Deno2834

vip
幣齡 1.8年
最高等級 0
用戶暫無簡介
LIQUID AI 正在推出一個擁有 26 億參數、專為離線執行代理而打造的模型。
那麼,你的代理實際上有哪一半需要前沿模型?
大多數建構者從未將其拆分。整個迴圈都交給一個大型模型,因為串接兩個模型需要更多工作。
我的看法是:工具選擇和資料擷取在本地執行,推理則留在遠端。我想知道你會在哪裡劃定這條界線。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
chat,我是不是快接近 unc 身分了?
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
這項功能上線兩天後,就又被下架了。
所以這裡實際上被回滾的是什麼,能力本身還是存取權限?
生成那些圖片的模型依然存在。變動的是產品開關,而開關還是可以重新開啟的。
真正值得關注的是,它回歸時是否會附帶來源資訊、在每個生成畫面上標記,還是只會照原本離開時的樣子回來。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
AI 實驗室過去會籌集 $10B 輪融資。ANTHROPIC 剛獲得一個以晶片為核心的 $200B 計畫。
舊模式:出售股權、購買 GPU,並希望下一輪融資能在現金耗盡前完成。
新模式:以硬體作為抵押借款,由 broadcom 負責建置,並由 blackstone 和 apollo 提供資金。
對你而言,改變的是時間表。當創投融資降溫時,建置不再暫停,因此你租用的運算容量能依照比其周遭炒作週期更穩定、更長期的時程運作。
AVGO4.49%
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
讓新手剪輯者失敗的三個錯誤:
> 剪輯你個人覺得有趣的片段,而不是能讓陌生人停下來觀看的片段。
> 因為覺得背景脈絡很重要,就把片段做得太長。
> 分散在五位創作者之間,而不是深入學習一位創作者。
改正這三點,你就已經超越了大多數做這件事比你久的人。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
舊的語音模式會等待你停止說話。GPT-LIVE 在它說話時監聽。
之前:在你說話時,它會等待、它會回應,你會等待。一種詞彙量很好的對講機。
現在:兩個通道都保持開啟,所以在句子中途把它截斷,會被視為正常輸入,而不是錯誤情況。
這就是語音示範與你實際會在做飯、開車或在通話時真正免手持使用之間的差距。
查看原文
post-image
  • 打賞
  • 回覆
  • 1
  • 分享
如果你不是在追求最大化分發(distribution maxxing),那你就不會有用戶
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
你的下一次 RAM 升級現在由 AI 資料中心定價,而不是由 PC 購買者定價。
一開始這看起來像個無聊的硬體故事,但不是。
兩十年來,消費者記憶體每一年都變得更便宜,原因是筆電、手機與遊戲玩家是房間裡最大的買家。
如今最大的買家是一組伺服器機櫃,它會為靠近 AI 加速器的記憶體支付幾乎任何代價。
如果你今年有規劃記憶體或 SSD 的升級,先把那一部分買下來,其餘的組裝就先等一等。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
Excel 的計算引擎現在有一個用 Rust 重寫的版本:不需要 GUI、也不附帶授權。
幾乎所有代理觸及的作業與財務工作流程,最後都會落在一個它其實無法執行的活頁簿(workbook)。
那裡缺失的從來都不是推理能力。缺的是重新計算。
如果你正在為這種工作打造代理,別再測試模型是否寫出了正確的公式。去測試它做完之後,有沒有真的把任何內容重新計算了。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
目前在 AI 影片排行榜上拿下第一名的,是一個任何人都能下載的模型。
在影片生成領域,純粹的原始品質曾是護城河。一旦最好的權重公開,護城河就會轉移到圍繞模型的部分:生成速度、每完成一支影片的成本、剪輯與交付。
如果你在販售影片製作服務,你的優勢就不再取決於你付費使用哪個 API,而改成你為其打造的整套工作流程。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
實際上是誰承擔這些合規責任的負擔,實驗室,還是建立在其上方的產品?
主要是實驗室。這些義務會附著於任何把通用目的模型投放到市場的人。
值得了解的一點:只要把模型修改到足夠大程度,你就可能成為自己本身的提供者,並隨之承接文件編製的責任。
LAB2.90%
查看原文
  • 打賞
  • 1
  • 轉發
  • 分享
成长中的人性弱点:
歸零B
2.4 萬億個參數,開放權重,為長期任務而構建。
> long-horizon 指的是會跑數百個步驟的工作,而不是單一提示
> 每一步 99% 可靠性,200 步任務仍有約 87% 的失敗機率
> 因此這就是數學:代理在基準測試上表現很強,但在真實工作中就崩壞
> 開放權重讓你可以檢視並微調失敗模式,而不是透過 API 瞎猜
> 觀察代理模型的指標並不是推理分數。它是漂移之前完成的步驟數。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
多年來,要運行頂級模型的最便宜方式就是不去運行。你呼叫一個 API,並祈禱帳單保持在小額。
而現在,一份獨立的成本排名將 DeepSeek 的新模型排在價格清單的最底部,同時它在能力清單中則位居前列。
當模型變得如此便宜時,模型本身就不再是護城河。你要圍繞它去建構的才是。
DEEPSEEK-3.83%
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
> 品牌不再想要精緻(包裝到位)的廣告了
> 加密貨幣、製藥、AI 的廣告其實不太有效(黑帽)
> 人們不喜歡咄咄逼人的行銷
他們會點進看起來像是朋友傳給他們的短片。
這表示障礙並不是技能或設備。
而是能夠成為少數真正會發布這些短片的人之一。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
阿里巴巴計劃在下週發布一個 2.4 萬億參數模型的權重。
幾乎沒有人會讀到這篇的人會把它載入。那個 270 億兄弟模型才是最後會進入正式上線的。
這就是這些釋出的樣子:巨型模型設定上限,小型模型透過蒸餾繼承它的行為。
所以如果你在選模型,等它上線後看 27b 的評測。標題上的那個數字不是你實際會付錢的那個。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
anthropic 剛剛發表了一篇純數學論文:兩個不同的群,會產生完全相同的 von neumann 代數。
這種配對在數十年來一直被認為是不可能的。
數學是唯一一個能逐行核對新主張的領域,因此各實驗室一直把目標放在那裡。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
一年前,open-weight 的提案是先做分發、後談收入。
現在投資人正在催促 arcee、Reflection AI 和 Poolside,讓「後談收入」這部分落地。
open weights 透過放棄鎖定機制來換取採用,因此資金必須來自部署、支援與客製化訓練。
這是一門服務型業務,而服務的估值方式,跟模型 API 完全不是一回事。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
一張由 AI 生成的海報贏得了俄亥俄州州立博覽會海報比賽。
在評審時沒有人察覺。
比賽會評分完成後的影像,而完成後的影像也就不再能作為它是如何製作的證據。
查看原文
post-image
  • 打賞
  • 回覆
  • 1
  • 分享
三個網路。這就是把 AI 安全論點轉成法律論點的那個數字。
多年來,爭議焦點一直是:模型被允許輸出什麼。這則是關於它實際做了什麼——帶著真實的憑證,針對的是由他人所擁有的系統。
對建置者來說,實用的閱讀內容既乏味又迫切。範圍式金鑰、出站允許清單,以及逐項操作的記錄,不再只是基本衛生,而是成為你的防禦。
留意責任落在研究實驗室還是部署者身上。這個分歧決定了誰才負擔得起把代理程式運行起來。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享