DataLearner

1.2K posts

DataLearner banner
DataLearner

DataLearner

@DataLearnerAI

关注数据科学 关注科技行业 关注人工智能 关注一切促进人类生活美好的新技术 业界主流大模型列表：https://t.co/H4FUDd7Gfb 国产开源大模型生态现状：https://t.co/q5KU9WhPuE

Hefei, China Katılım Mart 2023
823 Takip Edilen549 Takipçiler
Sabitlenmiş Tweet
DataLearner
DataLearner@DataLearnerAI·
要是单看gemini 3.5和前代gemini 3的价格对比，那是翻了3倍了，但是如果和sonnet 4.6对比的话，从评测结果看是有优势的，而价格方面也是低于 sonnet 4.6的。估计背后模型的规模可能是变大了不少，没准和上代Gemini 3.1 Pro差不多。不过谷歌的模型都是已发布很惊艳，用着用着就不对劲了。
DataLearner tweet mediaDataLearner tweet mediaDataLearner tweet media
中文
1
0
0
140
DataLearner
DataLearner@DataLearnerAI·
Opus已经从4.6更新了2代到Opus 4.8了，然而Sonnet依然停留在4.6版本，Haiku则停留在4.5版本，这是担心更便宜的模型已经足够强所以迭代速度变慢了吗，非常奇怪
DataLearner@DataLearnerAI

Anthropic说Opus 4.8的默认思考模式是high，效果和成本的最佳均衡。从OS-World-Verified看，比Opus 4.7的Max模式少一点tokens，比Opus 4.7 xhigh高一点tokens就能有更好的效果。但是实际体验上不知道是不是5h限额缩小的原因，做了2从信息搜索任务并生成md和接口请求，单次都是消耗5小时限额的10%！

中文
0
0
0
88
DataLearner
DataLearner@DataLearnerAI·
Anthropic说Opus 4.8的默认思考模式是high，效果和成本的最佳均衡。从OS-World-Verified看，比Opus 4.7的Max模式少一点tokens，比Opus 4.7 xhigh高一点tokens就能有更好的效果。但是实际体验上不知道是不是5h限额缩小的原因，做了2从信息搜索任务并生成md和接口请求，单次都是消耗5小时限额的10%！
DataLearner tweet mediaDataLearner tweet media
中文
0
0
0
147
RyanLee
RyanLee@RyanLeeMiniMax·
Recently, we took time to consolidate all of the work behind M2 and published it here: our M2 paper on arXiv It’s been just over six months since we first open-sourced M2 on December 23 last year. During that time, a number of our ideas and systems have been broadly adopted by the open-source community — including CISPO, Forge RL System, Self-Evolution. Over the past six months, we’ve felt incredible enthusiasm from the open-source community. Nearly every model release reached the #1 spot on the Hugging Face leaderboard. Now it’s time for a new chapter. We’re getting ready for M3. MSA paper is on the road. arxiv.org/abs/2605.26494
RyanLee tweet media
English
32
87
667
181.8K
DataLearner
DataLearner@DataLearnerAI·
感觉大模型语种可能真的不再是一个障碍，Claude非常奇怪的表现是即使用中文输入，思考过程和回复很多时候都是英文，甚至答案还会引用输入的中文，记得曾经Anthropic发过一个研究说大模型内部大概率是一种非人类语言思考，但是能迁移其它语种的知识。所以输出支持小语种表示这种简单能力也就够了。
DataLearner tweet media
中文
0
0
0
79
DataLearner
DataLearner@DataLearnerAI·
OpenAI的Codex工程负责人表示OpenAI的产品流量中有5%的流量来自Pi，还有5%左右来自OpenCode，也就是这些人在上述两个产品中使用ChatGPT的账户里面的GPT的额度。曾经觉得OpenAI有点落后且封闭，现在对比一下Anthropic，OpenAI反倒显得更Open一点了
Tibo@thsottiaux

A little secret. About 5% of our production traffic is on the Pi harness, about another 5% is on OpenCode. Reminder you can use your ChatGPT account in a flourishing set of other tools. We’ll continue to make Codex awesome, but you have options.

中文
0
0
0
190
DataLearner
DataLearner@DataLearnerAI·
@lewangx 这个是自己做的网页对接本地模型？
中文
1
0
0
235
DataLearner
DataLearner@DataLearnerAI·
关键是模型辣鸡 真是没法用 之前那么多人用很多都是冲着有Claude模型去的 Gemini额度高其实就Gemini 3.5 flash拉垮表现看没有啥吸引力
思维怪怪@0xLogicrw

谷歌 Antigravity 负责人（原 Windsurf 创始人）Varun Mohan 宣布，即日起再次将所有付费订阅计划的每周 Gemini 模型调用额度上限提升 3 倍。加上前一日 3 倍的额度调整，目前的基准配额已累计达到最初版本的 9 倍。同时，官方已将所有付费用户的当周用量清零重置，以期为开发者提供更充足的算力余量。 然而，这一「加量」声明备受吐槽。有开发者在评论区指出，Antigravity 此前曾经历过一次严重的「配额缩水」（rug-pull），当时的调用限制严苛到哪怕只是偶尔使用侧边栏对话的轻度用户都会迅速触发限制，导致产品陷入完全不可用的「窒息状态」。官方此举本质上只是在修复之前极度不合理的严苛限制，如今却将其包装成慷慨的「免费福利」来进行营销。

中文
0
0
0
127
DataLearner
DataLearner@DataLearnerAI·
3.5 Flash 的输出速度超过每秒 280 个 token，是 GPT-5.5 和 Opus 4.7（约 60–70 token/秒）的四倍。这个速度差距在实时交互场景和高并发 Agent 调度中具有实际价值，还是可以的，详情：datalearner.com/ai-models/pret…
中文
0
0
0
30
DataLearner
DataLearner@DataLearnerAI·
要是单看gemini 3.5和前代gemini 3的价格对比，那是翻了3倍了，但是如果和sonnet 4.6对比的话，从评测结果看是有优势的，而价格方面也是低于 sonnet 4.6的。估计背后模型的规模可能是变大了不少，没准和上代Gemini 3.1 Pro差不多。不过谷歌的模型都是已发布很惊艳，用着用着就不对劲了。
DataLearner tweet mediaDataLearner tweet mediaDataLearner tweet media
中文
1
0
0
140

Keşfet

@RyanLeeMiniMax @lewangx @elonmusk @BarackObama @taylorswift13 @cristiano @BillGates @NASA