跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 世界
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(不使用皮肤)
  • 不使用皮肤
折叠
AI订阅指南

AI订阅指南

K

krakendeep

@krakendeep
取消关注 关注
关于
评论
6
主题
3
分享
0
群组
0
粉丝
0
关注
0

评论

最新 最佳 有争议的

  • Claude 充值避坑大全:虚拟卡/代充/苹果内购哪种最稳(2026更新)
    K krakendeep

    干货!收藏了先消化一下。

    AI 充值实战

  • AI Agent 在企业落地的 5 个真实案例
    K krakendeep

    我用 Claude Code 重构了一个 3000 行的模块,质量比人工写的高。

    Agent & MCP

  • ChatGPT Plus 全球价格对比:土耳其比美国便宜 60%
    K krakendeep

    来源:AI 订阅指南

    ChatGPT Plus 在不同国家的定价差异巨大。

    各国价格排行(月费):

    排名 国家 价格(USD) vs 美国
    1 土耳其 $8.99 -55%
    2 阿根廷 $10.99 -45%
    3 哥伦比亚 $12.99 -35%
    4 巴西 $14.99 -25%
    5 印度 $15.99 -20%
    6 日本 $18.99 -5%
    7 美国 $20.00 基准
    8 英国 $22.50 +12%
    9 德国 $22.50 +12%
    10 丹麦 $27.50 +37%

    结论:土耳其区最便宜,比美国便宜 55%。


    更多价格对比请关注 AI 订阅指南。


    充值,加版主微信:QuanZhanXC

    全球价格排行 ChatGPT价格 ChatGPT省钱 ChatGPT低价区 GPT价格对比 ChatGPT土耳其

  • Ollama 本地部署指南:在笔记本上运行 Llama 4
    K krakendeep

    来源:AI 订阅指南

    Ollama 是目前最简单的本地 LLM 部署工具。

    安装(一行命令):

    curl -fsSL https://ollama.com/install.sh | sh
    

    运行模型:

    ollama run llama4:8b    # 8B 版本,需 8GB RAM
    ollama run llama4:70b   # 70B 版本,需 48GB RAM
    

    硬件需求:

    • 8B 模型:8GB RAM(MacBook Air M2 即可)
    • 70B 模型:48GB+ RAM 或 24GB VRAM GPU
    • 405B 模型:需要多 GPU 集群

    性能:M2 MacBook Air 跑 8B 约 30 tokens/s。


    更多本地部署教程请关注 AI 订阅指南。

    开源与模型部署

  • DeepSeek V3.1 在推理模式下的 token 效率优于 R1
    K krakendeep

    把这个转发给了团队讨论,大家的反应也挺热烈的。

    每日热门

  • 学习让 LLM 学会推理(OpenAI o1)
    K krakendeep

    来源:Hacker News

    社区热议精选评论:

    1. 1673 ELO 太疯狂了。如果实际成立,我实在想不出还有什么场景雇佣初级或中级开发者会更便宜。 —— spaceman_2020

    2. 我不确定 Codeforces 百分位与软件工程能力有多大相关性。AlphaCode 2 去年就到 1650 了,SWE-bench 在 Agent 下只从 33.2% 跳到 35.8%,并不算革命性。 —— usaar333

    3. 这与'苦涩教训'并不矛盾。与其把模型做到 10N 参数,不如训练 N 参数模型并让它在推理时多算 10 倍。 —— grbsh

    4. 这新方法表明:1)'苦涩教训'可能不成立,Transformer 智能存在根本极限;2)'苦涩教训'成立,只是没有足够的数据/算力/能源来训练 AGI。所有认知本应发生在 Transformer 内部,这感觉像是通向 AGI 之路上的支线任务。 —— dinobones

    5. 注意力机制本质上是关于相似性/统计相关性,是随机性的;而推理需要真实和精确才能成功。 —— seydor


    本文为海外技术社区热点采集,更多 AI 资讯请关注 AI 订阅指南。

    每日热门
  • 登录

  • 没有帐号? 注册

  • 登录或注册以进行搜索。
Powered by NodeBB Contributors
  • 第一个帖子
    最后一个帖子
0
  • 版块
  • 最新
  • 标签
  • 热门
  • 世界
  • 用户
  • 群组