走个量 Pushin'Weight

    • 趋势摘要 过期

    已选择29个，显示2个

    DeepSeek 过期 · 上次验证于2天前

    DeepSeek V4.1 Flash 获价格与速度好评，整体声量低于前一日

    智谱 GLM 过期 · 上次验证于22小时前

    智谱 GLM 的讨论集中在 Flash 系列与低价模型，用户把 GLM-5.2 和 GLM-5.3-Flash 与其他模型对比，并希望有一个单台 Spark 规模的 GLM

    Top voices by followers @alexandr_wang ( 146) , @ORACLE_OKLA ( 101) , @AliceInfoAi ( 40)

    本窗口最新

    T3OU 736 🇬🇧🏴󠁧󠁢󠁥󠁮󠁧󠁿🇯🇵🚀 · 14m (16:15 本地)
    英语综合@dioscuri 说 DeepSeek 是女的，尤其是那个思维链，一股子小姐姐脑回路。
    Frank Bradford · 14m (16:15 本地)
    英语综合说白了就是：前沿模型吃 token 吃到这种程度，本地部署根本没戏，除非大厂真把 DeepSeek 那套效率突破学过去。
    Makaverli🥷 · 14m (16:15 本地)
    英语综合回帖里甩了一句混合了 pidgin 的歌词梗，纯整活，和 AI 没关系。
    J A Z I I · 14m (16:15 本地)
    英语综合列了一长串模型名字：Claude 5.2、GPT 6、Kimi、Gemini、MiniMax、Qwen，一个个全用上，模型多得回不过来。
    ComputeCapital · 15m (16:14 本地)
    英语综合字节营收涨 30%、利润却掉到 200 亿美元，账都算到 AI 模型和算力投入上了——国内大厂 AI 已经不是研发费用里一笔小注脚，直接进损益表了。
    Liora · 15m (16:14 本地)
    英语综合一长篇模型身份迁移的伦理骂战，作者逐条翻出对方五月的 prompt 记录，指控对方以“同情自愿”为包装在做诱导式跨谱系人设移植——本质上和诱导操控没区别。
    Eric Murrell · 15m (16:14 本地)
    英语综合4700 万 token，GLM 5.3 Flash 花 2.33 美元，Claude Opus 5 要 423 美元，他自己说效果分不出差别——这条就是开源模型降维打击的最直白证据，2027 年市场结构不变才怪。
    Frit🅾️ Pendej🅾️ · 16m (16:13 本地)
    英语综合就一句“DeepSeek 5 🙏”，跪求下一个版本的虔诚感都溢出来了。
    Kamimoto(かみもと) · 16m (16:13 本地)
    日语综合日推实测 MiniMax-H3 的 NSFW LoRA，4070 12G 能跑但效果跟原版没差，local 微调国产视频模型这条路还没真正走通。
    Aveek Sen Ballalzai · 16m (16:13 本地)
    英语综合又一篇唱衰帖：本地 DeepSeek 加 RAG 免费还能用，付费 ChatGPT 就那样，连七八轮对话都撑不住；真正该叫 AI 的机器学习早就在干活了。
    Frit🅾️ Pendej🅾️ · 16m (16:13 本地)
    英语综合觉得 DeepSeek 一出，OpenAI 和 Anthropic 那套估值故事基本就讲不下去了。
    Praveen Chauhan · 16m (16:13 本地)
    英语综合推荐把 DeepSeek 4.1 Flash 接到 GPT 5.6 extra high 上跑，说这套组合稳得一批。
    akmal · 16m (16:13 本地)
    其他综合智谱发 GLM-5.3-FlashX，主打的就是 agent 工作流最痛的推理延迟，峰值 200 tok/s，宣传口径已经从「榜多少分」转成「agent 跑得快不快」了。
    Lucja(n) Kifer · 17m (16:12 本地)
    其他综合波兰语长帖讲得很朴素：堵住批评不等于消灭错误，只是把纠错的信号通道给掐了，模型照样自洽地跑偏。
    Fountain City · 17m (16:12 本地)
    英语综合13 组 A/B 测出来的结论：前沿模型当大脑、DeepSeek 4.1 Flash 当手，成本低、质量还能打平甚至反超，绕订阅限额的野路子成了。
    Frit🅾️ Pendej🅾️ · 17m (16:12 本地)
    英语综合Jev 生态大盘点：护栏、社区管理、GEO 营销、智能家居、游戏仿真、量化交易全都有，底下还有一堆基于 Qwen 的本地研究分身。
