AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
Agent时代，七牛云如何帮你精细化管理Token开销
“It'sallabouttokens!”当行业巨擘将聚光灯直射于“Token”，我们就该明白：这东西不再是技术圈的黑话，而是每个开发者都必须看懂的“账单明细”。Token，这个看似不起眼的单位，正像一张无形的手机话费单，精确记录着你在AI世界里的每一次“呼吸”，决定着你的成本，也定义着你应用能力的边界。今天，我们就来把它彻底拆解，看看这张“云上话费单”究竟是怎么回事，以及怎样才能不让它失控。别啃定义了，Token就是AI的“乐高...七牛云 大模型推理 MCP Token 对象存储GLM-4.5V多模态核心架构设计和训练数据构建速览
原创
社区头条快速看一下GLM4.1V多模态方面架构和数据方面的特点。模型架构核心特点1、视觉编码器特点初始化模型：AIMv2Huge作为视觉编码器的基础。3D卷积适配：为提升视频处理效率，参考Qwen2VL的设计，将原始2D卷积替换为3D卷积。这一改动使视频输入的时间维度下采样2倍，减少计算量；对于单张图像，通过复制图像帧保持处理一致性。动态分辨率支持：a.引入2DRoPE到ViT的自注意力层，使模型能够处理极端宽高比（超过200:1）或高分辨率（4K以...多模态到底什么是智能体？由LLM+Prompt+Tools组成的系统就是智能体吗？
原创“智能体的难点不在于其理论，而在于其实现；智能体之间的通讯问题，多工具并行调用问题等。”关于智能体这个问题，从最开始的粗浅认识到后面的深入了解，再到现在好像又不太明白什么是智能体了；在之前对智能体的认识中，就是一个会使用工具的大模型，但等到真正把智能体应用到业务场景中才发现，智能体好像远没有想象中的那么简单。以下是来自百度百科的智能体的定义：智能体（Agent）是指能够感知环境并采取行动以实现特定目...智能体AgentLLM当 AI SaaS 的边际成本不再为零，Cursor 是如何设计定价策略的？
原创 社区头条编者按：当你的AI产品用户量激增，却发现每个活跃用户都在“烧钱”时，你是否也在为如何平衡成本控制与用户增长而彻夜难眠？在这个AI算力成本高企的时代，传统SaaS“边际成本几乎为零”的美好时光已经一去不返。无数AI初创公司正面临着同一个残酷现实：用户越活跃，亏损越严重。这个问题正在让无数AI创业者陷入两难境地。提高价格，用户流失，降低成本，服务质量下降。按使用量计费，用户体验变差还要时刻担心账单爆炸。你是否...AICursorAI编程SaaSAI 智能体到底是如何工作的？
原创 精华 社区头条本文是关于AI智能体的工作原理，我用了一个很形象的比喻——把AI智能体比作一个五层蛋糕，每一层都有特定的功能，信息在这些层之间流动，就像一个组织良好的协作团队一样。下文我们详细剖析之。一、AI智能体的5层技术架构剖析想象一下，AI智能体就像一个五层蛋糕，每一层都有特定的工作。信息在这几层之间上下流动，就像在繁忙的办公楼里传递消息一样。1、第一层：用户界面你的前门这是你和AI智能体相遇的地方，就像酒店的前台...AI 智能体AI 大模型大模型应用编辑快到飞起！InstantEdit重构图像编辑：文字描述秒变PS指令，原图细节纹丝不动！
社区头条文章链接：https:arxiv.orgpdf2508.06033Git链接：https:github.comSupercomputingSystemAILabInstantEdit亮点直击少步高效编辑：首次在RectifiedFlow框架下实现8步高质量图像编辑，速度接近实时交互需求。创新反转与生成技术：提出PerRFI和ILI，解决少步扩散模型的反转不准确和生成不一致问题。解耦与结构控制：通过DPG和ControlNet的联合应用，实现编辑区域的精准定位与全局结构保持，显著提升可控性。总结速览解决的问题计算...AI图像生成模型什么是混合专家模型——MoE(Mixture of Experts)
原创“混合专家模型的核心思想就是在推理过程中，不要让模型全部动起来，而是让模型部分动起来。”DeepSeek模型被发布时，很多人应该都知道其最大的优势是大大降低了模型的成本问题，而且传说DeepSeek的训练成本才五百多万美元；相对于之前的动辄上千万美元的成本，可以说DeepSeek真的做到了让大模型走进各行各业。但是，虽然很多人都知道DeepSeek大大降低了模型的成本问题，但却很少有人知道它是怎么降低成本的；而这也是我们今天...混合专家模型MoE大模型微软都劝他早点收费！设计界巨头Figma创始人自曝自家产品的推出模式，坦承跟Cursor非竞对
