即刻App年轻人的同好社区
下载
还有一个重要takeaway：不要买任何产品/模型的年费会员🤣因为下个月可能这个产品/模型就严重落伍了
小麓露: 看完GPT-6的发布视频，感觉基模的进（过）化（时）速度真的太吓人了…… 马上想到的是AI-Native OS应该离我们不远了。传统OS是围绕「App 」组织的，而AI-native OS会围绕「Intent」组织。它应该会是一个非常简单的系统，可以直接对话（比如现在Tesla的汽车中控）所有应用消失，如果需要界面，可以临时动态地生成。这样电脑也会变得越来越轻，变成一个平板或者手机。 但想到这里，我又觉得一个问题特别有意思。基础模型进化得这么快，但每一个模型的领先优势，似乎又越来越短。GPT-N 很快被下一个模型超越。今天最强的能力，几个月之后可能就变成 baseline。那在这样的世界里，什么才是可以持续积累的优势？我猜测闭源模型未来是要面对很残酷的竞争的，上游的云厂商+开源模型厂商+Continual Learning提供商可以形成非常强大的势能。 #碎碎念
1 00
看完GPT-6的发布视频，感觉基模的进（过）化（时）速度真的太吓人了……
马上想到的是AI-Native OS应该离我们不远了。传统OS是围绕「App 」组织的，而AI-native OS会围绕「Intent」组织。它应该会是一个非常简单的系统，可以直接对话（比如现在Tesla的汽车中控）所有应用消失，如果需要界面，可以临时动态地生成。这样电脑也会变得越来越轻，变成一个平板或者手机。
但想到这里，我又觉得一个问题特别有意思。基础模型进化得这么快，但每一个模型的领先优势，似乎又越来越短。GPT-N 很快被下一个模型超越。今天最强的能力，几个月之后可能就变成 baseline。那在这样的世界里，什么才是可以持续积累的优势？我猜测闭源模型未来是要面对很残酷的竞争的，上游的云厂商+开源模型厂商+Continual Learning提供商可以形成非常强大的势能。
#碎碎念
马上想到的是AI-Native OS应该离我们不远了。传统OS是围绕「App 」组织的，而AI-native OS会围绕「Intent」组织。它应该会是一个非常简单的系统，可以直接对话（比如现在Tesla的汽车中控）所有应用消失，如果需要界面，可以临时动态地生成。这样电脑也会变得越来越轻，变成一个平板或者手机。
但想到这里，我又觉得一个问题特别有意思。基础模型进化得这么快，但每一个模型的领先优势，似乎又越来越短。GPT-N 很快被下一个模型超越。今天最强的能力，几个月之后可能就变成 baseline。那在这样的世界里，什么才是可以持续积累的优势？我猜测闭源模型未来是要面对很残酷的竞争的，上游的云厂商+开源模型厂商+Continual Learning提供商可以形成非常强大的势能。
#碎碎念
4 01
原来🇬🇧这么多本地builders关注中国大模型！昨天参加了ShallWe Tech主办的 Understand the Chinese Frontier AI Models panel，两位嘉宾来自AWS和Hugging Face👍不仅用数据帮我们更清晰地看到了AI model landscape，现场的交流也都非常sharp和practical！然后现场真的来了超级多非华人的参与者，我还挺意外的！
我的几个 takeaway：
1️⃣未来考虑模型成本，要从比较token价格走向比较任务价格
一个任务的真实成本和效果，取决于整个stack：model + harness + skills + tools + context + iteration
未来云厂商真正有价值的服务，可能不只是“这里有 100+ 个模型可以选”，而是直接帮客户回答：对于我的这个 workload，到底哪个 model + configuration 最合适？
2️⃣ Post-training & Continual Learning，会越来越重要
一个很有意思的问题是：中国的模型在性能上已经非常有竞争力，但它默认的文化风格、沟通方式、表达习惯等，未必天然符合欧美用户。所以未来用户需要的不只是model selection，而是 model customization。如果 AI 真正进入企业的产品、workflow和customer experience，那么用户应该能够持续调整和塑造 AI 的行为，让它越来越符合自己的市场 × 文化 × 品牌 × workflow
3️⃣ 中国模型出海，可能branding要先于performance
受限于GDPR和reasoning geo restrictions ，中国模型怎么样获得海外客户的信任，是一个很大的挑战。大家认为中国模型应该如何向海外客户去传达“安全、可靠”的信息呢？
Lots to think about!
我的几个 takeaway：
1️⃣未来考虑模型成本，要从比较token价格走向比较任务价格
一个任务的真实成本和效果，取决于整个stack：model + harness + skills + tools + context + iteration
未来云厂商真正有价值的服务，可能不只是“这里有 100+ 个模型可以选”，而是直接帮客户回答：对于我的这个 workload，到底哪个 model + configuration 最合适？
2️⃣ Post-training & Continual Learning，会越来越重要
一个很有意思的问题是：中国的模型在性能上已经非常有竞争力，但它默认的文化风格、沟通方式、表达习惯等，未必天然符合欧美用户。所以未来用户需要的不只是model selection，而是 model customization。如果 AI 真正进入企业的产品、workflow和customer experience，那么用户应该能够持续调整和塑造 AI 的行为，让它越来越符合自己的市场 × 文化 × 品牌 × workflow
3️⃣ 中国模型出海，可能branding要先于performance
受限于GDPR和reasoning geo restrictions ，中国模型怎么样获得海外客户的信任，是一个很大的挑战。大家认为中国模型应该如何向海外客户去传达“安全、可靠”的信息呢？
Lots to think about!
3 00
Never thought I’d get addicted to X. Turns out all it took was actually engaging with the community.
2 00
Iris老师的干货 买到就是赚到
都是可以直接套用执行的方法
都是可以直接套用执行的方法
生姜iris: 帮自己的付费知识库打个广告 具体见图↓
4 20