Sean
1.3K posts


张小珺最新一期《商业访谈录》中,李广密对海外AI模型公司的点评概要:
1. Anthropic:战略极专注的领跑者
果断放弃C端市场、多模态发展以及跟风推理模型。
集中全部资源“All in”在 Coding和 Agent等高价值任务上。
采用自上而下战略,极度重视数据,甚至创始人亲自带队清理数据。
内部员工以AGI信仰驱动,信息高度保密,有像物理学家一样踏实寻找工程规律的务实文化。
2. OpenAI:暂时被低估的“范式创造者”
处于阶段性被低估状态,但依然有不可估量的上限与爆发力。
曾一度陷入与 Google 争夺流量的泥潭,导致对 Coding 赛道出现严重误判,晚几个月才将其提至最高优先级。
OpenAI 拥有极高的人才密度,实行类似 VC的“自下而上”探索文化。
推崇从 0 到 1 突破,导致团队摊子铺得太大、少有人愿意做枯燥的数据清理脏活。
正在迅速补齐 Coding 和 Agent 的短板,大概率能追平甚至交替领先。
3. Google (Gemini):最稳的“领先追随者”
Gemini 3.0 曾经过度追求跑分,忽视了产品的实际体验。
同样因醉心多模态和C端竞争,严重误判了 Coding 的重要性。
工程师驱动但产品文化较弱,存在一定人事和组织冗余。
尽管反应慢半拍,但依靠强大的 TPU 算力基础、充沛现金流及 Android/Workspace 等天然生态优势。
长期看掉队可能性低。
4. Meta:极具威胁的四号种子选手
已取代 xAI 成为硅谷大模型竞赛的最强挑战者。
团队聚集各家实验室人才,具有极高的人才密度。
能在极短时间(9-10个月)内复刻并融合 Google 和 OpenAI 在多模态与预训练上的优势。
但产品战略似乎并不清晰,且“重金挖人”带来的团队文化,可能缺乏真正冒险和创新的意愿。
5. xAI:陷入摇摆的重资产玩家
核心团队流失和战略摇摆,短期显得有些掉队。
马斯克缺乏耐心,习惯于特斯拉 FSD 那种短平快反馈机制,而大模型数据清洗和迭代需要长期的沉淀。
xAI 在扩大参数规模、多模态、AI 搜索和 Coding 之间反复横跳,导致团队疲于奔命、牺牲长期的模型质量。
不过依靠充足的 GPU 储备和马斯克的个人魄力,仍有一定悬念。
中文

🙃我靠,涨姿势了!
智普GLM ,国内和海外差价这么大?难怪国内抢疯了。。。
话说,国内和海外套餐有什么区别吗?看介绍差不多


Lonely@Lonely__MH
GLM 这个套餐抢购程度 堪比抢茅台,尼玛,大家都在用脚本刷吧??
中文

Using paperclip mcp:
claude mcp add --transport http paperclip paperclip.gxl.ai/mcp
Our blog describes in more detail how we designed paperclip: gxl.ai/blog/paperclip
English

You can now give your agent deep knowledge of millions of papers in one line with #paperclip!📎
>8 million papers natively indexed for agents.
Much more thorough + often 10x faster than standard deep research.
Just add the paperclip mcp (instruction below).
English
Sean retweetledi
Sean retweetledi

教育/培训材料制作教学视频制作全流程
这四个skills就够了,实现课件 PDF → 提取内容 → 生成练习题/思维导图/视频的流程:
1、paddleocr-doc-parsing_:clawhub.ai/bobholamovic/p…
2、wshuyi/remotion-video-skill:github.com/wshuyi/remotio…
3、joeseesun/knowledge-site-creator:github.com/joeseesun/know…
4、coleam00/excalidraw-diagram-skill:github.com/coleam00/excal…
Jason Zhu@GoSailGlobal
百度文心衍生模型 PaddleOCR 的 GitHub Star 刚超过 Google 的 Tesseract OCR,成了全球 OCR 项目的第一名 这是中国开源项目第一次在 OCR 领域登上这个位置 看 Star History 的增长曲线会更直观。 - Tesseract 从2014年就开始积累,十年稳居第一 - PaddleOCR 2020年才起步,用五年时间完成了追赶和超越 我自己日常用 PaddleOCR skills 做 PDF 解析和文档处理,之前测过好几个方案,PaddleOCR 在中文场景下的识别准确率确实是最能打的:表格、公式、混排文档这些复杂场景,效果很不错 几个实用信息: 1️⃣ PaddleOCR 官网现在每天免费解析页数从1万提升到了2万 - 如果你用 OpenClaw 或者 Claude Code,可以直接通过 PaddleOCR Skill 调用,同步享受更高的免费额度 - 对做数据处理、文档解析、知识库搭建的开发者来说,这个免费额度基本够日常使用了,之前要付费的场景现在可以白嫖 2️⃣ 中国开源在 AI 基础工具层面的存在感越来越强了 OCR 赛道前四名里有三个是中国项目(PaddleOCR、MinerU、DeepSeek-OCR),这个格局放在两年前完全想不到
中文
Sean retweetledi
Sean retweetledi

















