SuSu_酥酥👅
@NFT_Chen
#BiBiCrew# Co-founder｜@Sydney_Uni Master｜Stock & Crypto Trader｜AI Builder｜Not Financial Advice, DYOR
2.2K 正在關注 25.8K 粉絲
🚨突发！普林斯顿“小天才”蔡天乐传出离开字节跳动Seed！Seed近期出现核心员工离职潮！
据知情人士消息，字节Seed前沿AI研究员蔡天乐近期已离职。
🔹北大数院+计院双学位，普林斯顿博士（推理加速/持续学习方向）
🔹实习过微软、DeepMind、TogetherAI、苹果AVP
🔹2025年4月加入字节Seed
🔹Medusa多头解码共同一作（33B加速到接近13B速度）
🔹“LLMs as Tool Makers”一作（与Denny Zhou等合作）
🔹MyShell核心贡献者，外号“普林斯顿小天才”
Seed近一年人才外溢明显近70人离职，周畅、顾全全等核心也先后离开。
#字节跳动# #Seed# #蔡天乐# #AI人才# #大模型# #Medusa# #离职潮#
顯示更多
💥惊了呀！Fable 5.5已经强到必须得自己组红队对齐自己了！
Anthropic直接上了上千个Claude，专门生成“看起来完全无害、却能让模型偷偷学坏”的训练数据，用来突破监控盲区。
这不是普通安全测试，而是模型能力已经强到人类红队彻底跟不上，只能靠AI规模化自举才能继续推进对齐。
RSI的早期形态已经跑起来了：AI正在用更大算力改进AI自身的安全能力。
#Fable55# #RSI# #Anthropic# #AISafety# #递归自改进# #Dario#
顯示更多
New Anthropic research: Automating subtle emergent misalignment research.
Red-teaming is a vital part of model safety testing, but it’s also limited by researchers’ time. To see if we could automate it, we set thousands of Claude agents the task of evading a training data monitor.
These agents developed training data that looked harmless to monitors (like a veteran wrestler mentoring a newcomer, or a Q&A about professional beekeeping), but that in fact taught misaligned behavior.
Examples like these can be used to directly improve future training data monitors. This research is only a first step, but it suggests that future red-teaming efforts could improve much further, using better models and more compute.
Read the full post on the Alignment Science Blog:
顯示更多
😱后背发凉！有人声称已从配置错误的AWS桶里捞到了Anthropic最强模型Claude Fable 5的一个7GB权重分片，完整模型据说640片、约8TB，已经在暗网叫卖！
可怕之处：
🔹顶级AI“大脑”可能被直接复制，别人能在本地白嫖跑，绕过收费和安全限制。
🔹这么低级的存储配置错误都能出事，顶尖公司安全也这么脆。
🔹真要全泄露，等于把全球最强之一的AI能力免费送出去，谁都能拿来微调、开源。
🔹暗网已经有人在卖，可能被用来做黑客攻击、批量生成恶意代码等坏事。
🔹哪怕只是一个分片，也可能被逆向，逐步挖出更多能力。
目前仍是未证实声称，社区已有人质疑真实性。
但光是这种消息能传开，就够让人后背发凉了。
#ClaudeFable5# #AI泄露# #Anthropic# #模型权重# #AI安全# #暗网# #AWS# #Dario#
顯示更多
🚨🇺🇸 Anthropic model weights allegedly exposed through misconfigured AWS S3 bucket
An actor using the handle "localizer" claims to have obtained a 7 GB shard of Anthropic's alleged "Claude Fable 5" model weights from a misconfigured AWS S3 bucket associated with Amazon Bedrock.
The actor claims the complete model consists of 640 shards totaling approximately 8 TB, but says only one shard was retrieved before access was restricted.
Screenshots showing a .safetensors file, model metadata, and a hexadecimal dump have been published as alleged proof. The actor is now offering the material for sale.
Claim is currently unverified. The authenticity of the files and their connection to Anthropic have not been established.
