#字节

2周前

字节应该加购H20服务器了，推理速度越来越慢，太缺推理机了

#字节 #H20服务器 #推理速度慢 #推理机 #算力

2周前

字节已经把nano🍌秒了。Doubao-Seedream-4.0

#字节 #Doubao-Seedream-4.0 #nano #收购 #科技

3周前

字节新的文生图模型太强了！复制任意内容，不超过800字就行。发给即梦或豆包，选图片4.0模型。提示词很简单，只需要加中横线分割，输入： “用美漫风格生成” “用火柴人风格生成” “用旧报纸风格生成” “用四格漫画风格生成”

#字节 #文生图模型 #AI #美漫风格 #图像生成

1个月前

有个做AI的同学说：他们老板的画饼速度，都赶不上大厂的开源速度。 DeepSeek之后，阿里、腾讯、字节的开源又快又好又强。

DeepSeek数据泄露：德国下架，信任崩盘· 271 条信息

中国DeepSeek引发美国科技股暴跌事件· 136 条信息

#AI #画饼 #大厂 #开源 #DeepSeek #阿里 #腾讯 #字节

1个月前

各位兄弟姐妹们好，想跟大家分享一个近况。8 月 22 日是我在掘金的最后一天，这段旅程也暂告一段落。接下来，我将加入到新的方向，开启新的探索。 2019 年 8 月 23 日是我入职字节的第一天，六年后的同一天，我将以全新的身份和角色迎接新的挑战。这是我深思熟虑后的决定。非常感谢一路以来各位朋友给予的支持和帮助，让我在这里收获了成长、经验，更收获了珍贵的友情。我不是一个特别优秀的人，但很幸运能遇到大家这样真诚又优秀的伙伴。来到字节的这些年，我始终在“敢为极致”的价值中不断前行、持续进步。但我也希望自己能去追寻更多“生命力”的可能性。离开并不是告别，而是另一种开始。这里想引用电影《冈仁波齐》中的一句话与大家共勉：“这个世界上没有什么生活方式是完全正确的，神山圣湖并不是终点。接受平凡的自我，但不放弃理想和信仰，热爱生活，我们都在路上，也许路的尽头是什么，从来都不重要。”

#掘金 #字节 #离职 #新挑战 #感恩

1个月前

M3-Agent-Control：Agent专用模型字节悄悄放出了一个专门用于Agent的模型，基于Qwen 3 32B训练。模型：

#M3-Agent-Control #Agent模型 #字节 #Qwen 3 32B #模型

1个月前

蚂蚁和字节约着线上开会，最终选择了腾讯会议

#蚂蚁 #字节 #腾讯会议 #线上会议 #合作

1个月前

今年的大厂校招都比往年提前了2-3个月，字节的26届校招开始了. 已经收录，明天就可以有精选岗位出来了.

#高招就业季#：志愿填报与就业攻坚· 243 条信息

教育部推出471.8万岗位，助力高校毕业生就业危机！· 123 条信息

#大厂校招 #提前 #字节 #26届校招 #精选岗位

2个月前

啊？用扣子搞个智能体，都还没调试好，就额度不够了？！说好的字节财大气粗呢？！

#智能体 #扣子 #字节 #额度不足 #调试

凤凰网-凤凰网综合

2个月前

捐款捐物抢险！小米、字节、中国移动、苹果等多家企业支援灾区

6省区市紧急获1.5亿救灾资金，防灾救灾刻不容缓！· 34 条信息

#小米 #字节 #中国移动 #苹果 #捐款 #救灾

2个月前

最近coze搞了好多AI + 智能硬件方向的扶持和活动，结合着最近coze开源来看（估计觉得没啥好卷的，引入社区资源维护）感觉2025年接下来将会是端侧大模型的全面爆发，我预估字节接下来在端侧AI方面估计会大力出新的奇迹。

#Coze #端侧大模型 #字节 #AI #智能硬件

Jintao Zhang 张晋涛

2个月前

字节把扣子开源了，虽然也不算是个多大的事儿，不过我比较好奇接下来他们要怎么讲故事了 🤣

#字节 #开源 #扣子 #技术 #中性

2个月前

字节推出中英同传新模型：模拟音色延迟近专业同传译员水平该模型实现了平均2-3秒的语音到语音延迟，具备实时模仿不同说话人音色以保留身份特征的能力，并支持对上下文、文化背景及包括绕口令、诗词、美食文化在内的复杂表达的理解与互译。

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 524 条信息

#字节 #中英同传 #AI模型 #语音翻译 #低延迟

2个月前

Trae solo：字节发布首个AI上下文工程师，为每个开发人员提供10 倍的生产力、将 PM 转变为产品构建者、让设计师无需编写代码即可进行构建，超越manus和lovable blog： #trae #字节 #solo #manus #lovable

#字节 #AI #上下文工程师 #产品构建者 #无代码构建

2个月前

代码意外的非常非常干净，应该是这段时间我看过的最干净的 AI 代码库了，和 frost 讨论了下字节确实这段时间在认真做事啊。

AI编程工具激战：Claude Code、Gemini Cli崛起· 906 条信息

#AI代码库 #干净 #字节 #认真做事 #积极

3个月前

字节的多模态模型 - BAGEl - 开源免费对比优势 • 多模态理解、生成和编辑能力在主流榜单上整体领先，超越 Qwen2.5-VL、InternVL-2.5、SD3 等开源模型 • 图像生成质量高，细节丰富，媲美 SD3 • 图像编辑、风格迁移、自由视觉操作等功能更强 • 支持多轮对话、复杂推理和世界建模，综合能力突出线上直接体验官网 Github

#多模态模型 #BAGEl #字节 #Qwen2.5-VL #InternVL-2.5 #SD3 #图像生成 #图像编辑 #风格迁移 #自由视觉操作 #多轮对话 #复杂推理 #世界建模 #开源模型

3个月前

今天晚上和一个阿里的前同事吃饭，他现在人在字节。我给他说我现在主要在教人用 Cursor 编程。令我震惊的来了，作为研发，他居然从未听说过 Cursor，完全不知道是什么🤣🤣🤣我多少有点不可思议.....

