注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 14B】「多摩川の景色を堪能! 拝島編」の巻
14B】「多摩川の景色を堪能! 拝島編」の巻 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 14B】「多摩川の景色を堪能! 拝島編」の巻 的推特
Wan-Dancer-14B:根据音乐生成人物舞蹈视频 算是全能参考的一个进步,让Wan视频模型能根据输入的音乐,生成节奏符合的舞蹈视频。 模型:
显示更多
0
2
64
10
转发到社区
昨晚Cerebras没想到开盘直接冲到380,估值快要冲1000亿。只能说现在美股AI Fomo情绪有点吓人,这价格真的有点下不去手 就像我上一条帖所说,短期看数据和财报,这开盘的PE已经快要200,对一家高速增长的科技型企业也已经很高了 而长线则是我说的那三条推理时代平行宇宙时间线 1. 时间线一:超大模型继续统治 利好 NVIDIA,Cerebras 只能做特定场景加速。- 380刀偏贵。 2. 时间线二:30B-70B中模型成为Agent主流执行层。 Cerebras 速度、SRAM、本地推理优势被放大,进入甜区 - 380刀是OK的,但也不能算是个便宜的Alpha。 3. 时间线三:8B-14B 端侧小模型主导 手机NPU、ASIC、GPU都能跑,Cerebras优势发挥不出来,反而尴尬 - 380刀很贵。 感觉当前市场已经开始按时间线二给它定价,Price In了不少这个乐观预期,但目前根本无法证明时间线二一定会发生,我先观望下再说
显示更多
听完微策略MSTR财报会后的总结和想法, 1)STRC的地位被无限拔高,被称为最伟大和最成功的产品&皇冠上的明珠。目前80%的STRC被12万+的散户持有。嘉信是目前最重要的销售渠道,23%的STRC持仓在嘉信理财账户中。在机构侧,STRC已是黑石一支AUM 14B的ETF的第二大持仓,也是VanEck一支信用ETF的第二大持仓。 2)相比于BTC,机构天然更“容易”购买STRC。Michael Saylor提到,如果一家公司计划买BTC,那么往往需要CEO力挺+通过董事会,整个过程很复杂且只要有一位董事反对,决策周期就会被无限拉长,甚至导致购买计划流产。 但如果只是购买STRC,则通常不需要过董事会,甚至CFO都不需要和CEO讲,自己就能做决策。决策周期短且外部阻力小。 3)微策略视角里的BTC,MSTR和STRC, BTC是一个波动率40+年化40%的大类资产。微策略通过累积BTC资产,剥离货币风险,降低信用风险,压缩久期风险,提纯收益率,抑制波动率,最终把它“拆解”为了两部分,一部分是波动率71+59%年化收益率的MSTR,另一部分是波动率3+11.5%收益率的STRC。 “拆分”后,两款产品能触及到不同风险偏好,不同资产偏好...的人群,同时能适应不同的市场环境,如在市场波动率低时,有利于STRC,而在波动率高时,有利于MSTR。 (大师级解构,理解和CX) 4)微策略并不认为STRC是贷款,而是利率可变的永续互换,其官方定义的STRC收益率=SOFR利率+信用利差。那么如果未来FED降息,或者是微策略“评级”上升,BTC价格上涨,波动率降低...STRC收益率存在被下调的可能。 5)关于mNAV和ATM,mNAV=1不是盈亏平衡点,而是1.22。 市场可能普遍认为在mNAV<1时,微策略ATM融资是不划算的。但实际上目前这个数字是1.22,因为增加了债务和优先股到资本结构中。 这意味着只有在1.22倍MNAV或更高时,出售MSTR买入比特币对微策略才是增值的。 6)即使是卖BTC,也会有“税务优惠”(安慰能力很强):因为在每个区间里都买入了大量BTC,所以如果是卖出高于市场价的持仓,能得到税务上的“好处”。 