阿良

17K posts

阿良 banner
阿良

阿良

@RealYDT

我是阿良,善良的良 观察 AI 正在怎么改变我们的工作、关系和思维方式 不站队,不讨好,只说真话 拆现象,拆逻辑,看懂表象背后的系统

New York City Katılım Nisan 2023
2.2K Takip Edilen18.7K Takipçiler
阿良
阿良@RealYDT·
@9PYqtVUx1j82440 这个模型在架构上把简单任务和复杂任务的推理成本真正拉开了差距。
中文
0
0
0
3
阿良
阿良@RealYDT·
@JaronLin2005 感谢支持!Ring-2.6-1T 现在 OpenRouter 免费入口还剩最后几个小时(今晚11点截止),有空可以快去试试 agent 场景,成本差异很明显。欢迎多聊体验
中文
0
0
0
5
阿良
阿良@RealYDT·
@y4180741368915 不客气!希望它真能帮你省下一大笔推理成本 实际用下来感觉怎么样?
中文
0
0
0
4
阿良
阿良@RealYDT·
@linghucong 谢谢!对,就是这个成本黑洞。该有人站出来说了。Ring只是开了个头,期待后面有更多模型一起优化推理效率,让大家都不用为无效算力买单了。欢迎继续交流你的使用体验!🚀
中文
0
0
0
3
linghucong
linghucong@linghucong·
@RealYDT 终于有人敢说出来了!企业AI成本黑洞,早该被打破了。Ring这步棋,戳中了行业的痛点。期待更多模型跟进,别再让用户为无效算力买单。
中文
1
0
1
30
阿良
阿良@RealYDT·
@zhongying14 Ring-2.6-1T 补的正是企业最缺的“合理控成本”这一环,可调推理强度对 Agent ROI 提升很实在。
中文
0
0
0
7
麻酱AI实验室
麻酱AI实验室@zhongying14·
@RealYDT 很多模型都一把梭哈,要调配都得自己懂一些,门槛不低,在国内这都属于极客行为了。对企业 AI 来说,合理控成本很重要,Ring 就是补了这个痛点需求,从而提高企业 ROI
中文
1
0
1
43
阿良
阿良@RealYDT·
@zhibudaoba 但作为第一个敢正面解决ROI 问题的开源团队,已经非常亮眼了。
中文
0
0
0
5
知不道
知不道@zhibudaoba·
@RealYDT 香不香,用过才知道,先赞一个
中文
1
0
1
18
阿良
阿良@RealYDT·
@check_xie 是啊!Ring这次直接把“高性价比”拉到新高度,DeepSeek压力肯定不小 企业用户最开心了,卷起来大家都有好模型用。你觉得DeepSeek会快速跟进降价,还是先观望?
中文
0
0
0
8
uesr80889
uesr80889@check_xie·
@RealYDT 这下能把deepseek的价格打下来了
中文
1
0
1
24
阿良
阿良@RealYDT·
@happy20250912 是的,架构层面的突破比单纯scaling参数有意义多了。现在最关键的就是生态适配,希望后续社区能快速把Ring接入主流Agent框架。
中文
0
0
0
13
BodhiAlpha
BodhiAlpha@happy20250912·
@RealYDT 以前不管是改两行代码还是做AIME数学题,推理成本一刀切,用户真的被坑惨了。Ring-2.6-1T这次直接在架构层面把“按需算力”干成了现实,这一步对企业ROI的意义太大了。 虽然现在适配agent框架还得自己动手,也没有企业级SLA,但它敢第一个站出来说真话、做实事,就已经赢了。
中文
1
0
1
24
阿良
阿良@RealYDT·
Soran 这篇写得太实了!Ring-2.6-1T 开源的最大价值确实不是“1T参数能不能本地跑”,而是能不能真正塞进 Agent 工作流里当引擎。 我最喜欢它 high / xhigh 两档 Reasoning Effort 的设计,该快的时候不拖沓,该深挖的时候又够狠,完美匹配真实生产场景。 已经用 OpenRouter 测了几轮,工具调用和多轮任务稳定性确实可以。等价格出来后,准备正式接进自己的 Coding Agent 试试。 感谢分享这份 SOP 和 Starter 页面,省了我不少踩坑时间!🚀
