根据国内ICP备案查到的我的信息，打电话联系我， 宣导国家对于AI中转站的整改与清理等相关政策要求。 经过友好商议沟通以后，对站点进行了一些修改和处理。 提供说明函，承诺自用，非商业经营承诺，非盈利承诺等 So…大家都有过这种经历么？都是怎么沟通的。 7 个帖子 - 3 位参与者 阅读完整话题
key:sk-94fc3f5b0598cd6a32103a1c9d80880d0f4920a1a0da97488f4e51f1963ad759 base url: https://cn.picpi.top 不知道啥时候就没了，速登 3 个帖子 - 2 位参与者 阅读完整话题
从 【picpi 皮皮工艺站】复活！共享sub2api，自给自足。和冰佬有点像但是又不一样！ 讨论 目前分发和号池管理代理这些基础的必要功能已经开发完毕。但是在实际的使用过程中，有很多老友plus号可能蹬不完就封了，日抛这种号就是要快点蹬才行。 我目前有个想法就是，搞一个公共池，类似于模型广场。 在里面可以看到佬们共享的分组，想使用这个分组就可以直接订阅。 可以勾选多个订阅聚合成一个订阅，利用sub2api强的的错误重试和路由功能自动切换。 订阅之后使用正常扣余额，发布这个分组的老友得到余额。 每个模型使用sub2api的统一定价，只能通过设置倍率来调整价格，定价高低会一目了然。 简单来说就是把自己的号池发布出去给别人用赚取余额，需要用的时候可以在分组广场订阅别人的分组，使用时消耗余额。 有点纠结要不要开发这个功能，因为涉及到余额这个东西，如果网站运营失误宕机啥的的，就会有很多老友会有损失。如果真的推出这个功能我的压力就很大了。 2 个帖子 - 2 位参与者 阅读完整话题
本帖使用社区公益推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的项目是免费使用的，无收费（变相收费、赞助）部分： 是 我的帖子已经打上 公益推广 标签： 是 我的项目属于个人项目，与公司或商业机构无关： 是 我的项目不存在QQ、TG等群组引流： 是 我的项目不存在非运营必要的网站引流： 是 我的项目不存在为他人推广、AFF： 是 我的项目无关联的商业项目： 是 我的站点存在登录，并已接入 LINUX DO Connect： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 说来话长，本来已经打算倒闭关站了… 我的工艺站用不了之后，我的几个同学也都用不了了，我就告诉他们可以买一点plus号用，很便宜。但是问题就来了，他们买了之后不会用！ 如果直接登需要科学上网，用cpa/sub2api就需要vps，但是一般来说，很少有人会有自己的vps。 于是我就产生了一个想法，我的服务器闲着也是闲置，能不能搞个共享sub2api，于是在gpt5.5的加持下，耗时5天，消耗了23个plus号，把共享sub2api搓出来了。 简单介绍一下功能： 新增了，我的分组，我的账号，我的代理，分配订阅，我的兑换码和一系列功能。 我的分组 在我的分组中，可以创建自己的分组，管理自己的分组，功能是和管理员对齐的，管理员能设置的我的分组都能设置。 我的账号 我的账号，可以添加自己的账号，可以把自己添加的账号设置到自己的分组，可以维护用来维护自己的号池，添加账号的功能也是和管理员对齐，只有自己能看见和使用自己的账号，其他人是无法使用的。支持批量导入导出。 我的代理 我的代理可以维护自己的代理池，在创建账号时可以选择自己创建的代理或公开的代理。如果没有代理可以用我的 美国1001 但是这个ip账号非常多，可能比较危险。 sub2api只支持socks和http代理，为了各位老友都能轻松添加自己的代理， 我把xray塞进了sub2api ，所以几乎 支持100%的机场节点 ，老友们可以轻松设置自己的代理。 分配订阅 可以把自己创建的分组，按订阅的方式分配给朋友，功能也是和管理员对齐。只能管理自己分配的订阅。 我的兑换码 可以生成自己分组的订阅兑换码用于分发，功能也是和管理员对齐。 （这个功能还有点bug，兑换码使用后使用者获得了订阅，但是分配订阅里无法管理这个订阅，下个版本修复这个问题，如果会造成不方便就先不要使用兑换码功能） 我的订阅 我的订阅里新增了对所在分组的号池状态显示，方便快速判断订阅是否可以正常使用。 添加了退订功能，如果订阅无法使用就能退订，避免大量订阅留在订阅列表。 使用记录 使用记录和管理员展示的信息完全对齐，可以查看自己的账号的使用记录和自己的使用记录。 上游错误显示自己账号的错误，可以查看细明，也和管理员完全对齐。 总结 以上就是我的工艺站新增的全部功能了，等于是一个共享sub2api，让没有条件自己搭建的老友也能维护自己的号池。 加入方式 因为怕人太多服务器炸掉，现在改成邀请码注册。邀请码可以用LDC购买。 为了防止已经加入的老友想分享给自己的朋友用，但是朋友没有邀请码注册不了，我会在站内公告里放一个站内专属邀请码购买链接，这样如果想分享给朋友就能给朋友购买了。 这个是不可能倒闭的了，服务器和域名我会续费的。 主站链接 api.picpi.top picpi 皮皮工艺站 - AI API Gateway 购买链接 ldc.picpi.top Picpi的小店 皮皮的小店 不看帖子就直接买的，全部拒绝退款 12 个帖子 - 12 位参与者 阅读完整话题
感觉公安联网备案要填的信息好多，好麻烦，想问问佬友们这个如果不做的话会影响ICP备案吗？如果是阿里云买的域名是不是只要ICP备案走完了就不会被弹窗了呀？ 4 个帖子 - 4 位参与者 阅读完整话题
从 【Picpi Chat 工艺站】2.0更新，性能优化，页面显示优化！支持聊天和 image2，支持图生图。 继续 性能调整 最大线程从4调整到6，高峰期拥挤明显改善。 2.1更新要点 支持文档生成，和官网的文档功能对齐。 支持多张图片生成，和官网功能对齐。 1 个帖子 - 1 位参与者 阅读完整话题
