AI.x社區
- 登錄/注冊
Emu3.5：能夠原生預測下一狀態的多模態世界模型，媲美Nano Banana
熱門內容榜 ? 最近上榜Emu3.5是由北京智源研究院剛剛推出的大規模多模態世界模型，原生就能預測視覺和語言的下一個狀態。它用統一的下一token預測目標進行端到端預訓練，訓練數據包含超過10萬億token，主要來自互聯網視頻的連續幀和轉錄文本。這個模型天然接受交錯的視覺語言輸入，生成交錯的視覺語言輸出。之后還用大規模強化學習進行后訓練，增強多模態推理和生成能力。為了提高推理效率，團隊提出了離散擴散適配（DiDA），把逐token解碼轉換成雙向...Emu3.5多模態世界模型Unsloth發布Qwen3-VL本地運行和微調指南，修復隱藏bug
社區頭條 熱門內容榜 ? 最近上榜圖片10月31日，llamacpp版本Qwen3VL系列模型（Qwen3VL模型已并入llama.cpp，ollama同步支持），有網友在使用Qwen3VL8B時發現一個問題：第二次對話時llama.cpp總會崩潰。錯誤信息指向聊天模板的語法問題。Unsloth團隊緊急修復了這個問題，并重新上傳了所有GGUF量化文件。現在Qwen3VL系列模型可以在本地穩定運行，從2B到235B的各種規格都有對應版本。硬件需求與實際表現Qwen3VL2B：在4GB內存設備上運行，速度約40token秒Qwen3VL23...UnslothQwen3-VLGGUFHugging Face 推出 GOLD：讓不同模型家族也能做知識蒸餾
在最近ThinkingMachines的新文章（見文末）里指出一種很有用的模型壓縮技術——在線策略蒸餾（OnPolicyDistillation），它通過從高性能“教師”模型的概率分布中轉移知識來訓練一個小的“學生”模型。這使得學生能夠模仿教師的任務性能，同時顯著減少大小和延遲。它讓小模型在特定領域達到大模型的表現，成本卻只有傳統方法的十分之一。但這里有一個知識蒸餾一直存在的痛點：老師和學生必須用同一套分詞器。這意味著你不能讓Lla...Hugging FaceGOLD模型再談DeepSeek-OCR的信息壓縮論！附DeepSeek-OCR與PaddleOCR實測對比！
分享了??DeepSeekOCR的相關細節??，確實有被DS的高立意所折服，我還在苦苦利用OCR解析文檔做落地的時候，DeepSeek在考慮用圖像壓縮文本信息！昨天一天的發酵，也是各種文本已死，視覺當立，我也是醉了，我這人呢，挺沒意思的，所以拋出幾個觀點大家一起討論，第一個，文本Token數量壓縮到視覺Token數量的10倍以內時，解碼精度可達97%，但是這里會有一個問題，解碼的精度是字符的準確率，但是不代表文本信息重要性，我舉個例...DeepSeekOCRPaddleOCRLFM2-VL-3B：源自生物學靈感的邊緣模型
原創2025年10月，一家源自MIT的創業公司LiquidAI發布了LFM2VL3B視覺語言模型，這款僅有3B參數的模型不僅能在資源受限的邊緣設備上流暢運行，還在多項基準測試中展現出媲美更大模型的性能表現。這不是簡單的工程優化，而是一場源自生物學靈感、基于全新架構理念的技術革命。當科技巨頭競相構建數千億參數的巨型模型時，LiquidAI正在證明：真正的智能不在于規模的堆砌，而在于架構的優雅與效率的極致。1.起源LiquidAI的核心技術源頭可...LFM2-VL-3B邊緣模型視覺Langchain 、 Manus 組了一個研討會：Agent越智能，死得越快！
嘿，大家好！這里是一個專注于前沿AI和智能體的頻道最近，Langchain的工程師LanceMartin和Manus的創始人Peak季逸超進行了一次關于Agent的研討會，信息量有點大，整理了一些結論分享一下。一個現實：Agent越智能，死得越快。問題出在哪？Agent會瘋狂調用工具，每次調用都會把結果塞進上下文里。Manus提到他們一些任務需要50次工具調用，Anthropic說生產環境的Agent對話能跑幾百輪。結果就是，上下文像滾雪球一樣越滾越大，最后開...LangchainManusAgentVibe Coding 狂歡下的“架構之殤”：當我試圖讓 AI搞定一個“簡單”的認證
