找到说mimov2.5pro不如27b模型的源头了,这么离谱的榜单也是少见了
看到过太多人把这个榜单奉为圭臬,说下我的看法,理性交流。 1. 只有60道题目的逻辑测试 相比较humanity’s last exam(HLE)等前沿benchmark,差距巨大。 2. 极度反常的think参数差异 同样的grok4.20,开启think前后是8.94 vs
看法 - 钛刻 - 科技风向旗 - 深度刻画技术趋势,引领数字未来 - 钛刻科技 | TCTI.cn - 钛刻 (TCTI.cn) 为您提供最前沿的硬核科技资讯、深度评测和未来技术趋势分析。
共 94 篇相关文章 · 第 1 / 5 页
看到过太多人把这个榜单奉为圭臬,说下我的看法,理性交流。 1. 只有60道题目的逻辑测试 相比较humanity’s last exam(HLE)等前沿benchmark,差距巨大。 2. 极度反常的think参数差异 同样的grok4.20,开启think前后是8.94 vs
竞技场里直出2k图 Png格式8mb 这种相当占空间的我不是很喜欢 普通 pro 看起来pro更亮一点 文字渲染方面: 普通 pro 这次双方生成时间一致,所以标题仅供参考 其实image系列和mj给我的感觉是一样的,他们都是那种类似于SD的原始AI绘画的质感,就是很破烂 像缝合
我对阶跃的看法是这样的: 阶跃是一个小厂,热度常年被阿里、DeepSeek、字节、智谱清言等大厂盖过,但它不差。 虽然它的模型没法用于专业用途(反正我没见过有人用阶跃的模型 Vibe Coding,我本人用 DeepSeek 来 Vibe Coding),幻觉问题也会有一些,但情
最近在做一个 HTTP 抓包调试工具,叫 HTTPeep 。做到一半,开始有点怀疑自己。 不是因为技术难,技术部分现在有 AI ,生产不再是瓶颈,但是另一方面我又一直在问自己,我现在在做的东西,几年后还有人需要吗?就我自己的感受,抓包工具确实是打开得变少了。 根据这几个月高强度的
最近在做一个 HTTP 抓包调试工具,叫 HTTPeep 。做到一半,开始有点怀疑自己。 不是因为技术难,技术部分现在有 AI ,生产不再是瓶颈,但是另一方面我又一直在问自己,我现在在做的东西,几年后还有人需要吗?就我自己的感受,抓包工具确实是打开得变少了。 根据这几个月高强度的
最近在做一个 HTTP 抓包调试工具,叫 HTTPeep 。做到一半,开始有点怀疑自己。 不是因为技术难,技术部分现在有 AI ,生产不再是瓶颈,但是另一方面我又一直在问自己,我现在在做的东西,几年后还有人需要吗?就我自己的感受,抓包工具确实是打开得变少了。 根据这几个月高强度的
最近在做一个 HTTP 抓包调试工具,叫 HTTPeep 。做到一半,开始有点怀疑自己。 不是因为技术难,技术部分现在有 AI ,生产不再是瓶颈,但是另一方面我又一直在问自己,我现在在做的东西,几年后还有人需要吗?就我自己的感受,抓包工具确实是打开得变少了。 根据这几个月高强度的
最近在做一个 HTTP 抓包调试工具,叫 HTTPeep 。做到一半,开始有点怀疑自己。 不是因为技术难,技术部分现在有 AI ,生产不再是瓶颈,但是另一方面我又一直在问自己,我现在在做的东西,几年后还有人需要吗?就我自己的感受,抓包工具确实是打开得变少了。 根据这几个月高强度的
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找
ai 永远只是效率上的工具。 他没有对闭源项目的训练,让做个几年前的 windows95 它都永远都无法实现。 否则大家都去叫 ai 做个华尔街前 10 对冲基金的量化算法了,大家都不用上班了。 ai 本质是文本 tokenizer 化,在向量空间中的寻找最近一个点,取出来后再找