小米前两天发布了 MiMo-V2.5-Pro-UltraSpeed ，token 速度达到了 1000 tokens/s。与此同时，还开源了有 FP4 量化的主干模型权重还有 DFlash 草稿模型参数。 模型在： XiaomiMiMo/MiMo-V2.5-Pro-FP4-DFlash · Hugging Face 看了一下居然没有人发相关新闻，索性自己发一下了 1 个帖子 - 1 位参与者 阅读完整话题
大盘指数感觉严重偏向科技，权重太大了，科技跌大盘就绿。。。老登股资金看都不看 1 个帖子 - 1 位参与者 阅读完整话题
听说挺猛的可以把LLM Agent的skill文档当神经网络的权重来训练 但是也不知道具体效果咋样 反正token有点起飞了 github.com GitHub - microsoft/SkillOpt: SkillOpt is a text-space optimizer that trains... SkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts. 1 个帖子 - 1 位参与者 阅读完整话题
最近和 Codex 做了一个小实验：这届世界杯谁最可能夺冠？ 不是让它拍脑袋，而是把几类公开数据拼起来做了个加权模型： FIFA 最新排名 World Football Elo Transfermarkt 球队总身价和阵容深度 Opta 和市场预测概率 最近一年国家队和主力球员表现 伤病情况 小组赛签运和潜在淘汰赛路径 先声明：纯娱乐，不是投注建议，也不代表一定准。足球这东西，模型算半天，也可能被一张红牌、一次点球、一个门将封神全部推翻。 我这版权重大概是： 实力评级：30% 预测/市场共识：25% 阵容身价和深度：20% 近一年状态：15% 伤病与赛程风险：10% 最后算出来前六是： 西班牙：91 法国：89 英格兰：86 阿根廷：85 葡萄牙：84 巴西：82 结论：如果只看 2026-06-02 这个时间点的公开数据，模型押西班牙。 西班牙优势是 Elo 和近期整体状态都很强，年轻球员上限高，体系也稳定。风险是几个关键球员的伤病和大赛临场波动。 法国纸面实力可能最吓人，身价、阵容厚度、Mbappe 的个人上限都很高，但小组和淘汰赛路径没有那么舒服，后防伤情也会影响容错。 英格兰阵容非常豪华，但老问题还是淘汰赛关键局。阿根廷有卫冕冠军经验和成熟体系，不过年龄结构是隐患。葡萄牙我觉得是这版模型里最像“非头号热门黑马”的队。巴西上限高，但当前伤病风险拖了一点分。 当然，世界杯不是 Excel 决定的。模型能抓长期实力、阵容深度和公开信息，抓不住临场情绪、裁判尺度、点球大战和更衣室气氛。 所以就当一次 Codex + 大数据权重模型的娱乐实验。欢迎大家拍砖：你们觉得这届冠军是谁？
最近和 Codex 做了一个小实验：这届世界杯谁最可能夺冠？ 不是让它拍脑袋，而是把几类公开数据拼起来做了个加权模型： FIFA 最新排名 World Football Elo Transfermarkt 球队总身价和阵容深度 Opta 和市场预测概率 最近一年国家队和主力球员表现 伤病情况 小组赛签运和潜在淘汰赛路径 先声明：纯娱乐，不是投注建议，也不代表一定准。足球这东西，模型算半天，也可能被一张红牌、一次点球、一个门将封神全部推翻。 我这版权重大概是： 实力评级：30% 预测/市场共识：25% 阵容身价和深度：20% 近一年状态：15% 伤病与赛程风险：10% 最后算出来前六是： 西班牙：91 法国：89 英格兰：86 阿根廷：85 葡萄牙：84 巴西：82 结论：如果只看 2026-06-02 这个时间点的公开数据，模型押西班牙。 西班牙优势是 Elo 和近期整体状态都很强，年轻球员上限高，体系也稳定。风险是几个关键球员的伤病和大赛临场波动。 法国纸面实力可能最吓人，身价、阵容厚度、Mbappe 的个人上限都很高，但小组和淘汰赛路径没有那么舒服，后防伤情也会影响容错。 英格兰阵容非常豪华，但老问题还是淘汰赛关键局。阿根廷有卫冕冠军经验和成熟体系，不过年龄结构是隐患。葡萄牙我觉得是这版模型里最像“非头号热门黑马”的队。巴西上限高，但当前伤病风险拖了一点分。 当然，世界杯不是 Excel 决定的。模型能抓长期实力、阵容深度和公开信息，抓不住临场情绪、裁判尺度、点球大战和更衣室气氛。 所以就当一次 Codex + 大数据权重模型的娱乐实验。欢迎大家拍砖：你们觉得这届冠军是谁？
5 月 29 日这天几个指数放一起看，其实挺有意思。 上证跌 0.73%，深成指跌 1.81%，创业板跌 2.11%，但沪深300只跌 0.45%。 如果只看自己的自选股，很容易感觉“大A又不做人了”。但指数结构拆开看，市场不是没有钱，而是钱明显更愿意躲到大票、权重、确定性高一点的地方。 这对普通散户有个提醒：如果你手上全是高弹性小票，体感会比指数难受很多。指数看着还行，不代表账户也会还行。 我自己下周会重点看沪深300的两个信号： 如果它继续横住，而小票还在跌，那就是典型的防守分化； 如果它也开始补跌，那说明这轮调整可能还没完； 如果双创先修复，沪深300不拖后腿，那短线情绪才算慢慢回来了。 所以这几天我不会急着给市场下结论，先看资金到底是在“换地方”，还是在“真撤退”。这俩差别很大。 1 个帖子 - 1 位参与者 阅读完整话题
