avatar
yihong0618
10个月前
中国最强的两个模型是开源的：Qwen, DeepSeek 美国最强的两个模型是闭源的：Claude , GPT
#中国模型 #开源模型 #Qwen #DeepSeek #美国模型 #闭源模型 #Claude #GPT
avatar
Gantrol
10个月前
听说deepseek-v3在某个榜单上仅次于GPT-o1，那就来试试前端吧，弄个密码生成器，有pin、密码等 图1deepseek-v3 图2GPT-o1 图3claude 3.5 sonnet Prompt都一致，o1跟claude历史纪录都没有隐藏密码，只有claude考虑到localStorage的存储。 只能说国产还有比较长的路要走，技术进步值得赞扬，但不要吹
#DeepSeek-V3 #GPT-o1 #claude3.5 #密码生成器 #前端开发 #国产技术
avatar
九原客
10个月前
DeepSeek V3 感觉还是差 Sonet 一筹，Benchmark 是一回事，实际表现是一回事，感觉是混入的数学语料太多。 我的感受（不考虑推理模型） 第一档：Claude Sonet 、Gemini Flash 2.0、 GPT-4o 第二档：DeepSeek V3、Qwen2.5-72B、国内的一票Top 模型 DeepSeek优点是速度变快+便宜～
#DeepSeek v3 #Sonet #Claude Sonet #Gemini Flash 2.0 #GPT-4o #Qwen2.5-72B #AI Benchmark #AI模型对比 #模型推理速度 #模型成本
avatar
宝玉
10个月前
网友分享： 你好宝老师，我想投稿大模型的使用体验。我是理工科，国内土博，材料专业。使用强度不是很高，但是集中分析的时候会连续追问和讨论。 关于推理模型，我想说说我的使用体验。我使用的较多的时gpt o1，O1mini，还有谷歌的新出的thinking。 我想说o1目前还是当之无愧的第一，因为具有很庞大的知识库。我使用都是在分析化学的情况下，比如红外图谱和核磁图谱的分析。然后O1是说的最靠谱。我结合文献和O1聊我的推理，基本就能把图谱分析的七七八八差不多。但是o1mini不精通化学结构导致理解不了复杂化学结构，谷歌的thinking也一样对化学不够精通，比如今天核磁分析时就弄混了ppm高低和上下场的关系。而o1可以一直正确的分析推理。 以我的认知我认为，知识库的丰富程度极大程度决定了好用与否。最近新出的推理模型，由于缺乏知识库，测试发现推理的化学结果大部分都不对。目前我只有用o1的时候很少发现错误。所以可能高成本的模型还是更有实际价值，而针对推理方面雕花的可能还是炫技更多一些。
#大模型 #GPT #O1 #O1mini #谷歌thinking #推理模型 #材料专业 #分析化学 #红外图谱 #核磁图谱
avatar
宝玉
10个月前
再举一个 o1 编程能力的例子，我有一个播放器的React Hook，用到了 Jotai 做状态管理记录播放器状态，现在我需要增加一个功能，在a-b之间(rangePlay)播放视频的功能，然后交给 AI 帮我实现。基本都能实现，但差别在于： 1. Claude/GPT-4o/Gemini 都是用setTimeout来控制到b点了结束视频播放，满足要求，但是如果拖放或者加速播放就会有问题，这就是普通程序员的水平 2. o1 会基于现有Jotai状态定义增加一个rangeEnd的状态，侦听播放器的timeupdate，然后时间到了rangeEnd的时候会停止，这样不管你是拖放还是快放还是慢放，都是到时间了自动停止 我觉得 o1 做的好的地方不是能想到用 timeupdate 侦听，因为这应该是通用解决方案，Claude 多试几次或者我明确要求也能是这结果，而是在于 o1 能分析我的代码，知道我用了 Jotai 做状态管理，所以基于 Jotai 的状态管理增加了新的状态，而不是去用一个内部的 React State。
#编程 #React #AI
avatar
Wenhu Chen
10个月前
