短短十天，凉凉 3 个帖子 - 2 位参与者 阅读完整话题
众所周知，从24年开始就有大模型高考这种，但是谁知短短1年就高考那点东西已经不够我们大模型考的了。 所以今年咱们来一个主流大模型最低分，看看谁家的模型最流口水，佬友们可以等高考结束后晒出自己最觉得流口水的模型，并且附上对应的评分。 叠甲：全凭自愿，无拉踩豆包 10 个帖子 - 8 位参与者 阅读完整话题
短短二十四小时 index的blobs 就快接近十万了 query也将近1000了 感谢大家支持。 虽然现在质量还有待提高 但是我会尽我所能做出提升。 2 个帖子 - 2 位参与者 阅读完整话题
俺不中嘞，我的火花已经短短126天已经重燃32次了 有没有自动续火花的东西呀 12 个帖子 - 8 位参与者 阅读完整话题
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
机器：Mi13 第二次更新版本号：3.0.307.0.WMCCNXM |70MB
今天先是 bai 把 gemini 调整成付费模型，然后今天加了个 cf 盾，目前没有新的薅的办法。 SunRouter 目前总注册量 5824，SunRouter 的注册机注册了 62,661 个账号。 bai 一共注册 160w，也算是给孙割贡献了 36w 个用户了。 6 个帖子 - 6 位参与者 阅读完整话题
佬友们这个 deepseek-tui 太离谱了，前段时间我刚关注的时候才 500 多 star， 今天看了一眼突然变成 1.4w 了！ 太离谱了吧！ 初期我用过一段时间感觉不太好用，不知道现在迭代的如何了？ 有说法么佬友们？ 不过可以看出来 deepseek 的影响力是真的大，仅支持 deepseek 还能玩出花 22 个帖子 - 17 位参与者 阅读完整话题
这短短十五个字，精准道破了未来几十年全球产业的核心矛盾，也指明了资本市场最确定的三条主线。它们对应着不同的时间周期，却共同构成了我们这个时代的底层逻辑。 短期缺芯片，缺的是产能建设的时间差。Al算力需求一年暴涨7-8倍，可一座先进晶圆厂从破土到量产至少需要2-3年，一台EUV光刻机的生产周期就长达18个月。现在全球3nm制程产能95％集中在台积电，HBM内存更是只有三家能造，哪怕所有厂商砸破头扩产，新产能最早也要到2027年底才能释放。但这种短缺终究是暂时的，只要资本愿意投入，产能总会跟上需求。 长期缺能源，缺的是转型期的供需平衡。过去十年，全球传统油气上游资本支出持续下降，现有油田每年自然衰减5%-8%，可新能源的间歇性和不稳定性至今没有完美解决方案。风电光伏看天吃饭，储能成本居高不下，电网改造跟不上装机速度。这种新旧能源青黄不接的阵痛，不是三五年能解决的，而是会伴随整个碳中和进程，持续数十年。 永远缺存储，这是唯一没有天花板的命题。数据是AI时代的石油，而存储是承载数据的容器。IDC预测到2029年全球数据总量将突破500ZB，其中三分之二来自AI相关应用。更可怕的是杰文斯悖论：存储技术越进步，效率越高，人们产生和存储的数据就越多。单台AI服务器的DRAM需求是传统服务器的8倍，NAND需求是3倍，HBM更是提升10倍以上。只要人类还在追求更强大的AI，还在生成更多的数据，存储的需求就永远不会饱和。 芯片的短缺会被产能填平，能源的矛盾会被技术缓解，唯有存储的增长没有终点。这就是为什么今天全球资本都在疯狂涌入存储板块，因为它是这场科技革命中，最确定、最持久的红利。 5 个帖子 - 4 位参与者 阅读完整话题
之前用的中转站，codex的包月的，有日限、周限、月限额度，短短节前节后，额度减少1/2 又减少1/2，平台说后面不行只能按量付费了。是不是包月的蹬的太厉害了 ，我个人用的比较少，想问佬们是不是都是这样降额度了？ 7 个帖子 - 6 位参与者 阅读完整话题