听AI的建议，选了个info域名来做域名邮箱，花了20r。 AI说这个域名比xyz等8r的域名权重高一些。 之后一直保持每天10个左右free号纯手搓注册，也用了指纹浏览器，也接了码。目前已经手搓了快100个了。 今天看到站内很多佬的free被401了。瑟瑟发抖中。 想问一下，一个域名注册多少个号比较合适？大家都是用的什么域名呢？ 5 个帖子 - 4 位参与者 阅读完整话题
相信很多人都是几个codex账号一起跑，CPA确实好用，但是有几个问题 问题1，CPA老是逮着一个账号拼命用，很多时候一个账号周限额到了，下一个账号还基本上是满的。 问题2，CPA在5月2号的一个版本里把用量监控给去掉了，当然它原来的监控方法也不怎么好，所有数据存在内存里，时间长了老出问题，这个CPA Usage Keeper好用的多，数据也是存在sqlite里 问题3，账号5个小时和周限都必须要用至少1个token才会重置，这样如果我不用就会白白浪费。 fork后改的几个点： 基于fill-first逻辑，给每个账号打分，根据周剩余限额，以及周重置时间，优先使用分数高的账号，这样子一周下来每个账号几乎同时使用光，可以手动增加减少权重，优先使用比如说快到期的账号。 加了个侧边栏直接导航到cpa usage keeper 每15分钟刷新一次所有账号的reset时间，如果reset时间刚过，发送一个probe信息用掉大概70个token，刷新下一个5小时。 贴几个截图吧 8 个帖子 - 4 位参与者 阅读完整话题
佬友们，GoPay能用到啥时候，vibe了半自动化，现在感觉就是 高权重的ip和邮箱 能做到 一周甚至更久。 手搓GoPay 感觉虽然简单，但耗时5到十分钟左右， 然后就按照站内佬友的插件，改了一下，目前半自动注册，（自动化卡在whatsapp 接码 以及 GoPay unlink） 所以现在就是 注册自动化 接码手动输码， unlink手动， 感觉轻松多了， 但是 中间把ip什么动了，导致 邮箱出现gpt网络警告信， 然后 半自动的 号登录后 不到几个小时 就封了， 这就是传说中的时抛， 所以总结下来， 家宽ip和高权重邮箱 估计能撑十几二十天不止， 因为我的ip普通，邮箱是谷歌邮箱， 目前最高的一个30号注册的 已经一个礼拜了才封的，而且是被警告后被封，如果网络没波动估计还不会被封。 17 个帖子 - 7 位参与者 阅读完整话题
一个全新的匿名模型在人工智能分析文本到图像竞技场中亮相，排名第 8 ！ Peanut 的权重预计很快将发布，这将使其成为领先的文本到图像开源权重模型。 Peanut 有望成为新的领先开源权重文本到图像模型，超越 Z-Image Turbo 、Qwen-Image 和 FLUX.2 [dev]。 更多细节（以及权重）即将到来。 https://peanutai.org
一个全新的匿名模型在人工智能分析文本到图像竞技场中亮相，排名第 8 ！ Peanut 的权重预计很快将发布，这将使其成为领先的文本到图像开源权重模型。 Peanut 有望成为新的领先开源权重文本到图像模型，超越 Z-Image Turbo 、Qwen-Image 和 FLUX.2 [dev]。 更多细节（以及权重）即将到来。 https://peanutai.org
来源: Introducing OpenAI Privacy Filter | OpenAI Demo: 流程大概是 对用户的输入使用该小模型处理, 识别输入中的敏感信息, 将其替换为替代词(环境变量?), 脱敏后发送给云端LLM. 云端的LLM返回后, 再在本地对输出按需恢复. 模型参数量: 总参数1.5B, 激活参数50M 模型上下文窗口: 128K 仓库地址: GitHub github.com GitHub - openai/privacy-filter: OpenAI Privacy Filter OpenAI Privacy Filter Hugging Face huggingface.co openai/privacy-filter · Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science. 模型卡片 cdn.openai.com OpenAI-Privacy-Filter-Model-Card.pdf 4 个帖子 - 4 位参与者 阅读完整话题
现在可以训练任何模型的DFlash权重了，就是资源消耗极大 1 个帖子 - 1 位参与者 阅读完整话题