安装 Python 3.12 使用 miniconda 安装 Python 3.12 mkdir -p ./miniconda3_install_tmp # Download the miniconda3 installation script wget https://repo.anaconda.com/miniconda/Miniconda3-py312_26.3.2-2-Linux-aarch64.sh -O ./miniconda3_install_tmp/miniconda.sh # Install miniconda3 into the project directory bash ./miniconda3_install_tmp/miniconda.sh -b -u -p ./miniconda3 安装完成后，您将获得一个空的初始环境。请激活此初始环境，它默认使用 Python 3.12。 source ./miniconda3/bin/activate python --version # Should display 3.12.x 进入项目目录中拉取官方demo项目 cd miniconda3 git clone https://github.com/OpenBMB/MiniCPM-o-Demo.git 下载decord github.com/csabakecskemeti/dgx_spark_prebuilds decord/decord-0.6.0-cp312-cp312-linux_aarch64.whl main 此文件是二进制文件。 显示原始文件 下载torchcodec github.com/time2k/torchcodec_for_aarch64 torchcodec-0.8.1-cp312-cp312-linux_aarch64.whl main 此文件是二进制文件。 显示原始文件 将下载的decord、torchcodec包放到MiniCPM-o-Demo目录内 修改install.sh文件 修改python版本号为3.12 PYTHON="${PYTHON:-python3.12}" 修改torch、torchaudio安装版本，增加torchcodec、decord安装 修改前 ${PIP} install "torch==2.8.0" "torchaudio==2.8.0" 修改后 ${PIP} install torch==2.9.0+cu130 torchaudio==2.9.0 --index-url https://download.pytorch.org/whl/cu130 ${PIP} install torchcodec-0.8.1-cp312-cp312-linux_aarch64.whl ${PIP} install decord-0.6.0-cp312-cp312-linux_aarch64.whl 完整install.sh文件内容 #!/bin/bash # MiniCPMO45 Service One-Click Environment Installation Script # # Usage: # cd minicpmo45_service # bash install.sh # # Features: # 1. Create a Python 3.10 virtual environment # 2. Install PyTorch + core dependencies # 3. Attempt to install Flash Attention 2 (auto-skip on failure, fallback to SDPA) # 4. Verify installation results # # Environment Variables (optional): # PYTHON=python3.11 Specify Python interpreter (default: python3.10) # SKIP_FLASH_ATTN=1 Skip Flash Attention installation # MAX_JOBS=8 Flash Attention compilation parallelism (default: nproc) set -e # Exit on error (flash-attn section handled separately) # ============ Configuration ============ VENV_DIR=".venv/base" PIP="${VENV_DIR}/bin/pip" PYTHON_BIN="${VENV_DIR}/bin/python" PYTHON="${PYTHON:-python3.12}" MAX_JOBS="${MAX_JOBS:-$(nproc 2>/dev/null || echo 8)}" FLASH_ATTN_VERSION=">=2.7.1,<=2.8.2" # Officially recommended version range # ============ Colored Output ============ GREEN='\033[0;32m' YELLOW='\033[1;33m' RED='\033[0;31m' NC='\033[0m' # No Color info() { echo -e "${GREEN}[INFO]${NC} $1"; } warn() { echo -e "${YELLOW}[WARN]${NC} $1"; } error() { echo -e "${RED}[ERROR]${NC} $1"; } # ============ Step 1: Create Virtual Environment ============ info "Step 1/4: Creating virtual environment (${VENV_DIR})" if [ -d "${VENV_DIR}" ]; then warn "Virtual environment already exists: ${VENV_DIR}, skipping creation" else if ! command -v "${PYTHON}" &> /dev/null; then error "${PYTHON} not found. Please install Python 3.10+ or specify the path via PYTHON=python3.x" exit 1 fi PYTHON_VERSION=$("${PYTHON}" -c "import sys; print(f'{sys.version_info.major}.{sys.version_info.minor}')") info "Using Python ${PYTHON_VERSION} (${PYTHON})" "${PYTHON}" -m venv "${VENV_DIR}" info "Virtual environment created successfully" fi ${PIP} install --upgrade pip -q # ============ Step 2: Install PyTorch ============ info "Step 2/4: Installing PyTorch + torchaudio" # Check if already installed (skip redundant installation) if ${PYTHON_BIN} -c "import torch; print(torch.__version__)" 2>/dev/null | grep -q "2.8"; then TORCH_VER=$(${PYTHON_BIN} -c "import torch; print(torch.__version__)") CUDA_VER=$(${PYTHON_BIN} -c "import torch; print(torch.version.cuda)") info "PyTorch already installed: ${TORCH_VER} (CUDA ${CUDA_VER}), skipping" else ${PIP} install torch==2.9.0+cu130 torchaudio==2.9.0 --index-url https://download.pytorch.org/whl/cu130 ${PIP} install torchcodec-0.8.1-cp312-cp312-linux_aarch64.whl ${PIP} install decord-0.6.0-cp312-cp312-linux_aarch64.whl TORCH_VER=$(${PYTHON_BIN} -c "import torch; print(torch.__version__)") CUDA_VER=$(${PYTHON_BIN} -c "import torch; print(torch.version.cuda)") info "PyTorch installed successfully: ${TORCH_VER} (CUDA ${CUDA_VER})" fi # ============ Step 3: Install Core Dependencies ============ info "Step 3/4: Installing core dependencies (requirements.txt)" ${PIP} install -r requirements.txt info "Core dependencies installed successfully" # ============ Step 4: Install Flash Attention 2 (Not Recommended) ============ # info "Step 4/4: Installing Flash Attention 2 (optional, auto-skip on failure)" # if [ "${SKIP_FLASH_ATTN}" = "1" ]; then # warn "SKIP_FLASH_ATTN=1, skipping Flash Attention installation" # warn "Inference will use PyTorch SDPA (approximately 5-15% slower)" # else # # Check if already installed # if ${PYTHON_BIN} -c "import flash_attn; print(flash_attn.__version__)" 2>/dev/null; then # FA_VER=$(${PYTHON_BIN} -c "import flash_attn; print(flash_attn.