7)Michael对风险资产,BTC和MSTR的理解:BTC是风险资产的平方(更大波动),MSTR是风险资产的立方(巨大波动)。 8)微策略之后的理想资产负债表管理是,赎回全部的可转债,重心放在打磨STRC,提高mNAV,管理普通股MSTR,以及管理BTC堆栈(即BPS,每股对应的)。但不会放弃其他的优先股工具如像STRFSTRD等,因为这些意味着数十亿美元的“选择权” 。 即重心是STRC股东和普通股股东 From CoinEx&ViaBTC Institution
显示更多
0
18
165
29
转发到社区
《这可能是你需要的唯一一份2026山寨定投指南✍️》 ⇒/上轮是山寨普涨,垃圾币都能10倍。这轮是局部牛市,只有真正有收入壁垒的才涨,其他的跌90%之后还能再跌90% 整体流动性对山寨的溢出也不均衡。市场更倾向于对有明确叙事、基本面进展和资金关注度的项目给予定价,纯情绪驱动的山寨波动加剧,分化较为明显。 在此背景下,我整理了目前正在跟踪的山寨观察清单。 筛选主要基于以下几个维度:赛道所处阶段与潜在空间、项目近期生态进展、估值与流动性状况 以下内容仅为个人研究记录,不构成任何投资建议。 山寨定投清单 —基本面+空间+介入价位👇👇👇 一、DeFi收入机器(呼声最高) 1⃣ HYPE(Hyperliquid) 当前约$78 MC $19B 30天收入$66M | 日均回购210万 刀| 已累计回购1.3B 牛市目标:$150-200(MC $50-66B,对标上轮CEX代币天花板) 空间:1.7-2.3x 介入参考:$50-70 2⃣ AAVE 当前约$130 | MC约$2B 借贷龙头 TVL 30.1B 上轮ATH:$665(MC $9B) 牛市目标:$400-600(MC $6-9B,回到上轮水平) 空间:3-4.5x 介入参考:$80-120 3⃣ UNI(Uniswap) 当前约$6.9 | MC约$4.2B DEX龙头 | v4上线 | 月回购$790万 上轮ATH:$45(MC $30B) 牛市目标:$25-40(MC $15-25B) 空间:3-5x 介入参考:$4.5-6 4⃣ PENDLE 当前约$1.67 | MC约$290M 收益代币化唯一龙头 | RWA桥梁 | 自适应各种FI 上轮ATH:$7.5(但当时产品远不如现在) 牛市目标:$12-18(MC $3.5-5.5B) 空间:3.5-5x 介入参考:$1-1.5 5⃣ PUMP 链上发射台收入机器 年收入$3.2亿 | 月回购$2700万 | 17%年化回购收益率 牛市目标取决于meme周期 高弹性 空间:3-5x(meme牛市时弹性极大) 参考介入:0.002-0.0026 6⃣ ENA 当前约$0.16 | MC约$2.2B USDe供应$4.6B | VC已一次性解锁完毕 | 回购启动 牛市目标:$0.70-1.20(MC $4-8B) 空间:3.5-6x 参考介入:$0.10-0.14 ━━━━━━━━━━━━━ 二、基础设施(确定性最高) 7⃣ SOL 当前约$90 | MC约$53B 高性能L1 | 链上活动最密集 | 机构采用 上轮ATH:$293(MC $75B) 牛市目标:$400-700(MC $180-320B,本轮生态远超上轮) 空间:4-7x 参考介入:$60-80 8⃣ LINK(Chainlink) 当前约$11 | MC约$8.4B 预言机龙头| RWA基础设施必选项 上轮ATH:$52(MC $23B) 牛市目标:$50-80(MC $30-50B) 空间:4.5-7x 参考介入:$7-9 9⃣ BNB 当前约$693 | MC约$91B 币安平台币交易所生态 上轮ATH:$1370 牛市目标:$1500-2500(MC $230-385B) 