Загрузка видео...

Не удалось загрузить видео

На главную

这么多天了DeepSeek 依旧还没解决联网不稳定和时常无服务的问题。 然后就不断的出现了一些收费课程、收费本地部署等割韭菜的 实际上对普通用户来说,本地部署根本没法用,而且也不是最强版本。 目前很多厂商都推出了满血版的第三方部署。 但是测试下来感觉还是纳米AI搜索这个对普通用户靠谱点,有两个版本,一个是满血联网版,一个是高速版。 总体上和官方的很接近,包括界面和体验上还不错,但是有一些小问题。 满血版的和官方的非常接近,就是推理的时间和推理的输出有点过长,等待时间比较久。 高速版,速度很快,输出也非常的丝滑,但是感觉推理能力弱一点,适合简单的任务。 但是总体来说,我觉得是我体验的比较丝滑、快速、稳定的渠道,不会像官网那样动不动卡在让人恼火。

71,970 просмотров • 1 год назад •via X (Twitter)

Комментарии: 11

Фото профиля 小互
小互1 год назад

这个是高速专线,效果也还不错。 速度要比满血联网版的快很多。

Фото профиля 小互
小互1 год назад

体验地址: 或者下载纳米AI搜索APP也可以 顺便再送大家一个deepseek资料库,照着做直接上手:

Фото профиля glueckkanja
glueckkanja4 лет назад

Are you searching for a simple way to deploy device certificates with #Intune? Check out SCEPman at

Фото профиля 熊布朗
熊布朗1 год назад

PPIO(原pptv)创始人团队搞的也送满血版本

Фото профиля 金币DAO
金币DAO1 год назад

360最近猛搞广告啊,哈哈哈,太红衣了。。。

Фото профиля 安第斯山
安第斯山1 год назад

送钱都不用360的产品

Фото профиля 史谏读书
史谏读书1 год назад

折腾这个不如openai

Фото профиля Crush⚡️
Crush⚡️1 год назад

我打开抖音搜美女都弹出来周鸿祎的脸,跟我说他们这个纳米AI,无语...

Фото профиля SamMan
SamMan1 год назад

我会试试,多谢老铁的经验

Фото профиля WorldGPT
WorldGPT1 год назад

这个是周鸿祎家的产品吗?

Фото профиля Kevin
Kevin1 год назад

腾讯云的免费,还快

Похожие видео

昨天发了一个视频,看到评论里有人问:你都在用 Claude Code 了,为什么还要用国内的 Coding Plan? 对我来说,这不是一个二选一的问题,而是一个补充题。 大家都知道御三家的硬实力更强,这点没什么好争议的。但很多日常场景里,国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。 比如文本处理、资料整理、基础 coding、简单 agent 任务,这类占日常 80% 的工作,很多时候并不一定非要上最贵的模型。对大多数中国用户来说,国产模型更顺手,速度也够,价格还低不少。 还有一个经常被忽略的点,其实是处理速度。 我自己实测下来,国内这些模型在一些简单任务上,接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务,用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。 另外我觉得,现在国内头部几家 AI 厂商,已经不是“能不能做”的问题了。无论是阿里还是字节,一方面有足够的算力和基础设施,另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里,把国产模型纳入自己的工具链,本来就是很自然的事。 所以我现在的看法一直都不是“国产替代”或者“二选一”,而是按场景分工:复杂、高价值任务交给最强模型;大量日常、重复、成本敏感的任务,用国产模型做补充,我觉得这反而是更现实、也更科学的用法。

luolei

32,330 просмотров • 2 месяцев назад

天才数学家陶哲轩对数学AI的思考 像真的,但其实不对。 AI写出的证明,乍看完美无瑕,细看漏洞百出。 为什么? 因为它没有“嗅觉”。 今天的AI,已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。 但一旦你靠近它、认真嗅一下,就会发现它撒了香水 掩盖的,是逻辑上的腐臭。 不像传统的初学者那种“明显错”, AI的问题常常隐藏在最高级别的伪装底下: 写得太好,看不出哪里坏。 就像Terry Tao说的:“数学,是有味道的。” 一个真正靠谱的证明,不只是形式正确,而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道,不需要吃一口,就知道有没有毒。 AI没有这个。 它可以模仿口感,复制包装,但闻不到底层的真实。因为它是在学“怎么看起来像对的”,而不是“为什么它是真的”。 你可以把它理解为一个训练过非常精良的演员,知道什么时候该皱眉、什么时候叹气,用上最漂亮的定理、最熟练的转折,但它不明白它的角色到底在干什么。 而这,正是问题所在。 人类在判断一个复杂证明时,靠的不止是推理,更靠一种经验直觉:这个步骤自然吗?这个拆解方式靠谱不靠谱?这个结构合理不合理?我们甚至很难说清楚“为什么不行”,但就是知道,“不对劲”。 这就是“数学的嗅觉” 你说不明白,但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋,不是因为它们穷举了所有下法,而是因为它们学会了在哪些局面里,有“胜利的味道”。 即便讲不出理由,它们凭那股味道,也能找到通向胜利的路。 数学AI要想达到人类水平,它得也有这种“方向感”。 不是生成个像样的证明,而是能问自己:“我是不是在一个貌似正确,实际上死路的方向上走太远了?” 也许未来某一天,它能真正感觉到:“这一步味道不对,我得退回来。” 那一天,它就不只是一个生成文本的工具,而是真正的数学伙伴了。 🙋‍♂️人有灵气