__version__)") # info "Flash Attention already installed: ${FA_VER}, skipping" # else # info "Attempting to install flash-attn${FLASH_ATTN_VERSION} (MAX_JOBS=${MAX_JOBS})..." # info "This may take several minutes (compiling CUDA kernels)..." # set +e # Temporarily disable errexit to allow failure # MAX_JOBS=${MAX_JOBS} ${PIP} install "flash-attn${FLASH_ATTN_VERSION}" --no-build-isolation 2>&1 # FLASH_EXIT_CODE=$? # set -e # Restore errexit # if [ ${FLASH_EXIT_CODE} -eq 0 ]; then # FA_VER=$(${PYTHON_BIN} -c "import flash_attn; print(flash_attn.__version__)") # info "Flash Attention installed successfully: ${FA_VER}" # else # warn "==========================================" # warn "Flash Attention installation failed (exit code: ${FLASH_EXIT_CODE})" # warn "This does not affect service operation — inference will automatically use PyTorch SDPA" # warn "Performance difference: SDPA is approximately 5-15% slower than Flash Attention" # warn "" # warn "Common causes:" # warn " - CUDA toolkit version mismatch with PyTorch" # warn " - Unsupported GPU architecture (requires SM80+, e.g. A100/H100)" # warn " - Missing compilation toolchain (gcc/g++/nvcc)" # warn "" # warn "To retry manually:" # warn " MAX_JOBS=${MAX_JOBS} ${PIP} install \"flash-attn${FLASH_ATTN_VERSION}\" --no-build-isolation" # warn "==========================================" # fi # fi # fi # ============ Installation Summary ============ echo "" echo "============================================" info "Installation complete! Environment summary:" echo "============================================" ${PYTHON_BIN} -c " import torch print(f' Python: {__import__(\"sys\").version.split()[0]}') print(f' PyTorch: {torch.__version__}') print(f' CUDA: {torch.version.cuda}') print(f' GPU: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else \"N/A\"}') try: import flash_attn print(f' Flash Attn: {flash_attn.__version__} ✓') attn_backend = 'flash_attention_2' except ImportError: print(f' Flash Attn: Not installed (will use SDPA)') attn_backend = 'sdpa' import transformers print(f' Transformers: {transformers.__version__}') print() print(f' Attention Backend: {attn_backend}') " echo "" info "Next steps:" echo " 1. Configure model path:" echo " cp config.example.json config.json" echo " # Edit config.json and set model.model_path" echo "" echo " 2. Start the service:" echo " bash start_all.sh" echo "============================================" 安装MiniCPM 执行安装脚本 bash install.sh 安装前端 cd frontend/mobile/ bun install 安装docs-app cd - cd docs-app npm install cd .. 复制配置文件 将项目目录中的 config.example.json 复制到 config.json 。 cp config.example.json config.json 修改config.json中的模型路径 模型路径（ model_path ）默认为 openbmb/MiniCPM-o-4_5 。