CMP 170HX 今天又有一个比较实在的进展。 8G版解锁64G之后，已经有人单卡把 Qwen3.8-27B 跑到 200K 级真实长上下文了。 vLLM 0.27.1，175W，不超频，1K 大概84 tok/s，64K 还有75 tok/s，200K 还能跑57 tok/s，而且做了160K左右的 needle retrieval，不只是显存能分配出来，是真的在跑长上下文。 温度也还不错，持续负载核心大概66度，显存71度，功耗173W左右。这个和之前170tune测出来的175W甜点位基本对上了。 但我还是那句话，别一看到256K、262K就高潮。 现在公开证据能确认的是200K级真实跑通，不是262K连续跑几天，更不是24到72小时 serving 0 Xid。 还有一点，这个案例用的版本并没有包含最新的 WPR2 修复，所以它证明的是长上下文能力，不代表满显存稳定性问题已经彻底解决。 目前我的判断还是没变。 8G版越来越像真正能拿去部署的64G AI卡了。 10G版的80G，继续当彩票看。没有多人独立复现，没有全显存唯一pattern，没有多CUDA context，没有24到72小时0错误，我就不加一分钱估值。

🔥X 平台杠开源了整个平台的算法权重，这次连“你的每个动作值多少分”都公开了。 X 直接放出了主要生产权重、可见性过滤规则、账号与内容标签系统、SimClusters，以及真正用于训练和 Serving 的 Phoenix 生产代码。 先猜你会对每条帖子做什么，再按一张“行为价目表”算分，然后经过限流、去重、圈外折扣、新作者扶持，最后决定你看到什么。 工作原理： 1、先找一批“候选帖子”，现在主要有三个入口： • Thunder：你关注的人刚发的内容 • Phoenix Retrieval：根据你的历史行为和内容语义，从全网找 AI 认为你可能感兴趣的帖子 • SimClusters：根据“哪些人经常喜欢同一类东西”形成兴趣簇，再从这些圈子里捞内容 2、然后 Phoenix 对每条帖子预测一串概率： 点赞 / 回复 / 转发 / 引用 / 分享 / 私信分享 / 复制链接 / 点击 / 看视频 / 关注作者…… 负反馈也一起预测： 不感兴趣 / 静音 / 拉黑 / 举报 / 没有停留。 而且它看的信息比“你过去点过什么赞”多得多。 新版生产模型里还有国家、语言、位置、当地时间、年龄段、性别、已安装 App、帖子年龄等上下文。 3、真正炸裂的地方来了： X 这次把主要生产默认权重公开了。 正向： • 复制链接分享：+20 • 回复：+5 • 引用：+5 • 私信分享：+5 • 关注作者：+4 • 普通分享：+2 • 转发：+1 • 点赞：+0.5 • 点击帖子：+0.4 负向更加夸张： • 举报：−234 • 静音作者：−58.8 • 不感兴趣：−43.2 • 拉黑作者：−31.2 还有一个非常有意思的隐藏项： 如果你和作者互相关注，而且对方发的是原创帖，“你会回复它”的权重额外 +15。 基础回复权重是 5。 也就是说，这类帖子对应的回复预测权重可以直接来到 20。 当然，这些数字不能简单理解成： “1 次复制链接 = 40 个赞”。 系统计算的是： 某个行为发生的概率 × 对应权重。 而且 X 自己在代码里专门解释，这些权重同时考虑了行为价值和这种行为在全网有多稀有。 4、打完分还没结束。 圈外内容，也就是你没有关注的账号，默认分数还要乘 0.75。 同一个作者连续出现，也会被强行衰减。 按目前公开的默认参数计算： 同一批候选里，同一个作者的第二条大约只剩 62.5%，第三条约 43.75%，继续出现会越来越接近 25% 的下限。 所以疯狂连续刷帖，并不能无限霸占推荐流。 更有意思的是，小账号真的有代码级“新人保护”。 当前默认参数里： 作者粉丝不超过 1000，帖子浏览低于 1000，满足条件的原创帖，有机会被系统主动往大约第 16 位附近的目标分数抬。 另外，超过 48 小时的帖子，在打分之前就会被过滤。 5、这次对创作者最重要的一个变化，是“限流”终于开始变得可解释了。 X 把 Visibility Filtering 整条链路开出来了。 Spam、恶意链接、NSFW、辱骂、Do Not Amplify 等标签，都可能让一条帖子在“推荐给非关注者”时直接被 DROP。 这就解释了过去一种很常见的现象： 你的粉丝依然可以看到你。 陌生人的 For You 推荐流里，你却几乎消失了。 X 还配套推出了 Under the Hood，可以查看自己账号和帖子身上影响可见性的标签统计。 6、另外还有一个旧版解读需要更新。 Phoenix 内部依然采用 Candidate Isolation。 模型给某条候选帖打基础分时，它看不到同一批里的其他候选帖，所以 Phoenix 这一层的分数不受 Batch 里其他帖子的影响。 但之后还会继续经过： 作者多样性衰减、圈外 0.75 折扣、新作者扶持，以及 DPP 多样性重排。 所以“每条帖子独立打分”依然成立于 Phoenix 这一层。 最终出现在第几位，依然会受到整个推荐管线影响。 几个最值得记住的结论： 第一，复制链接分享的默认权重非常高。 X 明显很在意一条内容有没有强到让人愿意“带出信息流”。 第二，回复远比普通点赞值钱。 互相关注关系里的原创内容，回复预测还会得到巨额加权。 第三，连续刷屏会被作者多样性机制主动压制。 第四，小账号确实存在明确写进代码里的冷启动机会。 第五，负反馈非常贵。 举报、静音、不感兴趣带来的负权重，远高于一次普通点赞提供的正权重。 第六，这次透明度已经高了一个级别，但距离 100% 仍有空间。 真实生产数据和 checkpoint 没有开放，部分 Grox prompts 和 Botmaker 规则依然保留。 对于创作者来说，新的优先级已经非常清晰： 让内容值得被回复、私信分享、复制链接带走； 建立真实的双向关系； 减少连续刷屏； 尽量避免触发“不感兴趣”、静音、举报和各种安全标签。 X 的算法越来越像一个实时预测“你下一步会做什么”的 AI 编辑部。

