註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 ,还兼容
,还兼容 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 ,还兼容 的搜尋結果
🍎 真给力,Locals 能让一台 Apple 芯片的 Mac,把本地大模型跑出平时三倍的速度。 Locals 在 GitHub 已经揽下 1088 star,背后对应 Arip Asadulaev 2026 年的论文《Breaking the Space Barrier》,不是随手攒的调参工程。 在 Mac 上本地跑模型最烦的,是一旦开多个 agent、对话一长,速度就肉眼可见地垮。实测 M2 Pro 16G 机器同时扛 8 个请求,普通方案只有 87 tokens/s,Locals 能到 271,差不多三倍。 它的巧劲在于把 agent 工具那串又臭又长的系统提示缓存到磁盘,重启还能接着用,工具调用时直接在 GPU 上做语法约束,让输出严格合你的 schema。接口还兼容 OpenAI、Anthropic、Ollama,Claude Code、Cline、Aider 这些现成工具拿来即插。 同样一台 Mac,换个引擎就多出两倍马力,这买卖划算。 GitHub:
顯示更多
两张老 V100,也能在本地跑 3210 亿参数的 GLM-5.3-Flash!! 这个开源项目叫 Project Maya。 前几天我写过,12GB 显存 + 64GB 内存,用 Strata 就能跑千问的千亿模型。 这次 Maya 也是基于 Strata 做的,把引擎改成了适配 GLM。 作者实测: 2 张 V100 32GB + 约 32GB 内存 + NVMe SSD, 生成速度最高 40 token/s。 原理还是把常用的模型专家放显存,其他的分散到内存和 SSD,按需调进来。 默认用约 90GB 的 Maya-S 量化模型。 自带网页聊天、图片理解,还兼容 OpenAI / Anthropic API,可以接编程 Agent, 全程本地运行。 目前支持 Linux,Windows / WSL2 还不支持。 有这套硬件、想在本地跑 GLM 的可以看看:
顯示更多
0
7
86
16
轉發到社區
🧠 震惊,vllm 这个开源项目基本是半个 AI 圈跑大模型推理的底座,GitHub 直接冲到 9.1 万 star 登顶封神。 它最早是加州大学伯克利分校 Sky Computing Lab 做出来的,现在贡献者超过 2000 人。 你要把一个开源大模型部署成能对外服务的接口,用原生的推理脚本很快就会遇到显存爆掉、并发一高就卡死的问题。vllm 靠 PagedAttention 这套显存管理,把注意力缓存切成小块按需分配,配上连续批处理和前缀缓存,同样的显卡能扛住高得多的吞吐。 它给的接口还兼容 OpenAI 的 API,连 Anthropic 的 Messages API 都支持,Qwen、Llama、DeepSeek-V3 这些主流模型换一行地址就能接上。 PagedAttention 那篇论文还进了 2023 年的 SOSP,可以说这波大模型部署的效率是它带起来的。 GitHub:
顯示更多
最近刷推的时候,看到不少人在用 Bybit @Bybit_ZH 的 Combo Bot Hub,也简单研究了一下,几个设计点还挺实用的 这个 Combo Bot Hub 把各种策略集成在一个页面里,之前 Crypto 和 TradFi 的组合策略得在不同产品页来回切换 现在一个页面就能看产品、跟单、参与活动,确实省了不少事 链接直通车: 我觉得 TradFi Combo 挺有意思的,这应该是业内首个真正意义上的 TradFi 组合策略机器人 现在交易所的自动化工具大多还是网格、马丁、DCA 这些单资产玩法,没太多平台把黄金、外汇、指数这些直接做成组合机器人,这个算是比较成型的突破 