本文以一個資深研發的視角，客觀（且充滿吐槽）地探討了“VibeCoding”（姑且翻譯為“憑感覺編程”）現象。一方面，它極大地降低了創新門檻，讓“全民開發”成為可能；另一方面，當這種模式被應用于嚴肅的、系統性的工程（如一個標準的多租戶認證模塊）時，它所暴露出的“架構缺失”和“點對點滅火”的陷阱，足以讓最資深的工程師抓狂。不貶低，不神話，客觀對待一、VibeCoding的“黃金時代”：創新的民主化我們必須承認，我們...Vibe CodingGPTAILing-1T：萬億參數的高效推理非思考模型
在人工智能領域，語言模型的發展日新月異，參數規模的不斷擴大為模型的性能提升帶來了新的機遇與挑戰。今天，我們將聚焦于由螞蟻集團開源的Ling1T模型，它作為Ling2.0系列的第一款旗艦非思考模型，憑借萬億參數的龐大體量和卓越的高效推理能力，為自然語言處理領域帶來了新的突破。一、項目概述Ling1T是基于Ling2.0架構的萬億參數非思考模型，其設計目標是實現高效的推理和強大的認知能力。該模型在20T+token的高質量、高推理濃...非思考模型Ling-1T參數DeepSeek-OCR：開啟OCR 2.0時代，智能文檔處理新標桿
熱門內容榜 ? 最近上榜在數字化轉型的浪潮中，文檔處理一直是企業和研究者面臨的重要挑戰之一。傳統OCR技術雖然能夠識別文本，但在處理復雜文檔、多語言內容以及大規模數據時存在諸多局限。最近DeepSeek團隊開源了DeepSeekOCR模型，這一創新的視覺語言模型通過“上下文光學壓縮”技術，為文檔處理帶來了全新的解決方案。一、項目概述DeepSeekOCR是由DeepSeek團隊開發的一款革命性的OCR模型，參數規模約30億（3B），采用“上下文光學壓縮”技術，將文...DeepSeek-OCRDeepSeekMarkdown別急著寫代碼，先好好寫文檔吧！Gemini CLI負責人預言：未來的開發者可能根本不需要看代碼，只需要寫下意圖
原創 社區頭條編輯聽雨出品51CTO技術棧（微信號：blog51cto）別急著寫代碼，先教AI怎么干活。這是GoogleCloudPlatform開發者體驗部門副總裁KeithBallinger最近在《TheNewStackAgents》節目上說的一句話，也是一針見血地指出了當下AI開發的最大誤區。Ballinger是少數依然親自寫代碼的高管之一，同時深度參與了最新的“智能體化”編程工具的研發與使用。他目前負責的核心產品——GeminiCLI，是Google直接對標ClaudeCode與Codex的競爭者。很多程...代碼AI編程編程Kimi發布新一代注意力架構！線性注意力實現75% KV緩存減少、6倍解碼速度提升
原創 社區頭條 熱門內容榜 ? 最近上榜Kimi發布新一代注意力架構，推理速度提升6倍，KV緩存暴降75%月之暗面全新發布的混合線性注意力架構，有望解決大語言模型在處理長序列任務時面臨的計算效率和性能瓶頸。 當前，主流大模型在處理長文本時存在兩大根本性效率問題。 其一是二次方時間復雜度，注意力分數的計算與序列長度的平方成正比，當文本長度大幅增加時，計算量將呈指數級增長。 其二是線性增長的KV緩存，在自回歸生成過程中，模型需要緩存過去...Kimi注意力架構Kimi Linear算家計算算家云端到端短視頻多目標排序機制框架EMER詳解
原創 社區頭條 熱門內容榜 ? 最近上榜當你打開短視頻App，手指上下滑動的每一秒，背后都藏著一套決定“你接下來看什么”的排序邏輯。過去十年，行業里的推薦排序大多依賴“人工設計公式”——工程師們把“用戶會不會點贊”、“能看多久”等指標，按經驗分配權重、套進公式，算出每個視頻的“優先級分數”。但這套模式正在遭遇瓶頸：有人喜歡“短平快”的搞笑視頻，有人偏愛“慢節奏”的生活記錄，一套公式怎么滿足千萬用戶的個性化需求？當“留存”、“時長”、“播...生成式AI快手推薦算法我們往Claude腦子里塞了一個詞，然后它開始「自圓其說」了！Anthropic最新研究：AI擁有內省能力！
原創 社區頭條 熱門內容榜 ? 最近上榜編輯聽雨出品51CTO技術棧（微信號：blog51cto）Anthropic剛剛公布了一項最新研究：AI開始擁有內省能力。這個問題，其實在AI領域大神、OpenAI元老AndrejKarpathy最近的演講中也有所提及：他認為，AI的下一個階段不是更大的模型，而是能反思自己的模型。它們需要像人一樣，能在輸出后回顧過程、總結偏差、甚至從錯誤中自我修正。Anthropic的這項研究正是不謀而合。研究團隊通過已知概念的表征（representations）注入模型的激活（...ClaudeAnthropicAI# 從"折騰"到"高效"：Claude Code 在日常開發中的真實應用
