[IMG_4274] 
这看起来水平妥妥在 Opus 之上，和 Fable 比差的也不多，而且还是多模态，希望月之暗面算力够用 😏

佬们来投个票吧～方便一起参考 
投票

[image] 
[image] 
[image]

有没有佬友醒来就开始刷刷帖子，看看消息。

这是一张课本里的食物网插图，线条比较多，我先放大仔细辨认每一条箭头，再逐条数食物链。 
分割效果一般，我换个思路：先查一下这张课本原图的出处和标准答案，再和图中箭头逐条核对。 
找到了关键线索：这是人教版高中生物选择性必修2 的图3-4，网上有标准说法称共19条食物链。我再核实一下原图的捕食关系，逐条确认。 
我查一下课本原图，确认每种生物的捕食关系，再逐条核对。 
网上大多是初中简化版，不完全对应。这张图里有旱獭、喜鹊等，我需要精准确认出处。再针对性搜一下。 
搜索没有更精确的结果。最可靠的办法还是直接在图上逐条追箭头。我继续放大各区域仔细辨认。 
线条交叉太多，我把蓝色和棕色箭头分别提取出来单独看，避免混淆。 
分割阈值太严，线条断了。我换个思路：先找到课本原图确认生物种类和标准捕食关系，再对照用户照片核实。 
确认了出处：人教版选择性必修2 第52页图3-4，该文给出 19 条的结论...

之前拿着fable/opus或者gpt总是不情愿尝试其他的，还一定要xhigh，想着这两个才是SOTA模型，而做科研是有必要用这个的。 
经常一个小问题等好几分钟，一个task能做浪费一天，忍着恶心听它们说稀奇古怪的话，然后还要看两家吹自己模型如何如何领先，max/pro的号用两下子就又到上限了，天天紧巴巴地过日子。 
前几天看站里风评，终于下决心跨过“顶尖模型”的心理障碍，甚至是自费不是报销开了supergrok——我终于可以用一个正常的速度工作了，效率显著增加，模型也听得懂话了。甚至还省去我单独再开一个grok api用来搜索的麻烦。 
现在想起来，所谓的“顶尖模型”也无非就是70%的内容需要我纠正修改，就算grok稍微差一点，大概也就是75%。科研工作不像码代码，现在这些模型的水平，指望它one-shot自主做出的内容是永远用不了的，与其忍着龟速为了一点边际能力提升，不如要一个快速模...

白银段位真的是超级有趣 完全不是当年钻石以及星耀段位能比的 
我的世界中几乎没有什么人机 
但是钻石和星耀局说话的人实在是太少了 
白银段位打了两把，每一把几乎都是全员参与聊天，几乎没有谁是全程一句话不说的(当然 双方都可能会有那种只给队友说话的，我也是给队友说比较多 所以也能理解~) 大家都活人感拉满 很有意思 
输赢都无所谓，快乐就好了~ 
这不比AI好玩 
欣赏一下几乎全局的有趣聊天~ 

 [Screenshot_20260717_032224_com.tencent.tmgp.sgame] 
[Screenshot_20260717_032229_com.tencent.tmgp.sgame] 
[Screenshot_20260717_032402_com.tencent.tmgp.sgame] 
[Screenshot_20260717_032406_com.tencent....

首先限定一下条件在具有一定算力的端侧设备，搭载了ai优化的硬件。。 
说明一下本地ai的特点， 
TTFT极低，无限制用量，稳定，隐私，具有相当于次时代旗舰模型的智力。 
还有一个我认为更加重要的是丰富的社区模型。 
你想要什么模型都有，应有尽有。 
其实除vibe用途外基本都可以用本地模型来处理。稍微列举下我的用途。 
1.数据清洗 
需要反复迭代、高频调用、处理海量本地文本的自动化脚本跑起来非常合适。什么文档分析，归类，OCR，提取等等，基本都能用一个10B左右的模型来解决。准确率也相当高，由于上面提及的优点，推荐以不同temp生成两次防止模型抽风。 
推荐gemma-12B（更新的知识，能力） qwen-9B（更高的智商） 
2.翻译 
各种本地翻译项目很多了，现在llm的能力之下完全不推荐使用传统的机器翻译，这部分需求算力是溢出的，可以牺牲一部分速度换质量（其实也没差多少基本TTF...

前一个小时看用了只剩20%多，刚刚又看变成80%多。