它一个 Bot 最多能同时管理 10 个 TradFi 资产,覆盖贵金属、外汇、股指、个股 CFD、大宗商品,支持多空双向 不用像以前那样黄金、纳指、欧元各开一个仓单独看,一个 Bot 就能管完全部,差不多相当于手握一个迷你版对冲基金组合,系统会根据设定的目标权重自动再平衡,有偏差阈值和固定时间两种模式,不用手动一个个调整仓位 不会做资产配置的话,还有 AI 推荐的组合,附带回测数据,省去了自己从零研究品类和权重的麻烦,新手直接抄作业就行 说白了就是把以前需要编程或专业资管能力才能做的自动化组合,变成了普通人点几下就能用的工具 顺便说下合约拼盘吧,也就是 Futures Combo:现在市场以板块轮动为主,AI、Meme、RWA 各有节奏,单押一个币种容易踏空 它支持一次配置多个币种,还兼容 TradFi 永续,不用频繁换仓追热点,对当前行情有一定适配性 而且平台已经按当下热门板块把策略组合配好了,直接一键复制就能用,不需要自己一个个手动添加资产 碰上有些做多策略 APR 表现不佳的,还能直接复制策略修改成做空,相当于一键反指,操作很灵活,整体看下来,这种能同时做多做空多类资产的组合机器人,是目前交易所里最接近专业资管逻辑的工具 从现在的市场情况看,Crypto 原生赛道流动性相对有限,拓展 TradFi 资产配置也是行业常见的方向 这类组合工具主要作用是降低了资产配置和自动化管理的门槛,对不经常盯盘的用户,能减少一些操作成本 App 端从首页「更多 - 交易 - Trading Bot」就能进去,网页端也有对应入口,感兴趣可以自己看看,还有其他一些功能 当然工具只是辅助,交易有风险,大家在自己能承受的范围内操作就行!#DYOR# @benbybit @BybitMartin
顯示更多
0
59
60
0
轉發到社區
🔍 Windows 搜索的开源答案来了,Lertaro 敲几个字就能把全盘文件捞出来。 GitHub 上 1173 star,README 里直接把自己摆在 Listary 和 Everything 的开源替代位置上,MIT 许可,更新密到这几天连发了三四个版本。 Windows 自带搜索那个体验就不说了,想找上个月那份报价单,转圈半分钟还不一定出来。Lertaro 走的是直接读 NTFS 的 USN 变更日志和 $MFT,不去一层层遍历目录,后台服务跟着磁盘改动实时更新索引,所以你敲字的同时结果就出来了,占用还很低。 真正省事的是它怎么嵌进日常:支持 fzf 那种多关键词模糊匹配,中文可以用拼音别名找;三种窗口形态随你挑,还能停靠进系统的打开/保存对话框,以及 File Explorer、Total Commander、Directory Opus 这些文件管理器里,相当于把「找文件」这一步直接塞进你本来的操作里。它还能画一张实时的磁盘占用树图,不重新扫盘就看清空间被谁吃了。 插件 SDK 是开放的 .NET 10 C#,还兼容# Flow Launcher 的社区插件,宣称全本地运行、零遥测。 天天在 Windows 上翻文件的,装一个试试很值。 GitHub:
顯示更多
AWS、Cloudflare 和 Databricks 这两天都跟进了决策模型。 AWS 推出开源的 Strands Decider 2B。它基于 Qwen3.5-2B,去掉文本生成模块,换成专门负责选答案的决策模块,再用 LoRA 微调。官方测试中,它在 RTX 3090 上单次决策中位延迟约 115ms,完整训练约 11 小时。 Cloudflare 一口气发布 Clef 和 Clef-flash,分别基于 Qwen3.8-27B 和 Qwen3.5-9B 改造,并全部开源。在 Cloudflare 对 Jev 官方评测集的测试中,Clef 系列在 4 类任务中的 3 类超过 Jev;Clef-flash 的中位延迟为 38.8ms,Jev 为 524.1ms。 