2.78 万亿参数模型，终于开始“走下神坛”了。 过去几年，大模型竞争的一个核心指标，就是参数量，每一次参数跃迁，都意味着更大的训练成本、更恐怖的显存需求，也意味着普通开发者越来越难参与。 但现在，事情正在发生变化。 有人做了一个只有 176KB 的纯 C99 推理引擎，让一个 2.78 万亿参数的 Kimi K3 模型，可以在 8.24GB 内存的 CPU 上运行。 没有 GPU。 没有 CUDA。 没有复杂框架。 听起来很神奇！ 它没有把整个模型塞进内存，而是通过磁盘流式读取MoE，需要哪个，就加载哪个。 不管用什么方式，大模型从“云端巨型基础设施”，走向“人人可拥有的计算能力”，一定是大势所趋。 在过去， 模型 = 巨量服务器 算力 = 数据中心的 GPU 集群 普通用户 = 调用 API 以后可能变成： 模型 = 本地文件 算力 = 手里的电脑、手机、边缘设备 用户 = 自己掌控 AI 这和当年开源操作系统、开源数据库的发展路径非常像。 早期，最强的软件运行在昂贵服务器上； 后来 Linux、MySQL 让普通开发者也拥有了企业级能力。 AI 可能正在经历类似的阶段。 虽然，本地运行 2.78T 参数，并没有什么很好的性能。 流式加载必然速度巨慢，延迟巨高，稍微复杂的任务依然是需要占用更大的资源。 但它证明了一件非常关键的事情： 未来限制 AI 普及的，可能不再是模型规模，而是模型是否足够开放、足够高效。 闭源模型在追求更强的能力上限； 开源模型正在疯狂的“让更多人用起来”。 当一个万亿参数模型，有一天可以像安装软件一样进入普通电脑…… 那真的很疯狂。

这些人找你聊天，获取你的项目信息，获取你所在行业的秘密， 一般都是自称自己是投资人， 告诉你他有一些资源等等， 这两年碰不到这样套路的， 不是纯粹的骗钱， 他们就是只为了从你那里套一些信息， 对我来说最重要的浪费我的时间和精力。

今天开完会，让小龙猫调用DeekSeek V4 Pro分析了我的任务，我总共有2万多条任务，还有3000多条任务未完成 AI分析我是发散思维，经常有很多灵感，所以整个懒猫清单的任务就比较散，每次回顾和研究未完成任务的时候心理负担都比较大 AI分析后，把我不同类别的任务（硬件、软件、AI、产品、客户等）维度的任务全部梳理了一遍，然后调用清单的MCP接口，自动给我整理了60多条任务。同样还是那些任务，但是AI整理后就清爽多了，焦虑感大大减少，又可以无心理负担的让AI去干活了 其实AI时代，除了顶尖的代码模型和视频模型外，我觉得这种完全分析私有化数据并通过MCP自动处理来替换人类重复劳动的工作更有价值，毕竟每个人都讨厌重复的工作 怎么样？ 如果你也喜欢AI驱动的任务清单，可以评论区打1, 我来给你详细介绍一下产品的体验呀

其实我们每一个人终究要经历一场深度的自我心理挖掘……不是去找人生的捷径，而是找那座一直困住自己的“大山”。 它可能是成瘾，是体重，是反复陷入的人际关系，也可能是金钱焦虑、自卑、恐惧，或是一种说不清却始终挥之不去的空虚与不满足。 很多时候我们以为自己是在和外界较劲儿，事实上真正需要跨越的是内心长期形成的思维模式、情绪反应以及固有的行为习惯。 心理学认为人真正的改变往往始于觉察，当你能够看见自己的防御、承认自己的脆弱，并停止一味逃避时，改变就已经开始发生了…… 终有一天你会站在更高的地方回望，那座曾经遮蔽整个世界的高山依然存在！但却已然远远的落在了身后，渺小得几乎看不见…… 这时候那座山最终是否被征服显然在你心里已经不重要了，重要的是在攀登它的过程中，你学会了承担、理解、接纳、坚持，也重新塑造了你自己！

是这样的，Agent 就是 Vibe Coding 时代的 Hello World，甚至 one shot 就可以出一个，所以人人都可以有一个自己的 Agent，这也是我讨厌做 toC Agent 的原因，因为产品之间没有任何技术壁垒，所以大家拼命地在自己的产品上雕花，就像小时候拼命装饰自己的 QQ 空间挂件一样，加个 UI 加个动效什么的就让自己松口气躺在人体工学椅上自嗨一阵子了，所以我现在看国产新能源车搞什么把客厅搬到车上，在车内搞咖啡角搞电影院搞马桶，在车灯上搞像素动画，在车标上搞充电进度条什么的我都不会发出笑声，反而很理解，这不就是每个 toC Agent 的现状吗？在没有技术壁垒的情况下，只能在技术之外雕雕花让自己看上去与众不同了。

与盛颖@ying11231的采访是我so far录制的最喜欢的播客之一。自信，自洽，强大，与她交谈给了我非常大的力量。要相信，“美好是存在的。” 强烈推荐给大家 ... 🎉

