与「视觉大模型」相关的搜索结果

给大家带来蚂蚁灵波LingBot-Vision 实测! 本次测试最大的亮点是在仅 1B (10亿) 参数量下, 展现出了极强的空间几何和边界感知能力, 实测表现直接越级打平甚至超越了 7B 参数的 DINOv3, 极具性价比！它非常适合用作具身智能的视觉主干 (Backbone) , 或者嵌入到机器人导航、机械臂抓取等需要极高空间精度的框架中使用都很不错, 对本地算力要求也很低. 视频中我直接给大家演示了免微调的视频目标追踪, 随便画一笔就能死死"咬"住目标. 另外, 它在硬件级深度补全 (比如识别透明玻璃、反光物体) 上表现也堪称杀手级, 不过由于技能点都加在了密集空间结构上, 在全局图像分类能力上算是中规中矩. 手里有 30 系显卡的兄弟们强烈建议本地跑着玩玩！ #灵波# #LingBot# #视觉大模型# #具身智能# #机器视觉#

当大家还在为闭源模型的封锁而焦虑时，边缘侧的视觉大模型已经进化到了恐怖的阶段。 👇 Martin Maly 展示了仅凭一次 Prompt（One-shotted），Opus 4.8 就能把一台普通手机变成「羽毛球专业裁判系统」：

机械、电气学生最难受的，不是 AI 要抢饭碗，而是眼看着 AI 行业高薪岗位越来越多，自己连入场券都没有。 毕业进工厂，做设备维护、现场调试、生产管理。工资不高，成长有限，想转行却发现招聘要求里全是算法经验、项目经历和名企实习。 我自己也是机械专业毕业，从矿山到消费电子自动化产线，接触过机械机构、PLC、传感器和机器视觉。 但我很清楚： 接触自动化设备，不代表具备自动化研发能力。每天处理设备故障，也不代表掌握了控制算法。 所以我不太认同网上那些建议：机械、电气学生赶紧学 Python、学大模型，就能吃到 AI 红利。 哪有这么容易。 会调用 API，不代表企业愿意给你高薪。会用 AI 写代码，也不代表你能设计一套可靠的控制系统。 但传统工科并不是没有机会。 AI 要进入机器人和真实工厂，最终还是绕不开机械结构、运动控制、传感器、工业通信和设备安全。 这恰好是机械、电气学生可以建立优势的地方。 与其和计算机专业学生硬卷大模型算法，不如往机器人、机器视觉、运动控制、工业软件、Physical AI 这些交叉领域靠近。 但也要认清现实：行业有前景，不代表每个进入这个行业的人都能拿高薪。 对于普通家庭、普通学历、没有名企资源的学生，我觉得最重要的不是追哪个风口，而是判断自己现在做的事，能不能成为进入下一份更高价值工作的筹码。 哪怕第一份工作工资不高，也尽量选择能接触核心技术、积累项目经验的岗位。 如果每天只是重复操作、处理异常、填报表，干了三年，除了熟悉公司的设备，什么能力都带不走，那才是真的危险。 我现在也在面对同样的问题。 想转向更有技术含量、收入更高的岗位，但现实是，知道方向和真正跨过去，中间还隔着很长一段路。 很多传统工科学生不是不知道 AI 代表未来，而是根本没人告诉他们，怎么从现在的位置走到那里。

本地无审查大模型的地下军火库今天彻底齐活了 从 8GB 入门卡到 24GB 满血工作站，Hugging Face 三大破甲顶流（Huihui、HauhauCS、DavidAU）把 Qwen 家族最凶残的 5 款无甲神作全放出来了。不仅切掉了烦人的道德说教锁，还完整保留了多模态视觉（Vision）与 MTP 多 Token 极速预测。 直接按你手头的显卡显存对号入座抄作业： 01 全能六边形战神：Huihui Qwen3.8 27B Abliterated 目前本地综合实力最强的破甲王牌之一，逻辑智商在线，原生保留视觉识图能力。 · 16GB 显存：直接冲 UD-IQ4_XS 或 IQ4（约占 14.4GB，黄金甜点档） · 24GB 显存：直接上 Q4_K_M 或 Q5 满血稳跑 · 极简启动：ollama run huihui_ai/Qwen3.8-abliterated仓库地址： 02 暴力狂暴破甲：HauhauCS Qwen3.8 27B Uncensored Aggressive 如果你嫌常规消融不够狠，这款走的是极其激进的深度破甲路线，几乎零拒答，同样带 MTP 加速与多模态视觉。 · 16GB 显存：选 IQ4_XS（约占 15.7GB，刚好卡满显存极限） · 24GB 显存：直接上 Q4 / Q5 仓库地址： 03 极速 MoE 闪电炮：Huihui Qwen3.6 35B-A3B Abliterated MTP 35B 的大身板，但底层是 MoE 混合专家架构，每次推理仅激活约 3B 参数，吐字速度快到飞起，支持视觉。 · 12–16GB 显存：跑 IQ3 / IQ4 配合专家卸载（建议系统内存 32GB+ 兜底） · 24GB 显存：直接全塞进显存跑 Q4，丝滑起飞 仓库地址： 04 激进破甲 + 极速吞吐：HauhauCS Qwen3.6 35B-A3B Aggressive 把 HauhauCS 最凶狠的激进去审查手法塞进了 35B-A3B 的 MoE 架构里，既要完全听话不拒答，又要极致生成速度的兄弟选它。 · 16GB 显存：IQ3 / IQ4 + 专家卸载 · 24GB 显存：Q4_K_M（约 21GB）完美吃满单卡上限 仓库地址： 05 8G 显存小钢炮：Qwen3.5 9B Defiant / Heretic 系列 DavidAU 操刀的 NEO-IMATRIX 极限调校版，搭载 Heretic 消融算法与 MTP，小体积榨出恐怖表现，轻量本首选。 · 8GB 显存：毫无压力轻松秒开 · 12–16GB 显存：显存极其宽裕，剩下的空间直接把上下文长度拉爆 仓库地址： 省流选型指南： · 追求极致智商与多模态全能：无脑冲 01 或 02（27B Dense） · 追求秒级吐字速度与高吞吐：选 03 或 04（35B MoE） · 8G 显卡或轻薄本长文本：直接锁死 05（9B Heretic） 本地跑大模型最爽的就是彻底摆脱云端审核与封号焦虑，搞红队测试、角色扮演和私有 Agent 的兄弟建议先把这份军火库马住备用。 你现在主力机的显卡显存是多少 G？平时更喜欢跑满血 Dense 模型还是飞快的 MoE 架构？ #AI# #大模型# #Qwen# #开源# #Ollama# #本地部署#