如果您有 Hugging Face 的访问权限，则无需进行任何修改——模型将自动从 Hugging Face 拉取。 启动MiniCPM bash start_all.sh 停止MiniCPM pkill -f "gateway.py|worker.py" 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 26 日消息，面壁智能今日联合清华大学、 OpenBMB 开源社区正式发布并开源最新一代端侧文本基座大模型 —— MiniCPM5-1B 。 官方表示，MiniCPM5-1B 仅以 1B 参数规模，在国际知名榜单 AA-Index（Artificial Analysis Intelligence Index）上 超越了所有 2B 参数以下模型 ；相比 3 个月前发布的 Qwen3.5-2B，MiniCPM5-1B 不仅效果更优，参数量还减少了一半。 该模型 INT4 量化后权重仅 0.5GB，能跑在手机上、跑在浏览器里。它的 Base Model 版本由面壁智能自主研发的 AI 训练框架 ForgeTrain 预训练完成 。 MiniCPM5-1B 现已全面开源，包括模型权重、训练数据集与部署方案。IT之家附相关链接如下： HuggingFace： https://huggingface.openbmb.com/model/openbmb/MiniCPM5-1B GitHub： https://github.com/OpenBMB/MiniCPM ModelScope： https://modelscope.cn/models/OpenBMB/MiniCPM5-1B GitCode： https://ai.gitcode.com/OpenBMB/MiniCPM5-1B 魔乐社区： https://modelers.cn/models/OpenBMB/MiniCPM5-1B
聊天生图站主帖： 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ OpenAI Codex 工艺站站主贴： 【picpi 皮皮公益站】已3个月稳定不中断！ 主力模型:OpenAI Codex 从 【picpi 皮皮工艺站】开放注册，不再是邀请制，但是订阅仍需LDC购买。 继续 现在已经把聊天站和OpenAI Codex站整合在了一起。 由于邮箱一直爆炸，所以搞了一个新网站专门用于注册。这样就不会炸了。注册之后就可以愉快的聊天生图啦！ regapi.picpi.top picpi sub2api 注册 11 个帖子 - 8 位参与者 阅读完整话题
从 不要用工艺站生😍图，如果还有此类事情发生，将改为邀请制。 继续 工艺站主贴： 【picpi 皮皮公益站】已3个月稳定不中断！ 主力模型:OpenAI Codex 聊天生图站主贴： 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ LDC商店主贴： https://linux.do/t/topic/2102109 开放注册 由于聊天生图站总是有人生 图，为了我的身心健康，添加了通过sub2api登录的功能。 所以现在sub2api开放注册，不再需要邀请码。 现在注册不再赠送$10试用订阅，但是可以登录聊天站聊天和生图。 为了防止某些人大量注册小号，目前仅允许Linux Do和QQ邮箱。 如果有其他邮箱的需求可以告诉我，我会考虑允许这些邮箱，163或者outlook这种泛滥的邮箱就不用找我了，不可能允许的。 我依然会定期检查错误日志来优化代码，如果发现有生 图的行为，直接封禁账号。 chat.picpi.top PicpiChat 21 个帖子 - 19 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 整个项目没有一行古法编程，就不截图了 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 上一次是老马拉大车，这次轮到手头的这个国产小板子（香橙派AI Pro，昇腾310B芯片）。由于国产生态问题，其实这个板子很少有人去适配模型，而最近面壁智能发布了MiniCPM-V-4.6，小钢炮的SOTA，主打一个端侧和手机运行的小模型，能力也很不错： 而我们这个板子呢，虽然算力不高，但是跑个1.3B应该还是绰绰有余的。 20TOPS版本大概2000块，8T版本更便宜，只要899。折合一下FP16算力差不多也有1080TI水平了，用的unified memory, 24GB内存。最近没啥人折腾，还是要祭出天才程序员，这次不是写CUDA，而是写AscendC自定义算子，把MiniCPM-V-4.6支持起来。下面是项目介绍： 一个完全从零写的 C++/AscendC 推理引擎,把 MiniCPM-V 4.6 跑在 Orange Pi AIPro 20T 板载的 Ascend 310B NPU 上。 文本和图像对话都完全跑在 NPU 上,Python 端只在 CPU 上做 tokenize 和图像预处理,推理热路径完全不依赖 torch_npu 。 通过三轮 cube unit / 自定义 kernel 工作,单 batch 解码从 2.88 → 5.90 tokens/s (~2×), 跑的是完整 24 层 hybrid 线性 + full attention 模型(hidden 1024,vocab 248094,fp16): 阶段 Tokens/s 单步耗时 (ms) 节省 原生 aclnnMm baseline 2.88 350 — + 自定义 cube matmul(M=1) 4.37 229 121 + lm_head 切 16 块走 cube 4.99 200 29 + 向量化 causal-conv1d step kernel 5.90 170 30 测试条件:prompt_T=8,decode 30 个 token。