Kimi K3 最值得关注的，不是 1M 上下文本身。 而是它把“AI 能同时记住多少东西”，正式做成了会员权益： Moderato：256K Allegretto 及以上：1M 同一个模型，区别不再只是能不能用，而是它能把多少项目状态留在“工作记忆”里。 AI 会员正在变得越来越像买电脑： 模型是 CPU，上下文是内存，会员档位就是不同的内存配置。 这也解释了 K3 为什么特别强调编程、游戏和 3D。 1M 上下文不是为了陪你聊更久，而是想一次吞下代码、文档、日志、场景配置和任务历史，持续完成一个真正的大项目。 所以 K3 真正测试的可能不是模型能力，而是一个新的商业问题： 用户愿不愿意为 AI 的“记忆容量”单独付费？ 未来最贵的 AI 权益，可能不是更聪明， 而是它能同时记住你世界里的多少东西。 你会为了 1M 上下文升级会员吗？

零刻 ME Pro 370 系列正式上架，起售价 3999 元，主打 NAS 型迷你主机。它搭载 AMD Ryzen AI 9 HX 370，最高支持 256GB DDR5 内存，还配了 3 个 M.2 和最高 30TB 的机械硬盘扩展。接口也挺全，带 10GbE、2.5GbE 和 USB4.

小米今天正式发布了MiMo-V2系列旗舰模型，包括 1.MiMo-V2-Pro：总参数超1T（激活42B），专为Agent场景优化，支持1M超长上下文，全球Artificial Analysis排行榜第8、国内第2。 2.MiMo-V2-Omni：全模态基座模型（文本+图像+视频+音频理解），音频理解能力超Gemini 3 Pro。 3.MiMo-V2-TTS：端到端语音合成模型，支持高保真、多语种、自然情感表达。 （ai语音说话） 相关链接 官方API开放平台（接入、定价、文档）： （MiMo-V2-Pro API定价：256K内输入$1/百万tokens、输出$3；1M内输入$2、输出$6。注册后可立即获取Key。） 在线体验平台（MiMo Studio，含MiMo Claw Agent演示，直接免费试用MiMo-V2-Pro的Agent能力）： （推荐从这里开始玩，网页端就能体验“养龙虾”式的复杂任务，比如自动生成网站、操控工具等。） 初步评测： Artificial Analysis排行榜：MiMo-V2-Pro全球第8（综合智能指数），国内第二 （强调性价比最高之一，尤其在< $0.15/百万tokens价位段霸榜。） OpenClaw标准评测（PinchBench & ClawEval）：MiMo-V2-Pro排名全球顶尖（第三，仅次Claude Sonnet 4.6和Opus 4.6）。在无人工干预下，能完成复杂工作流编排、长程规划、精准工具调用。 1M上下文下支撑真实高强度龙虾应用；早期匿名版“Hunter Alpha”在OpenRouter调用量超1T tokens，多日登顶日榜。 作如何和OpenClaw结合？ MiMo-V2-Pro就是专为OpenClaw这类Agent框架深度优化的！ 小米官方已宣布联合OpenClaw、OpenCode、KiloCode、Blackbox、Cline五大框架团队，提供一周限时免费接口支持（全球开发者都能白嫖）。结合方式：直接用MiMo API替换Claude/OpenAI Key（兼容OpenAI SDK格式），在OpenClaw的Scaffold（脚手架）里接入即可。 模型针对OpenClaw等框架做了深度SFT + RL强化，工具调用、多步推理、长程规划特别稳。 实际表现：在OpenClaw里能一步生成完整网页、自主处理报错/多标签切换、完成选品比价下单、制作短视频等复杂链路，像真人操作浏览器。 小米自己的扩展：他们还出了Xiaomi miclaw（手机端类OpenClaw系统级Agent），基于MiMo系列，能直接“动手操作手机”。 快速上手建议：去 Claw（内置OpenClaw式演示）； 或直接在OpenClaw项目里换API Base为

