemini 3.1 Pro 和 Opus 4.6 全踩脚下。幻觉率比 GPT-5.2 暴降 33%，工具搜索功能直接把 Token 消耗砍掉 47%，又准又省。值得关注的是「原生操控电脑」能力，OSWorld-Verified 拿下 75% 成功率，超过了人类的 72.4%。也就是说，GPT 5.4 操作电脑比大部分人都熟练了😂 而且是真的能看截图，自己点鼠标键盘完成任务实际工作能力的表现也很不错，在GDPval 测试里，GPT 5.4 拿了 83%，追平甚至超越行业专业人士！这个测试横跨 44 种职业，让 AI 真刀真枪交付成果，做 PPT、建 Excel 模型、写法律分析，也就是说 AI 干活比大多数打工人还靠谱了。有意思的是，两天前 GPT 5.3 Instant 撞车 Gemini 3.1 同一天发布，算是给 GPT 5.4 铺路了，先出个日常对话版本，再放大招。 OpenAI 最近这波节奏很猛，短时间连发两个模型，明显是要把之前被 Claude 抢走的编程用户拉回来。 AI 模型的军备竞赛已经白热化了，你现在主力用的是哪个 AI 模型？打算换 GPT 5.4 试试吗？

程序员鱼皮

23,679 次观看 • 4 个月前

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🕊️

15,968 次观看 • 2 天前

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 次观看 • 1 个月前

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

灰狐

12,904 次观看 • 1 年前

又发现一个变态开源项目，叫agency-agents 这哥们儿把世界上几乎所有职位都做成了 AI 员工，包括：前端开发、UI 设计、自媒体运营、销售、市场分析师、数据工程师、法务顾问…… 现在已经有 144 个 AI 员工，还在持续加。 GitHub 星标直接冲到 6 万+，完全免费开源。在小龙虾或者 Claude code 里，几分钟就能跑起来一整个虚拟团队。你需要哪个工种，直接调哪个 AI 员工，随时开干。适合「需要某个专项能力，但又不值得专门招人」的情况，比如独立开发者、一人创业者、小团队

又发现一个变态开源项目，叫agency-agents 这哥们儿把世界上几乎所有职位都做成了 AI 员工，包括：前端开发、UI 设计、自媒体运营、销售、市场分析师、数据工程师、法务顾问…… 现在已经有 144 个 AI 员工，还在持续加。 GitHub 星标直接冲到 6 万+，完全免费开源。在小龙虾或者 Claude code 里，几分钟就能跑起来一整个虚拟团队。你需要哪个工种，直接调哪个 AI 员工，随时开干。适合「需要某个专项能力，但又不值得专门招人」的情况，比如独立开发者、一人创业者、小团队

阿西_出海

293,916 次观看 • 2 个月前

1 一个人走进 AI 生成的巷子，说了句召唤——天上真飞下来一只鹰。🦅 这不就是《盗梦空间》么？ Alaya World 干的就是这种事：一句话、一张图丢进去，实时长出一个能逛的世界。你挪视角，街巷往前展开；走到一半打一句提示词，里面真会跟着变。不是后期特效，是当场生成的。说个暴论：未来游戏开发可能要变天了——先生成一个可玩的 demo，然后就直接上线了。🎮 我们现在用的 AI，多半还是打字进、文字出，最多再给你一张图、一段视频。看完就结束，你始终站在屏幕外面。可以这么理解： • 💬 聊天模型陪你说话 • 🎬 视频模型给你放片 • 🌍 世界模型开始给你一个能走进去晃两下的地方它还不完美，偏研究向，家用电脑也跑不动——别当成明天就能下载开玩的游戏。但代码开源了，主页上 Demo 很多，光看就能明白：AI 下一步可能不只是更会聊天，而是开始撑起一个空间。想直观感受，直接刷 Alaya Lab 的 Demo，比看任何介绍都快。 1.🐦‍ 召唤火鸟冷却好了，点火鸟技能。烟尘里冲出一只燃烧的凤凰，双翼一展，脚下黑烟烈焰

1 一个人走进 AI 生成的巷子，说了句召唤——天上真飞下来一只鹰。🦅 这不就是《盗梦空间》么？ Alaya World 干的就是这种事：一句话、一张图丢进去，实时长出一个能逛的世界。你挪视角，街巷往前展开；走到一半打一句提示词，里面真会跟着变。不是后期特效，是当场生成的。说个暴论：未来游戏开发可能要变天了——先生成一个可玩的 demo，然后就直接上线了。🎮 我们现在用的 AI，多半还是打字进、文字出，最多再给你一张图、一段视频。看完就结束，你始终站在屏幕外面。可以这么理解： • 💬 聊天模型陪你说话 • 🎬 视频模型给你放片 • 🌍 世界模型开始给你一个能走进去晃两下的地方它还不完美，偏研究向，家用电脑也跑不动——别当成明天就能下载开玩的游戏。但代码开源了，主页上 Demo 很多，光看就能明白：AI 下一步可能不只是更会聊天，而是开始撑起一个空间。想直观感受，直接刷 Alaya Lab 的 Demo，比看任何介绍都快。 1.🐦‍ 召唤火鸟冷却好了，点火鸟技能。烟尘里冲出一只燃烧的凤凰，双翼一展，脚下黑烟烈焰

实践哥MinLi

924,411 次观看 • 9 天前

腾讯这个新模型是真牛逼啊，我之前一直觉得 AI 整理数据就是帮你排个序的打杂活，直到看到把 101 个乱成一团的 SKU 销售数据丢给了腾讯 Hy3，竟然返回了一整套能直接拿去开会的完整分析。 Excel 里分了执行摘要，异常值，定价梯度，重复命名好几个 sheet，它自己用 IQR 把离群的贵价货单独挑了出来，还顺手识别整理了重名的重复 SKU。最超出预期的是最后同步生成了一份 30 页的汇报 PPT，所有图表都已经做好，不用再二次调整。它根本不是在帮你整理数据，是把一个分析师一整个下午的标准化工作，直接还给了你。当然不是说分析师就失去价值了，需要深度业务洞察和定制化判断的分析，依然要靠真人落地。而是这种标准化的流程化分析交付，AI 已经能直接做到成品级别，不再是需要反复修改的半成品。

腾讯这个新模型是真牛逼啊，我之前一直觉得 AI 整理数据就是帮你排个序的打杂活，直到看到把 101 个乱成一团的 SKU 销售数据丢给了腾讯 Hy3，竟然返回了一整套能直接拿去开会的完整分析。 Excel 里分了执行摘要，异常值，定价梯度，重复命名好几个 sheet，它自己用 IQR 把离群的贵价货单独挑了出来，还顺手识别整理了重名的重复 SKU。最超出预期的是最后同步生成了一份 30 页的汇报 PPT，所有图表都已经做好，不用再二次调整。它根本不是在帮你整理数据，是把一个分析师一整个下午的标准化工作，直接还给了你。当然不是说分析师就失去价值了，需要深度业务洞察和定制化判断的分析，依然要靠真人落地。而是这种标准化的流程化分析交付，AI 已经能直接做到成品级别，不再是需要反复修改的半成品。

AYi

15,468 次观看 • 11 天前

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

Ding

150,786 次观看 • 5 个月前

我的天，Higgsfield已经进化到这种程度了吗？一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！这件事放在以前真的很难想象。过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。

我的天，Higgsfield已经进化到这种程度了吗？一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！这件事放在以前真的很难想象。过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。

逸尘

31,510 次观看 • 1 个月前

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。

产品经理老王霸

168,140 次观看 • 1 个月前

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

HankAI

14,140 次观看 • 1 个月前