原创 社区头条编辑云昭5岁时入行演员、19岁辍学、押注一项冷门的浏览器图形技术，十多年后，Figma成了全球设计协作的代名词。有意思的是，这家超级独角兽的联合创始人DylanField却爆料说，自己创业的“最坏打算”只是能和偶像共事几年，没想到竟闯出了一个改变设计行业的爆品。近期Dylan接受了YCombinator的对话邀约。在这期对谈中，他知无不言。在这期长对话中，他回顾了创业初期的疯狂试错，大家会看到Figma从零到一的曲折路径：从无人机到...微软FigmaCursorOpenAI回归开源：gpt-oss-120b和gpt-oss-20b完整指南
原创 社区头条本文将向你介绍OpenAI新发布的两个开源模型gptoss120b和gptoss20b，它们的特点，以及在何种场景下该使用哪个模型。近期，OpenAI发布了两个开源的大语言模型（LLM）gptoss120b和gptoss20b。它们是自GPT2以来，由OpenAI第一个公开许可的LLM。其旨在创建最好、最先进的、供推理和工具使用的模型。通过开源gptoss，OpenAI允许人们在Apache2.0的范围内，自由地使用和适配。当然，这两种模式也考虑了专业个性化，以及定制到本地和上...OpenAI大语言模型LLM字节也来卷Agent工具调用了？FTRL: 无需外部工具，五步自动化构建训练环境，LLM工具调用能力飙升10%
今天分享一篇来自字节跳动和复旦大学的研究，标题为《通过自动化构建环境的反馈驱动方法提升大型语言模型的工具使用能力》(FeedbackDrivenToolUseImprovementsinLargeLanguageModelsviaAutomatedBuildEnvironments)。这篇文章提出了一种创新方法，旨在解决大型语言模型（LLMs）在工具使用方面所面临的挑战，特别是缺乏高效的强化学习（RL）框架以及难以构建稳定训练环境和设计可验证奖励机制的问题。该研究通过构建自动化环境和...Agent工具LLM一篇200+文献的视觉强化学习技术最新综述
强化学习（RL）与视觉智能交叉领域的最新进展，已催生出不仅能感知复杂视觉场景，还能在其中进行推理、生成并采取行动的智能体。NUS&浙江大学&香港中文大学对这一快速发展领域进行了批判性且及时的系统梳理：首先形式化视觉RL问题，并追溯策略优化策略的演进：从RLHF到可验证奖励范式，从近端策略优化（PPO）到群组相对策略优化（GRPO）。将200余篇代表性工作归纳为四大主题支柱：多模态大语言模型、视觉生成、统一模型框架，以...视觉强化学习GLM-4.5v智谱AI开源GLM-4.5V：多模态推理能力全面升级，64K上下文解析长文档
原创在AI界，视觉与语言的融合一直被视为迈向通用人工智能的重要一步。最近智谱AI正式开源了最新一代多模态模型——GLM4.5V，并将其MIT协议开放给全球开发者。这不仅是一次性能升级，更是一次能力版图的拓展，让多模态AI真正走向可落地、可规模化的应用阶段。全能的视觉推理能力GLM4.5V的核心，是在复杂视觉场景中做出精准、上下文关联的理解。图像推理：能同时分析多张图片，理解其中的空间布局和元素关系，例如识别工业产品瑕疵、...开源GLM-4.5V多模态大模型24个Agent工作流框架用哪个? 11个维度全面评测
LLM的发展极大地推动了自然语言理解和决策制定的进步，展现了在推理、规划和工具使用方面的显著能力。LLM时代，自主智能体已成为实现AGI的强大范式。然而，随着基于智能体系统的复杂性增加，智能体工作流（AgentWorkflow）——一种结构化的编排框架——已成为实现可扩展、可控和安全AI行为的核心。智能体工作流的目标是使智能体能够在涉及复杂多步骤任务的真实世界场景中完全自主地运行，Paper对智能体工作流系统进行了全面综述...Agent维度评测GPT-5 的可读性革命，从博弈到智能体的跃迁
