小小技术园

一句话总结：把任务按难度分给不同价位的模型，实测每1000个任务能省42%成本，准确率从97.7%降到93.8%。但真正的风险不是分类器判错多少，而是往哪个方向错。随机误判会互相抵消，把难题低估成简单题才会翻车。准确率也不是线性可交易的，93.8%和84.1%之间有断崖。上一篇算过算力涨价对内...

一句话总结：虎鲸文娱的鲸锐AI上线，集成50多个主流视频模型加10多个自研模型，报价是「AI视频每分钟成本比传统方式省30%以上」。这个降幅不会让图文消失，但会把「什么内容值得做成视频」的门槛往下推一档。对内容站来说，真正要守的不是形式，是信息密度。看到「成本省30%」这个数字，我做了一次不太舒...

一句话总结：OpenAI的API列表里短暂出现过两个rc-ada-*的模型ID，随后被撤下。rc通常指releasecandidate，ada是内部代号——这个组合意味着模型已经走到发布前一步。这篇文章拆解模型ID的命名约定，给出一个监控API列表变化的脚本，以及怎么从ID的出现和消...

一句话总结：DeepSeek把V4.1Flash的权重、训练框架、部署工具链全部开放，还配了技术文档和部署指南。这比「只放权重」多两层，价值在于可改造而不只是可运行。但训练框架开源不等于你能训练——算力门槛一分没降。真正能立刻受益的是第三层：部署工具链，它让中小企业能在自己的机器上把这个模型跑起来。「全栈...

一句话总结：魔芯科技在乌镇发布MoWorld2.0，基于华为昇腾原生开发，把重力、弹力、浮力、光照和刚体柔体流体特性纳入空间建模，输出可反复调用的4D高斯资产。官方给的数字是视频推理约70帧/秒、资产渲染超500帧/秒——这是两个不同环节的速度，不能混着看。看到「70帧」和「500帧」并排出现...

一句话总结：BashReliability这个指标量的是「Agent生成的命令能不能跑通」。我拿20条命令实测了一遍：按退出码算，13成7败，得分+30%；把「退出码0但语义已经变了」的5条也算进去，只剩+5%。同一个Agent，两种口径差25个百分点。问题在于退出码只告诉你「没报错...

一句话总结：FlashProve那类方案要改造推理、慢90倍，但不是所有场景都付得起。轻量做法是「可复现性校验」：固定模型版本、量化方式、seed和参数，公布输出哈希，让别人重跑对比。代价接近零，前提是模型开源且推理确定性。难点在GPU浮点非确定性——一个token分叉，16个token里9...

一句话总结：微信视觉团队开源WeVisOne-VL，用统一输出格式一个模型做完定位、计数、读字、分割、抠图，用约960万参数的小模块替掉外接SAM。另一个更值得看的点是「目标不在图中时返回None」：4B版在Ref-ZOM上正确拒答率86.0%，同类开源模型只有0.3%和1.3%。在标注流水...

一句话总结：月之暗面把KimiK3.1Pro的权重放到HuggingFace，2.8万亿参数、百万上下文。更值得看的是AgentArena的评测方法。它不靠人工盲测投票，而是从真实对话里挖信号：用户说「搞定！」算成功，发「？？？」算负反馈，Shell命令报错算可靠性崩盘。这套方法让它的Bash...

一句话总结：Anthropic开源FlashProve，用零知识证明让你在不公开权重的情况下，证明一段回答确实出自承诺的那个模型。代价很实在：证明吞吐110token/s，一份证明19MB，CPU验证17秒，GPU时间是正常推理的70到95倍。而且它只证来源，不证正确。有人问我一个问题，...