社區頭條 熱門內容榜 ? 最近上榜從"折騰"到"高效"：ClaudeCode在日常開發中的真實應用最近在做項目時，我發現自己在一個問題上卡了快兩個小時。后來用ClaudeCode描述了需求，5分鐘就拿到了完整的解決方案。這個經歷讓我開始重新思考：為什么不讓AI來處理那些重復性強、耗時的工作呢？開發者的"痛點時刻"你是否也經歷過這些場景？代碼生成：需要實現一個新功能，卻要花半天時間查文檔、搜索最佳實踐代碼審查：發現性能瓶頸，卻不知道從何優化起Bug診斷：遇到詭...人工智能告別折騰！Evol內置Claude Code實測：穩定省錢，開發效率直接拉滿
作為常年泡在社區、靠ClaudeCode輔助開發的程序員，我曾被兩個問題反復折磨：換開發環境就得重配APIKey和環境變量，折騰大半天才能開工；按Token計費的賬單像開盲盒，偶爾跑個復雜項目分析就超支。直到遇上EvolAI智能工作空間，才算真正實現了ClaudeCode的“穩定自由”，尤其適合咱們日常開發、項目實戰的需求。一、選Evol，精準解決開發者兩大核心痛點痛點1：傳統ClaudeCode配置太磨人，新手老手都頭疼用過ClaudeCode的朋友都...AIRAS 革命：從 RAG 到結構化知識增強，破解 LLM 短板的新范式
社區頭條 熱門內容榜 ? 最近上榜作者崔皓審校重樓摘要大型語言模型（LLMs）在文本生成和推理上表現出色，但存在幻覺生成、知識過時、缺乏領域專業知識等短板。檢索增強生成（RAG）雖能通過外部文檔檢索增強LLMs以減少幻覺、獲取最新信息，卻面臨摻雜誤導信息、缺少邏輯連接的問題。為此，檢索增強結構化（RAS）技術應運而生，它整合知識結構化技術（如分類法和知識圖譜），將非結構化文本轉化為結構化知識，提升推理和驗證能力。RAS包含信息檢索、結構化知識表...RASRAGLLMAIOpenAI、Claude、月暗，甚至谷歌，為什么全選擇Pytorch？早期論文成員爆料：LLM太笨重了，需要微型化
原創?編輯云昭出品51CTO技術棧（微信號：blog51cto）Pytorch贏了。大家可能沒注意到，現在每一款與你互動的Chatbot，背后運行的都是PyTorch。可以說，它已經成為了主流LLM研發鏈路中事實上的標準。首先，不管是大洋彼岸的OpenAI、Anthropic，還是國內的通義千問、智譜、月之暗面，他們推出的大模型或開源實現，都提供或偏好Pytorch框架。OpenAI早在2020年就官方聲明中就明確表示將研究標準化在PyTorch平臺上，來提高研究迭代效率。...OpenAIClaudeLLM利用MCP創建AI代理：C#實踐指南
社區頭條譯者晶顏審校重樓大型語言模型（LLMs）的快速演進已對人工智能應用領域產生顛覆性影響，其核心優勢在于具備自然語言理解與生成能力及邏輯推理能力。然而，LLMs仍存在顯著局限性：無法訪問實時數據源，亦不能調用外部計算工具。這種“信息孤立”狀態使其無法提供實時更新的信息，同時限制了其在動態系統中的適配能力及文本生成之外的任務執行能力。當前行業針對該問題的解決方案，要求開發人員為每個數據源或工具單獨構建應用連...MCPAI代理C#AI8%價格，2倍速度！國產MiniMax M2暴打Claude Sonnet 4.5？我們實測后發現堪稱性價比之王！
原創 社區頭條 熱門內容榜 ? 最近上榜編輯聽雨出品51CTO技術棧（微信號：blog51cto）10月27日，MiniMax正式開源并上線了MiniMaxM2。官方口號喊得非常響亮：“專為Agent和代碼而生，僅ClaudeSonnet8%價格，2倍速度，限時免費！”這就引發了很多網友紛紛前去體驗，再加上官方延長了限時免費的時間，截至11月7日前都可以免費體驗Agent平臺和調用API，政策十分誘人。現在MiniMax首頁已經有很多網友分享了自己的作品，可以說是五花八門：有MBTI測試、在線撲克游戲、兒童...MiniMaxClaudeAgent對 GPT 5 模型路由機制的深度解析
原創 精華 社區頭條編者按：我們今天為大家帶來的文章，作者的觀點是：GPT5通過引入“智能路由器”架構，實現了按需調用不同專家模型的動態協作機制，標志著大模型正從“全能單體架構”邁向“專業化協同架構”的新范式。文章深入剖析了GPT5路由機制的四大決策支柱——對話類型、任務復雜度、工具需求與用戶顯性意圖，并對比了其相較于GPT4、Toolformer及早期插件系統的突破性進步。作者還詳細拆解了該架構的技術實現路徑、核心優勢（如響應速度提...LLMAI