很多 AWS 用户认为降低 S3 成本就是选择更便宜的 Storage Class，但真正困难的是：你知道自己的数据多久被访问一次吗？ 一个常见误区是马上创建复杂的数据分析系统。 更合理的方法： 1. 使用 S3 Storage Class Analysis 观察真实访问模式 2. 对确定的冷数据使用 Lifecycle Policy 3. 对访问模式未知的数据使用 Intelligent-Tiering 不要为了节省几十美元/月，创建一个维护成本更高的系统。 场景1：业务文件、用户上传文件 图片 | 视频 | 文档 建议： 0-30天: S3 Standard 30-90天: S3 Intelligent-Tiering 90天以后: Standard-IA 场景2：日志 CloudTrail | Application logs | ELB logs 通常： 0-30天: Standard 30-90天: Standard-IA 90天-1年: Glacier Instant Retrieval 1年以上: Glacier Deep Archive 场景3：备份 数据库备份： 7-30天: Standard-IA 30-180天: Glacier Flexible Retrieval 180天以上: Deep Archive 欢迎留言讨论 #aws# #AmazonS3# #数据库#

盛大集团创始人陈天桥近年来在 AI 领域（尤其是“AI长期记忆”和“脑科学与 AI 交叉”方向）进行了深度布局。 他主张通过模拟人类大脑的记忆与认知机制，解决大语言模型（LLM）的“遗忘”和上下文受限问题，使 AI Agents 具备连贯、可进化且个性化的长期记忆。 旗舰开源项目：EverMemOS（智能记忆操作系统） EverMemOS 是由陈天桥旗下的 EverMind 团队推出的一款旗舰级开源、企业级智能记忆系统，被定位为未来 AI Agents 的“数据与记忆基础设施”。 1. 类脑级记忆生命周期（Engram-Inspired） EverMemOS 的设计灵感来源于人类大脑的记忆编码、巩固与提取机制，包含三个核心阶段： 情境痕迹形成（Episodic Trace Formation）：将实时的对话流转化为 MemCells。MemCells 是记忆的原子单元，用于捕获情境线索、事实以及有时效性的预测信号。 语义整合（Semantic Consolidation）：将分散的 MemCells 提炼并组织成更高维度的、具有主题性的语义结构 —— MemScenes。在这个过程中，系统会持续自动演化并更新用户画像（User Profile）。 重构式回忆（Reconstructive Recollection）：在 AI 需要决策时，通过 MemScene 引导的 Agent 检索机制重构上下文，帮助下游模型完成长周期的连贯推理。 2. 五层技术架构 EverMemOS 将长期记忆的读写流程分层管理： 代理层（Agentic Layer）：处理主动的记忆过程，如记忆提取、向量化、检索和重排序。 记忆层（Memory Layer）：管理核心存储和情境记忆，专注于 MemCells 的提取与生存周期管理。 检索层（Retrieval Layer）：负责多模态检索和对检索结果进行重排序，包括 BM25 + 向量检索的混合搜索以及 RRF（倒数排序融合）等。 业务层（Business Layer）：处理上层的业务逻辑与数据操作。 基础设施层（Infrastructure Layer）：兼容 MongoDB、Elasticsearch、Milvus、Redis 等主流数据库与缓存组件。 3. 性能与生态集成 Token 优化：充当智能注意力过滤器，在部分场景中可将上下文窗口的 Token 消耗降低多达 70%，同时在 LoCoMo 等长期记忆基准测试中达到了 SOTA 性能。 开源生态与插件：MCP（Model Context Protocol）支持：提供了 evermemos-mcp 插件，支持将 AI 编码助手（如 Claude Code、Cursor、Cline 等）接入 EverMemOS 记忆库。 Agent 框架集成：支持 OpenClaw 插件，使智能体能够自动捕获对话、调取历史记忆；同时支持 Live2D 虚拟角色记忆交互等应用。 GitHub 地址：

