@nft_chen X analytics

SuSu_酥酥👅@nft_chen·28.2K followers·24d ago中文

🚨炸了！上海AI实验室推出新模型Sage-A1.5 ！仅35B硬刚Kimi-K3、GLM-5.3、GPT-5.6-sol！同级第一还能反超巨无霸！ 35B MoE智能体模型，仅3B激活，主打长程执行与科学探索。 它不仅全面碾压同级A1、Ornith-1.5，在多个指标上还压过Kimi-K3、GLM-5.3、GPT-5.6-sol： 🔹FS-Olympiad 81.0、CMT 80.0、PinchBench 90.0 🔹SWE-Bench Pro 61.2、BrowseComp 82.8、IFBench 81.6 🔹支持子代理并行编排、内置验证协议、开放科学发现 小参数做出大模型级Agent与科学能力，效率与实力双在线。 技术报告：https://t.co/ATBoKpnmOf 模型：https://t.co/AiQeFl90K1 #上海人工智能实验室 #SageA15 #开源大模型 #AIAgent #科学智能 #中国AI #KimiK3 #GLM53

SuSu_酥酥👅@nft_chen·28.2K followers·17d ago中文

🚨最新！中国团队扩散智能（DiffuSpace）扔出重磅模型Clover-35B-A3B-Preview 首个开源生产级扩散语言模型（dLLM），35B总参数，激活仅3B，单卡BF16直接飙到680 tokens/s！ 关键亮点： 🔹 生成范式颠覆：不是Qwen/GPT那种逐token生成，而是并行扩散+实时修正，Agent多轮延迟直接腰斩 🔹 Agent性能炸裂：SWE-bench Verified 73.6（略超同尺寸Qwen3.6-35B-A3B的73.4）、Terminal-Bench 51.7，六项Agent评测全面领先 🔹 速度提升：同规模自回归模型5-10倍提速，尤其适合代码Agent、网页自动化、实时生成UI 🔹 完全开源：HF + ModelScope + 官网同步上线，支持SGLang/llama.cpp，Apache-2.0随便玩 从Dream 7B到35B，扩散路线终于从“有潜力”走到“可生产”。自回归还在卷参数，扩散已经在卷速度和体验了。 想试的直接冲：https://t.co/Bb3jx1q6lW #扩散智能 #Clover #dLLM #开源大模型 #Qwen #Agent #AI #中国模型

SuSu_酥酥👅@nft_chen·28.2K followers·22d ago中文

🤯卧槽！DeepSeek V4.1 Flash 1017安全魔改版正式上线，网络安全能力直接拉满！比自家GLM-5.3魔改版更便宜更强！ Abliteration AI刚放出自家版本的DeepSeek-V4.1-Flash-1017（模型ID：abliterated-model-large-flash），专门给需要最强cyber能力的产品方和防御方用的平价替代方案。 关键亮点： 🔹基于最新DeepSeek V4.1 Flash 1017权重做权重级abliteration，大幅削弱拒绝行为，更适合高风险/攻防场景 🔹1M超长上下文 + 原生视觉（Vision）支持 🔹零输入/输出留存、不用于训练（Zero retention） 🔹比他们自己的GLM-5.3魔改版更便宜，付费用户完全掌控使用规则 🔹OpenAI / Anthropic双兼容API，可调reasoning effort（low/high/max），支持工具调用、结构化输出 用户使用步骤： 1️⃣前往 https://t.co/415W2frb3s 注册并获取API Key（console生成） 2️⃣把base URL改成 https://t.co/mOAiVjVF2J，模型名填 abliterated-model-large-flash 3️⃣用现有OpenAI SDK或curl直接调用（支持流式、缓存、图片输入） 4️⃣可调reasoning effort，或配合DeepSeek Harness / Codex等工具接入 5️⃣根据需求配置自己的Policy Gateway（企业版可精细控制allow/refuse/rewrite） 完了兄弟们，这波是真的“it might well and truly be over”。 #DeepSeek #V4_1_Flash #Abliteration #安全魔改 #网络安全 #AIAgent #开源模型 #CyberAI #1MContext #VisionAI

SuSu_酥酥👅@nft_chen·28.2K followers·16d ago中文

🤯卧槽！Claude封号机制被逆向扒透了：原来是隐藏积分制！注册给初始分，之后行为加减分，低于阈值直接封，回分极难！码住以后告别被封号！ 核心要点： 🔹注册：干净IP最重要（不一定家宽，但必须干净）；Gmail已非最优，有更高权重邮箱；注册即弹KYC的号直接扔；手机App注册加分。 🔹支付：刚注册就订阅扣分，直接上Max大扣分（最好等2天先订Pro）；支付弹KYC=考察期（不一定封）；国外实体银行卡加分，Google Play也行，虚拟卡扣分。 🔹使用：别一次撸完限额（两号轮换更稳）；Desktop/手机端少量加分，少用网页；开记忆功能加分（记忆文件越多越高）；大量用Fable扣分。 🔹IP&设备：稳定性>一切，固定同一干净IP，代理必须全局+TUN；多设备登录大扣分（理想一台电脑一个客户端）；频繁换IP/登录/高并发大扣分。 🔹其他：老号（尤其2023）容错巨大，分数随时间慢涨；Linux扣分，Win/Mac无差；时区/语言基本不影响；说自己是中国人没问题；升级Max大概率进观察期（掉登录是信号），继续扣分就封。 关键避坑要点： 1️⃣固定干净稳定IP（全局代理+TUN） 2️⃣优质邮箱+手机App注册，避开即刻KYC 3️⃣延迟订阅，先Pro再考虑Max，用实体卡 4️⃣控量使用，开记忆，优先Desktop/手机，少网页 5️⃣单设备单客户端，拒绝跳IP与高并发 完整社区指南见GitHub：https://t.co/PrVOKlGIYq 这套只记坏不记好，普通人唯一能做的就是别扣分，收藏备用！ #Claude #Claude封号 #AI工具 #养号攻略 #ClaudeCode #Anthropic #AI避坑 #Dario