Databricks 则把这套能力直接做进了平台。新上线的 ai_decide 可以在 SQL 或 REST API 中调用,对数据做分类、打分和 Agent 路由,接口还直接兼容 TypeSafe AI API。官方称一次决策可以在不到一秒内返回。 决策模型正在被云平台直接吃进产品里。AWS 做模型,Cloudflare 接进 Workers AI,Databricks 干脆做成 ai_decide 函数。以后开发者可能不再专门接一个 Jev,而是像调用分类、检索一样,直接用平台自带的决策能力。
顯示更多
🎁 一次性给 Claude Code 装上 337 个现成技能,工程、营销、产品、财务全覆盖。 GitHub 19.6k star,是给编程助手挂外挂的合集里体量最大的之一。 平时用 Claude Code、Codex 这类工具,很多常见活儿都得自己一点点写提示词、调流程。 这个合集把 330 多个 skill、30 多个 agent、70 多个自定义命令打包好,你要写营销文案、做合规检查、跑商业分析,直接调对应技能就行,还同时兼容 Codex、Gemini CLI、Cursor 等十几个编程助手,一套配置到处能用。 装好这套,等于给你的 AI 助手直接开了满级技能树。 GitHub:
顯示更多
风险提示: $PING 火了之后,很多dev开始开 x402 的盘子,大家需要DYOR。 x402 和铭文很不一样: 1. x402 是支付协议,铸造meme不是free mint,而是给dev转账,很可能rug或只添加部分池子。 2. 目前 x402 还很早期,只兼容了 base 的 USDC 和 Solana (部分兼容),其他链还不兼容。
顯示更多
0
23
119
7
轉發到社區
现在 Mac 上跑 Android App,不一定非得装传统 Mac 安卓模拟器了。 开源项目 Mac.apk 专门面向 Apple Silicon Mac,不启动虚拟机,也不跑完整 Android 系统。APK 安装后会单独开窗口,还能出现在 Dock 和 ⌘Tab 里,用起来更像普通 Mac 软件。 目前还是 Alpha,只支持 Apple Silicon + macOS 26.4 以上,兼容性还在完善。 如果只是想在 Mac 上跑几个特定 Android App,已经可以试试了。 👉 #Mac安卓模拟器# #AppleSilicon#
顯示更多
0
21
148
20
轉發到社區
L2 排队倒闭,PoW 却开始扎堆:TOKEN2049 热议的 pearl-2:native ,老外到底在攒什么局? 最近连续看到好几个 PoW 项目冒出来,刚好 Blast、Abstract 这些 L2 又在接连关停。 TOKEN2049 期间,老外讨论得挺凶的一个项目就是 Pearl($PRL)。研究了一圈,发现它的团队、技术和背后的资金确实有东西,而且它正在试图解决一个存在很多年的问题:能不能让 AI 算力顺手挖出一种类似比特币的货币? 先说 PRL 究竟干什么? 它是一条 2026 年 4 月 27 日上线的独立 PoW 公链,采用 Proof of Useful Work(有用工作量证明,PoUW)。比特币矿机做 SHA-256 哈希运算来争夺出块奖励,Pearl 则把挖矿工作换成了 AI 大模型大量使用的矩阵乘法。 如果一家 AI 公司本来就要用 GPU 给客户做推理,那么同一批计算还可以参加 Pearl 挖矿,获得 PRL 奖励。 理想情况下,一张 GPU 同时赚 AI 客户的钱和挖矿的钱,矿工可以多赚,AI 服务商也可以把部分收益拿来降价。 团队背景是 PRL 最大的加分项之一。 CEO Omri Weinstein 是普林斯顿计算机博士、希伯来大学副教授,曾在哥伦比亚大学任教,履历涉及 NVIDIA 和 VAST Data. 