#阿里云

avatar
Y11
2周前
请教一下大家： 那些照片变动图（譬如摇摇手什么），主要用的是什么模型呀？ 国内火山引擎或者阿里云有这个基础模型能力可以调用吗？
#动图生成 #模型应用 #火山引擎 #阿里云
avatar
Bryan
3周前
把所有服务都切到 Zeabur 了（原来在腾讯云/阿里云/AWS/fly.io） 感慨一下，Dedicated Server 真好用，基于 k3s 让它的可玩性也很高（比如我部署了整套的 prom stack，利用 cnpg 搭建了支持 PITR 的 pg 集群） 遇到问题时官方支持响应也很快，而且… 竟然完全免费，Zeabur 简直在做慈善
#Zeabur #云服务 #Dedicated Server #k3s #prom stack #cnpg #pg 集群 #PITR #腾讯云 #阿里云 #AWS #fly.io #官方支持
avatar
6月6日凌晨 国内最大云服务商阿里云，其核心基础域名 出现DNS解析异常，导致对象存储OSS、内容分发网络CDN、容器镜像服务ACR、云解析DNS等多项关键云产品受到严重影响。 该核心网址解析导致大量依赖阿里云服务的政府、企业和个人用户业务中断。 凌晨2点57分，阿里云核心域名解析出现异常，一度指向 ，一个专门处理恶意网络活动的非营利组织。这一异常操作直接导致全球范围内的域名解析中断，大量依赖阿里云服务的政府、企业和个人用户业务被迫中断。 尽管阿里云官方于08:11宣布域名解析已初步恢复，但由于DNS缓存的传播更新机制，部分海外地区及客户业务的实际恢复时间将显著延长，持续面临访问问题。 此次事件迅速引发了大量客户的强烈不满，V2EX等技术社区充斥着用户对业务中断的抱怨，大量程序员被迫半夜起来加班，并被一些网友视为“足以进入云计算故障历史的事件”。
阿里云核心域名解析异常致多项服务瘫痪，用户苦不堪言· 3 条信息
#阿里云 #DNS解析异常 #云服务中断 #网络安全问题
avatar
Vonng
3周前
阿里云的核心域名 被拖走了，扔到ShadowServer网络拖车厂去了，DNS解析，OSS，CDN等核心业务受到影响，影响一大片网站。真的是太魔幻了……
阿里云核心域名解析异常致多项服务瘫痪，用户苦不堪言· 3 条信息
#阿里云 #域名被劫持 #DNS解析 #OSS #CDN #网站受影响
avatar
蓝点网
3周前
阿里云关键业务域名 Aliyuncs 解析异常导致 OSS、CDN、ACR 和云解析 DNS 等都出现异常，此次异常是在凌晨 2 点出现并在今早 8 点陆续恢复。 蓝点网测试显示目前还有部分省份的 DNS 缓存未刷新导致无法解析，受影响的企业也只能继续等待 DNS 缓存刷新下去才行。 查看全文：
阿里云核心域名解析异常致多项服务瘫痪，用户苦不堪言· 3 条信息
#阿里云 #域名解析异常 #OSS #CDN #ACR #云解析DNS #DNS缓存 #企业影响
avatar
洛克船长
3周前
原本本地有10几个视频，上传到阿里云的视频点播。这两天本地找不到了，所以想在阿里云上下载下来。才发现阿里云不提供视频下载。 想了很多办法都不行，结果我在Chrome市场里遇到了这个cat-catch的小工具。阿里云的视频流不在话下，马上捕捉，下载。 太好用了，推荐一下！
#阿里云 #视频点播 #下载工具 #Chrome扩展 #cat-catch
avatar
蓝点网
1个月前
阿里云通义灵码 AI 编程助手推出独立客户端，无需通过插件形式安装在 VS Code 等 IDE 中。 此次更新通义灵码带来 MCP 协议的支持、自带编程智能体模式、支持长期记忆、支持行间建议预测等，为开发者带来更丝滑、更智能的编程体验。 通义灵码 AI IDE 客户端下载地址：
#阿里云 #通义灵码 #AI编程助手 #MCP协议 #编程智能体 #长期记忆 #编程体验 #软件更新
avatar
Vonng
1个月前
老冯的一位朋友最近在阿里云数据库上吃了大憋，写了篇文章《阿里云：从上到下烂到根了》怒斥之，引发了群友的热烈讨论。这种节目还是很喜闻乐见的，转评并附上群友精彩评论。
#阿里云 #数据库 #讨论 #评论 #文章
avatar
ginobefun
1个月前