空间:2-3.3x 参考介入:$500-600 🔟 SUI 技术优势明确 | 生态快速增长 牛市目标:$8-12 空间:3-5x 介入参考:0.5-0.7 ━━━━━━━━━━━━━ 三、叙事龙头(赔率最大) 1⃣1⃣ ONDO(RWA龙头) 当前约$0.37 | MC约$1.8B | TVL ~$1B 代币化国债/基金 | 机构叙事核心标的 牛市目标:$1.50-3.00(MC $7-14B) 空间:3.5-7x 参考介入:$0.22-0.30 1⃣2⃣ TAO 去中心化AI训练 | 60%+质押率 | 子网生态扩张 牛市目标:$1500-3000(AI叙事天花板很高) 空间:取决于AI周期 参考介入:135-180 1⃣3⃣ RENDER 去中心化GPU计算 | DePIN+AI双叙事 牛市目标:$20-35 空间:3-5x 参考介入:1.3-1.5 1⃣4⃣ NEAR AI+L1 | 可扩展 上轮ATH:$20(MC $13B) 牛市目标:$30-60(MC $20-40B) 空间:6-13x 参考介入:$2.5-3.5 1️⃣5️⃣LDO(Lido) ETH质押龙头 质押赛道最大份额 MC约$272M | 上轮ATH MC $2.7B | 空间:4-8x 参考介入:0.23-0.28 ━━━━━━━━━━━━━ 四、Solana生态+新势力 1⃣6⃣ JUP Solana DEX聚合器95%市占率 牛市目标:$1-2(MC $3-6B) 空间:4-8x 参考介入:$0.12-0.18 1⃣7⃣ AVAX 机构定制链 | 上轮ATH:$146(MC $36B) 牛市目标:$100-160(MC $40-65B) 空间:3-5x 参考介入:6-8 1⃣8⃣ ARB(Arbitrum) L2龙头 | 生态最成熟 | 牛市目标:$0.80-1.50 空间:3-5x 参考介入:$0.15-0.25 1⃣9⃣ LIT Perp DEX新秀 | 和HYPE同赛道 空间:5-10x(如果赛道beta够大) 参考介入:2-2.5 2️⃣0️⃣RAY Solana链上DEX龙头 SOL生态beta MC约$483M | 空间5-8x 参考介入:1-1.2 上轮牛市DeFi龙头市值天花板(UNI $30B、AAVE $9B、LINK $23B)这轮大概率突破,因为收入规模和产品成熟度远超当时。 这轮市场更奖赏业务收入能回流给代币的项目,资金更挑剔的环境下,资本更愿意去有基本面支撑的标的 中英文区目前共识度最高:「 $HYPE 、 $SOL、 $SUI、 $NEAR 」 当前环境下山寨5-10倍机会确实比上轮少很多,与其赌小币不如把大头放在确定性高的等BTC 上,现在就能分批定投,2-3倍已经很香了。一部分博山寨 BTC $60K-70K是很好的山寨建仓窗口,大部分标的会再跌30%-40% (包括点位只是参考建议,分批上车
显示更多
三十岁上下的技术人,决定中国核心 AI 组织如何投入最重要的资源 过去二十年,中国互联网公司的权力,大多随着商业战果分配。但如今,一批三十岁上下的技术人,正在通过另一条路径进入中国最核心科技公司的权力中心:不必等到产品取得商业成功,他们就开始掌握重要的研发决策权,由此影响数百名研究员的工作,以及数以亿计的算力如何投入。 - 2026 年 3 月,几名 Kimi 的年轻研究员希望把一项叫 Attention Residuals 的新技术放进正在研发的下一代旗舰大模型 K3。这个想法最初来自 Kimi 的研究员苏剑林,业内人称 “苏神”。这个想法来自他读完 DeepSeek 的 mHC 论文后的灵光一现:既然是在做加权求和,何不用 Attention? - 苏剑林很快写了一个简化版本,效果很好。但完整版需要保存各层信息,还要在设备间传递,训练团队算过后发现,以当时的资源根本无法承担。