• 2.4万亿参数模型直接开源权重，那些靠闭源卖API的厂商还睡得着觉吗？ 通义千问团队扔出重磅炸弹，Qwen3.8-Max和Qwen3.8-27B即将同时开源，前者参数规模达到2.4万亿，后者专为消费级硬件优化。这次开源直接打破“最强模型只配闭源”的行业潜规则，让普通开发者在自家电脑上就能跑起接近顶级
  • 80张显卡跑Kimi k3本地大模型！Kimi K3这个庞然大物有2.8万亿个参数，居然只用游戏显卡和普通网线就跑了起来：80张RTX 5090联手干活，每秒吐20个词。 这等于把超级计算机的门槛踹碎了，任何实验室、初创公司甚至大学都能上手把玩。 开放权重模型第一次摆脱了昂贵的HBM芯片的绑架，只用
  • 一个标榜百万上下文窗口的模型，连三句话前刚说完的事儿都能忘干净，那这窗口是给用户看的还是给鬼看的？ DeepSeek V4 Flash 0731最近被吹上了天，但实际用起来就跟一个刚入职的实习生一 icon
  • GPT-5.6 Luna降价80%正面硬刚DeepSeek，价格性能比直接翻盘。 大模型价格战、推理成本、API调用、模型路由、缓存复用、RSI自我优化 vs. 开源AI 这些概念正在重塑AI行业的游戏规则。企业批量处理文档、代码生成、智能客服这些场景，现在用Luna的成本比以前坐公交还便宜。 GP icon
  • 一台手机能塞下两万台电脑，那电脑会哭吗？ GPT-2在2019年还是个大家伙，1.24亿个参数。到了2026年，Kimi K3塞进了2.8万亿个参数。两者一比，差了22580倍。七年时间，数字翻了这么多，中间到底发生了什么？不是简单地把模型做大。每一代架构都在解决同一个头疼的问题：记忆体塞满了怎么办 icon
  • 训练会杀死创造力，把AI变成另外一个搜索引擎，但后训练每天用强化学习重新发明人类思维，难道这不算另一种更狠的格式化。 AI圈最近三年在卷什么，后训练。 这词2024年就有人喊了，但真正让所有人疯了一样砸钱砸人砸显卡的是2025下半年之后。 Ope icon
  • OpenAI 让 Luna 的价格更加亲民，也让它更具吸引力。而仅仅一天之后，Deepseek 就推出了 Flash 版本，进一步提升了其竞争力，重新夺回领先地位。 DeepSeel V4 FLash正式版刚刚发布，GPT-5.6 Luna只比其高1分。根据 icon
  • 有钱人是傻逼吗？花6块钱买1块钱的算力，你猜谁在交智商税？ Kimi K3这个2.8万亿参数的巨无霸模型，B200装不下、B300贵上天，结果AMD用一片288GB显存的MI355X，单节点跑到952 tok/s，每美元吞吐量是B300的1.45倍。你以为护城河是CUDA？其实是账本。 ## 巨无霸 icon
  • PipeNetwork 的 kimi-k3-mlx 项目，是一个把 Moonshot AI 的超大规模模型 Kimi K3 转换到苹果芯片本地推理生态 MLX 的工程项目。它解决的核心问题是：让普通拥有大内存 Apple Silicon 机器的开发者，也能运行原本需要数据中心级 GPU 的 2.8T icon
  • Unsloth团队把1.56兆字节的模型压缩到594G字节，体积缩小将近三倍。 最小的那位版本只用了不到六成原版体积，却保留了七成九的准确率。 量化压缩把巨无霸模型塞进硬盘 人工智能模型由无数个参数组成，参数就像人脑里的神经元连接点。 icon
  • Hermes Agent 现在对弱鸡模型友好到离谱，本地跑 AI 再也不怕卡成 PPT 了。 2026 年 8 月 3 日，Hermes Agent 背后的大脑 Teknium 扔出一组数据，直接把 AI 代理优化这件事从“修修补补”拉到了“认知重构”的层面。借助英伟达 Nemo Relay 的观测 icon
  • Redditor网友惊呼：简直不敢相信我的家用电脑上居然运行着 DeepSeek-V4-Flash-0731，这可是早期版本啊！太不可思议了！ 二十个月前，前沿AI模型还是云端专属，普通人只能隔着屏幕付钱调用。现在，一块中等偏上的游戏显卡加96GB内存，就能让DeepSeek-V4-Flash-07 icon
  • Opus 级人工智能工作者的成本已经断崖式下跌！三块五毛八能干的事，现在五分钱就能干，你让那些上个月刚花大价钱囤算力的老板怎么睡得着？ 从2026年2月到现在7月底，能写代码、能干活的高级AI模型，价格从每百万tokens三块八毛五跌到了五分八，跌了98.5%。这不是清仓甩卖，这是整个行业的定价逻辑 icon
  • 花28美分就能买到Claude花25美元才给的东西，AI圈子到底在搞什么？ 中国AI实验室DeepSeek上周五甩出的新款编程模型，直接把代码生成的价格打成了白菜价。当硅谷巨头还在砸几千亿美元建算力中心时，这边已经把同样聪明的模型卖出了地摊价。这是不是意味着 icon
  • [img]data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX1BST0ZJTEUAAQEAAAHIAAAAAAQwAABtbnRyUkdCIFhZWiAH4AABAAEAAAAAAABhY3NwAAAAAAAAAAAAAAAAAA icon
  • 别信什么AI过目不忘，Kimi K3偏靠“选择性失忆”堆出2.8万亿参数，这科学吗？ 大模型圈最近炸了锅，因为月之暗面搞出的Kimi K3居然有2.8万亿个参数，可它最狠的一招不是死记硬背，而是学会了像人一样“忘掉”大部分废话。这听起来就像你花大价钱雇了个超级学霸，结果他干活时全靠小抄和白板，之前的 icon
  • 金句：两万亿参数模型打架，偷看小抄那个真能赢吗？ Moonshot的K3缓存比DeepSeek V4大，这件事本身就像学霸考试带了两本笔记本。一本记重点，一本记全部。但重点来了，两本笔记本的重量差距，直接决定了谁跑得快、谁记得牢。这篇文章不聊代码，只聊缓存大小背后那点人性。缓存就是模型的小抄本，越大 icon
  • 金句：人均年烧九万刀，谁家老板扛得住？你猜这钱去哪了？ AI编程助手正在把程序员变成人肉提款机。过去半年，GitHub Copilot改按token收费，优步四个月烧光全年AI预算，最狠的开发者一年能花掉九万美金。问题不在模型贵，在代理模式把每个代码任务都变成了碎钞机。 我们拿64个 icon