光阴如白驹过隙，一转眼来 v2 推广自家的烟台美早大樱桃已经是第四年了，短短四年 变化可太大了。之前我还是个什么都能做一点的初级 Java 程序员，被裁后跑了一个月外卖，和表弟搞了一个月的广西沃柑，又自驾了一次新疆。回来卖樱桃也没干成主业的程度，和女友复合后去青岛跑了四个月的货拉拉+搬家，存款花光后，不得不闯入铁人三项之一的快递，一直干到现在。 尝试了这么多，可是我依然没有找到自己的路，即便如此，还是要继续往前走，拒绝躺平 —————————————————————— 好像扯得有点远了，回到正题 今年的大樱桃相比往年上市其实是要早一些的，没想到有的老客户来的比樱桃上市更早。虽然今年樱桃普遍遭遇裂口问题，但我家的樱桃还是经住了检验，已经吃到的老客户反馈都不错。 ———————————— 价格和往年一样 品种 美早 快递包邮 优先顺丰 种植方式 温室大棚 级别 直径 收货地区 2.5 斤装 4.5 斤装 9.5 斤装 JJ 28mm 左右 一号地区 112.50 202.50 427.50 二号地区 125.00 225.00 475.00 三号地区 137.50 247.50 522.50 JJJ 30mm 以上 一号地区 137.50 247.50 522.50 二号地区 150.00 270.00 570.00 三号地区 162.50 292.50 617.50 地区说明： 一号地区 鲁 (24h 能送到的市一般不空运) 二号地区 京津冀豫、苏浙沪、辽吉、皖赣湘鄂闽、晋陕宁 三号地区 粤桂贵渝、琼、青、云桂川、蒙甘黑、疆 重量说明：表中重量为净重，不含包装 售后说明：如有坏果、运损，按重量赔付，1 个果也赔 （好久没发帖了，没找到能用的图床……） 有想要的朋友可以加我张小龙：aXlvX2J1Y3Vv
光阴如白驹过隙，一转眼来 v2 推广自家的烟台美早大樱桃已经是第四年了，短短四年 变化可太大了。之前我还是个什么都能做一点的初级 Java 程序员，被裁后跑了一个月外卖，和表弟搞了一个月的广西沃柑，又自驾了一次新疆。回来卖樱桃也没干成主业的程度，和女友复合后去青岛跑了四个月的货拉拉+搬家，存款花光后，不得不闯入铁人三项之一的快递，一直干到现在。 尝试了这么多，可是我依然没有找到自己的路，即便如此，还是要继续往前走，拒绝躺平 —————————————————————— 好像扯得有点远了，回到正题 今年的大樱桃相比往年上市其实是要早一些的，没想到有的老客户来的比樱桃上市更早。虽然今年樱桃普遍遭遇裂口问题，但我家的樱桃还是经住了检验，已经吃到的老客户反馈都不错。 ———————————— 价格和往年一样 品种 美早 快递包邮 优先顺丰 种植方式 温室大棚 级别 直径 收货地区 2.5 斤装 4.5 斤装 9.5 斤装 JJ 28mm 左右 一号地区 112.50 202.50 427.50 二号地区 125.00 225.00 475.00 三号地区 137.50 247.50 522.50 JJJ 30mm 以上 一号地区 137.50 247.50 522.50 二号地区 150.00 270.00 570.00 三号地区 162.50 292.50 617.50 地区说明： 一号地区 鲁 (24h 能送到的市一般不空运) 二号地区 京津冀豫、苏浙沪、辽吉、皖赣湘鄂闽、晋陕宁 三号地区 粤桂贵渝、琼、青、云桂川、蒙甘黑、疆 重量说明：表中重量为净重，不含包装 售后说明：如有坏果、运损，按重量赔付，1 个果也赔 （好久没发帖了，没找到能用的图床……） 有想要的朋友可以加我张小龙：aXlvX2J1Y3Vv