剩下的 ~170 ms / step 主要被 matmul 权重带宽吃掉;下一步只能上权重量化(见 Roadmap )。 视觉塔(SigLIP-so400m → vit_merger → 投影到 LM hidden,总共 27 层 transformer) 也已经移植到 C++/aclnn,端到端对照 HF CPU 参考实现验证过:最终给 LM 用的 image_features 跟 HF 输出的 max_abs_diff = 0.0098 (448×448 输入)。 总体来说上量化版本还有很大的优化空间，先放出来给大家玩玩。项目链接： GitHub - lvyufeng/minicpm-v-4.6-orangepi · GitHub 欢迎大家Star和折腾。 7 个帖子 - 4 位参与者 阅读完整话题
工艺站主帖： 【picpi 皮皮公益站】已3个月稳定不中断！ 主力模型:OpenAI Codex 这几天2~3月份注册的号掉了1000多个，存活的仅剩500个了。由于这批号都是没有绑定手机的，重新登录都需要接码，只能放弃这批号了。不过用了这么久，也算是寿终正寝了。 我从4月份开始就已经在为大量掉登录的情况做准备了，已经预料到，这批佬号可能在未来的一段时间掉登录，之后重新登录需要添加手机号。 从4月份开始我就已经在陆续注册绑定手机的账号了，目前有1000多个4月份绑定手机号的号，已经全部加入到号池中顶上了。注册机依然在继续注册，所以不用担心，我们的号池虽然折损很多，但是面对这波掉号潮还是没有问题的。 由于注册机开满了，账号活跃需求也随之增加，老友都过来聊聊天生生图呀。但是不要为了聊而聊，也不要用来生 图，正经使用就好。 【Picpi Chat 工艺站】2.0更新，性能优化，页面显示优化！支持聊天和 image2，支持图生图。 福利羊毛 从 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ 继续 Picpi Chat 工艺站 服务器资源不足，只能开4线程，人多可能拥挤。 https://chat.picpi.top/ 2.0 更新 添加了图片生成等待动画 [image] 添加了图片画廊的支持，和GPT官网对齐。 [image] 添加了链接的支持，和GPT官网… chat.picpi.top PicpiChat 11 个帖子 - 8 位参与者 阅读完整话题
从 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ 继续 Picpi Chat 工艺站 服务器资源不足，只能开4线程，人多可能拥挤。 https://chat.picpi.top/ 2.0 更新 添加了图片生成等待动画 添加了图片画廊的支持，和GPT官网对齐。 添加了链接的支持，和GPT官网对齐 添加了搜索引用的支持，和GPT官网对齐。 如果还有其他功能没和官网对齐可以在下面反馈，后面我会考虑加上。 13 个帖子 - 10 位参与者 阅读完整话题
本帖使用社区公益推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的项目是免费使用的，无收费（变相收费、赞助）部分： 是 我的帖子已经打上 公益推广 标签： 是 我的项目属于个人项目，与公司或商业机构无关： 是 我的项目不存在QQ、TG等群组引流： 是 我的项目不存在非运营必要的网站引流： 是 我的项目不存在为他人推广、AFF： 是 我的项目无关联的商业项目： 是 我的站点存在登录，并已接入 LINUX DO Connect： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 从 【picpi 皮皮公益站】主要自用 小规模开放 主力模型:OpenAI Codex 继续 由于旧贴不能编辑了，现在开个新贴，这个贴作为新主贴。 picpi 工艺站 稳定优先 · 邀请制 · 低延迟 开工艺站3个月来，我始终以稳定优先为原则，严格限制额度的发放。这三个月也是把注册到养号全流程全部打通了。最老的号3个月依然坚挺，3个月损耗率低于2% 从一开始的主要自用，到现在的LDC循环，已经形成了一套完美的运营逻辑。以后我的工艺站还会继续稳定运行。只要free号还能用，我的工艺站就不会倒。 账号方面 ：我已经做到真人真实活跃数据养号，感谢各位老友在我的 聊天站 上聊天和生图，方便老友的同时也给我的号真实活跃起来。 聊天生图站主贴： 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ 网络方面 ：我对ip做了优选，全球延迟不超过100ms。 后续的运营方案 后面工艺站依然会持续运营，依然采用LDC的方式，佬们可以通过LDC换取订阅，我通过LDC换取工艺站需要的资源，这样良性循环。工艺站才能运营更持久。 LDC主贴： https://linux.do/t/topic/2102109 加入方式 直接在LDC小店购买邀请码即可注册，注册赠送 OpenAI Codex $10 试用订阅，如果觉得好用就可以在LDC小店购买其他量更多的订阅。 另外，凡是成功注册的老友，不做打卡、签到、活跃要求，一律不删号 (前提是我的工艺站还活着) 。这样就不用每天提心吊胆，害怕账号被清。 OpenAI Codex 订阅发放规则 号池每多 1 个账号就发放 $3/周 的有效订阅的。 例如：号池有100个账号，那么只售卖总额就是 $300/周 。 例如有 $100/周 和 $200/周 这两个商品。 卖法就有两种： $100/周 1个 + $200/周 1个 $100/周 3个。 