懒猫算力舱 X5 终于上线了，2070T 最强推理算力，128GB 超大显存，英伟达芯片，还配备 100GB 光口 和万兆网口，所有配置拉满 超帅超强，比 GB10 性能还强一倍，可以通过光口和 vllm 无限组网跑本地大模型，可以当独立电脑用 详细配置参数如下，预售 200 台已卖光，想要进一步了解软件性能的评论区打 1 懒猫 AI 算力舱（LazyCat AI Pod）详细硬件参数 1. 产品概述 紧凑型 AI 计算设备，面向硬核开发者 搭载 NVIDIA Jetson GPU，支持 CUDA 生态 统一内存架构，可本地部署大规模 AI 模型（如 DeepSeek-V4-Flash 284B） 预装 Ubuntu，支持本地 AI 部署，可作为私有 AI 超算替代云服务 从开箱到运行 AI 模型约 5 分钟 支持多机联网扩展算力 2. CPU 架构：Arm® Neoverse®-V3AE 64-bit X5-T4000**：12 核心，最高频率 2.6 GHz，每核心 1 MB L2 缓存，16 MB 共享系统 L3 缓存 X5-T5000**：14 核心，最高频率 2.6 GHz，每核心 1 MB L2 缓存，16 MB 共享系统 L3 缓存 3. GPU / AI 算力 架构：NVIDIA Blackwell X5-T4000（NVIDIA Jetson T4000）**： 1536 核心 第 5 代 Tensor Core MIG：6 TPC 最高频率 1.53 GHz AI 性能：1200T X5-T5000（NVIDIA Jetson T5000）**： 2560 核心 第 5 代 Tensor Core MIG：10 TPC 最高频率 1.57 GHz AI 性能：2070T 完整支持 CUDA 生态；非 CUDA 芯片实际 AI 性能约降低 50% 4. 内存 类型：LPDDR5X，256-bit 带宽：273 GB/s X5-T4000**：64 GB X5-T5000**：128 GB（可支持 DeepSeek-V4-Flash 284B 大模型：总参数 284B / 激活参数 13B，适合文生图、文生视频等任务；支持 vLLM 及多机联网扩展） 5. 存储 系统存储（嵌入式）：64 GB eMMC 5.1（主要针对 X5-T5000 提及） 模型存储：最高 32 TB（通过最多 2 个 M.2 接口） 支持 PCIe NVMe 和 USB 3.2 SSD 6. 网络与接口 有线网络 X5-T4000**：1 × QSFP28 光口（最高 75 Gbps，3 × 25GbE）+ 1 × 10GbE RJ45 口（支持网络唤醒） X5-T5000**：1 × QSFP28 光口（最高 100 Gbps，4 × 25GbE）+ 1 × 10GbE RJ45 口（支持网络唤醒） 无线 Wi-Fi：海华 WIFI6 XB560NF 无线网卡，双贴片天线 蓝牙：5.4 其他端口 1 × Type-C 3.2 Gen2（10 Gbps） 2 × USB 3.2 Gen1（5 Gbps） 1 × HDMI 2.1（支持 8K 输出） 1 × DC 电源口（5.5×2.5 mm） 7. 电源与功耗 模块功耗： X5-T4000：40W ~ 70W X5-T5000：40W 130W（针对 AI 推理优化，远低于消费级 GPU 的 350W 450W） 电源适配器：氮化镓宽电压适配器，输入 100V ~ 240V，输出 12V/8A，频率 50/60 Hz，支持 UPS 不间断供电 8. 外观与物理规格 尺寸：144 × 130 × 61 mm（长 × 宽 × 高） 重量：2.3 kg 外壳：金属机身 颜色版本： 太空白（喷砂烤漆工艺） 星辰灰（阳极氧化工艺） 9. 散热 直吹液压静音风扇 10 mm 大风量风扇 静音 FDB 轴承 转速 3500 ± 10% RPM 配备定制静音转速算法，12V 供电 10. 软件与系统支持 操作系统：预装 Ubuntu（含 CUDA 加速驱动和 AI 开发环境） 支持框架：Ollama、vLLM、Shimmy 等 常见应用：Jupyter Notebook（一键安装 CUDA 支持）、ComfyUI（文生图）、AI 语音识别/合成、DeepSeek OCR、文档/PDF 翻译等 支持内网穿透，手机远程访问 100% 本地部署，数据物理隔离，无需上传云端 可独立作为 Ubuntu AI 电脑使用（接键鼠显示器），也可多机联网扩展