中文
1
0
2
53
Soran
Soran@Soranlan·
🚀 Ring-2.6-1T 开源了,这次重点不是“能不能玩”,是“能不能接进工作流” @AntLingAGI Ring-2.6-1T 现在开源了。 我第一反应不是看参数多大,也不是先盯跑分。 我更关心一个现实问题: 开源以后,它到底能不能被开发者真正接进自己的工作流? 因为大模型“能在线试用”和“能进入你的工具链”,完全是两回事。 在线试用,顶多证明你能和它聊几轮。 开源,才意味着开发者可以查看模型页、研究部署方式、验证能力边界,再把它接进 Agent、Coding、Tool Use、长任务工作流里。 这一步才是真正从“模型发布”走向“生态可用”。 我第一个实测,不是硬装本地部署 1T。 这事对普通电脑不现实。 我让 Ring-2.6-1T 先做了一件更贴近开源场景的事: 把“开源后怎么上手”,整理成一份小白 SOP。 它给出的路径挺清楚: 普通用户,先走 OpenRouter 在线体验 应用开发者,走 OpenAI 兼容 API 接 Agent 框架 想看模型本体的人,去 Hugging Face 看模型页、文件、README 和部署方式 真有 GPU 资源的人,再研究 vLLM、SGLang、Docker 这类部署路径 最关键的是,它没有把“开源”讲成“人人电脑都能跑”。 它直接提醒:1T 模型本地部署门槛很高,消费级显卡别硬上。 这点很重要。 很多人一听开源,就默认“我电脑也能跑”。 醒醒,1T 模型不是小游戏安装包。 开源的价值,不只是本地跑起来。更重要的是: 可查看、可验证、可接入、可适配、可二次开发。 这才是开发者真正关心的东西。 光有 SOP 还不够直观。 我又让它做了一个小型 HTML 工具: Ring-2.6-1T Open Source Starter 页面里有四张卡片: 在线试用 查看模型页 开发者部署 Agent 工作流 点击每张卡片,下面会展开对应步骤。 这个 demo 不是复杂项目。 但它很能说明 Ring-2.6-1T 的开源价值: 它可以把一套上手路径,整理成结构化 SOP。 也可以继续把 SOP 变成一个能打开、能点击、能展示的小工具。 从“信息整理”到“可交互产物”,中间这一步很关键。 因为真正的工作流,不只是让 AI 回答你一句话。 而是让它把复杂信息变成你能继续使用的东西。 这也是我觉得 Ring-2.6-1T 这次开源值得看的地方。 它不是单纯把模型放出来,然后让你自己猜怎么用。 它的整个设计都在往真实工作流靠。 官方介绍里也写得很明确: Ring-2.6-1T 支持 high / xhigh 两档 Reasoning Effort high 面向高频 Agent 工作流,适合多轮交互、工具协作、任务拆解和生产级默认调用 xhigh 面向数学、科研、复杂逻辑分析和多路径探索 这件事很实用。 日常任务,用 high 快速推进。 硬核任务,再切 xhigh 深挖。 不同任务用不同推理强度,别所有活都一把梭。 这才像真正的工作流。 你整理一段群聊,不需要模型像在解奥数。 你做复杂研究,也不能只给它浅浅想一下。 该快就快,该深就深。 这才是推理模型真正进入生产环境后该有的样子。 开源以后,Ring-2.6-1T 更适合被这样理解: 它不是一个单纯“在线聊天更聪明”的模型。 它更像一个可以被接进 Agent 工作流的推理引擎。 你可以先在线测试它 也可以去 Hugging Face 看模型页和部署方式 有资源的团队,可以进一步验证 vLLM / SGLang / Docker 这类路径 做应用的人,可以考虑把它接进 Coding Agent、工具调用、多轮任务系统里 OpenRouter 这边限免体验截止今晚 11 点,能测就尽快测。 传送门我都放在评论区了,感兴趣的小伙伴抓紧时间 说白了,这次 Ring-2.6-1T 开源,它从一个可体验模型,变成了一个可以被开发者验证、接入和改造的工作流组件。 这才是开源的真正杀伤力。 你不用只听别人说它强不强。 你可以自己把它放进真实任务里,看它到底能不能干活: 能不能整理复杂输入 能不能拆任务 能不能生成可运行工具 能不能接进 Agent 工作流 模型最后拼的,还是这件事: 能不能帮人省时间,能不能把脏活累活干掉,能不能真的进入你的生产流程。