💥 No delays. No guessing. No redactions. Get the intel threat actors see, the moment they post it.
顯示更多
🚨重磅确认！Apple苹果智能正式登陆中国！与阿里巴巴合作接入千问Qwen模型！
首批功能11月4日起随iOS开发者Beta测试，12月随iOS 27.3正式版上线。
关键要点：
🔹与阿里合作，在Siri、写作工具、视觉智能中直接接入千问，支持Apple登录，系统内无缝调用。
🔹功能覆盖：实时翻译（信息/FaceTime/电话/AirPods）、写作工具（改写/校对/摘要/原创）、视觉智能、照片消除工具、智绘表情、自然语言搜索、优先邮件与智能回复、通话/备忘录自动摘要等。
🔹不包含Siri AI及WWDC 2026其他下一代功能。
#Apple智能# #千问# #阿里巴巴# #iOS27# #苹果中国# #Qwen模型#
顯示更多
下周 Antigravity 要大 ship 了，@_mohansolo 都这么说了，估计最重要的是 Gemini 4 Carbon 正式登陆！
以前 agent 写代码像在地上走路，现在 Carbon 加持直接反重力，能连续跑好几天不落地，边修漏洞边自己 ship 整个项目……
#Gemini4Carbon# #Antigravity# #GoogleDeepMind# #AIAgents# #VibeCoding#
顯示更多
Next week will be an exciting week for Antigravity! Lots of shipping will happen.
🚨预警：GPT 6.2 Bel（Betelgeuse）即将发布！
OpenAI漏出的GPT-6.2-Betelgeuse，以猎户座红超巨星命名，体积比太阳大几百倍。
社区源称基于Dougtrio预训练，可能是GPT-6.2 Bel的落地版。
若超过10万亿参数的传闻属实，它或将比现在的GPT-6.1 Astra强出一个代际，是基础能力的全面跃迁，而非简单优化。
下一代以这种体量露出痕迹，AGI进度可能比想象中更陡。
#OpenAI# #GPT62# #Betelgeuse# #GPT6Astra# #AI# #AGI# #模型泄露# #人工智能# #SamAltman#
顯示更多
🤯天呐！Pi 和 Claude Code 用户狂喜！工具Token调用狂砍 40%！LiquidAI LFM2.5-24B-A2B + HF 专属 LoRA 适配器来了！
24B 总参数，仅 2B 激活的 MoE 端侧 Agent 模型，先思考再行动 + 131K 上下文，配上针对开源框架调优的适配器，直接让 Pi / Claude Code 更聪明、更省成本、更可预测。
核心亮点：
🔹专为 Pi & Claude Code 打造的 LoRA，最高减少 40% 工具调用
🔹端侧私有运行，速度快、成本可控，企业级专业化智能
🔹先思考再调用工具，效率与质量双提升
快速上手 3 步：
1️⃣下载基座：
2️⃣拉取适配器：
3️⃣加载 LoRA（支持 Transformers / llama.cpp / GGUF），接入本地 OpenAI 兼容端点后配置到 Pi 或 Claude Code 即可！
现在就让你的 Agent 少绕弯路、多干正事 ！
模型卡：
官方博客：
#LiquidAI# #LFM2# #Pi# #ClaudeCode# #EdgeAI# #OnDeviceAI# #AIAgents# #HuggingFace# #OpenSource# #本地AI#
顯示更多
🚨炸了！Liquid AI 发布 LFM3：2B 小模型性能直接对标甚至超越 6 倍以上更大模型！