魔法! DeepSeekV4 上下文内存压缩到1/10! 大家都知道 DeepSeekV4 是支持1M上下文的, 而且经过了极度优化, 如果要真的用到1M上下文, 显存占用只需要10G左右, (对比之下 DeepSeek-V3.2 大概需要84G显存). 然后我刚看到了FlashMemory这个论文, 直接能把显存占用压到 1.3GB! 甚至输出效果不降反升! 哥们你骗兄弟可以, 骗自己就没意思了, 真的吗? 压缩后反而性能上升? 我赶紧看了论文细节: 咱们先复习一下传统做法: 模型每吐出一个字，都要把之前的几十万字重新看一遍(这就是全局注意力). FlashMemory 的做法是: 预测未来需要什么, 它内置了一个神经内存索引器（Neural Memory Indexer, 其实就是个小模型了），能够主动预判接下来生成内容时需要用到历史文本里的哪些片段. 然后预先准备好这些片段, 接下来只要做到命中率超高, 那么这个提升就绝对有效. 即它的假设是, KVCache里面的东西并不是生成每个字的时候全都需要的, 只需要按需提前加载即可. 很像做作业的时候, 把参考资料摊满桌子, 然后优化了一下就是把参考资料需要用到的部分直接拍照, 用的时候看照片就行了. 那么听上去很简单, 但实际的难点在于, 训练一个专用的索引器小模型, 需要把 DeepSeek-V4模型加载到显存里一起炼. 相当耗费算力. 于是这篇论文第二个亮点来了, 它搞了个解耦训练. 他们把这个索引器当成一个标准的"双编码器（Dual-encoder，类似做搜索推荐的模型）"来单独训练. 在这个过程中，根本不需要把庞大的 DeepSeek-V4 基座模型加载到显存中. 这让训练成本断崖式下降，且兼容标准的检索（Retrieval）训练框架. (简单来讲就是它是通用方法训练的, 通过query预测需要检索哪些长句子. 所以其实是个通用模型) 听上去靠谱, 那也只是显存占用少了, 怎么就性能还提高了呢? 答案是注意力降噪. 因为每次只提取和当前生成最相关的记忆块（Chunks）放入显存，模型在运算时就看不见那些无关的冗余信息了.天然地起到了一种"去噪"作用，这也是为什么显存占用少了，模型准确率反而略微提升的原因.官方测试在长文本评测集（如 LongBench-v2 等）上的准确率平均最终提升了 0.6%. (其实还有数据如何逐出显存和如何预测数据实现预加载, 这部分也很棒, 很有启发性. 建议看原论文, 篇幅原因写不下了) 论文地址: 项目地址: #FlashMemory# #DeepSeekV4# #FlashMemoryDeepseekV4#

Anthropic 发布模型硬件标准 MHS（相当于物理版 MCP），让 AI 直接操控实体硬件。在零预训下，Claude 成功操控机械臂分类积木，量子激光校准成功率达 99.3%，甚至将脑成像实验从数周缩至 1 天！虽然目前缺乏物理直觉、遇到光遮挡等故障易卡死，但已与 AWS、树莓派等合作，后续将正式开源。 这下 AI 不光能写代码，连实验室的砖都能替我搬了！ 不过遇到故障就原地空转这事，怎么看都有点萌笨。 等正式开源之后，手里的旧树莓派感觉又能拿出来折腾了。我觉得最简单的办法就是今后所有的MHS设备里面要么自带说明书的txt协议一链接就可以让大模型读了后明白怎么操作，要么就是通过型号上网retrieve这些信息，然后把一些重要指标告知大模型，大模型能通过声光振动感应去感知控制效果，我觉得还是挺promising的！

MSR Memora：一个解耦"存什么"和"怎么取"的 agent 记忆系统 问题： 现有 agent 记忆系统在抽象和具体之间无法兼得。RAG/Mem0 保留细节但碎片化；摘要压缩高效但丢失约束和数字。知识图谱需要预定本体论，不跨域。 核心洞察： 记忆内容可以保持丰富（时间线、多轮讨论），但检索走一条独立的轻量结构层。 架构： 每条记忆两个部分。Primary abstraction——6-8 词的短语（what this memory is about），嵌入做相似搜索。Memory value——完整内容，永远不直接通过内容检索。Cue anchors——从 value 里提取的短标签，提供替代检索路径，不需要本体论。 例子："Dave 和 Sarah 同意原型 4/1、试点 5/2、MVP 5/30"。Primary abstraction = "Updated Project Orion timeline agreed by Dave and Sarah"。Cue anchors = "Dave Project Orion update"、"Project Orion prototype schedule"等。后续查询 Dave 的贡献、原型进度、试点时间，都能通过不同 cue 到达同一条记忆。 检索： 不是一次性 top-k。Policy-guided retriever 迭代精化查询、通过 cue anchors 扩展、决定何时停止。可以蒸馏到小模型。 结果： LoCoMo 86.3%，LongMemEval 87.4%，SOTA。比 RAG、Mem0、Zep、LangMem 全高。多跳推理上差距最大。token 消耗减少 98%（vs 完整上下文）。存储条目数约 Mem0 的一半（344 vs 651）。 代码： | ICML 2026 #Agent记忆# #MSR# #LLM#