在短短两年内，区分人类创作和 AI 生成图像的方式正在迅速失效。 过去，图像生成模型一旦被要求生成带有菜单这种文本密集元素的图片，就很容易在拼写上“翻车”。 例如，早期模型在生成墨西哥餐厅菜单时，会把常见菜名“发明”成诸如“enchuita”“churiros”“burrto”“margartas”等错误拼写，一眼就能看出不靠谱。 而现在，用全新的 ChatGPT Images 2.0 让其生成一份墨西哥菜菜单时，模型给出的结果已经足以直接拿去店里使用，普通顾客很难从文字本身看出破绽。 唯一可能让人心生疑虑的，反而是类似“13.50 美元的酸橘汁腌鱼（ceviche）”这种价格水平，会让人对鱼的品质稍作犹豫。 为了对比，作者还引用了两年前使用 DALL·E 3（当时 ChatGPT 还不具备内置图像生成功能）生成的菜单示例，旧模型在文字呈现上的不稳定与新模型形成鲜明反差。 AI 图像生成器长期以来在拼写方面表现不佳，核心原因和主流技术路线有关。 过去的图像模型多采用扩散模型（diffusion model），通过在噪声中逐步“重建”图像来完成生成任务。 Lesan AI 创始人兼 CEO Asmelash Teka Hadgu 曾在 2024 年接受 TechCrunch 采访时表示，扩散模型本质上是在还原一幅整体图像，而图像上的文字通常只占极小一块像素区域，因此模型更倾向于优先学习覆盖面积更大的视觉模式，而不是精细的文字形状。 在此背景下，研究人员开始探索自回归模型（autoregressive model）等新机制，让图像生成更像大语言模型那样，通过逐步预测、理解结构来构建画面。 对于 ChatGPT Images 2.0 使用了何种底层架构，OpenAI 在本周的媒体简报会上拒绝正面回应相关问题。 不过，OpenAI 在介绍中强调，新模型具备所谓的“思考能力”（thinking capabilities），能够联网检索信息、从一次提示生成多张图片，并对自身输出进行复查。 这意味着，Images 2.0 不只是单次“出图”，而是可以围绕同一创意生成多种物料，例如不同尺寸的营销素材、适配多平台的广告图，甚至是一组多格漫画分镜。 OpenAI 还表示，新模型在非拉丁文字渲染方面有明显进步，包括日文、韩文、印地语和孟加拉语等语言的文字呈现能力都得到加强。 模型的知识截止时间为 2025 年 12 月，这也意味着在涉及近期新闻或最新事件的提示时，其生成内容可能存在时效性局限。 在官方新闻稿中，OpenAI 将 Images 2.0 描述为在“细节和逼真度”层面上实现了前所未有的提升，强调其可以构思和落地更加复杂的图像，精准遵循指令并保留用户提出的细节要求。 特别是在以往图像模型最容易“崩坏”的环节——小号文字、图标、界面 UI 元素、密集构图以及细腻风格约束等方面，Images 2.0 都能在最高 2K 分辨率下稳定输出。 这种能力提升也带来了速度上的权衡。 相比直接在 ChatGPT 中输入问题获取文本回答，生成一幅复杂的、多分镜漫画或多尺寸物料需要更长一些时间。 但就当前产品表现来看，完成这类复杂图像任务通常仍只需数分钟，已经能够覆盖大部分实际应用场景。 在访问权限方面，OpenAI 表示，所有 ChatGPT 和 Codex 用户都会从周二起逐步获得对 Images 2.0 的使用权。 不同层级的付费用户则可以在生成质量和输出复杂度上解锁更“高级”的结果，例如更高分辨率、更复杂构图或更多版本的图像输出。 与此同时，OpenAI 还将通过 gpt-image-2 向开发者开放相关 API，按生成图像的质量和分辨率分级计价，使第三方应用可以在自身产品中集成这一图像生成能力。 ChatGPT Images 2.0 体现出图像生成模型在文字理解与排版能力上的一大跃进，让曾经被认为是“弱项”的文字区域，成为可以放心交给 AI 处理的设计环节。 随着 OpenAI 启动全面开放和商业化接口，这一代文生图模型有望迅速进入营销设计、产品 UI、游戏与漫画创作等多个行业的生产流程，进一步模糊人类与 AI 视觉内容之间的界线。 查看评论
短短几个小时内，几乎低价的渠道就此下线了。从此低价gpt 真的就此消失了吗？ 2 个帖子 - 2 位参与者 阅读完整话题