SpaceX之前最重磅的IPO估计就是下周这个超大晶圆制造商Cerebras Systems的上市了，Cerebras是一家专注于AI加速器的美国公司，总部位于加州Sunnyvale，成立于2016年。公司以“晶圆级集成”（Wafer-Scale Engine，简称WSE）技术闻名，核心产品是将整个300mm硅晶圆直接做成一颗超级大的AI处理器，而不是像传统GPU那样切成小芯片再封装。这解决了AI训练/推理中常见的内存带宽和芯片间通信瓶颈问题，被誉为“世界上最大的AI芯片”。树立了下关于Cerebras几部分关键信息。 1、核心技术和产品 1）晶圆级引擎（WSE） 传统AI芯片（如NVIDIA H100/B200）采用多芯片模块（MCM）或小型die，通过NVLink/HBM等外部互联扩展。但Cerebras的WSE把整个晶圆做成单一die，避免了芯片间通信延迟和带宽损失，实现了“片上”海量并行计算。 WSE-3采用“Weight Streaming”架构，将计算和内存解耦，支持外部MemoryX扩展（1.5TB、12TB、120TB甚至1.2 PB），单系统即可训练高达24万亿参数的超大模型。 2）CS-3系统 单台15U机柜，内置1颗WSE-3，支持水冷。通过SwarmX互联可扩展至2048台集群，峰值达256 exaFLOPS。单台CS-3就能在不到1天内从零训练Llama 2 70B模型（Meta GPU集群需约1个月）。 3）性能优势 Cerebras强调“消除数据移动瓶颈”： 比上一代CS-2（WSE-2）：性能翻倍，功耗和成本不变（CS-2用7nm，2.6万亿晶体管，40 GB SRAM）。 比NVIDIA H100/B200：在内存密集型大模型任务中优势显著。CS-3单系统内存容量远超10,000节点GPU集群；推理速度可达GPU云的数倍（尤其是长上下文/大模型）。公司声称在Llama/Falcon等模型上tokens/second提升2倍。 实际基准：Condor Galaxy 3（64台CS-3集群，8 exaFLOPS）已于2024年Q2上线，与G42合作。集群编程像“单芯片”一样简单，无需复杂分布式框架。 优势： 极致内存带宽 → 适合万亿/十万亿参数模型训练与推理。 扩展性强 → 集群像单机一样编程，开发效率高。 能效/成本在特定 workloads 上优于GPU（同功耗下性能翻倍）。 挑战： 单系统功耗高（25kW），部署门槛高（需专用数据中心基础设施）。 晶圆级制造良率和缺陷容忍技术虽成熟，但整体成本高（单系统硬件估算数百万美元）。 生态不如CUDA成熟，主要针对AI训练/推理大模型，不如GPU通用。 总体上Cerebras是“垂直优化”的AI超级计算机方案，适合追求极致规模和速度的 hyperscaler、主权AI项目、国家实验室，而非通用GPU替代品。 2、发展历程 Cerebras从“卖硬件”转向“AI超级计算平台”，已从早期科研验证走向商用落地（Condor Galaxy等主权AI项目）。 从SeaMicro老兵到AI晶圆级先锋 Cerebras成立于2015-2016年（官方多以2016年计），总部位于加州Sunnyvale。创始人团队全部来自SeaMicro（2012年被AMD以3.34亿美元收购），早期处于stealth模式四年，专注解决“晶圆级集成良率难题”。 1）2019年：发布首代WSE-1，开启晶圆级AI芯片时代。 2）2020-2022年：推出CS-1/CS-2系统，完成从“芯片”到“系统+软件栈”的闭环，与TSMC深度绑定实现量产。 3）2024年：WSE-3及CS-3系统落地，性能翻倍；同期首次递交S-1（后因业务优化于2025年10月撤回）。 4）2025-2026年：转向云推理服务+混合模式，与OpenAI签署巨额合作； 5）2026年2月完成Series H，4月重启S-1，5月启动路演，计划Nasdaq上市（代码CBRS）。 3、核心团队及融资 1）核心团队 Andrew Feldman（CEO、联合创始人）：连续创业者，曾任SeaMicro CEO、Force10 Networks产品VP（后被Dell收购）、Riverstone Networks营销VP。斯坦福MBA背景，擅长产品化与资本运作。 