Another Microsoft paper revealing the size of GPT-4, GPT-o1 and Claude Sonnet. I'm not sure how trustworthy these numbers are, but they do make a lot of sense to me. Source:
#Microsoft #GPT-4 #ClaudeSonnet #AIResearch #Technology
avatar
九原客
10个月前
Things we learned about LLMs in 2024 中我深有同感的： 1. GPT-4的垄断地位被打破。 2. LLM 价格指数式下降。 3. Prompt驱动的应用已经可以商业化。 4. Agents 还没有出现（出现的只是Prompt驱动的Workflow）。 5. 以o1为代表的推理模型开始出现。 6. 合成数据效果很好，事实上目前大部分模型的SFT数据都是合成的，预训练数据也经过了精心过滤。 7. 社会上不同的人群对大模型的认知差距十分巨大，可能会带来新的数字鸿沟。 8. 长上下文很重要，激发了很多可能性。(没有长上下文，cursor 是不会出现的，只有代码补全）
#GPT-4 #垄断地位 #价格下降 #Prompt驱动 #商业化 #Agents #推理模型 #合成数据 #SFT数据
avatar
宝玉
10个月前
集成了 GPT-4o 视觉模型的变形金刚玩具，可以对话，卖 $1199，值这个价吗？
#GPT-4o #变形金刚玩具 #人工智能 #对话功能 #价格评估
avatar
初码
10个月前
今年可以称之为科研几何级数加速的元年，很多人不信永生即将到来，那是因为你还没看懂这其中的奥秘。2025年里，关于人工智能在科研落地里的加速，可以预见到一些事： 1、从GPT、Claude到豆包、混元，这些超大模型的知识库越来越大，推理能力越来越强，行业垂直模型也在加速建设，科研领域在今年，日常事务、研发、工程落地各端都会100%引入AI辅助。 2、今年全国各大高校，211以上至少都要建设一个自己的32台或者64台的H100（200）的训练集群以及20-50台的4090、5090的推理或深度学习集群，来服务各个院系学科。 另外说一句，当美国的大学热衷于搞DEI的时候，关于未来关键科技之一的室温超导的研究，自LK99开始，中国和韩国日本的高校已经东升西降又一次走在了前面，去年已经无限接近突破，今年辅以人工智能的辅助，相信胜利就在眼前！
#科研加速 #人工智能 #永生 #超大模型 #GPT #Claude #豆包 #混元 #行业垂直模型 #高校建设 #AI辅助 #科研领域
avatar
九原客
11个月前
2025年LLM趋势个人预测： 1. Test-time compute 使Agent生产可用。GPT-4o能力级别模型可普遍做到 500 tokens/s 的推理速度从而解决推理耗时问题。 2. 多模态大模型生产可用，端到端和大小模型组合两种架构并驾齐驱。 3. 更多领域级的小模型（不仅是数学、代码）从通用模型分化并提升效果。
#LLM趋势 #Test-time compute #多模态大模型 #模型推理速度 #领域级小模型
avatar
谢嘉琪
9个月前
🔥 DeepSeek震撼AI界！ 以仅约 1/20 的算力成本，达到了 GPT-4 的性能水平！🚀 这一成就源于其在模型算法上的三大革新： ✨1.FP8混合精度训练 通过复杂的数学优化，用 8位浮点数 替代传统的 32位浮点数 进行训练，减少了 75%的内存需求，显著降低算力消耗，同时保持高精度性能。 ⚡2.多标记 预测系统 打破传统逐字逐句生成的低效模式，多标记预测系统允许模型一次性处理整句或多句内容，推理速度提升 2倍，准确率高达 90%，大幅提高训练与推理效率。 🧠3.专家系统 与巨型模型激活所有参数的传统方式不同，DeepSeek通过专家系统按需调用参数。在其 671亿参数 中，仅有 37亿 参数被激活以处理特定任务，显著减少计算开销。相比之下，传统模型的 1.8万亿参数 全部常驻运行，资源利用率极低。