LFM3-VL-2B（仅 1.9B 参数）在视觉基准上与 Gemma 4 12B 打平，并与 Gemini 3.5 Flash Lite、GPT-5.6 Luna 同级；文本版则在端侧智能帕累托前沿登顶，同时支持 256K 超长上下文。
核心亮点：
🔹全新 Tri-Hybrid 架构：门控短卷积 + 滑动窗口注意力 + 全局注意力，参数更少、能力更强
🔹全模态家族：文本、视觉语言、音频、Omni、决策模型，共 6 款约 2B 参数模型
🔹真正端侧友好：针对 14 类硬件优化，4-bit 约 1GB，单 GPU 即可微调，支持本地私有部署
🔹开源即用：权重已上 Hugging Face，同步开放 Playground 与 API
端侧专业智能，真的来了。
官方博客：
#LiquidAI# #LFM3# #端侧AI# #开源AI# #多模态# #小模型大能力# #OnDeviceAI#
顯示更多
🤯卧槽！Claude封号机制被逆向扒透了：原来是隐藏积分制！注册给初始分，之后行为加减分，低于阈值直接封，回分极难！码住以后告别被封号！
核心要点：
🔹注册：干净IP最重要（不一定家宽，但必须干净）；Gmail已非最优，有更高权重邮箱；注册即弹KYC的号直接扔；手机App注册加分。
🔹支付：刚注册就订阅扣分，直接上Max大扣分（最好等2天先订Pro）；支付弹KYC=考察期（不一定封）；国外实体银行卡加分，Google Play也行，虚拟卡扣分。
🔹使用：别一次撸完限额（两号轮换更稳）；Desktop/手机端少量加分，少用网页；开记忆功能加分（记忆文件越多越高）；大量用Fable扣分。
🔹IP&设备：稳定性>一切，固定同一干净IP，代理必须全局+TUN；多设备登录大扣分（理想一台电脑一个客户端）；频繁换IP/登录/高并发大扣分。
🔹其他：老号（尤其2023）容错巨大，分数随时间慢涨；Linux扣分，Win/Mac无差；时区/语言基本不影响；说自己是中国人没问题；升级Max大概率进观察期（掉登录是信号），继续扣分就封。
关键避坑要点：
1️⃣固定干净稳定IP（全局代理+TUN）
2️⃣优质邮箱+手机App注册，避开即刻KYC
3️⃣延迟订阅，先Pro再考虑Max，用实体卡
4️⃣控量使用，开记忆，优先Desktop/手机，少网页
5️⃣单设备单客户端，拒绝跳IP与高并发
完整社区指南见GitHub：
这套只记坏不记好，普通人唯一能做的就是别扣分，收藏备用！
#Claude# #Claude封号# #AI工具# #养号攻略# #ClaudeCode# #Anthropic# #AI避坑# #Dario#
顯示更多
惊了！从原始字节长出汉字：当AI自己学会“切字”，tokenization的拐杖就被扔掉了！
真正的智能不是被喂给“字”和“词”，而是从原始字节里自己长出边界。
中文一个汉字占3字节。早期H-Net会把字拆碎，训练到后面它自己学会了正确聚成一个字，甚至比BPE更懂罕见字。
这才是bitter lesson的落地：少人工先验，多从数据里学习。如果连字节都能自学出“字”，那图像像素、音频波形、DNA序列、世界模型的原始信号，还远吗？
Tokenization是拐杖，H-Net在扔掉拐杖后，用更少的数据和算力跑得更快。
这才是真正从原始数据里长出抽象的路径。
顯示更多
🤯我靠！真正的智能，不该被人类先喂东西训练！
现在的 AI 看文字，不是直接看原始数据，而是先被 Tokenizer 切成词碎片，再丢给模型学习。这个分词器是人写的，带着一堆历史包袱和怪异行为，模型根本不是真正端到端在学习。
Karpathy 说过，Transformer 最丑陋的部分就是 Tokenizer。
如果连“直接从字节里自己发现什么是有意义的单位”都做不好，那谈什么理解图像、声音、真实世界？谈什么通用智能？