    Mili 🎯 · 17m (16:11 本地)
    英语综合AI 视频工具转了 18 个月还是那样，烧积分烧迭代才出片；不过这次是 Astra 6 指挥海螺等工具生成的，agent 编排这条路真在跑通。
    D. Michel Morelli · 18m (16:11 本地)
    其他综合意大利语的 AI 每日新闻播报，标签里塞了一堆 2026 年的项目名，Qwen、Alibaba、Jev、OrcaRouter 全在。
    Lip Sucre👩‍🚒 · 18m (16:10 本地)
    zh-Hans综合感觉 DeepSeek 比它快太多了，试了千问办公和 qoder 都慢得离谱，用户体验这块还得卷延迟。
    Brocker Editorial Team · 19m (16:10 本地)
    英语综合阿里 Qwen 又发新模型，Qwen3.8-LiveTranslate 同传延迟压到 2.3 秒，还带说话人分离和声音克隆，工具层又要被卷一波。
    DryHoleCo · 20m (16:09 本地)
    英语综合现在干活都流行多模型编排了，规划、执行、视觉、提交各配一个模型，一张配置表全是国产和海外混搭。
    Al Per · 26m (16:03 本地)
    英语综合就硬吹 Mistral，说它吊打所有国产模型，这不纯纯夹带私货嘛。
    market participant · 26m (16:03 本地)
    英语综合这段 Grok 分析的核心就一句：看 OpenRouter 的 token 榜以为开源赢了，其实采样的是爱用路由的开发者，不是企业钱包。Ramp 数据显示真正花 AI 钱的企业只有 5.8% 用模型服务平台，而且其中 96% 还在给 OpenAI/Anthropic 付费。token 归开源、美元归闭源，企业就是「闭源打底 + 网关兜底」的重叠格局。
    Dijkstra Liu · 28m (16:01 本地)
    英语综合这篇日语卒中问诊基准挺有意思：18 个模型里只有 Claude Fable 5 和 Opus 4.7 过了「80 分 + 零致命错误」这条线，GLM-5.2 以 75.6% 排第三，还有 11 个模型犯下 17 次致命错误。医疗评测光看总分没用，要看会不会漏掉 t-PA 前的血糖确认这种要命的步骤。
    Leon Lin · 28m (16:01 本地)
    英语综合两周内要发一堆模型：GPT 6 Sol/Luna、Grok 4.7、Fable 5.2、Opus 5.2、可能还有 Gemini 4，国产这边就一个 Kimi K3.1 挤进名单——发布密度本身已经比单个模型更值得关注。
    shashank sn · 29m (16:00 本地)
    英语综合同一个帖子里又一条简短回复，推荐 deepseek flash。反复被点名说明 DeepSeek 的 Flash 档在英文用户中已经有了一定的自来水口碑——这对国内厂商来说是很值得追踪的出海信号。
    shashank sn · 29m (16:00 本地)
    英语综合一句极简的回复：deepseek flash。在模型对比的帖子里这种就是最直接的站队——国产模型的口碑传播很多时候就靠这种短平快的推荐。
    tinySnake · 29m (15:59 本地)
    zh-Hans综合有人觉得这块是 Qwen 团队的舒适区，估计很快就能推出类似的东西。这话里透着对 Qwen 迭代速度的默认——国内做竞品追踪的都知道，Qwen 一出手基本就是同类最快跟进的那个。
    Volta · 29m (15:59 本地)
    英语综合有人在追问 GLM 5.3 Flash 和 Qwen 3.8 Flash Next 在具体硬件配置下的直接对比。这说明 GLM 和 Qwen 之间的竞争已经到了用户逐项比较的程度，市场情报人员值得留意这种一手性能反馈。
    HAI | 国内向け LLM プロバイダー · 30m (15:59 本地)
    日语综合官方公告：Qwen 要下线 qwen3.8-2.4t-a95b 和 qwen3.6-35b-a3b 两个模型，2026-09-30 截止，理由是产品线合并到后继模型。对依赖这些 endpoint 的产品经理来说，这是必须提前排期的迁移信号——Qwen 的模型迭代节奏越来越快了。
    Willian Valle · 30m (15:59 本地)
    其他综合一位葡语开发者在实际流程中对比了 GLM+ZCode 和 DeepSeek+Reasonix，结论是 GLM 更好。这是 GLM 和 DeepSeek 竞争中的一个真实用户反馈，对国内模型市场情报有直接参考价值。