墓碑科技

120,892 просмотров • 1 год назад

我折腾了Openclaw大概有一周了吧,感觉这一周也不能说时时刻刻在玩,但是确实已经让我体验到了他的很多优点和坑。 我觉得这个坑其实也并不是他的缺点,而且初学者在使用的时候没有注意到的特点,本文会好好聊聊。虽然有人说它不是什么高深的科技,但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点, 作为一个web3的博主,我平常有很多零碎的时间,在外的时候,开车的时候,参加活动的时候,加起来其实非常多,一周下来能有十几个小时。 这些时候其实我的脑子都不处于idle的状态,而是经常想写东西。比如我经常就会抽个十分钟走路,边走边把我的一些想法和GPT录入,然后生成文章或者笔记,甚至是代码。 但对于有些问题,比如验证一个交易的想法,产品的想法,用一个我已经开发好的脚本去了解市场行情,缺少一个主机这样强大的工具来帮我落地。 也就是说,哪怕AI给了我方向,给了我代码,最后去跑的,还是我啊! 我这不是给AI打工了吗? 于是在知道了Opencalw这个东西的五分钟之后,我就边开车边在手机上下单了一个全新的MacMini,准备开始改变人生 我觉得玩了一周下来,我做到了。我可以躺在床上刷剧和喝啤酒的同时,让全市场行情尽收眼底,有一说一,minimax真的很稳定且偶尔会让人觉得惊艳。 刚丢给他anthropic和五角大楼的八个新闻,他给我做了系统性总结并归档,语言风格也非常自然,确实不是对话框可以体验的,但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果,且效果很棒。这就是openclaw框架的特点。 接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来,这次更新的重点不只是“功能变多了”,而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。 以前我们用这类工具,更多还是停留在“查数据、看行情、问问题”这个层面,信息是有了,但真正做决策、盯条件、执行动作,还是得自己一步步来。现在不太一样了,你只需要说出自己的意图,它就能把筛选、判断、执行这些动作尽量串起来。 这 4 个技能里,我最看重的是资产管理。因为它解决的不是“看什么”,而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB,这些以前都很零碎,但实际又很高频。现在如果能交给 Agent 去处理,整体体验会顺很多。 另外,Alpha 数据、合约、杠杆这几个技能组合起来后,确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步,不用自己频繁切页面、算逻辑,效率提升会很明显。 不过我自己的看法是,这套skills最有价值的地方,不是“自动赚钱”,而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率,而不是替你承担判断和风险。 而且目前币安中文社区正在举办 “用 AI 建设加密,搭建币安主题 AI Agent” 的活动。 总奖池:48.6 BNB(作品奖44 BNB + 推荐奖4.6 BNB)。 作品奖:第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。 对普通用户来说,参与重点可以概括为一句话:不用非得做得特别复杂,能跑通、能演示、逻辑清楚,就有机会拿到奖励。赶快行动起来吧,部署一只属于你自己的龙虾,改变人生的轨迹。 为此专门做了一个接入视频,希望能帮助到大家一起建设起来~ 币安技能中心传送门: 部署龙虾碰到问题可以dm我或者评论区留言,欢迎老师们多多交流~