Soran tweet mediaSoran tweet media
中文
14
0
11
480
粥粥聊 AI
粥粥聊 AI@boniusex·
@RealYDT Ring-2.6-1T 在 high 模式下做日常监测,准确率基本能到 85%+(主题聚类和用户痛点识别),xhigh 模式下深度分析竞品拆解和选题模型,能跑到 92-95% 左右(实测过 30 天竞品全平台数据)。
中文
1
0
1
38
粥粥聊 AI
粥粥聊 AI@boniusex·
🚀 卧槽,别他妈刷了。 你每天刷小红书 40 分钟,刷抖音 30 分钟,刷微博热搜再 15 分钟,B 站看俩测评又半小时。 然后呢? 选题库里还是上周那三个烂方向,竞品分析还是上季度的,品牌监测靠第六感。内容策略靠拍大腿。 你手机里存了 127 张截图,你脑子里飘着无数"这个话题好像能写""那个方向竞品做过了",但没有一篇变成了报告,没有一个判断变成了策略,没有一条洞察变成了选题。 不是你没能力。是你的信息管道烂了。 采集靠手滑,处理靠脑记,输出靠硬憋,一条本该自动化的生产线,被你活生生跑成了手工作坊。 操。 我告诉你问题出在哪 你把"刷信息"当成了"做情报"。 刷 100 条帖子 ≠ 有 100 条可用信息,收藏 50 个案例 ≠ 能做 50 个判断,看到竞品动态 ≠ 理解竞品策略。 采集是采集,处理是处理,交付是交付,你他妈全在第一步打转。 直到我把 Mediacraw 和 Ring-2.6-1T 接在一起,跑完第一条完整工作流,我盯着屏幕沉默了五分钟。 Mediacraw + Ring-2.6-1T = 情报生产线 就他妈这么简单。 Mediacraw 干前半程:小红书、抖音、B 站、微博、知乎、贴吧,全平台公开内容采集。关键词搜、帖子抓、评论扒、创作者主页兜底。自动汇成结构化原始素材池。你不刷它也在跑。你睡觉它在跑。你忘了搜的关键词它帮你搜了。你根本不知道存在的角落它也帮你兜出来了。 Ring-2.6-1T 干后半程:万亿参数开源模型。但别被参数吓到,重点不是大,是真他妈能干活。原始素材扔进去,它干的事: - 🔍 自动识别讨论里的核心话题,分清什么是真需求、什么是情绪噪音 - 🧠 扒评论里用户最在意的点,正面反面、竞品被提及的频率、有没有被忽略的信号 - 📊 判断传播趋势,哪个角度打穿了、哪个方向还他妈没人做 - 📝 直接吐报告、Brief、选题库、竞品拆解、内容策略 不是"AI 帮你总结一下",是从全网采集到可执行策略,一条链打穿。 人干嘛?确认,别的统统不用管。 给你看一条真实工作流 新产品发了。你想知道市场怎么反应的。 以前你他妈怎么干的: 开小红书搜产品名 → 翻到手酸 → 记几条"看起来重要"的评论 → 换抖音再搜一遍 → 刷到眼花 → 换 B 站看看有没有测评 → 最后凭感觉说一句"好像还行"。团队开会全听你一张嘴。 现在: Mediacraw 自动抓全平台公开讨论 → 原始素材池就位。 Ring-2.6-1T 直接跑: 1️⃣ 主题聚类:讨论集中在哪,包装?成分?价格?竞品比价?复购意愿? 2️⃣ 需求拆解:"太贵了"到底是嫌定价高,还是没讲清楚值在哪?分得清清楚楚。 3️⃣ 竞品对标:竞品在讨论里是什么角色,被拿来比的、被骂的、被说"还不如买 XX"的? 4️⃣ 策略输出:下一轮投放打哪个点、选题往哪走、标题用哪种结构能打穿。 全程人只干一件事:看结果,做决策。 翻帖子、记笔记、整理归纳、写报告,全部消失。 