售卖总额不超过 $300/周 绝不超卖 。 站点链接 主站： https://api.picpi.top 监控站： https://look.picpi.top 发放名额 获取邀请码来这篇帖子： https://linux.do/t/topic/2102109 以后每一段时间我就会根据号池和服务器负载发放一些邀请码。 520 福利 目前号池非常充足，可用率极高，并且今天是520，我决定放一波大的，不用LDC，不限制L站等级，人人皆可参与。 可能是最后一次抢 邀请码100个 2026/05/20 19:30:00 开抢： cdk.linux.do LINUX DO CDK Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单 随机兑换码 $10每周30天 $50每周30天 $100每周30天 $300每周30天 2026/05/20 20:00:00 开抢： cdk.linux.do LINUX DO CDK Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单 评论区抽 2026/05/20 20:30:00 开奖 邀请码50个，随机兑换码 $10每周30天 $50每周30天 $100每周30天 $300每周30天 50个。 81 个帖子 - 79 位参与者 阅读完整话题
本帖使用社区公益推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的项目是免费使用的，无收费（变相收费、赞助）部分： 是 / 否 我的帖子已经打上 公益推广 标签： 是 / 否 我的项目属于个人项目，与公司或商业机构无关： 是 / 否 我的项目不存在QQ、TG等群组引流： 是 / 否 我的项目不存在非运营必要的网站引流： 是 / 否 我的项目不存在为他人推广、AFF： 是 / 否 我的项目无关联的商业项目： 是 / 否 我的站点存在登录，并已接入 LINUX DO Connect： 是 / 否 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 / 否 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 / 否 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 从 【picpi 皮皮公益站】主要自用 小规模开放 主力模型:OpenAI Codex 继续 由于旧贴不能编辑了，现在开个新贴，这个贴作为新主贴。 picpi 工艺站 稳定优先 · 邀请制 · 低延迟 开工艺站3个月来，我始终以稳定优先为原则，严格限制额度的发放。这三个月也是把注册到养号全流程全部打通了。最老的号3个月依然坚挺，3个月损耗率低于2% 从一开始的主要自用，到现在的LDC循环，已经形成了一套完美的运营逻辑。以后我的工艺站还会继续稳定运行。只要free号还能用，我的工艺站就不会倒。 账号方面 ：我已经做到真人真实活跃数据养号，感谢各位老友在我的 聊天站 上聊天和生图，方便老友的同时也给我的号真实活跃起来。 聊天生图站主贴： 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ 网络方面 ：我对ip做了优选，全球延迟不超过100ms。 后续的运营方案 后面工艺站依然会持续运营，依然采用LDC的方式，佬们可以通过LDC换取订阅，我通过LDC换取工艺站需要的资源，这样良性循环。工艺站才能运营更持久。 加入方式 直接在LDC小店购买邀请码即可注册，注册赠送 OpenAI Codex $10 试用订阅，如果觉得好用就可以在LDC小店购买其他量更多的订阅。 另外，凡是成功注册的老友，不做打卡、签到、活跃要求，一律不删号 (前提是我的工艺站还活着) 。这样就不用每天提心吊胆，害怕账号被清。 OpenAI Codex 订阅发放规则 号池每多 1 个账号就发放 $3/周 的有效订阅的。 例如：号池有100个账号，那么只售卖总额就是 $300/周 。 例如有 $100/周 和 $200/周 这两个商品。 卖法就有两种： $100/周 1个 + $200/周 1个 $100/周 3个。 售卖总额不超过 $300/周 绝不超卖 。 站点链接 主站： https://api.picpi.top 监控站： https://look.picpi.top 发放名额 获取邀请码来这篇帖子： https://linux.do/t/topic/2102109 以后每一段时间我就会根据号池和服务器负载发放一些邀请码。 520 福利 目前号池非常充足，可用率极高，并且今天是520，我决定放一波大的，不用LDC，不限制L站等级，人人皆可参与。 可能是最后一次抢 邀请码100个 2026/05/20 19:30:00 开抢： cdk.linux.do LINUX DO CDK Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单 随机兑换码 $10每周30天 $50每周30天 $100每周30天 $300每周30天 2026/05/20 20:00:00 开抢： cdk.linux.do LINUX DO CDK Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单 评论区抽 邀请码50个，随机兑换码 $10每周30天 $50每周30天 $100每周30天 $300每周30天 50个。 26 个帖子 - 25 位参与者 阅读完整话题