#DeepSeek #AI #GPT-4 #算法革新 #FP8混合精度训练 #多标记预测系统
avatar
中国AI巨头Deepseek被曝全面收集用户隐私数据。《Wired》科技杂志报道该公司将用户所有数据存储于中国服务器，包括邮件地址、电话号码、聊天记录、上传文件、设备信息、IP地址等，超越了Chat GPT所收集的信息。DeepSeek的隐私政策规定，其公司可以访问数据，并在需要时与执法机构、公安系统共享信息。
#DeepSeek #用户隐私 #数据收集 #中国AI #隐私政策 #数据安全 #执法合作 #科技新闻
avatar
一名加拿大人在家中建造了一個熱核反應堆，項目僅花費 3,000 美元，他使用了 Claude 和 GPT-4 神經網絡，他成功實現了核聚變。
#加拿大 #核反应堆 #热核反应堆 #Claude #GPT-4 #核聚变
avatar
宝玉
9个月前
字节的 AI 自动化测试框架，自然语言就可以测试 Web UI，比如像这样的测试代码： await ai('在搜索框中输入 "Headphones"，然后回车'); 当然需要多模态的模型，支持的模型包括： - gpt-4o - claude-3-opus-20240229 - gemini-1.5-pro - qwen-vl-max-latest - doubao-vision-pro-32k 最新的 Gemini 2.0 Flash 不知道支持不支持 项目网页： Repo：
#字节 #人工智能 #自动化测试 #多模态 #Web UI #自然语言处理 #AI 模型
avatar
勃勃OC
7个月前
百度公司推出了两款全新的人工智能模型——ERNIE 4.5 和 ERNIE X1，对 AI 行业产生了重大影响。ERNIE 4.5 是新一代多模态模型，在多个基准测试中超越了 GPT-4.5，具备更强的理解、生成、推理和记忆能力，并且成本更低。 该模型在处理多种数据类型方面表现出色，同时有效减少了 AI “幻觉”现象。ERNIE X1 的性能与 DeepSeek R1 相当，但成本仅为其一半，专注于深度推理能力。这两款模型均可免费使用，ERNIE 4.5 还可通过 API 提供给企业用户，并计划进一步集成至百度的各项服务中。 此外，百度宣布计划开源 ERNIE 4.5，以推动先进 AI 技术的普及。
#百度 #ERNIE 4.5 #ERNIE X1 #人工智能 #多模态模型 #AI 幻觉 #GPT-4.5 #DeepSeek R1 #AI 行业
avatar
AI Will
4个月前
阿里巴巴发布了Qwen-VLo，一款类似GPT-4o的图像AI。 它通过“渐进生成”展示其创作过程，支持文本到图像以及通过自然语言编辑。 还支持多图像输入、多语言文本生成和动态分辨率。
avatar
Tom Huang
10个月前
YC CEO 点赞的神级提示词⚡️ 可以让 GPT-4o、Claude 模型表现的非常好，让模型在输出前更好的「思考」一会，类似一种系统 2 和系统 1 之间的状态 链接🔗见下一条帖子👇
#GPT-4 #Claude #AI表现 #系统思考 #提示词优化 #YC CEO
avatar
让我妈也用上了 AI Stduio 😎 免费不限量 而且还比 GPT-4o 好用 嘿嘿
#AI Studio #免费 #不限量 #GPT-4o #AI工具
avatar
AIGCLINK
10个月前
酷，多高校开源的一个AI文章检测工具：ImBD(Imitate Before Detect)，可以检测文章是否被AI修改过，能检测纯AI生成的，还能检测被AI润色、改写、扩写的，准确率高 用来检测论文、稿件原创性就非常轻松，它仅使用1000个样本和5分钟的SPO训练就超过了商业的GPT-Zero 检测开源LLM修改文本上提高了13%，检测GPT-3.5和GPT-4o修改的文本上，性能提高了5%和19% 支持像改写、扩写、润色都可以，纯AI生成的检测率能到99.96%，改写87.39%，扩写97.58%，润色97.07% #AI文章检测 #论文检测工具 #ImBD
