搜索
大家好，我是袋鼠帝 在过去的2年里，我为了写教程，也为了让AI帮我躺平，前前后后试了上百种AI工具，有免费的，有付费的，有本地部署的。 有些工具很棒，有些一言难尽，甚至有些已经不在了 最近几天我把这2
又一个中国新模型被推到聚光灯下，刷屏国内外科技圈。IQuest-Coder-V1模型系列，看起来真的很牛。在最新版SWE-Bench Verified榜单中，40B参数版本的IQuest-Coder取得了81.4%的成绩，这个成绩甚至超过了Claude Opus-4.5和GPT-5.2（这俩模型没有官方资料，但外界普遍猜测参数规模在千亿-万亿级）。
今天，我看了卡兹克的《我的 2025 年度 AI 大盘点——前路已明》读罢总觉得侧重于参数罗列，内容略显单薄，缺乏实战的颗粒度，我较为认同秋芝的《年度好用 AI 大赏——小白必备》但细节描述上不够详细。
近日，美国华盛顿大学博士生邵如琳和合作团队打造出一个名为 Deep Research Tulu（DR Tulu）的深度研究小助手。使用一次 OpenAI 的 Deep Research 服务可能需要大约 1.8 美元，而 DR Tulu 使用一次的成本却不到 0.002 美元，这几乎是千倍的效率提升，这意味着未来个人或者小团队也能负担得起高质量、高可信度的 AI 研究服务。
我认为 Jack & Jill 代表的不仅仅是一个新的招聘工具，而是整个招聘行业范式的转变。从被动的信息匹配到主动的智能撮合，从冰冷的简历筛选到有温度的对话理解，从单向的申请流程到双向的精准对接。这种转变的意义，远远超出了提升效率这么简单。
为什么AI算力霸主永远是英伟达？不算不知道，一算吓一跳：在英伟达平台每花一美元，获得的性能是AMD的15倍。
当英伟达被曝出以20亿-30亿美元洽谈收购AI21 Labs，这是提前锁定「下一代AI主导权」，而不是一笔普通的技术并购。更让人吃惊的是，AI21 Labs全职员工规模约200人，折算下来，人均「身价」高达1000万至1500万美元，远高于大多数独角兽并购案例。
近日，来自伊利诺伊大学芝加哥分校、纽约大学、与蒙纳士大学的联合团队提出QuCo-RAG，首次跳出「从模型自己内部信号来评估不确定性」的思维定式，转而用预训练语料的客观统计来量化不确定性，
围绕这一挑战，上海人工智能实验室联合复旦大学、南京大学、南洋理工大学 S-Lab 等单位提出了 LongVie 2—— 一个能够生成长达 5 分钟高保真、可控视频的世界模型框架。
最近，APPSO 终于拿到了这台来自黄仁勋倾情推荐的个人超算，英伟达 DGX Spark；到手的第一感觉，就是「小而美」。这电脑也太小了，没有 Mac Studio 那般笨重，可能就和 Mac Mini 差不多大；然后是银色的亮和用来散热的金属丝网又让它有点不一样，是专属的硬核美感。