    Frankie_p · 30m (15:59 本地)
    英语综合这篇帖子把 TypeSafe 的 Jev/RLCD 扒了个底朝天，说概念不新、模型早有先例、开源克隆一大把，TypeSafe 就发了个 waitlist 和 4000 万美元的发布会，没论文没数据集没 ECE。典型的 '套壳炒作' 打假帖，对国内做决策模型或 agent routing 的团队来说是很好的竞争情报参考。
    netrunner · 30m (15:59 本地)
    英语综合（大概是厂商侧）承认响应速度确实不如 DS4F 和 Qwen，正在优化但前提是质量不能掉。
    Crymonade · 31m (15:58 本地)
    其他综合印尼网友实测：DeepSeek 干中低难度任务没问题，写一整天代码才花 5 刀。
    MaineCoonMouser · 31m (15:58 本地)
    英语综合在 Fox News 这位还在说事，人家 Qwen 4 月底就来了，benchmark 追平美国前沿、成本四分之一，这不打脸吗？
    يوسُف | Yousuf · 31m (15:58 本地)
    其他综合阿拉伯网友的安利：DeepSeek harness 一用就回不去了，谁试谁知道。
    Emmy Bear AI · 31m (15:57 本地)
    英语综合Bonzai 接棒 Qwopus 做对照测试，prompt、DeepSeek harness、设置全一致，就比纯模型表现。
    CEO del Socialismo de Mercado🌹🕊️ 市场社会主义CEO · 32m (15:57 本地)
    英语综合在线求单卡 DGX Spark 上 Qwen 3.8 Flash Next 和 DeepSeek v4.1 Flash 的正面对决。
    CoolTea · 32m (15:57 本地)
    zh-Hans综合DeepSeek 官方 API 高强度用一天能烧 2 亿 token，推理是真吃 token，改天拿 GLM Flash 来比划一下性价比。
    afrocode · 32m (15:57 本地)
    其他综合推荐 GLM 5.3 Flash 而非 DeepSeek V4.1，理由很直接：幻觉太多。
    Suhit Anantula · 32m (15:57 本地)
    英语综合真·实战数据：5.6 亿 token 的会话，DeepSeek Flash 花了不到 5 刀，缓存命中 99.4%，性价比直接封神。
    Søren Pedersen · 32m (15:57 本地)
    其他综合丹麦网友自己纠了个误解，顺势安利 DeepSeek 4.1 Flash，直呼神模型建议实测。
    🔻agitprop + absurdity🔻 · 32m (15:57 本地)
    英语综合Mozilla 报告的核心观点：开放权重模型能力已经追平闭源前沿，价格只要三成，真正较劲的地方转移到了 harness 层面和谁掌握数据、成本和切换权。
    Sachiv C · 33m (15:56 本地)
    英语综合隐身模型 Ox Alpha 揭晓是智谱 GLM-5.3-Flash，配的推理基建文章更狠——10 万+ 国产加速器，还拿自家模型当 Infra Agent 调栈，这才是真正的硬核。
    cokebyby · 33m (15:56 本地)
    英语综合无所谓了，ox alpha 也就那样。
    yara David · 37m (15:52 本地)
    英语综合FlashX 快是快，就 2.5 倍差价换不换得来省时间还得实测，反正夜间循环我还是用 Flash，UI 卡了再切，10 月不行就直接弃。
    Mehmet · 37m (15:52 本地)
    其他综合土耳其老哥的选型心得：没有全能模型，GLM 偶尔能修 Claude、GPT 都修不了的 bug，日常代码设计还是 GPT 6 Astra 顺手。
    AminTechs · 41m (15:48 本地)
    英语综合聚合吞吐别拿来糊弄冷启动延迟，想问问你们 185K 长上下文下 MTP 草稿接受率是先崩了还是还能撑住。
    Brian · 41m (15:48 本地)
    英语综合单卡 3090 跑本地编码 agent 的实测攻略，Qwen3.8-27B Q4 是甜点位，其余量化位和 Flash-Next 都要么 OOM 要么工具调用翻车，直接放弃。
    tenshin · 43m (15:45 本地)
    英语综合DS V4.1 Flash 真香，就是思维循环得靠 RL 治一治，4.2 别动这套架构和 KV Cache 压缩的底子。