另一位联合创始人 Ilan Komargodski 是希伯来大学密码学副教授、魏茨曼科学研究所博士,曾在 Cornell Tech 和 NTT Research 从事研究。 第三位联合创始人 Idan Sugarman 偏商业和投资背景,另外还有康奈尔密码学研究者 Rafael Pass 参与经济安全研究。 核心团队长期研究计算复杂度、密码学和可验证计算,2025 年就发表了 PoUW 原始论文,技术不是临时拼出来蹭 AI 热点的。 商业落地也有实质进展。 今年 5 月 15 日,Together AI 官方宣布与 Pearl Research Labs 合作,推出 Gemma-4-31B-it-Pearl 推理服务,借助挖矿补贴把该模型的推理价格降低超过 25%。 Pearl 自己还搭建了兼容 OpenAI API 的推理平台,支持 GLM、DeepSeek 等开放模型,可以用美元充值、按 Token 消耗计费。 客户、产品和收费机制都有了,但目前仍然缺少真实付费收入、日均推理量、客户留存这些关键数据,暂时还不能证明这门生意已经大规模跑通。 再说谁在支持? No Limit Holdings(NLH)公开表示自己正在积极积累 PRL,旗下投资人 Brian Breslow 在 9 月发表长篇研究,把 Pearl 称为潜在的下一代比特币,甚至给出过 30 美元以上的远期目标。 NLH 的核心人物 Gin Chao 曾担任 Binance 首席战略官,也是 BinanceUS 董事会成员,这说明看好 PRL 的资金圈子确实有一定背景,但不能因此理解为 Binance 投资或背书了 Pearl。 PRL 它没有传统 VC 代币轮次和预挖分配,早期筹码主要靠 GPU 挖矿产生,随后通过 Pearl OTC、Black Pearl OTC 等第三方场外市场流通。 Pearl OTC 网站自报累计成交额约 3150 万美元,目前现货也已经出现在 BigONE、SafeTrade 等交易所。 PRL 总量上限 21 亿枚,没有常规意义上的团队预挖和 VC 解锁,发行方式是区块奖励平滑递减,没有比特币式的四年突然减半。 问题是早期挖矿难度很低,最初约 5.9 天就挖出了 1.217 亿枚,占目前已流通数量约 36%,团队和早期矿工各自拿了多少并不透明。 以 10 月 8 日约 1.28 美元的参考价格计算,流通市值约 4.3 亿美元,FDV 已接近 27 亿美元,而且每天理论上仍新增约 100 万枚 PRL,矿工持续产出形成的潜在卖压不能忽略。 技术方面还有一个很大的争议: Pearl 能证明矿工确实完成了矩阵计算,却不能证明这些计算一定来自真实的付费 AI 客户。 今年 6 月有研究通过观察矿工软件和实际挖矿行为,发现当时大量计算可以靠随机矩阵完成,根本不需要有人购买推理服务。 项目方的逻辑是未来真正服务 AI 客户的矿工有两份收入,纯挖矿者只有币奖励,随着竞争增加,后者的成本优势会消失。 这个经济模型有道理,但还没被大规模真实商业数据证明. 7 月出现的 MoE 挖矿漏洞也提醒我们,共识实现仍处在早期,支持更广泛 AI 工作负载的 FP8 升级目前还需要验证主网落地。 目前 Pearl 的推理平台主要收美元,矿工赚取客户付款和 PRL 奖励,代币没有已经确认的大规模收入分红、强制回购销毁机制。 业务做大可以改善矿工经济性、增强网络安全和市场信心,但要让 AI 需求持续转化为 PRL 的直接买盘,还得看未来有没有真实的代币支付、持币结算、抵押和储备需求。否则即使推理收入增长,币价仍然可能被持续挖矿发行稀释。 L2 的死亡潮说明市场不需要那么多重复建设的链,而 PRL 这种项目正在试图给 PoW 找一条新出路。PoW+AI 有机会成为接下来的重要叙事,但最后决定 PRL 能走多远的,是 AI 公司愿不愿意长期为这些算力付钱。 能让 AI 算力挖出币是一项技术,能让这枚币成为市场真正需要持有的资产,才是一门大生意。
顯示更多
0
24
39
6
轉發到社區