#BestBlogs 一文带你 "看见" MCP 的过程，彻底理解 MCP 的概念 | 阿里云开发者 深度解析 AI 上下文协议（MCP），对比 RAG 与 Function Calling，并通过实践演示理解其工作流程。 摘要： 文章详细介绍了模型上下文协议（MCP），一个旨在标准化 AI 助手与外部系统连接的开放标准。作者首先回顾了 RAG 和 Function Calling 等相关概念，阐述了它们与 MCP 的联系和区别。接着，文章深入讲解了 MCP 的核心组件（主机、客户端、服务器）及客户端-服务器架构，并对比分析了 MCP 相较于传统 API 在动态适应性方面的优势。随后，文章通过 ModelScope 的 MCP 市场和 Cherry Studio 客户端，一步步演示了 MCP 的实际配置和调用过程，通过开发者模式让读者“看见”并理解模型选择工具并请求服务器的数据交互流程。最后，文章总结了 RAG、Function Calling 和 MCP 在借助外部工具增强大模型能力上的共同本质。 主要内容: 1. MCP 是连接 AI 助手与外部数据/工具的开放标准 -- 模型上下文协议（MCP）由 Anthropic 开源，旨在为 AI 模型访问内容、工具提供标准化的“USB-C”式接口，提升 AI 应用的互操作性。 2. MCP 采用客户端-服务器架构，组件包括主机、客户端、服务器 -- 主机提供 AI 交互环境，客户端运行于主机内与 MCP 服务器通信，服务器暴露工具、资源、提示等功能，实现结构化互动。 3. MCP 通过动态能力描述克服传统 API 硬编码问题 -- 客户端能查询服务器当前功能并动态适应，无需硬编码参数变更，提高了 AI 应用与外部系统集成的灵活性和稳定性。 4. RAG、Function Calling、MCP 本质都是增强大模型外部能力 -- 这几种技术殊途同归，都是为了让大模型能够获取外部信息或使用外部工具，以完成更复杂、更准确的任务。 5. 通过开发者工具可“看见”MCP 调用的实际过程 -- 文章通过工具演示，展示了 AI 应用选择 MCP 工具、发送请求、接收结果，并最终由大模型生成回复的完整流程，增强体感理解。 文章链接：
#AI #MCP #RAG #FunctionCalling #阿里云 #开发者 #技术
avatar
澎湃新闻-未来2%
1个月前
阿里云王坚： 现在正是思考如何将AI应用到太空中的好时机
#AI #太空 #阿里云 #王坚 #应用 #科技
avatar
日經中文網
1个月前
【阿里「通義千問」成為日本AI開發基礎】在日經4月公開的「AI模型評分」榜中，阿里雲的「通義千問（Qwen）」模型超過了中國DeepSeek的模型，在113個模型中位居第6。作為開源模型，通義千問正在得到很多日本新興企業的使用。在評分榜位居日本企業首位的模型正是基於通義千問開發……
#阿里云 #通義千問 #AI模型 #日本 #開源 #技術突破
avatar
东方网-上观新闻
3个月前
上海乐高乐园度假区、阿里云华东智能算力中心……龚正市长调...
#上海乐高乐园 #度假区 #阿里云 #华东智能算力中心 #龚正市长 #调研
avatar
Jeff Li
4个月前
【李飞飞团队“50美元”复刻DeepSeek的R1真相：基于阿里云Qwen模型监督微调而成】财联社说李飞飞团队训练出s1人工智能推理模型，在数学和编码能力测试中与OpenAI的O1和DeepSeek的R1等尖端推理模型不相上下。 我看了原始paper，核心信息如下： 【1】s1的基座模型为阿里通义千问Qwen 2.5-32B(图二红线部分)。在已经训练好的模型基础上，通过监督微调(supervised finetuning)并进行budget forcing后，模型 s1-32B 在竞赛数学问题上的表现比 o1-preview 高出 27%（MATH 和 AIME24）。李飞飞只是第五作者。 【2】s1模型只是在配置了16块H100 GPU的机器上训练了26分钟(图三)，就达到了这样的效果，机时折合费用不足50美元。 【3】之所以只需要如此短的训练时间，关键之一是因为团队通过精选训练数据，提炼出1000个精心设计的问题(图四)。跑完这1000个问题，就能让模型能力有巨大提升。 【4】这1000个问题包含了思维链(reasoning traces)和正确答案，从Google的 Gemini Thinking Experimental 提炼蒸馏而来。 【5】可贵的是，使用同样知识覆盖，但不够精炼的5.9万个问题(1000个问题的超集)进行模型训练，与1000个问题相比，并没有带来显著的性能提升！！ 【6】同时使用的关键技术还有 budget forcing。这是强制模型在测试时间上所花费的token数量。过短的思考时间/token数量会导致模型准确度不佳。而强制模型“深入思考”则线性提升了模型的回答质量(图五)。 【7】图六可以看到，黄色是s1在1000条数据训练后三大测试的结果，而绿线是s1的基座模型Qwen 2.5-32B的原始结果。AIME2024(美国数学邀请赛)从26.7直接拉升到56.7；MATH-500(竞赛数学问题集)从84 提升到93；GPQA(生物、化学和物理博士研究问题)从49提升到59.6。注意，这只是26分钟高质量数据训练的成果，已经接近蒸馏后的DeepSeek r1的水平。 这个模型的出色表现充分说明了高质量训练数据“画龙点睛”的作用，同时在强制模型“深度思考”方面加以控制的话，可以更加充分挖掘出现有大模型的潜力。
#李飞飞团队 #DeepSeek #人工智能 #Qwen模型 #阿里云