Back to topic rankings我这几天用下来，Fable 比之前耐用多了，Anthropic 应该是调高 50% 的比例了。 qwen 27b的压缩版来了，加州理工把qwen 27b模型量化压缩9倍，评分是原来的98.2%
8g显存就能跑 https://t.co/Q11MChvLE5
我让 Astra 给我想的一个波动率的因子，这么简单的逻辑我过去那么久居然都没想到过，实在是无语...
加入这个因子后，策略整体表现获得了明显提升，简单说来就是趋势追踪策略在震荡行情里不开大仓位...
只有那种持续慢涨或有明显涨跌的行情才会被视为潜在趋势，同时即使连涨一周，��每天仅涨0.1%，在这里也会被视为趋势早期阶段，吊打很多波动率指标！
毕竟缩量震荡上行在我之前用的波动率指标里都是判断震荡而不是趋势Regime的...
据说是 Opus 5.2 用纯 JavaScript （用了 tree.js）做了一个关于泰坦尼克号的完整 5 分钟电影，并展示了整个过程发生的事情
本来我还不太信的，看了网页有点信了，就等啥时候发布了，现在 Opus 5 慢还不怎么出活了，Fable 5 又不耐用。
https://t.co/NveBVbDwlQ
https://t.co/c264DV9mtj 有谣言称 Gemini 4.0 Pro即将发布，性能会超过Fable和Astra。
我不信 Encoder 的卷土重来
BERT 本来是一条极有潜力的路线：高效地把输入压成 representation。但它停留在了 task-specific 时代，每个任务都需要微调。
GPT 早期同样如此，后来却沿着 scaling、in-context learning 和 instruction tuning 走向了 泛化，把自然语言变成 universal task interface。分类、判断、推理、工具调用，统统变成 generation。
于是 decoder-only 赢下了整个 paradigm，encoder 也失去了继续探索 general classifier 和 general representation model 的历史机会。
但 Agent 改变了 workload。模型开始面对越来越大的输入、越来越重的 KV cache、越来越频繁的循环调用，此时，用一个巨大的 decoder 完整 prefill，再 autoregressive decode 几个 token 来完成一次判断，开始显得昂贵。
Jev 恰好等到了这个窗口。它试图补上 BERT 当年没有走完的路线，保留 GPT 的 task generalization，同时重新获得 encoder 和 classifier 式的 decision efficiency，成为面向 service、面向 Agent 的 泛化 decision model。 step 5能飞 step 5能飞 https://t.co/bm3ziOWJBI
🤣 没想到吧！哈基米 4.0 险胜！
就这两天了，Gemin 4.0 能否抢先登场！
拭目以待 https://t.co/CKuDazALDp
国产的家人们都好起来了啊👏
某个即将发布的模型已经在我们自己的lobebench上已经追平了DeepSeek V4家族
考虑到参数量，这个做得真不错👍 https://t.co/qH3DL5ue61
https://t.co/XcirxKORCa 这次的 Token 吞吐量突破 10.9 万亿，相比之前版本，这次的数据增长明显更稳健。API 调用次数超过 8,956 万次，新增注册用户 23.9 万，新增 API 用户 23.5 万，这个数字比之前同类项目的数据要高得多。更关键的是，https://t.co/XcirxKORCa 选择开放 GLM-5.3-Flash、Qwen3.8-Flash、Tencent Hy3 和 Xiaomi MiMo-V2.5 四款大模型，还给 DeepSeek-V4-Flash 和 DeepSeek-V4-Flash-Vision-Exp 打五折，这在以前的项目里是看不到的。
以前的项目，免费开放大模型要么根本不提供，要么收费高得离谱。https://t.co/XcirxKORCa 这次不仅免费开放，还给部分产品打五折，这样的策略不仅让开发者和企业团队降低了成本，也增加了用户粘性。这背后是对市场需求的精准把握，以及对生态健康发展的重视。相比之下，以前的项目往往是靠大额供应量吸引用户，而不是通过优化产品和服务来提升用户价值。
从收益角度来看，这样的免费策略虽然初期看起来利润减少，但长远来看，稳定的大规模用户基础将为平台带来更多的收益机会。同时，https://t.co/XcirxKORCa 的高并发任务处理能力，也展示了其技术实力和市场竞争力。相比之下，以往的项目往往在用户基数达到一定规模后就难以继续增长，而这正是 https://t.co/XcirxKORCa 力图打破的瓶颈。
综合来看，https://t.co/XcirxKORCa 的这次升级不仅在数据上表现亮眼，更重要的是在策略和机制上实现了突破，这为未来的增长奠定了坚实的基础。@justinsuntron @BAI_AGI #TRONEcostar New Siri 用来做一些��日常的AI 搜索还是很好用的，符合我对 Siri 的预期
要搞生产力的活还是打开电脑吧 https://t.co/4h7CMTBYIc
vibe coding skills 合集 https://t.co/VuThTmF2lM
我的 HyperLiquid 只交易 BTC 实盘账号：
https://t.co/DhKaF4FIZq
从2025年11月开始，跑到现在10个月了。
昨晚用 GPT-6 Astra 通过3句话
对交易情况做了个3分钟总结视频⬇️
效果还行，只消耗了1%周额度。
3句话让 Astra 生成视频的过程，
和 GPT-5.6、Grok 分析文字版对比，
我放在下面评论区。
让 Astra 自动做链上实盘的简报视频
是不错的用例，只要丢个链上地址给它就行。
这个实盘10个月以来的交易情况，你怎么看？
有对你产生过参考意义吗？
如果有其他长期只交易BTC的链上公开实盘地址，
也欢迎在评论区分享。
这样只要把本推文的 URL 丢给 AI,
就能把同类一并做汇总分析、处理。 我为什么推荐 PI 的三大理由🔥
理由：
1、足够轻，只保留 read / write / edit / bash
2、缓存命中率非常高
3、上下文开销小 节省 token 使用
比如视频里面的 Claude Fable 5 跑 SWE-bench Lite：
Claude Code：97.8%，约 $1.33
Pi：96.7%，约 $0.67
这些实打实的数据就是最好的对比，PI 能在更低 Token的消耗下更出色地完成任务这一定是最好的说明
https://t.co/Neo48utEHD
AIPositiveAll-time data
Opus 5.2、Step 5与New Siri能力演示
中文X新增一组围绕AI模型与工具能力演示的讨论。宝玉转述称Opus 5.2用纯JavaScript和three.js制作了完整5分钟泰坦尼克号电影，并表示看过网页后“有点信了”；Max For AI以“step 5能飞”评价Step 5相关演示；Leto Bao认为New Siri用于日常AI搜索已经符合预期，但生产力任务仍要打开电脑；Ian则分享vibe coding skills合集。相关帖子显示用户继续关注模型生成、AI搜索和代码工作流能力，但多数仍是单点演示或体验分享，缺少可复现测试与正式发布细节。
#Opus 5.2#Step 5#New Siri#vibe coding#AI演示
Topic heat
1699
Posts
14
Views
22.6万
Creators
12
Topic trend
From first appearance to last update, with a seven-day minimum window.
All related posts
14 posts in total