#阿里 #字节 #Cursor #编程 #研发

歸藏(guizang.ai)

3个月前

字节发布了 Seedance 1.0 Pro 视频生成模型。就是即梦里面的视频3.0 pro 模型提前测试了一下，发现这次字节的视频模型真的站起来了！！在提示词理解、画面细节、物理表现一致性理解等方面都无可挑剔通过火山引擎调用，5 秒 1080P 视频 API 价格仅为 3.67 元下面有详细的测试👇

#字节 #Seedance 1.0 Pro #视频生成模型 #即梦 #火山引擎 #视频API #1080P

3个月前

腾讯、字节的员工也可以不睡觉啊，创业者怎么办，还能变魔法让一天多出一些时间吗？

#腾讯 #字节 #员工 #创业 #时间管理

4个月前

字节开始打价格战了首月 3 刀，月付 10 刀，包年相当于每月 7.5 刀，支持 Claude-4-Sonnet 、Gemini-2.5-Pro 每月 600 次快速请求，无限次的普通队列请求支持支付宝付款，可以尝试一把

#字节 #价格战 #订阅服务 #claude-4-sonnet #Gemini-2.5-Pro #优惠活动 #互联网 #AI服务

8个月前

国内大模型玩家小评：智谱：技术很不错，专攻ToB、ToG，但是新公司想踩透ToB的弯弯绕，得先吃点亏。讯飞：垃圾模型，但是讯飞在国资委很有影响力，应该还能拿单。阿里：Qwen 持续开源领先，ToB 躲在后面让集成商中标干苦力活。腾讯：反正外面没人用，开源了捧个人场。字节：豆包主要还是服务自家 ToC 场景，API 赚不到钱也没什么人用。百度：专心做ToC 场景吧，然后做做ToB的单子，闷声不被骂。华为：专心做昇腾生态，卖昇腾服务器，前途广大。 Kimi：被豆包干死。

#智谱 #讯飞 #阿里 #腾讯 #字节 #百度 #大模型 #ToC场景 #ToB市场 #开源技术

8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

8个月前

字节的可以直接操作图形界面的原生 GUI 智能体模型UI-TARS，类似于 Claude 的 Computer Use，可以只靠截取的界面图片就能理解并操作软件。就像我们人类直接看手机或电脑屏幕一样，利用眼睛去“认”，再动手指去“点”。UI-TARS学会了从图片中辨别按钮、输入框、下拉菜单等各种元素，也能知道“这个图标大概率是搜索按钮”“这个区域是文本框”等信息。 UI-TARS具备四个关键能力，来模拟人类使用电脑或手机的过程： 1. 感知（Perception）：从截图中识别出界面有哪些元素、它们的文字、图标、位置等。 2. 行动（Action）：能够发出点击、滚动、输入文字、拖拽等具体操作指令。 3. 推理（Reasoning）：类似于人类的“思考”过程，尤其是比较复杂或多步骤的任务，需要先策划好要怎么做，再一步步执行。如果中途出错，还要思考如何纠正或绕过困难。 4. 记忆（Memory）：对过去的操作和获得的信息进行“记忆”，好让下一步决策更准确。过去很多尝试，往往是把各种工具模块拼在一起——比如：先用某个模型识别界面元素，再把文字描述交给另一个大语言模型推理，然后再用一个脚本执行操作。这些拼装好的框架对特定场景有效，但迁移性差。UI-TARS 的思路是直接使用一个“大模型”进行端到端学习，把对界面截图的理解、对任务目标的分析以及生成下一步点击指令的过程整合在一起，大大提升了灵活性与稳健性。 UI-TARS 不仅有直接的“直觉式”反应（称为System-1思维），还纳入了更深度的“System-2思维”，或者说“慢思考”。它会在做出点击等动作前，先进行多步推理，比如： “先打开浏览器 -> 输入网址 -> 搜索再点击下载链接 -> 安装软件 -> 打开软件” 如果中途失败或走错，它会像人一样反思错误、再尝试新的方案，避免一直卡在同一个问题上。至于效果，论文上说在某些测试上超过了 Claude 和 GPT-4o，但估计还是得看实际使用场景，所以还是建议有兴趣的自己试试看。开源项目地址: Huagging face：

#字节 #GUI智能体 #UI-TARS #软件操作 #智能界面 #计算机视觉

8个月前

字节新出了个 Cursor 的竞品 Trae ，可以用 claude3.5，限时免费测试了一下不错，它的 Builder 相当于 Cursor 的 Composer 和 Agent 合体，建议默认使用 Builder。

#字节 #Cursor #Trae #claude3.5 #Builder #Composer #agent #限时免费