推特上的各位大佬好！我是懒猫微服的CEO王勇。我经常在个人博客 分享经验和知识 如果我的博客和推特对您有帮助，欢迎购买我们家的产品 ;) 1. 懒猫微服：超级NAS，自带内网穿透，无需FRP、无需VPS，即可实现比Cloudflare和Tailscale快很多的网络穿透体验。不但能让外部手机轻松回家访问微服，还能让所有安装了微服客户端的内外网机器组成虚拟专网，无论是SSH还是GUI，都可以轻松相互访问。微服官方开发了网盘、相册、影院、读书、清单、音乐、听书、地图、通讯录等应用，您家里的多媒体私有云服务应有尽有。相比传统NAS，微服的优势主要包括：LightOS移动AI编程、小龙猫AI Agent、远程微信销售利器、极客大屏Chrome电视、iCloud备份、PVE虚拟机等差异化功能；更有超过4000款self-hosted应用商店，您所需的私有云服务，这里都可以一键安装！ 2. 懒猫AI算力舱：本地AI推理怪兽，搭载英伟达Thor T5000芯片，拥有2070T强悍算力、128GB超大显存，天然支持CUDA AI生态。网上可下载的模型可直接运行，无需适配、无需折腾，是AI研究学习的利器。支持100GB光口，通过光交换机 + vLLM可实现多台并联，一台就能跑DeepSeek V4 Flash（两台更佳），多台可支持满血版AI大模型。相比AMD芯片生态更好，相比Mac Studio并发能力更强。更有官方AI应用支持，包括全文搜索、文章翻译、代码编写、网页总结、音视频转录识别、音频生成、OCR文字识别等。 3. 懒猫AI摄像头：潮玩造型，兼容蔚来汽车Nomi头饰，百变造型，自由换装。摄像头视频存储在微服中，完全100%私有化，杜绝视频泄露。支持全景云台、红外夜视、双向通话等常用摄像头功能。配合懒猫AI算力舱，可实现AI功能增强，包括家人照看、智能寻物、视频AI搜索、哨兵模式等超强功能，甚至可以自己加载AI模型，实现DIY玩法。 对我们产品感兴趣的大佬，可以评论区打1, 我来给大佬详细介绍 ；）

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

看了 Kimi 创始人杨植麟这段访谈，我最大的感受：这一代 AI 新贵，身上已经没了马云、王健林、刘强东那代企业家的江湖气 看着就不像会研究谁坐主位、鱼头朝向的人

虽然现在LLM 非常好用。 但知识付费这个行业仍然会活的很好。 因为切身经历过某些事的人经验直觉和判断更加有价值， 这是机器永远也不太可能做到的事。 当一个人带着复杂问题向专家请教时，回答“去问大模型”往往毫无帮助——因为对方很可能早就问过了。真正想获得的，是专家经过多年实践形成的个人判断、经验和直觉。 举了两个例子： 一位女士向一位资深人士请教一个业内没有共识的问题，希望知道对方会如何判断相互矛盾的研究，得到的却是“问 Claude”。 她曾经被一个数据问题困住，已经尝试了多种方法，也和大模型反复讨论过，随后向专业人士求助，结果多数人仍然建议她去问模型。 她强调这不同于过去那些“不先搜索就伸手问人”的行为。她不是想让别人代替自己查资料，而是想知道： 你个人怎么看？ 你的实际经验告诉了你什么？ 公开资料或行业共识哪里可能有问题？ 面对不确定性，你会相信什么、舍弃什么？ 这类似于向熟悉的朋友询问餐厅推荐：需要的不是网上的“十大榜单”，而是基于共同品味和过往经验的私人判断。 作者也承认，认真回答别人确实有成本，需要时间、注意力和思考。因此，“我现在没时间”“我也不知道”“你试过的方法已经是我能想到的全部”，都是可以接受的真实回答。相比之下，“问 Claude”更像一种含糊的推辞，它掩盖了对方不愿或无法回答的事实。 一句话概括： 大模型擅长提供可检索、可归纳的普遍知识，但人们向专家请教，往往正是为了获得模型无法提供的、由长期实践形成的个人经验和判断。 文章并非反对使用大模型，而是在批评一种新的交流习惯：把“问大模型”当成所有问题的默认终点，从而让真正珍贵的人类经验更难被分享。 阅读原文

宅家看剧的免费神器即将上线 配合 Agent 自动下载资源，全链路打通爽翻天 特点： 1. 无限制，不删减，原片是什么就播什么 2. 本地 Native 代码，全平台，支持电视手机 iOS 安卓和三端电脑 3. 自带刮削，支持电影，电视剧，0 配置 4. 软件免费 平常家里电视吃灰的，喜欢收藏电影，做家庭影院的老板 感兴趣的话评论区打“1”，给您介绍如何优惠购买

正如美国心理学之父William James所说：“行动似乎追随感觉，其实行动与感觉是并行的；如果想改变感觉，就先开始行动。” 真正让人疲惫的，往往不是工作，而是那些一直没有完成的小事儿。 从今天开始，完成一件小事，就是找回能量的第一步……