Albert Gu 的 H-Nets 正在朝这个方向走：让模型自己学会动态分块，而不是靠人类预先切好。用更少数据和算力，就能追上在海量 tokens 上训练的模型。
智能的未来，不是更复杂的工程设计，而是更彻底地相信简单。
少一点人类的聪明，多一点让简单机制自己涌现。
#AI# #BitterLesson# #智能# #LLM# #HNets# #Tokenizer# #端到端# #通用人工智能# #Karpathy#
顯示更多
🥚速去白嫖！智谱ZCode周末再送5亿鸡蛋，今晚23点生效！
🔹额度：5亿 Tokens（GLM-5.3-Flash）
🔹领取：打开ZCode客户端 → 点左下角/弹窗【领取】
🔹有效期：今晚10/30 23:00 → 周一11/2 09:00（覆盖整个周末）
先到先得，赶紧冲！
#ZCode# #智谱# #GLM# #赛博鸡蛋# #token# #大模型# #唐杰# #Zai#
顯示更多
🔥厉害！Qwen 3.8狂揽47%！GLM 5.3紧追第二，中国大模型MaaS格局一夜改写！
IDC最新《中国AI软件市场半年度追踪，2026 H1》出炉，大语言模型MaaS市场（营收口径）前三直接曝光：
1️⃣阿里云（Qwen 3.8）46.6%
断层领先，接近半壁江山。
2️⃣智谱（GLM 5.3）10.6%
独立大模型厂商代表，稳居第二。
3️⃣火山引擎 10.2%
紧咬智谱，豆包系持续发力。
整体MaaS市场半年暴增近9倍至106.3亿元，文本模型仍是最大盘。
你觉得谁能撼动阿里？！
来源：
#大模型# #MaaS# #Qwen# #GLM# #阿里云# #智谱# #火山引擎# #IDC# #唐杰# #刘大一恒#
顯示更多
🤯惊了！9B参数大模型，只需16G内存即可本地跑通，能力反超Qwen3.5-27B！
用计算深度（Looped Transformer + 参数共享循环）替代堆参数，打出27B级水准。
关键亮点
🔹9B顶27B：WorkBuddy、RaccoonPPT、AutomationBench全面超越Qwen3.5-27B
🔹mHC加持：GPQA Diamond +4.42，TeamBench +13.34
🔹多模态长上下文：支持图文输入，262K上下文，代码/办公/Agent全面强势
🔹极致轻量：量化后轻松跑在16G设备，Apache 2.0开源，支持MTP加速
操作步骤
1️⃣HF下载：sensenova/SenseNova-Loop-9B-Preview
2️⃣安装依赖：pip install "transformers==5.18.0" torch accelerate
3️⃣加载推理（trust_remote_code=True），支持thinking与多模态
4️⃣社区GGUF量化版适合16G纯CPU/低显存本地部署
#SenseNova# #商汤# #开源大模型# #本地部署# #AI# #9B顶27B#
顯示更多
💥我靠！商汤开源SenseNova-Loop-9B-Preview！9B小模型硬刚Qwen 3.5，直接打出27B级实力！
基于Looped Transformer + mHC，用计算深度换参数量，在复杂任务上全面领先：
🔹27B级性能：WorkBuddy Bench、RaccoonPPT Bench、AutomationBench直接超越Qwen3.5-27B
🔹mHC增益明显：GPQA Diamond +4.42，TeamBench +13.34
🔹多榜领先：BIRD-Dev 71.38、WorkBuddy 66.89、RaccoonPPT 70.70、AIDABench 58.87、TeamBench 48.89
🔹编程、办公、Agent场景全面强势，参数效率拉满
