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： 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 亲爱的佬友们，上次蒸馏了倪海厦的中医课以后，很多佬友希望我开源蒸馏课程得方法，我整理出来啦，欢迎star，试用并提出宝贵得意见 以下为github链接 github.com GitHub - JuneYaooo/lineage-skill 通过在 GitHub 上创建帐户来为 JuneYaooo/lineage-skill 开发做出贡献。 2 个帖子 - 2 位参与者 阅读完整话题
美光在退出消费级内存市场后，正将重心几乎完全转向为超大规模云厂商和人工智能相关企业提供高性能存储与内存解决方案。 公司近日发布的新款 6600 ION 数据中心级固态硬盘，将重点押注在容量、投资回报率以及能效表现上，被视为其面向 AI 基础设施需求的一次重要产品升级。 这款 6600 ION SSD 提供 U.2 和 E3.L 两种企业级形态，单块硬盘最高可实现 245TB 容量，美光称其为目前行业内“商用可购”的最高容量 SSD 之一，与过去几年 ION 产品线中陆续推出的多款高容量企业级固态硬盘形成延续。 在数据中心机柜空间愈发紧张的背景下，6600 ION 的高密度特性使其成为传统大体积存储方案的更紧凑替代选项。 美光给出的一组对比显示，如果用 245TB 的 6600 ION E3.L 固态硬盘来替代传统机械硬盘阵列，要获得同等原始容量，整机柜占用空间可以减少约 82%。 对于需要在有限机房空间内堆叠海量数据的云服务商和 AI 集群运营方而言，这一变化不仅意味着能在更小的体积里“塞入”更多数据，也能对整体基础设施布局带来直接优化。 在技术实现上，6600 ION 基于美光自家的第九代 QLC NAND 闪存芯片。美光表示，这一代企业级 QLC 至少领先竞品一代，能够让客户在更少的机架空间内处理更多数据，同时降低整机耗电和散热需求，而性能并不会因此被明显牺牲。 能耗方面，一块 245TB 容量的 6600 ION 峰值功耗最高约为 30 瓦，大约只有同等容量机械硬盘方案的一半。 对以电力成本和碳排放为关键指标的数据中心而言，这类高密度、低能耗的固态存储有望在能效比表现上明显胜出，有助于实现节能减排目标。 在接口与性能规格上，6600 ION 采用 PCIe 5.0 总线，通过 x4 NVMe 通道进行连接，整机寿命指标为 250 万设备小时的平均无故障时间（MTBF）。 在顺序访问场景下，122.88TB 容量版本的读取速度最高可达 14000MB/s，而 245.76TB 版本的写入速度最高为 3000MB/s。 目前，最高 245TB 容量仅提供 E3.L 形态配置。 美光将 6600 ION 系列定位为面向现代数据中心的高性价比高密度存储方案，重点服务 AI 训练、海量数据分析等数据密集型负载。 戴尔已宣布将在其企业级存储产品中采用这款高容量 SSD，该公司高级副总裁 Travis Vigil 在介绍中强调，这款产品在“数学账”上优势明显，即在容量、空间占用和能耗之间形成了更具吸引力的平衡。 早在 2025 年，美光就宣布关闭自有品牌 Crucial 台式机/消费级内存业务，退出消费级 DRAM 市场，将主要产能转向高性能存储和内存芯片的企业及数据中心领域。 作为与三星、SK 海力士并列的“三巨头”之一，美光这一转型与整个半导体行业的趋势相吻合：在生成式 AI 带动下，面向数据中心的高带宽内存与超高密度存储，正成为厂商竞逐的核心战场。 查看评论
L站是真的很值很感谢自己入站了，接收高密度信息后我的学习能力和兴趣直线飙升，同时自己也动手成功自建vps，注册机之前也玩过这些都是来了l站才知道的 现在我又想开始学习之前没学过但是觉得很厉害的逆向了，而且站内也有看到，但是我是一点也不会，虽然是软件开发出身的，发这个帖希望站内佬有能给点学习逆向的建议 我是先打算在b站找个搬运国外逆向视频看看先 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 4 月 15 日消息，百度文心大模型团队今日宣布正式开源文生图模型 ERNIE-Image。据该团队介绍，该模型参数量仅 8B，24GB 显存的消费级显卡即可生成媲美顶级商业模型的超真实、复杂图像。 当前，ERNIE-Image 的模型权重、推理代码已在 Hugging Face 全部开源，遵循 Apache2.0 协议，已经支持并上线 ComfyUI Workflow，同时联合 Unsloth 推出 GGUF 量化方案。 IT之家附官方详细介绍如下： ERNIE-Image 是由百度文心大模型团队开发的一款开源文生图模型。它基于单流 Diffusion Transformer（DiT）架构，并配有一个轻量级 Prompt Enhancer，用于将简短输入扩展为更丰富、更结构化的描述。在仅有 8B DiT 参数规模的前提下，达到了开源文生图模型中的领先水平。 整体来看，它在复杂指令跟随、文字渲染和结构化图像生成方面表现突出，适合海报、漫画、多面板布局等需要较强控制能力的内容生产场景。同时，模型也覆盖了从写实摄影、设计感图像到风格化表达在内的多种视觉风格。 经过电影网、凤凰网、蜻蜓 FM、瑛麒动漫、蜂鸟 AI 等 30 多个知名企业、社区和创作平台，20 位艺术创作设计师为期两周的内测与反馈，今天，我们正式开源 ERNIE-Image 模型，参数量仅 8B，24GB 显存的消费级显卡即可生成媲美顶级商业模型的超真实、复杂图像。 01.重新定义消费级开源文生图边界 在指令遵循、文字渲染能力上，ERNIE-Image 从容驾驭复杂细节约束、多主体关系和知识密集型描述；更在中英日韩多语言生成中实现了字形清晰与笔画精准，无论是海报排版、学术图表的严谨逻辑，还是漫画分镜的叙事张力，皆能保持完美的布局组织与画面秩序，这两项能力在开源模型中均排名第一。 以小搏大，消费级可跑的架构设计，仅 8B 参数在多项 benchmark 上全面超越同类开源模型，媲美商用模型诸如 NanoBanana 系列。极致的参数效率优化，将高精度生成的门槛降至 24GB VRAM 的消费级 GPU 即可流畅运行，显著降低研究与部署门槛，打造每一位创作者触手可及的开源工具。 在风格表现上，ERNIE-Image 风格覆盖广，创意边界宽，支持写实摄影与风格化视觉表达，包括动漫、二次元、电影感胶片、分镜截图、老照片等多元风格，尤其在角色一致性和情绪表达上表现突出。 当前，ERNIE-Image 的模型权重、推理代码已在 Hugging Face 全部开源，遵循 Apache2.0 协议，已经支持并上线 ComfyUI Workflow，同时联合 Unsloth 推出 GGUF 量化方案，欢迎大家使用体验，尽情创作！ 02.国际基准通杀，开源全面 SOTA 我们在多个公开的国际基准上对 ERNIE-Image 进行了全面评估，包括用于通用图像生成的 GenEval、OneIG（中英文），以及用于复杂指令与文字渲染的 LongText-Bench。 评估结果表明，在所有开源模型中，ERNIE-Image 的综合表现处于领先位置，展现出其在通用图像生成、双语理解、复杂指令执行等各类任务中的强大能力。尤为突出的是，在文字渲染能力上，ERNIE-Image 取得了开源模型的 SOTA 效果，与 NanoBanana 等商业闭源模型同处第一梯队。 03.用文字创造画面 Showtime