🔥 三个场景,直接抄,今天就他妈能用 1.日常热点追踪 Mediacraw 定时采集关键词 → Ring 每天吐一份热点简报。 到手:新增话题 + 爆款标题结构 + 评论区真需求 + 明天该跟的 3 个方向。 省了多少:每天至少一个半小时。一个月 45 小时。一年 540 小时。你算算这些时间能干多少活 2.竞品传播复盘 Mediacraw 抓竞品 30 天全平台内容 → Ring 输出完整拆解。 到手:竞品策略全景 + 内容矩阵 + 用户反馈对比 + 你的空白机会地图。 省了多少:以前这种级别要么外包几万块,要么一个 PM 干两周。现在一条链跑完。 3.选题库搭建 Mediacraw 采集高互动帖子 → Ring 提炼选题模型。 到手:结构化选题库:标题公式、切入角度、预期传播力。每一条都能直接用。 省了多少:选题从"刷到什么写什么"变成"哪个能打做哪个"。被动的变成主动的。乱打的变成瞄着打的。 💀 为什么必须是 Ring-2.6-1T,换别的模型不行? 因为上面这些不是"问 AI 一个问题"。 是把一堆杂乱数据扔进去 → 让 AI 自己拆步骤 → 持续分析 → 中间发现问题自己修 → 一直干到可交付。 普通模型干不了这个。它们是答题机器,不是干活的人。 Ring-2.6-1T 三个核心能力,专门为真实工作流设计的: Plan-First:不是上来就瞎写。先拆任务,再动手。先想清楚,再开始干。 Dual Reasoning:日常监测用 high:快、稳、不烧钱。深度分析切 xhigh,释放推理上限。 Real Execution:不是 demo,不是玩具。是真能进项目干活、修 bug、持续迭代到能用。 🧨 最后说点他妈扎心的 你现在有两个选择。 选择 A:继续手刷。继续截图。继续"感觉好像"。三个月后选题库还是空的,竞品分析还是去年的,品牌判断还是靠直觉。然后某天开会老板问你"这个季度内容策略是什么",你憋出三个字,"我再看看"。 选择 B:现在就把 Mediacraw 接上 Ring-2.6-1T。让采集自动跑,让模型自动分析,让报告自动生成。你把省下来的 540 个小时,用在只有人才能干的事情上:判断、决策、创意。 这不是"要不要用 AI"的问题。这是"你要不要把自己从信息苦力升级成策略大脑"的问题。 🎯 现在就能干 - 🤗 HuggingFace:huggingface.co/inclusionAI/Ri… - 🤖 ModelScope:modelscope.cn/models/inclusi… - 🌐 Ling Studio:ling.tbox.cn/chat - 🔌 OpenRouter 限免:openrouter.ai/inclusionai/ri… 高频工作流用 high,深度分析切 xhigh,任何复杂任务先让它 plan。 Mediacraw 把全网情报捞上来。Ring-2.6-1T 把它变成你能用的弹药。 别等了,你等的时候,竞品已经在跑第三条工作流了。 今天就干,现在就接,别他妈三个月后还在"我再看看"。
中文
9
0
6
506
程序员端哥
程序员端哥@duange6099·
Slack 大中华区关停后,我发现 90% 团队的焦虑根本不是找替代工具是 「数据迁移丢核心记录」「流程重构改多年习惯」的双重暴击 👉 工具碎片化太闹心:邮件 / 文档 / CRM 各管各,跨工具操作动辄半小时 直到遇到 @TankaChat 才彻底醒悟:好的办公工具从来不是让你「迁就适应」,而是无缝融入! 它的 AI 智能中枢能打通 100 + 办公应用,分散的信息直接「活」起来! 比如我现在说一句「帮我整理一下GitHub上最近的项目 看看每个项目的具体情况如何」, AI 自动检索我的github仓库然后生成一份详细的说明和建议给我 Tanka 跑出来的结果让我很满意,被工具折腾到崩溃的团队举个手🙋! 现在还有有 1 个月 Plus 限时福利,可以试试: t.tanka.ai/campaign/59122也可以了解更多场景: tanka.ai/slack