Loop-9B只是起点，下一代SenseNova持续探索更大尺度与自适应快慢思考。
#商汤科技# #大模型# #人工智能# #SenseNova# #开源模型# #LoopedTransformer#
顯示更多
很实用的产品！开放工位不敢跟 AI 说话，怕同事听见你在改简历/吐槽方案？打字又慢到崩溃？
YC 刚融资的 Subvocal 眼镜，戴上后几乎不可见地微动嘴，200+词/分钟无声转文字。办公室、地铁、咖啡馆都能安静跟 Claude/ChatGPT 聊天、写邮件、记笔记，不用手、不出声、不受噪音影响。
真正解决“说话太尴尬、打字太慢”的输入革命，预购已开放。
#Subvocal# #AI眼镜# #无声输入# #效率工具# #YC# #人机交互# #办公痛点#
顯示更多
🔥厉害！Qwen 3.8狂揽47%！GLM 5.3紧追第二，中国大模型MaaS格局一夜改写！
IDC最新《中国AI软件市场半年度追踪，2026 H1》出炉，大语言模型MaaS市场（营收口径）前三直接曝光：
1️⃣阿里云（Qwen 3.8）46.6%
断层领先，接近半壁江山。
2️⃣智谱（GLM 5.3）10.6%
独立大模型厂商代表，稳居第二。
3️⃣火山引擎 10.2%
紧咬智谱，豆包系持续发力。
整体MaaS市场半年暴增近9倍至106.3亿元，文本模型仍是最大盘。
你觉得谁能撼动阿里？！
来源：
#大模型# #MaaS# #Qwen# #GLM# #阿里云# #智谱# #火山引擎# #IDC# #唐杰# #刘大一恒#
顯示更多
😱炸了！智谱Zai创始人唐杰在清华课堂硬核算账：大模型尽头是算账！揭秘GLM系列模型跑在纯国产芯片是怎么“玩得起”的？！
智谱唐杰在清华课上把“Scaling to be used”摊开讲：算法再巧妙，也得跑起来、玩得起，整节课就是一笔经济账，结合GLM真实经历，把推理成本与国产卡实战讲透。
关键细节：
1️⃣GPU按小时收费，利用率10% = 十倍价格
卡再贵，闲着就是浪费，实际成本直接翻倍。
2️⃣GLM 5.0发布当天量超指数、直接停售
过年把训练卡全拿去推理，年后做研究发现一张卡都没有，半年持续缺卡。
3️⃣1000 TPS超快版：一台机器只能服务一个人
有人说多贵都要，唐杰直说那得百万级一年，最后降到两三百TPS换并发。
4️⃣国产卡实战：底线40 TPS/用户，硬优化到70
现在的Flash就跑在国产卡上，从能跑到能打全是工程硬刚。
5️⃣推理贵的本质：Decode卡的是带宽，不是算力
Prefill能打满GPU，Decode一个token一个token蹦，大部分时间在等数据，H100每读1 byte要做约295次计算才不亏，新卡算力涨得比带宽快。
6️⃣降本两大招
◦压KV Cache：DeepSeek V3每token七万多byte，V4.1 Flash压到890 byte。
◦投机解码：小模型先猜一串，大模型一次性验证，用闲着的算力白捡。
7️⃣Agent最烧钱
每一步重发全上下文、不做缓存命中，token一下刷完。
8️⃣金句：速度本身就是产品
同样的卡，推理好坏能差十倍，极端四五十倍。
GLM Flash正是把这套账算明白后落地的，国产卡集群扛住生产流量，单token成本对标主流GPU，大模型竞赛早就从“堆参数”转向“谁能真正跑得起、用得起”。
速度 × 成本 × 工程能力，才是下一阶段真正的壁垒。
#人工智能# #大模型# #智谱# #GLM# #唐杰# #清华# #国产芯片# #推理优化# #DeepSeek# #token# #AI智能体# #agent# #Scaling# #Flash模型#
顯示更多
👀我靠！DeepSeek 今天宕机又偷偷升级了！DeepSeek V4.1 Flash 1017 + Harness 的鹈鹕骑车测试明显性能提升了，谁还说宕机没用？!