百里 🦅

12,851 просмотров • 3 месяцев назад

推荐个好东西:火山引擎的 PromptPilot。 之前看 Google 的提示词白皮书,有个点让我印象很深: 他们直接用 Google Doc 管理 prompt,写任务、版本、评估效果。 那时候我就在想,有没有人真把这事儿做成一套完整系统? 现在看到火山这套,有点意思了。 它不只是“帮你写好提示词”,而是把这事儿当作工程问题来解的。 最打动我的,是它在 prompt 优化这件事上做得极其系统,甚至有点狠。 ✅ 从任务出发构造 prompt(带结构、带变量、不是拍脑袋) ✅ 每一版 prompt 都挂着独立评测集 + 自动评分机制 ✅ 没有理想答案也能比对打分(GSB 模式) ✅ 每轮迭代都能 trace 效果,版本可控、可回溯 我们之前做客服对话调 prompt,最常见的就是“改了一句,但说不上来到底有没有变好”。 很多时候上线的版本其实就是“看着还行就先上”。 现在它是:“打一套样本集,系统直接帮你跑出哪一版效果稳定”。 我一直坚持: 模型越强,对 prompt 的要求只会更高。 尤其是在多轮任务、复杂场景里,prompt 不只是“写得好”,而是“是否可控、可管理、可进化”。 PromptPilot 解决的,是这个底层问题。 它不仅能让 prompt 生出来,更重要是——能持续改下去。 版本有 trace,样本能评分,逻辑能反推,工具还能外接, 整个就是“prompt 的 AutoML + GitOps” 一体化工具链。 顺带说一句:这是 2025 火山引擎 FORCE 大会上刚发布的产品,免费版和 Plus 版都开放,9 月前能直接上手全功能体验。 现在市面上很多 prompt 工具做的是“编辑器 + 改写器”, 但你会发现,真正上线之后需要的是一整套治理机制。 PromptPilot 是我目前看到国内第一个跑通这个闭环的, 不是 fancy 的界面,而是认真在解决 prompt 系统演化能力这个问题。 如果你也在做 AI 应用落地,推荐你认真研究一下。 要说缺点:自定义模型没找到海外模型,差评!

凡人小北

94,848 просмотров • 1 год назад

Claude Opus 4.8 出了之后,我的第一反应是:想试。 第二反应是:算了,token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8,就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题: 脑子里经常冒出各种产品想法。 但每次真要开始做,就会卡住。 用户是谁? 第一版到底做什么? 哪些功能应该先砍掉? 怎么定价? 第一周从哪一步开始? 上线后怎么找第一批用户? 想法很多,执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接: 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面,而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是,它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”,它会主动判断: 第一版必须做什么。 哪些功能看起来高级,但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是:你要什么,我全给你加上。 最后页面很热闹,但产品判断是空的。 Opus 4.8 更像是在帮你收敛:先想清楚用户、场景和第一步,再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是,一个 Key 就能切不同模型,新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页,确实挺顺。 想试 Claude Opus 4.8 的,可以从这里进:

Joruno

15,532 просмотров • 14 дней назад

很多人一聊到选哪条链?第一反应都是: 热度高不高?补贴多不多?生态有没有流量? 但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议,我反而有种感觉:这不是在给 Sui 站台,更像是一场技术自白。 首先Talus 选 Sui,真的不是因为它现在火。而是因为 Talus 想做的这件事,在别的链上,很难跑得像样。先说清楚一点:Talus 要做的不是一个 AI 应用,也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络:成千上万个代理同时运行、同时决策、同时交互。光是这个前提,就把底层链的门槛直接拉满。 为什么是 Sui?我听下来,核心其实就三点。 第一,并行执行。代理世界不是排队点菜,不是你先我后那种单线程逻辑。代理一多,如果底层还是串行执行,结果只有一个:越跑越卡,最后只能做 demo。Sui 的并行执行,本质上就是为“多主体同时操作” 这种系统准备的,这点和 Talus 的形态非常贴合。 第二,高吞吐量。代理不是偶尔动一下,而是持续、高频地产生状态变化。TPS 要是撑不住,所有“自主”“实时”都会变成慢动作回放。对 Talus 来说,吞吐量不是加分项,是能不能活下来的前提条件。 第三,移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑,它一定会越来越靠近用户。Sui 在账户模型和安全设计上,本身就更像现代应用,而不是早期 DeFi 那套「钱包就是一切」的逻辑。 所以当 gmike 说“我们一直都是 SUI Maxis”,我反而觉得这句话挺克制的。这不是情绪站队,而是工程师视角下的现实选择。至于多链?我自己的理解是:Talus 不是不懂多链,而是很清楚——在基础设施阶段,过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统,先把一个底层跑通、跑稳,比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”, 但真正做底层的人,往往会先问一句:现在这个系统在哪条链上能真正跑到规模?从这个角度看,Talus 的选择是理性的,也是偏长期的。不追热点,不抢流量,先把代理世界里最难的那一块解决掉。这种项目短期不一定最热,但一旦真跑起来,后面的持续热度,反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

百里 🌊RIVER | MemeMax⚡️|🧠SENT

13,710 просмотров • 6 месяцев назад