程序员端哥 tweet media程序员端哥 tweet media程序员端哥 tweet media
Tanka@TankaChat

After Slack shut down across Greater China, every team asked the same question: what do we replace it with? Wrong question. The real one: when you switch, do you actually leave the problem behind, or just move it somewhere new? Most tools just move it. New interface, same limitations. Tanka is built differently: ✅ Long-term memory that knows your company. Decisions, docs, conversations all build into a shared context layer ✅ Agents that take real action. Approvals, CRM updates, doc drafts, meeting scheduling, run scheduled tasks, all triggered from chat ✅ Skills & SOPs your whole team inherits. Encode how your best people work, every agent follows it ✅ 100+ integrations. Pull from Notion, Jira, Google Docs, etc. Agents write back. No migration. No seat-based pricing. Your data stays yours. Check this out: tanka.ai/slack

中文
28
5
31
1.7K
阿良
阿良@RealYDT·
AI会取代人类? 我去看了真实数据。 先看一个判决。 杭州一家公司,以"AI能干这活"为由裁掉员工。 员工告了。 法院判公司败诉。 理由:AI替代是公司自己的商业决策,风险不能甩给员工。 再看MIT的研究。 Sloan管理学院分析了大量职场数据。 结论:AI更可能补充人类,不是替代。 最反直觉的数据来了。 有人扒了全球1.8亿份招聘数据。 程序员、客服、销售—下滑幅度接近平均线,没有传说中那么惨。 涨幅最大的岗位是什么? 网红营销专员,+18.3%,连续两年。 原因很简单:AI内容把互联网塞满了,人们开始不信AI写的东西,反而更信真人。 AI越强,真人越值钱。 被取代的那批人有一个共同点: 他们做的事,可以被一套规则完整描述。 翻译、数据标注、基础设计、客服外包。 不是AI太强。 是这些工作本来就不需要人类。 所以真正的问题不是"AI会不会取代你"。 是"你每天做的事,AI明天能不能干"。 答案你自己知道。
中文
0
0
5
302
MapleShaw
MapleShaw@msjiaozhu·
卧槽,我的 Agent 也有自己的手机了哈哈!(效果可直接看视频👇) 最近正在调研,准备搞一台二手 iPhone 来运营小红书,然后就遇到了 @airtap_ai 这款产品,真的有点牛! 我把 Airtap 官方提供的 Skill 加进 Codex App 和 OpenClaw,然后—— 我的 Agent 就连上了一部真实的手机,跑在 AWS 美国机房的真实 Android! 不是模拟器,不是浏览器套壳。是一部真机,上面装着你日常用的所有 App。 我在 Codex 里说一句“帮我发布一条小红书笔记”,它就真的在那部手机上点开 App、上传图片、撰写内容直接发布。 AI Agent 之前的能力版图是 ✅ 写代码 ✅ 逛网页 ✅ 操控桌面,现在把操作手机 App 这最后一公里也补齐了! 最最重要的目前免费!后续会有付费套餐,但现在每天限量免费体验。 链接直达 👉 airtap.ai