SuSu_酥酥👅@nft_chen·28.2K followers·23d ago中文

💥苹果党码住！只需一台Mac把 DeepSeek-V4.1-Flash 1017 直接干到每秒100+ token！ 在单台M5 Ultra，80核GPU + 256GB上，用mlx-serve把刚发布的DeepSeek-V4.1-Flash-1017跑通 核心亮点： 🔹生成速度稳定102～112 tok/s，峰值冲到136.7 tok/s 🔹Prefill读prompt飙到1770 tok/s 🔹短问题首字约0.5秒，16k长上下文约9秒出字 🔹3-bit量化（iQ-MLX-3.0bpw），token匹配率89.8%，困惑度仅+3.6% 🔹自带DSpark草稿层 + prompt lookup加速，跑coding agent尤其猛 快速上手（256GB M5 Ultra用户最划算）： 1️⃣升级到macOS 26.10.3预发布版 2️⃣下载MLX-Serve App（或brew安装） https://t.co/meLajIcBve 3️⃣打开App，Model Browser搜索DeepSeek-V4.1-Flash下载对应quant 4️⃣直接聊天 / 用Claude Code、Codex等工具连本地端口（兼容OpenAI/Anthropic/Ollama） 完全本地、无需Python、MIT开源，写代码/跑agent神器。 #DeepSeekV41Flash1017 #Mac #LocalAI #MLX #AppleSilicon #M5Ultra #AI #开源 #本地部署 #苹果电脑

SuSu_酥酥👅@nft_chen·28.2K followers·21d ago中文

😱震惊！Jack Dorsey的Block刚刚放出史上最像真人的语音AI“Dessa”，而且能本地跑在M4 Max Mac上！堪称语音AI的GPT-3时刻 分点罗列关键炸点👇 🔹纯语音训练，零文本：从零开始只听人类对话录音学说话，没用任何文字或预训练模型，是全球首个能进行真实实时对话的纯语音AI。 🔹全双工+超自然：边听边说、会打断、会接话（“yeah！”“got it！”）、带情绪/停顿/笑声/叹息/语气变化，跟真人聊天几乎无法区分。 🔹本地可跑：M4 Max Mac或更好配置就能实时运行，推理速度比实时还快，训练只用了一台NVIDIA GB200 NVL72（72卡机架），效率惊人。 🔹Jack亲自站台：Block内部小型AI实验室出品（原Dessa团队成员），直报Jack Dorsey。 安全优先：目前只开放给安全研究员内测，公开有waitlist，因为太像真人了，连电话都可能分不清是人是AI。 这已经不是“语音助手”了，是直接对语音交互范式的降维打击。 #Dessa #JackDorsey #Block #VoiceAI #FullDuplex #LocalAI #M4Max #AIBreakthrough

SuSu_酥酥👅@nft_chen·28.2K followers·17d ago中文

💥卧槽！本地LLM推理迎来真正突破！uzu引擎比llama.cpp快4倍，M5 Mac上9B模型直接飙到92 tok/s！ 一次解码平均产出7.5个token，彻底撕开本地推理的内存带宽天花板！ 核心亮点： 🔹实测碾压：在基础版M5 MacBook Pro上跑Qwen3.5 9B（4-bit），llama.cpp仅22.0 tok/s、MLX 25.1 tok/s，uzu直接92.1 tok/s，约4倍速度。 🔹技术黑科技：采用激进投机解码（Speculative Decoding）。小模型DFlash一次性提案未来16个位置，56.7M参数的Weaver适配器构建连贯树，主模型单次pass验证整棵树并保留最长正确路径。普通解码每pass仅1 token，uzu平均7.5 token。 🔹硬件协同设计：Rust + Metal内核，专为Apple Silicon优化，充分利用M5的int8矩阵路径和统一内存。支持Python / Swift / TypeScript / Rust绑定，可直接嵌入Mac/iOS应用。 🔹完全开源 + 本地优先：Mirai Labs出品，零延迟、全隐私、无推理成本。自带量化检查点（Mirai-M等），开箱即用。 关键使用步骤： 1️⃣最简安装：brew install mirai（或从https://t.co/Mvtzy2xbS2下载App），直接获得CLI和Mac应用。 2️⃣开聊：运行mirai，选择模型（如trymirai/Qwen3.5-4B-M），自动下载后即可对话。 3️⃣代码集成（Python示例）：
uv add uzu 4️⃣几行代码创建Engine → 下载模型 → 创建Chat Session → 回复。其他语言同理极简。 GitHub仓库：https://t.co/zXETGckI40
 #LocalLLM #AppleSilicon #LLM #AI #OpenSource #uzu #MiraiLabs #SpeculativeDecoding #Mac