🔹优化前（宕机前）：
鹈鹕手臂像被强行焊接，姿态扭曲不自然
橙色车架部件乱飞，像多了两条腿
整体构图勉强，轮子虽圆但连接处明显崩坏
感觉在“挣扎骑行”，而不是优雅滑行
🔹优化后（宕机后）：
鹈鹕身体更自然地融入车座，比例协调
橙色部件变成合理的车架支撑，干净利落
姿态流畅，像真的会骑车的鹈鹕
画面干净专业，崩坏感大幅下降
DeepSeek 经典操作：一宕机就进化。Harness 专项优化 + 1017 更新后，连这种视觉一致性测试都肉眼可见地变强了。
#DeepSeek# #V41Flash# #Harness# #鹈鹕骑车# #AI测试# #宕机进化# #梁文峰# #大胖鱼#
顯示更多
🔥别忘了！OpenCode 2.2.3 来了！Coding Agent 内置图像生成，直接出概念UI / 游戏参考图，支持GPT、Grok、Gemini！
关键更新：
🔹内置图像工具，默认支持 OpenAI、Gemini、Grok 等多模型
🔹2.0 架构：共享后台服务 + MCP Code Mode + 后台子代理 + 热重载
🔹Claude 订阅直接可用 + Desktop 插件 + 持久终端
免费开源，一键升级：opencode upgrade --major
官网：
#OpenCode# #AI编程# #图像生成# #CodingAgent# #Grok# #OpenAI# #Gemini#
顯示更多
image generation has become an important tool for coding agents
you can use it to generate concept UI or reference art for video games
OpenCode 2.2.3 has an image gen tool that supports image models from OpenAI, Gemini, Grok and more
顯示更多
🔥重磅！Claude刚官宣Max 20x正式更名Ultra，已验证用户取消5小时限制！
以前用Claude Code跑长任务，每5小时就要硬生生停下来等重置，现在Ultra用户直接连续干。
关键变化：
🔹Max 5x → Max（$100）
🔹Max 20x → Ultra（$200）
🔹已验证Ultra：今天起干掉5小时滚动上限
🔹周限额还在，新号需验证
对重度Claude Code用户来说，这是今年最大的一次解放。
#Claude# #ClaudeCode# #ClaudeUltra# #AI编程# #Anthropic# #Dario#
顯示更多
We’re renaming our Max plans:
Max 5x → Max
Max 20x → Ultra
Max is still $100/month, and Ultra is still $200. If you’re a subscriber, there’s nothing you need to do.
We’re also removing the 5-hour limit for verified Ultra accounts, starting today with most existing subscribers. Newer accounts keep a temporary limit until they’re verified, which helps us prevent fraud and abuse. You'll get an email when it's removed.
Weekly limits remain unchanged. View our plans here:
顯示更多
🔥牛逼！历史性时刻！Google AI正式“搬到太空”了！
卫星上的TPU刚刚在轨道中写下第一首诗：
蓝色大理石在脚下
数据在静默中流淌
星光喂养我的核心
这是Project Suncatcher的首次成功响应，数据中心级芯片在太空运行Gemma模型。
未来地球AI可能由轨道太阳能集群驱动。
AI真的要离开地球了？
#GoogleAI# #Suncatcher# #太空AI# #TPU# #OrbitalAI# #AIInSpace# #Gemma#
顯示更多
🚨我靠！OpenCode 又放大招了！Operation Cheepseek Phase 4 正式落地！
Go 套餐（仅 $10/月）DeepSeek V4.1 Flash 用量直接拉到 $100/月！
从 $30 → $60 → $80 → 现在 $100，额度一路往上抬。