张宇和当时只有 17 岁的陈广宇几乎只用了一个晚上,提出了 Block AttnRes(分块注意力残差)设计:把模型的多个层分成 8 个组(Block),先汇总组内信息,再在组间做 Attention。这一方案把额外开销控制在 5% 以内,同时带来了约 20% 的训练效率提升。 - 最后杨植麟拍板,同意 K3 推迟开训,为团队留出验证时间。3 月 16 日,Kimi 公开了这项研究,四个月后,拥有 2.8 万亿参数的 K3 发布,Attention Residuals 成为其重要架构之一。 - 这个故事里,提出新想法的是一名远程工作的研究员,将它变成可行方案的包括一名 17 岁高中生和一名年轻博士;训练、推理和 Infra 团队则在周末的深夜合力解决了大规模工程的问题。最后,作为 CEO 的杨植麟拍板决定,为它改变公司最重要模型的训练日程。新一代 AI 管理者的能力,不只是自己懂技术,还包括识别他人的技术判断,并将其变成整个组织的 bet。 - 智谱的 Coding 转向,同样不是某个负责人一开始就确定的战略。2025 年初,DeepSeek-R1 发布后,智谱感到了落后的压力,模型效果不及预期,行业又陷入价格战。唐杰召集十几位核心技术人员讨论下一步方向,00 后、尚未博士毕业的曾奥涵提出做 Coding,但这个方向在智谱内部并未成为共识。 - 唐杰没有当场决定,而是让不同团队分头探索。转折出现在 2025 年 4 月,智谱发布的一批 320 亿参数模型中,有一个版本加强了工程代码和函数调用能力,内部测评与使用反馈让 Coding 获得更多认可。七月,GLM-4.5 发布,编程成为市场反馈最好的能力之一;到十二月,智谱 CEO 张鹏称,这项业务的年度经常性收入已经超过一亿元人民币。押注 Coding,成为智谱成立以来最重要的战略决策之一。这不是一个人的决定,而是一群年轻技术人员的判断,经过不同团队的探索和验证,逐渐成为公司的战略选择。 - 小米 MiMo 的路径更激进一些。2025 年 4 月,小米发布第一款 7B 模型,罗福莉加入后,和团队决定同时训练一个数千亿参数的模型和一个万亿参数的模型,后来分别成为 MiMo-V2-Flash 和 MiMo-V2-Pro。当时团队只有几十人,大部分研究员没有训练过大模型,有经验的人中,不少也只做过 7B、14B。一位同行感叹,在他看来,按照更稳妥的路线,应该先把数千亿参数模型训出来,再决定是否继续扩大,但罗福莉不想再训一个“同样的模型”,既然继续 scaling,就要再往前走,而 1T 已经接近当时团队已有算力能尝试的极限。 - 罗福莉能够作出这样的决定,与小米给予的技术自主权有关。雷军大约每两周听一次汇报,但通常不干预具体技术决策。做什么模型、采用什么路线,很大程度由罗福莉和团队决定。 - 训练开始后,loss 升高、激活值异常、不同专家模块的负载失衡等问题接连出现,团队停下来排查,做数据和预训练的人开始参与后训练,负责训练框架和推理 Infra 的人也一起解决问题。罗福莉说,这些变化很少来自正式调配,更多是研究员根据兴趣自然流动。一位年轻研究员说,自己从学校来到 MiMo ,几乎没感觉环境有什么变化,“就感觉跟实验室一样”。两款模型最终完成,小米也由此进入能够训练万亿参数基座模型的公司行列。 - 获得权力之后,这批年轻的技术领军者要面对的第一个现实课题,是如何招人、管人。在顶尖人才极度稀缺的大模型领域,研究员选择公司,本质上是在选择一个能理解自己、值得追随的负责人。技术声望天然自带引力。杨植麟创业前曾在 Meta AI、Google Brain 实习,是 XLNet、Transformer‑XL 的共同第一作者。姚顺雨加入腾讯前是 OpenAI 的研究员,参与 Deep Research 和 Operator 两个核心项目。