从 【Picpi Chat 工艺站】支持聊天和 image2，支持上传图片，文生图，图生图，正式上线！ 继续。 这个聊天站刚搞出来，在聊天的时候总是会在莫名奇妙的地方卡住，我就搞了个卡住就截图+保存HTML之后退出，方便我排查问题，优化代码。 然后我就看到了不可描述的东西。 总之，工艺站是给大家正经使用的，不要用来搞这种东西 11 个帖子 - 8 位参与者 阅读完整话题
目前无需登录，随意使用，可聊天，支持image2，支持上传图片。 PC端 移动端 5 个帖子 - 5 位参与者 阅读完整话题
如题，个人开发者，没有注册公司，也不想搞icp备案，大佬们有什么第三方的收款服务商介绍不； 13 个帖子 - 5 位参与者 阅读完整话题
IT之家 5 月 13 日消息，5 月 11 日，面壁智能联合清华大学及 OpenBMB 开源社区正式发布并开源了新一代端侧多模态大模型 MiniCPM-V 4.6。 该模型参数规模为 1.3B，在端侧设备上仅需约 6GB 内存即可流畅运行，大幅降低了多模态 AI 在各类智能终端的落地门槛。 目前，MiniCPM-V 4.6 已在 GitHub 和 Hugging Face 等平台全面开源，并提供 Testflight 测试版本，可在 iOS、Android 和 HarmonyOS 等主流操作系统的手机上使用。 在性能表现方面，MiniCPM-V 4.6 在多个权威基准评测中展现出优于同尺寸主流模型的能力。 据介绍，它的 Instruct 和 Thinking 两个版本均在通用图文理解、STEM 数理推理、文档 OCR 及视频时序理解等任务上超越了 Qwen3.5-0.8B 和 Gemma4-E2B-it 等模型。 在最新的 Artificial Analysis 评测中，MiniCPM-V 4.6 以 13 分的成绩超越了 Ministral 3 3B 等更大尺寸的模型，整体能力接近 Qwen3.5-2B 级别。 在效率方面，MiniCPM-V 4.6 实现了“参数更大、效率更高”的反超。尽管参数规模比 Qwen3.5-0.8B 更大，但在基于 vLLM 框架的推理测试中，它的 Token 吞吐量达到前者的 1.5 倍，而计算 Token 消耗仅为后者的 2.5% 左右。 在 Artificial Analysis 评测中，1.3B 非推理版本仅消耗约 540 万 Token，仅为 Qwen3.5-0.8B 非推理版本的 1/19。这意味着开发者可以用同样的硬件承载更多的线上流量，或者在端侧实现更快的响应速度。 性能与效率的提升主要得益于两项技术创新：一是与清华大学联合研发的 LLaVA-UHD v4 架构，通过 ViT 内部视觉 Token“早压缩”技术，在保持性能的前提下将图像编码计算量降低了 55.8%；二是提供 4 倍和 16 倍混合视觉 Token 压缩模式，开发者可以根据应用场景在性能优先与速度优先之间灵活选择，兼顾高精度文档解析和低算力环境下的实时交互需求。 在高分辨率图像处理方面，MiniCPM-V 4.6 表现突出。处理 3132×3132 分辨率高清大图时，首字响应延迟仅约 75.7 毫秒，较同基座规模的 Qwen3.5-0.8B 快 2.2 倍。在高并发场景下，单张 RTX 4090 显卡每秒可处理 54.79 张 1344×1344 分辨率图片，处理吞吐量约为 Qwen3.5-0.8B 的 1.5 倍。 在开源生态支持方面，MiniCPM-V 4.6 提供了从微调到部署的完整工具链，已适配 ms-swift 和 LLaMA-Factory 等主流微调框架，并支持 vLLM、SGLang、 llama.cpp 和 Ollama 等多个高性能推理框架。开发者只需一张 RTX 4090 等消费级显卡即可完成全流程微调。 IT之家注意到，MiniCPM-V 系列此前已在汽车、PC、手机和智能家居等多个终端场景实现规模化落地，合作伙伴涵盖联想、吉利、上汽大众等数十家行业头部企业。此次 MiniCPM-V 4.6 的开源，将进一步推动多模态大模型在端侧设备的应用效率。 参考资料： Hugging Face： https://huggingface.co/openbmb/MiniCPM-V-4.6 GitHub： https://github.com/OpenBMB/MiniCPM-V ModelScope： https://modelscope.cn/models/OpenBMB/MiniCPM-V-4.6 GitCode： https://ai.gitcode.com/OpenBMB/MiniCPM-V-4.6 Web Demo： https://huggingface.co/spaces/openbmb/MiniCPM-V-4.6-Demo APP Demo： https://github.com/OpenBMB/MiniCPM-V-Apps
LDC 非常给力，可以找老友换到 80% 的工艺站需要的资源。 号池情况 我们的号池又+1000啦！共花费 15000 LDC 换到了 $11 接码余额，加上自己充值的 $10 一共注册了 914 个账号！ LDC循环情况 我必须让 LDC 充分循环起来，赚到的 LDC 用来购买工艺站需要的资源，而不是留在我的账号上，这样才能良性循环。 由于最大的每日限额只有 2000，如果我售卖的订阅总额超过了 2000 多出的 LDC 就只能留在我的账户里，无法循环。 (最近扩号池我已经分期付款把未来30天的限额都透支了 ) 新的补货规则 以后，每周只补 14000 LDC 的货，我会尽量把这些 LDC 全部花掉，用于采购、节点 、接码余额、邮箱、服务器、这些资源 (也会买点东西自己用) 。 以后每周六晚上22:0点左右我会补一次货，补的货差不多刚好 14000 LDC。 link 小店主贴： https://linux.do/t/topic/2102109 工艺站主贴： 【picpi 皮皮公益站】主要自用 小规模开放 主力模型:OpenAI Codex 8 个帖子 - 8 位参与者 阅读完整话题