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 PRISM
PRISM 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 PRISM 的搜尋結果
gPrism @prism_lp 当市场上出现模仿者后,你就知道你的产品是划时代且成功的 @0xsolazy @ColbySaysHi
💾 离谱,Prism ML 把 27B 的大模型压到了 5.95GB,一张 8G 显存的卡就放得下 Bonsai 2 27B。 Bonsai 2 27B 最近 30 天在 Hugging Face 被下载了 484 万次。它的底子是 Qwen3.8-27B,架构一点没动,只是把每个权重压成了 -1、0、+1 三个值。 想在自己电脑上跑 27B 这个级别的模型,以前基本两条路:要么上 24G 显存的卡,要么用 2 bit 这种极限量化,代价是模型明显变笨。Bonsai 把原版约 54GB 的权重压小了 9 倍多,在 14 项思考模式的基准测试里平均 84.78 分,原版是 86.32,只差 1.5 分;常见的 2 bit 量化 IQ2_XXS 只有 72.59。 速度也够用,官方在苹果 M5 Pro 上测到每秒 28 个 token,RTX 5090 上能到每秒 120 个。 有一点得提前知道:普通的 llama.cpp 跑不了这个格式,要用 Prism ML 自己维护的 llama.cpp 分支,N 卡和苹果芯片都支持。 手里只有一张游戏卡的人,终于不用只盯着 7B、8B 的小模型了。 Hugging Face:
顯示更多
0
3
126
17
轉發到社區
Ternary Bonsai 2 27B是PrismML做的一个“瘦身版”大模型。底子是阿里的Qwen3.8 27B,大约270亿参数,正常满精度要占五十多GB;他们把权重压成只有-1、0、+1三种取值,体积降到大约6–8GB,综合测试成绩还能保住原版的九成八左右。 直观地说:它不是又造了一个全新模型,而是把一个本来只能在服务器上跑的27B,压到笔记本也能常驻。数学、写代码这类能力掉得很少;看图、特别长的多步任务会弱一点。换来的代价是必须用他们的运行环境,官方Ollama现在还跑不了。 我在M4 Pro 48GB上运行挺流畅的:权重大约7GB,内存宽裕,生成速度大概每秒20个token,日常问答、改代码够用。适合不想把代码传出去、又想在本机用接近27B能力的人。
顯示更多
Brevis 团队宣布推出 Pico Prism——目前最快的以太坊 zkVM 实时证明引擎,被 Vitalik 转发。 zk证明性能大幅提升:在 64 张 RTX 5090 的配置下,99.6%的区块验证可以在12秒内完成(12秒也是目前以太坊出块间隔),平均 6.9 秒,远超竞争对手。 @brevis_zk 拿到了 Polychain,YZI Labs 的投资,现在又获得Vitalik和以太坊基金会的背书,估计发币就是大满贯。 目前有做任务撸积分的活动,值得参与:
顯示更多
Excited to see @brevis_zk's Pico Prism entering the ZK-EVM proving arena! An important step forward in ZK-EVM proving speed and diversity.
0
10
62
14
轉發到社區
3. PrismaX @PrismaXai 物理 AI 服务层,提供机器人遥操作与数据基础设施。 融资:2025年6月完成 1100万美元种子轮,由 a16z crypto CSX 领投,Volt Capital、Symbolic Capital、Virtuals Protocol、Stanford Blockchain Builder Fund 等参投。
顯示更多
已经忘记哪些库存没发了😭 #kigurumi# #prisma_illya#
✅一些每日签到的项目 1⃣PrismaXai (每日登陆) 2⃣TermMaxFi (每日签到) 3⃣AbstractChain (每日签到) 4⃣ask_edgen (每日签到) 5⃣arc (每日看视频文章) 6⃣xStocksFi (每日转盘) 7⃣SimpleChain_RWA (每日签到) 8⃣RaxFinance (每日签到) 9⃣knidosxyz (每日签到) 🔟StartaleGroup (每日签到) 1⃣1⃣dac_chain (每日开箱子)
顯示更多
0
21
55
13
轉發到社區
这周看到个挺有意思的模型,印度 Sarvam 出的 Prism 它不生成文字,输出 token 永远是 0。你给它一段情况和几个选项,它直接给每个选项打一个概率。44 毫秒出结果,权重还开源 第一反应是这有啥用。想了一下,发现它戳中了我做项目时一个一直别扭的点 企业里大部分 AI 需求,说穿了不是写东西,是做判断。这个工单急不急,转给哪个部门,这条评论要不要删,这次退款批不批 过去两年我们干这些活,基本都是拿聊天模型硬凑:写一大段 prompt,让它输出 JSON,再写正则去解析,解析失败还得重试 用一个会写诗的模型去做选择题,又慢又贵,最要命的是它说"我很确定"的时候,你根本不知道该不该信 Prism 主打的是概率校准:它说 90% 把握的时候,错的概率大概就在 10% 以内。而且把选项顺序打乱,答案不变 这意味着你终于可以很工程地设计人机协作了:置信度过 0.9 自动处理,低于 0.9 转人工。阈值调多少,就是自动化率和风险之间怎么取舍 我觉得这背后有个更大的转变:大模型正在从"一个什么都能聊的东西",拆成一堆各干各的零件 真正落地的系统,大概会是一个慢的模型负责想,一堆快的小模型负责判断,中间用概率和阈值串起来。这跟人脑倒是挺像
顯示更多
家人们,基于Hyperliquid 构建的Delpho @delpho_labs 给用户空投了 Prism Pass 大家记得去领取一下追溯积分,有在 HyperEVM 活跃的地址基本都有资格
顯示更多