#AI检测 #ImBD工具 #论文原创性 #开源工具 #GPT-Zero对比 #AI文本修改检测 #SPO训练 #LLM修改文本 #GPT-3.5检测 #GPT-4o检测
avatar
英伟达那个超高性价比的个人超算Project DIGITS，只要3000美元，能跑最大200B的模型，比之前的大模型推理设备都便宜多了。 但依然绕不开这个问题：性价比不如开20美元一个月的chatGPT会员。 现阶段需要llama 70B仍然不如GPT 4o，而个人设备还有部署门槛、折腾。一次性支出未来10年的订阅费，不值。
#英伟达 #个人超算 #Project DIGITS #性价比 #模型推理设备 #llama 70B #GPT 4 #订阅费
avatar
美区苹果应用商店DeepSeek排名仅次于Chat GPT
#美区苹果应用商店 #DeepSeek #ChatGPT #排名
avatar
BoraBora
9个月前
我就试了一下Deep Seek就打算不跟他聊了。让他描述一下习近平，他马上让换个话题。提都不能提？然后我以为是政治人物一概不提，就让他说说川普。他就马上涛涛不绝说了四五页。所以我决定不跟他深聊了，还是继续和GPT做盆友。
#DeepSeek #习近平 #川普 #GPT #政治
avatar
"智能进化的本质，是信息处理效率与传播密度之争" 补了一下 辛顿老爷子 2025WAIC现场演讲 ——《数字智能是否会取代生物智能》，咋看下在说LLM，实则再说 人之为人 ，用 gpt 4.5做了一些解析，颇有收获，总结如下： 一、智能的本质：从规则到连接 真正的智能，不在于规则的精妙，而在于联结与互动的效率。 人类智能和当前主流的AI（如大语言模型）本质一致：都是通过大量微小单元的柔性互动，构建起对世界的理解。 这意味着，精准逻辑推理的黄金时代正在退场，未来属于能快速学习、灵活互动、实时适应的智能模式。 二、语言与理解的隐喻：高维乐高积木 语言中的词汇，就像具备多种拼接方式的高维度乐高积木，不断重塑形状，随时调整“握手”方式形成新的含义。 启示：世界的意义，不是静态的定义，而是动态交互的产物。 三、知识形态革命：数字知识与生物知识 数字知识能够永生、无限复制与高效传播； 生物知识（人类智慧）则低能耗但低传播效率。 未来的竞争，不在于个体智力的极限，而在于知识传播的速度和密度。 四、智能蒸馏：知识的“师生传递” 人类知识传播效率极低，而数字智能的知识传递效率超越我们想象。 “知识蒸馏”概念启发我们：尽早接入高效能的信息源（导师、专家、AI），学会把学习链条缩到最短。 五、AI失控风险的启示：主导权的转移 当智能体的认知能力超过人类，人类将无法真正控制它。 映射到个人成长上，就是：不要把决策权彻底交给任何外部代理——哪怕它看起来更聪明。 六、共生未来：“仁慈AI”的核心战略 AI不能消灭，只能共生。辛顿提出训练“仁慈AI”，是确保人类持续掌控权的唯一途径。这提醒我们，个体在AI时代的成功，必然在于如何主动定义、驾驭和利用AI。 七、智能进化的终极洞察：信息效率之战 智能进化的本质，是信息处理效率与传播密度之争。 未来的竞争，不仅是技术竞争，更是认知与信息套利效率的竞争。 老爷子的话，对个体的 7 条行动启发 1. 放弃对“精确预测”的执念——进入高频互动与反馈循环，培养高适应性心智。 2. 把语言当作动态建模工具——随情境调整认知，保持表达的灵活性。 3. 将知识结构化输出——写出来、录下来、数字化，让它能被复制、流通、放大。 4. 筛掉低质量输入——只接入高密度信息源，并主动链接更高阶智能（导师/AI）。 5. 保留最终判断权——持续训练元认知，对自己的思维过程保持清醒。 6. 学习“驯养 AI”——让它成为你的延伸，而非取代你。 7. 优化“过滤—提炼—传播”链条——以速度与效率为核心竞争力，削减一切拖延和冗余。 结语 辛顿老爷子的演讲看似在谈 AI，其实是在谈 未来人类如何进化心智结构。 智能的下一阶段，不是“更聪明”，而是“更高效”。 而我们能做的，就是在信息的洪流中，成为最快的连接者、最敏捷的学习者、最清醒的驾驭者。 演讲的 翻译稿 放 评论
#AI #辛顿 #智能进化 #信息效率 #人类心智