腾讯招聘团队人士说,姚顺雨加入后,混元在校招上的吸引力明显提升。 - 相比上一代互联网管理者,他们也有意或无意地消解着权力带来的距离感。混元成员叫姚顺雨“姚哥”,他会偶尔办午餐会,也会在全员群里临时组篮球局,Hy 4 Preview 发布后,姚顺雨直接给研究员集体放了一周假。Kimi 员工把杨植麟叫作 KK,研究员可以在群里直接抱怨产品不好用、算力不够,也会用他的表情包开玩笑。昵称、兴趣和轻松的氛围,在互联网公司并不算新鲜。但年轻的研究员们会从这些日常细节里,判断负责人是不是 “同路人”、好不好相处。而一旦进入具体工作,他们真正核心的诉求,是自己的想法究竟能有多大空间。 - 不过,研究员能有多少探索空间,也取决于他们的负责人获得了怎样的支持。2026 年 3 月,林俊旸得知阿里 Qwen 团队可能被拆分,原本整合在一起的预训练、后训练等团队将被重新划分,这与他一直坚持的技术主张相冲突。他在群里留下“无颜再带领大家”的感言,提出离职。在大公司,技术成绩可以带来权力,却未必足以守住权力。技术负责人能作出哪些决定,既取决于最高层的授权,也取决于他在复杂的组织网络中做政治与利益交换的能力。 - 姚顺雨在腾讯采取了另一种方式。混元自己的预训练模型还没准备好时,他先派后训练骨干去帮助元宝优化接入的 DeepSeek。他认为,维护好元宝的产品体验和用户基本盘,对混元后续研发同样重要。这种“向外让渡支持”的做法,后来换来了腾讯内部多个核心产品和部门在混元新模型发布时主动支持。 - 他们因技术获得权力,又必须运用权力,保护技术所需要的自由。同样,他们想让自己和研究者摆脱管理的束缚,也得先学会如何管理。 - 唐杰曾给 AI 时代的能力排过一个次序:“认知>格局>技术>管理”。管理在最末,技术倒数第二。1995 年出生的 LibLib 创始人陈冕也说,管理变得前所未有地不重要,唯一目的是让符合业务特点和要求的人留下来。这群三十岁左右的年轻人,被时代推上了掌管百亿算力与庞大组织的权力位置,却本能地排斥 “管理”——但他们真正排斥的,或许并非管理本身,而是过去大公司里的平庸、官僚与迟缓。 - 但“给他卡就够了”,只是他们对理想研究环境最朴素的描述。但如何争取这些卡、决定把卡给谁,以及为最后的结果负责,却是一场极其现实、艰苦的工作。认知、格局、技术、管理。在真实的商业战场上,这四种能力其实根本无法剥离。认知是判断做什么、不做什么,这既需要扎实的技术体感,也需要看清终局的格局;而要把判断变成现实的结果,离不开管理与组织协作。把管理排在最后,不会自动成为好管理者;把管理放在最前,也一定不是好管理者。 - 如大半个世纪前德鲁克所阐述的,管理的本质,是让每个人的长处得到发挥,让不同的人能够共同做出凭一己之力无法完成的事。想要实现这一切,第一步,或许要从不再羞于谈论 “管理” 开始。 #ai# #晚点latepost#
显示更多
0
10
190
30
转发到社区
1/ 翻到一个刚开源的 agent 项目 Zleap-Agent,专为本地小模型设计,思路挺有意思。 出发点:本地小模型笨、上下文又小。你要是像用 cc、codex 那样,把系统提示词、工具、记忆、十几轮历史再加个长文档全丢给它,模型基本就被干烧了。。。 2/ 所以他们的想法是:大模型在做的稀疏注意力、长上下文压缩,本质就是别让模型每一步都看所有东西。那这套思路,干脆挪到 harness 层来做,更直接。 3/ 设计有点像电脑桌面。agent 一进去是个主空间,但这个空间纯调度,不配任何工具,只有四个控制能力 dispatch、recall、deliver、task_detail,唯一能干的就是“进到别的 workspace”。 (顺便,workspace 不是子 agent。子 agent 用完即弃,workspace 是常驻的,有记忆有上下文,相当于把我们手写进 md 文件的那部分固化在这儿。) 