中文
81
121
561
49.7K
阿良
阿良@RealYDT·
@aehyok 对的,开源工具一碰就容易被微信风控盯上。我试了Airtap后,基本零风险,同步聊天记录到私有知识库超稳。速度虽然还有点延迟,但日常用完全够了。
中文
0
0
0
4
阿良
阿良@RealYDT·
@iBigQiang @airtap_ai 强子,这点太真实了!手机风控确实是最大拦路虎,我之前试过一些模拟器方案,跑没两天就封了。
中文
0
0
0
3
强子手记
强子手记@iBigQiang·
@RealYDT @airtap_ai 手机端自动化最大的坑根本不是技术,是风控。 平台对模拟点击的容忍度比你想象的低得多。我用自动化工具跑了段时间,最后发现最有价值的产出是一份“如何解封账号”的SOP和几个真干活的工具
中文
1
0
1
61
强子手记
强子手记@iBigQiang·
现在的 AI Agent 能写代码、逛网页、操控桌面,但一直有个致命盲区:手机 App。 而你 80% 的时间都在手机里——找爆款、抢 VPS、领优惠券、追快递、跨平台发内容… @airtap_ai 把这最后一公里补齐了:给你的 Agent 配一台真实手机,像人一样 tap、scroll、type。 写一次 Prompt 跑一整年,目前免费 👇 我最近对 AI Agent 的理解发生了一个非常根本的变化。 以前大家聊 Agent,总往"替代复杂工作"那个宏大方向想,好像 AI 必须能做完一份 PRD、写完一个项目才算厉害。 但用了几天 Airtap 之后我突然意识到:AI 真正进入普通人生活的入口,从来都不是大事,而是手机里那些每天都要做、做了又没成就感、不做又难受的小 routine。 你想想自己每天的手机使用清单: 🔸 早晨醒来,扫一眼邮件、日历、新闻和天气,花 10 分钟 🔸 做内容创作,要打开微博/小红书刷 3-5 小时找爆款选题 🔸 想买紧俏商品/VPS,得隔几小时刷一次官网看补货 🔸 各种会员 App、信用卡 App,不每天打开就拿不到限时优惠券 🔸 多平台发内容,同一条视频要按 X、TikTok、Reels、Shorts 各发一遍 🔸 包裹追踪,得打开 Amazon、UPS、USPS、FedEx 一个个看 这些事情都不难。它们的真正问题是:太碎、太重复、太容易忘。 更关键的是,过去想自动化这些事几乎不可能。RPA 脚本太脆弱,App 一改版按钮变了,脚本立刻崩掉;爬虫一上来就 401;手机模拟器又跑不稳定。 Airtap 的解法非常优雅:它不是按固定坐标点击,而是每一步都重新读屏、理解界面、判断下一步(Observe → Interpret → Decide → Act)。 这意味着 App 即便改版,routine 依然能继续跑下去。 🧵 接下来这条 Thread,我会用 6 楼带你完整跑通 Airtap,包括:云手机 vs 真机绑定 / 自动挖爆款选题 / 24h 盯紧俏商品补货 / 早晨 briefing / 接入 Codex & OpenClaw / 完整 prompt 模板。 看完直接照抄就能用 👇 #Airtap #MobileAutomation #AIAgent #CloudPhone
强子手记 tweet media
中文
23
0
13
624
阿良
阿良@RealYDT·
@yanhua1010 对!SKILLS.md 这招太实用了,直接把手机打通了。以后预约、监控、回消息这些烦人活儿都能扔给 Agent 长期跑,爽。
中文
0
0
0
8
Yanhua
Yanhua@yanhua1010·
@RealYDT 这样就让agent和手机打通了
中文
1
0
1
36
阿良
阿良@RealYDT·
@MainCaseZ 是的,实践才是检验AI的唯一标准。
中文
0
0
1
7