Gary Lauterbach（联合创始人、前CTO）：Sun Microsystems UltraSPARC首席架构师，58项专利，曾主导AMD数据中心业务。 Sean Lie（联合创始人、现CTO）：MIT本科+硕士，AMD高级架构师，29项专利。 Michael James（首席架构师）：SeaMicro软件架构师，后任AMD对应岗位。 Jean-Philippe Fricker（首席系统架构师）：DSSD/SeaMicro资深硬件架构师，30项专利。 团队优势在于“系统思维”而非单纯芯片设计：他们深谙数据中心功耗、互联与软件优化，曾用fabric架构重塑服务器。这正是Cerebras能解决晶圆级缺陷容忍与Weight Streaming架构的关键。 2）融资历程 累计融资约29-37亿美元（含多轮），估值从早期数百M美元飙升至IPO前230-266亿美元： 早期：Series B/C/D（2016-2018）累计约1.7亿美元，投资者包括Foundation Capital、Eclipse、Sequoia、Benchmark。 中后期：2019 Series E（2.72亿美元，估值24亿美元）；2021 Series F（2.54亿美元，估值41亿美元）。 2025-2026：Series G（11亿美元，估值81亿美元）；Series H（10亿美元，估值230亿美元，Tiger Global领投，Benchmark、Fidelity、AMD等跟投）。 4、业务模式与财务表现 Cerebras早期卖硬件（CS-2/CS-3系统），后来转向云服务（Cerebras Inference，云端提供超快AI推理）和混合模式。客户包括CSP、 hyperscaler、企业、主权AI项目（如G42）、研究机构。 2025财年财务：收入5.1亿美元（同比+76%，2024年2.9亿美元，2023年0.787亿美元，2022年0.246亿美元，20倍增长）。硬件收入约3.58亿美元，云及其他服务1.52亿美元。 GAAP净利润：约0.879亿美元（2024年净亏损4.85亿美元），首次实现盈利（不过非GAAP仍有亏损）。 剩余履约义务（backlog）：246亿美元（OpenAI等多年前期大单贡献），2026-2027年预计确认15%。 客户集中度：2025年G42占24%（此前曾高达87%），另一UAE客户占62%，但已显著多元化；OpenAI签署超100-200亿美元多年前期合作（含1亿美元贷款+认股权证）。 公司定位从“卖芯片”转向“AI基础设施平台+云”，并与Qualcomm等合作加速边缘部署。 5、IPO相关信息： IPO 基础发行2800万A类普通股，超额配售420万A类普通股，核心管理层和投资人不卖股。纯公司发行新股用于募资，无大量旧股套现。 IPO定价$115–$125/股，因需求超20倍，已计划上调至$125–$135/股（可能进一步调整）。高区间（$125）募资约35亿美元（基础28M股），含超额配售最高约40.25亿美元。 高估值下（$125/股）对应市值约266亿美元IPO后总流通股本约 2.13亿百万股（包括Class A、B、N等）。其中： Class A（上市交易股）为IPO发行的28M股 + 超额部分； 其余Class B（高投票权，创始团队/早期投资者/优先股转换后）和Class N（非投票权，如OpenAI认股权证相关）。 ipo后解禁期前的流通比例 标准锁定期： 180天或提前至Q3 2026财报发布后两个交易日（取较早者）。 解禁前初始流通股（Initial Float）： 仅IPO发行的 28百万股（基础）或最高 32.2百万股（含超额）。 锁定期内真实流通比例： 约 13.1%–15.1%（28M / 213M ≈ 13.1%；32.2M / 213M ≈ 15.1%） 预期定价日：下周三5月13日，预期上市交易日：5月14日（周四），代码CBRS。 整体而言估值虽高，但增长潜力和技术壁垒值得关注 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

我是256🤍ྀི 這次第一次參加台灣FF🤍ྀི 還會製作全新的佩可拉寫真集🥕✨ 會帶很多不同的寫真集過去🐬🩵 第1天 Q31 第2天 S21 台灣的大家請多多指教～！ #台湾FF# #FF47#