4/ 跟 Claude Code 最大的区别是做减法的时机。CC 默认模型够强,厚上下文、复杂工具链全给它,装不下了再用 compaction 事后压。Zleap 是事前做减法,东西没进模型就按 workspace 切干净了,对模型能力的要求天生就低。 5/ 想搓本地 agent 的可以试试 Mac 跑本地 7B、14B,套上这层 harness,很多活就能跑起来,也不用什么都丢给云端按 token 付费。 企业多人共享我感觉用处更大:不同部门进不同 workspace,权限、记忆隔离、操作可审计(共用一个 Agent,但不共享同一坨上下文)。 6/ 它最值钱的点,是把工具和上下文做了隔离、提出 workspace 这个概念。这套反过来也能用到 cc 那类 harness 上。之前本地模型 + agent 几乎跑不起来,这算补上了一块空白。还是 preview,但思路我挺喜欢🫡
显示更多
以前是程序员替 AI 收拾残局,现在 AI 开始给程序员写「无 bug 保证书」了:Anthropic 让 Claude 写形式化证明,官方称覆盖 123 个开源库 另外两个惊喜:Canva 自研图像模型冲到设计榜第 2,Carbon-X 一个 14B 模型就能读 DNA 00:00 开场 00:09 Anthropic 形式化验证 01:56 Canva Craft 02:38 Gemini API CLI 04:36 Devin 漏洞修复插件 05:23 METR 红队测试 OpenAI 智能体监控 06:16 Ideogram Vector 1.0 07:07 蚂蚁 Ling-3.1-flash 07:39 SageAI Sage-A1.5 08:27 NVIDIA Nemotron Retriever 10:39 LlamaIndex OCRia-1 12:39 微软研究院 Flint Interactive 13:56 Underdog Bark 3.0 15:15 Hugging Face Carbon-X 16:31 HexaShell(arXiv 2610.23479) 18:40 LEV 循环决策模型(arXiv 2610.20951) 20:50 片尾
显示更多
稳定币卡市场, TRON 独占 32.2% 份额 根据最新数据显示 CryptoCard累计规模已达14B 22条公链中 TRON 以 4.56B 美元位居榜一 占据整个市场约32.2%份额 也就是说 仅波场一家就承载了 近三分之一的稳定币卡规模 从稳定币转账到稳定币消费 TRON的支付优势正在继续往外扩 @justinsuntron #TRONEcoStar#
显示更多
冷知识:币安人生,一个币安的meme的市值,已经和芝麻开门的平台币GT的市值一样高了。 币安人生再上涨50%,就能超越bitget的平台币BGB。 币安人生再上涨100%,就能超越OKX的平台币OKB,或者说,超越Xlayer的市值。 之前还有一个说法,说币安人生是币安的第二个平台币,应该达到BNB的20%,也就是14b——听听就好,不必当真。
显示更多
0
53
16
0
转发到社区
想在本地跑 Qwen、Llama、DeepSeek,但不确定电脑能不能带得动?🥲 Can I Run AI :一个本地大模型硬件检测网页工具 可以通过浏览器识别 CPU、GPU、内存信息,再匹配不同模型的显存需求、量化方案和运行等级 适合在下载 Ollama / LM Studio / GGUF 模型之前,先判断一下: 8G 显存适合跑什么? Mac 统一内存能不能撑住 14B? 32B 模型是不是已经超出当前设备范围? 不能替代真实跑分,但很适合用来排除明显不合适的模型,少走一些下载完才发现跑不动的弯路
显示更多