Hy3 preview 正式公告，确认模型权重和代码已在 GitHub、HuggingFace、ModelScope、GitCode 四个平台开源，支持 vLLM、SGLang 等主流推理框架。腾讯云同步推出 API 服务和定制化 Token Plan 套餐，个人版最低 28 元/月。 官方称代码和 agent 是 Hy3 preview 提升最显著的方向，给出了 SWE-Bench Verified、Terminal-Bench 2.0、ClawEval、WildClawBench 等基准数据。在 CodeBuddy 和 WorkBuddy 产品上，首 token 延迟降低 54%，端到端时长降低 47%，成功率达 99.99% 以上，已稳定运行最长 495 步的复杂 agent 工作流。腾讯称这是一个 preview 版本，希望通过开源收集社区反馈，用于改进正式版。 https://mp.weixin.qq.com/s/5_nUI2mDchlwoedinFUMeA 6 个帖子 - 2 位参与者 阅读完整话题
如题，以模型minimax m2.5（原本权重，先不考虑量化）为例，如何知道这个模型具体需要多大的显存才可以部署？ 另外，NPU还是GPU应该没多大区别吧，主要是看显存多少。 请佬们指条明路 12 个帖子 - 9 位参与者 阅读完整话题
huggingface.co openai/privacy-filter · Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science. [!quote]+ OpenAI隐私过滤器是一种双向令牌分类模型，用于文本中的个人身份信息（PII）检测和掩蔽。它面向高吞吐量的数据净化工作流程，团队需要一个能够在本地运行、快速、上下文感知且可调的模型。 OpenAI隐私过滤器通过预训练自回归，能够到达一个结构类似于GPT-OSS但体积更小的检查点。然后我们将该检查点转换为基于隐私标签分类法的双向令牌分类器，并用监督式分类丢失进行后期训练。（有关 gpt-oss 的架构细节，请参见 gpt-oss 模型卡。）该模型不逐个生成文本符号，而是在一次前向传递中标记输入序列，然后通过约束维特比程序解码相干张成。对于每个输入词，模型预测标签分类法上的概率分布，该分类法包含8个输出类别，如下所述。 宽松的Apache 2.0许可：非常适合实验、定制和商业部署。 小尺寸：可在网页浏览器或笔记本电脑上运行------总参数为1.5亿，活动参数为5000万。 可微调：通过简单且高效的微调，调整模型以适应特定数据分布。 长上下文：128,000令牌上下文窗口支持高吞吐量且无分块处理长文本。 运行时控制：通过预设操作点配置精度/回忆权衡和检测到的跨度长度。 1 个帖子 - 1 位参与者 阅读完整话题
huggingface.co Qwen3.6 - a Qwen Collection We’re on a journey to advance and democratize artificial intelligence through open source and open science. 如图Qwen3.6的集合里面44分钟前更新了，显示有四个模型，但点开只有两个模型，且不久前添加了 Apache License 2.0 证书。 6 个帖子 - 6 位参与者 阅读完整话题
我们正式开源了最新模型 Kimi K2.6，它具备顶尖的编程、长时程执行以及智能体集群能力。 kimi.com Kimi K2.6 Tech Blog: Advancing Open-Source Coding Kimi K2.6 advances open-source coding, featuring long-horizon coding, coding-driven design, agent swarms, proactive agents, and the Claw Groups research preview. 看法：官网这些示例和Demo看得我心惊肉跳的啊，如果属实的话，这应该是中国大模型阵营第一个具有长时间自主编码能力的AI模型了，Kimi将会拉开一大截断层领先。。。 各位Vibe Coding和Agent用的比较多的佬友想必知道长时间自主驱动是一个多么重要的能力。。。 祝越来越好！ 24 个帖子 - 21 位参与者 阅读完整话题
best权重是个软链接，指向具体的权重文件。我以为ChatGPT能反应过来，结果直接一下全删了。给的默认权限，现在删文件都不需要审核了！奥特曼对自家模型也太自信了 尤其是ChatGPT在闯祸之后还一种无所吊谓的语气，真是气死我了！ 重新训练吧… 6 个帖子 - 5 位参与者 阅读完整话题
36氪获悉，科创50指数涨超3%，权重股海光信息涨超13%，中微公司、寒武纪涨超6%，中芯国际、华虹宏力等纷纷上扬。