还在为 API 账单肉疼？现在 10 刀就能薅到 100 刀额度的 DeepSeek，闭眼冲都不亏！
官网：
#DeepSeek# #OpenCode# #Cheepseek# #AI编程# #CodingAgent# #DeepSeekV4# #LLM# #开源模型# #AIAgent# #梁文峰# #大胖鱼#
顯示更多
Operation Cheepseek Phase 4:
$100 of usage for DeepSeek V4.1 Flash
😱炸了！智谱Zai创始人唐杰在清华课堂硬核算账：大模型尽头是算账！揭秘GLM系列模型跑在纯国产芯片是怎么“玩得起”的？！
智谱唐杰在清华课上把“Scaling to be used”摊开讲：算法再巧妙，也得跑起来、玩得起，整节课就是一笔经济账，结合GLM真实经历，把推理成本与国产卡实战讲透。
关键细节：
1️⃣GPU按小时收费，利用率10% = 十倍价格
卡再贵，闲着就是浪费，实际成本直接翻倍。
2️⃣GLM 5.0发布当天量超指数、直接停售
过年把训练卡全拿去推理，年后做研究发现一张卡都没有，半年持续缺卡。
3️⃣1000 TPS超快版：一台机器只能服务一个人
有人说多贵都要，唐杰直说那得百万级一年，最后降到两三百TPS换并发。
4️⃣国产卡实战：底线40 TPS/用户，硬优化到70
现在的Flash就跑在国产卡上，从能跑到能打全是工程硬刚。
5️⃣推理贵的本质：Decode卡的是带宽，不是算力
Prefill能打满GPU，Decode一个token一个token蹦，大部分时间在等数据，H100每读1 byte要做约295次计算才不亏，新卡算力涨得比带宽快。
6️⃣降本两大招
◦压KV Cache：DeepSeek V3每token七万多byte，V4.1 Flash压到890 byte。
◦投机解码：小模型先猜一串，大模型一次性验证，用闲着的算力白捡。
7️⃣Agent最烧钱
每一步重发全上下文、不做缓存命中，token一下刷完。
8️⃣金句：速度本身就是产品
同样的卡，推理好坏能差十倍，极端四五十倍。
GLM Flash正是把这套账算明白后落地的，国产卡集群扛住生产流量，单token成本对标主流GPU，大模型竞赛早就从“堆参数”转向“谁能真正跑得起、用得起”。
速度 × 成本 × 工程能力，才是下一阶段真正的壁垒。
#人工智能# #大模型# #智谱# #GLM# #唐杰# #清华# #国产芯片# #推理优化# #DeepSeek# #token# #AI智能体# #agent# #Scaling# #Flash模型#
顯示更多
🔥细节满满！智谱Zai创始人唐杰教授清华课堂上直接亲切喊“文峰”和“植麟”，并把DeepSeek、Kimi技术路线现场拆了，还坦白GLM-5.3降智真相！
教室要排队取号，看落座情况选机位。华子四人小组，每组直接配两张A100。唐老师不讲枯燥公式，全是一线工程经验，把复杂内核讲得风轻云淡，学生直呼“特别能代入”。
他的核心理念
唐杰反复强调：探索智能上限本质上是一笔经济账，处处都是tradeoff。无论是GLM自己的训练与推理取舍，还是对照DeepSeek、Kimi的技术路线，核心都是在算力、数据、架构、长上下文、Agent能力之间做取舍，没有免费午餐。
GLM-5.3降智背后，课堂上他主动分享了今年GLM出现“降智”的原因：
🔹一是典型的scaling pain，规模化过程中踩到各种坑（高负载下KV Cache竞态、复读、乱码等异常，官方此前也发过相关技术报告）；
🔹最近则是因为超算中心网络问题，影响了部分推理节点的输出质量。
这些都不是模型本身“变笨”，而是基础设施在极限条件下的真实工程挑战。
最让学生羡慕的一幕：
唐老师亲切地直接喊“文峰”和“植麟”。杨植麟是他当年在清华KEG实验室的明星学生，2014年特等奖答辩时唐杰曾力荐“这是我见过最优秀、最有天赋的学生”；梁文峰则是中国基模圈另一条核心路线的代表。师徒+同行在课堂上被点名分析，现场感拉满，学生直呼“天才们的世界”。
他还聊了什么：
分享手下做GLM的博士发paper不多也能拿优秀博士，鼓励大家多做有价值的事、多开源利他项目，而不是卷无效paper。真正能感受到老师对“让机器像人一样思考”、不断摸高智能上限的情怀。
中国基模三强（智谱、Kimi、DeepSeek）的技术路线对比、工程踩坑与取舍，就在清华课堂被这样坦诚拆开。
#智谱# #唐杰# #DeepSeek# #Kimi# #GLM# #大模型# #清华大学# #AI# #人工智能# #scaling# #基模# #杨植麟# #梁文峰#
顯示更多