精华 社区头条GPT5发布在即，根据奥特曼在内部演示中首次披露的GPT5实测数据，这一代模型不仅具备高达256K的上下文窗口，还展现出惊人的数学与编程能力。更令人瞩目的是其“智能模式切换”能力——在深度推理与快速响应之间自由切换，仿佛具备了某种“元认知”能力。这种表现并非偶然，而是源于其底层架构中引入了新的验证机制，被称为“UniversalVerifier”，其灵感正是来自一项前沿研究：ProverVerifierGame（PVG）。ProverVerifierGame让...GPT-5可读性智能体大厂面试官最爱问的20个机器学习核心问题，别再背概念了，这篇全是实战干货！
原创想在2025年拿下心仪的机器学习岗位Offer？光靠背定义还不够，你还需深入理解原理。面试官其实不在乎你懂不懂，而是想看看你的实战能力。今天，我们就来一起深入探讨这份“2025年最硬核的20道机器学习面试题”，帮你从容应对大厂的灵魂拷问。第一部分：夯实基础，从核心概念说起1.聚类算法，它到底能干啥？聚类算法的核心思想就是把相似的数据点归为一类。在实际生活中，它有着非常广泛的应用，比如：客户细分：电商平台通过分析...机器学习机器学习面试题只用16GB显存！GPT-OSS 20B挑战Qwen3 30B-A3B，谁更适合你？
原创 社区头条在大模型的演进赛道上，MixtureofExperts（MoE）架构正逐渐成为提升性能与降低推理成本的重要手段。2025年，阿里巴巴与OpenAI分别推出了代表性产品——Qwen330BA3B（2025年4月）与GPTOSS20B（2025年8月）。一个追求深度与专家多样性，一个强调宽度与推理效率——它们不仅在数字上差异明显，更在架构理念与应用场景上形成了鲜明对比。1.模型概览：参数规模与基础配置特性Qwen330BA3BGPTOSS20B总参数30.5B21B激活参数3.3B3.6B层数...Qwen3 30B-A3BGPT-OSS 20B上下文长度MoE架构让多智能体更聪明更省心，八家全球顶级科研机构联合成果RCR-Router 的设计与落地价值
在多智能体协作系统里，信息像潮水一样涌来，每个代理都在说话、检索、推理，历史对话和外部知识不断堆积。若不加甄别地把“所有上下文”一股脑儿塞给所有代理，你得到的往往不是更聪明的系统，而是更贵、更慢、更乱的系统。冗余信息增加了噪音，token成本飙升，模型注意力被牵扯，真正关键的证据反而被淹没。尤其在多轮互动中，任务焦点会迁移——如果路由策略不跟着任务阶段变化而调整，协作效率就会被拖垮。RCRRouter把这件...RCR-RouterRAG语义路由《自然》期刊：大脑看世界的方式，竟与语言模型惊人一致
社区头条《自然》科学期刊一直站在人工智能与神经科学交汇的前沿，一项来自《NatureMachineIntelligence》的研究正悄然重塑我们对人类视觉系统的理解。8月7日，这篇题为《Highlevelvisualrepresentationsinthehumanbrainarealignedwithlargelanguagemodels》的论文，提出了一个令人振奋的命题：人类大脑在处理自然视觉场景时，其高级视觉表征竟然与大型语言模型（LLM）对场景字幕的嵌入向量高度一致。这不仅是一次跨模态的对齐尝试，更...语言模型大脑像素震撼！内部团队大揭秘：Claude Code 如何颠覆 Anthropic 工作流？
我们深度采访了Anthropic内部10个核心团队，为你揭露ClaudeCode的惊人威力。这些故事将彻底改变你对"编程门槛"的认知！非技术人员的编程奇迹：法务团队1小时开发通信助手最感人的故事来自法务团队：一位律师的家人因医疗原因有语言障碍，现有的辅助工具都不够好用。结果令人震撼：仅用1小时开发出预测文本通信应用集成语音识别和语音库输出功能填补了专业辅助工具的空白零编程基础的律师独立完成开发"我从来没想过自己能开发应...ClaudeCodeAnthropic搜索场景下的相关性和效率联合建模方法
今天给大家介绍一篇阿里巴巴在WWW2025上发表的搜索场景CTR预估模型的工作，将相关性和CTR预估联合建模，提升搜索场景下的推荐效果。论文标题：PRECTR:ASynergisticFrameworkforIntegratingPersonalizedSearchRelevanceMatchingandCTRPrediction下载地址：https:arxiv.orgpdf2503.183951.研究背景在搜索场景中，不仅需要做好如CTR等点击率的预估，也需要做好相关性的预估，保证推荐出的结果和用户搜索词的相关性满足要求，否则会...搜索场景效率联合建模方法