我终于明白为什么LeCun顶着全网群嘲也要死磕世界模型了， 现在很多人误以为大模型快要通向AGI了，纯粹是因为被那种博导般的答题体感给骗了， @ylecun 说单靠把大语言模型做大，哪怕到了地狱也搞不出人类水平智能， 甚至直接开喷数据中心养出天才军团纯属扯淡，很多人觉得他迂腐、天天唱衰， 但我仔细翻完他在ECCV上的最新拆解才彻底明白，他反对的从来不是语言模型有用，他自己做了一辈子模型太清楚了，大模型说白了就是把全人类写过的几千亿字当成了超级开卷题库， 你问什么它都能对号入座吐出来，这种博导体感是工程的巨大成功，但也让很多人误以为它真的学会了独立思考 
有意思的是LeCun搬出了皮亚杰那句老话，智能从来不看你知道什么、看的是你不知道的时候该怎么做，拿学开车来说， 人类小孩四岁光靠眼睛看世界就吸进几十万亿字节，二十小时练习就能上路，而我们的大模型相当于读了人类四十万年的书， 在物理世界里连个洗碗叠衣服的家务机器人都撑不起来，换个没见过的环境分分钟崩溃， 说白了自回归只是在一个词一个词往下猜，现在的所谓推理其实大量是在词语空间里做多轮抽样搜索，遇到代码和数学这种有编译器自动给奖励的封闭沙盒还能刷分，一旦扔进没有自动打分器的真实世界，错误就会指数级放大 
说实话这就是为什么他宁可离开Meta、跑到巴黎去给AMI Labs融三十五亿美元估值，也要死磕JEPA和世界模型，他要的是让机器学会预测我做这件事世界会发生什么， 在抽象空间里做动作规划，不用在文字表面拼漂亮句子，连现在的缩放派其实都在偷偷向他妥协，单独拉视觉编码器、在隐空间里做搜索、用物理引擎搞模拟， 外壳虽然还叫LLM，内核其实都在往世界模型的方向打补丁，大家争论到最后已经不是要不要算力，而是我们要把算力花在背诵更多文字上，还是花在让机器看懂物理因果上 
我自己平时也天天靠AI写代码查资料，缩放派确实把已知世界的说明书背到了极致，但真正的智能是要去写说明书从来没写过的那一页， 以后别再看各家发布会画什么天才之国的饼，就盯紧三件事，新任务要多少样本能学会，换个环境会不会整段崩溃， 以及汽车和机器人能不能像人一样在物理世界里安全跑起来，谁对谁错不用在网上打嘴仗，现实世界自会交卷。

给大伙同步一下这个“蠢事情”，这两天继续把已经从上次测试验证的 300 软件个增加到了 549 个，补充了 App Store 版本、扩展插件覆盖了我们平时国内外日常使用的大部分了。 对于强迫式我的自己 Mac 控制在 30 个软件，现在一下子变成了下面这个非常凌乱的页面了，哈哈给大伙瞅瞅，好在做完可以删除以及把残余清理得非常干净，不然就麻烦了。 一方面有了 computer use 能力以及当前大模型能力变强的加持，还有一方面我方向，有之前无心插柳带来的极大的收益，Mole 刚出来的前几个版本开始支持视觉障碍患者的使用，添加了非常多的无障碍属性能力，刚好 AI 可以非常好借助脚本去找到这些准确的元素、按钮的位置，给效率准确带来了极大的帮助，这或许也能够解释为了 Mac 上的 computer use 会比 Windows 好用太多的一个原因。 苹果考虑到任何人都可以使用，一开始很多地方会给视障患者提供很好的VoiceOver可用能力，考虑到每个人都是平等的，真好。 然后对于我们独立开发者同学，大伙开发的 App、网页，非常建议去兼容一下无障碍属性，可以让你的 AICoding 帮你去做，这样一方面是真的惠及到了视障患者的使用，另外一方面，真的会在很多时候默默的反向来帮助你，让你的 AI 测试自动化做得非常顺利，非常准确，或许之前不太可能的真实情况下业务场景自动化测试，慢慢也变成了可能。

AI加玄学最近热度确实猛，但真正能落地跑通的硬核项目没几个。翻了几天GitHub，扒了8个实战开源的狠货，直接干货甩脸上。 提醒：别以为这是算命，这是你人生的K线图、Agent智能体、硬核算法排盘、玄学SaaS出海一条龙。直接Star收藏，不然后悔。 1 人生K线 创意满分，把八字命理和股票K线结合，AI大模型跑出你一生的牛市和熊市。让你直观看到自己到底什么时候能翻身，什么时候该躺平。支持自托管部署，趣味性拉满，不信你试试。 2 西方占卜AI模型 西方神秘学加NLP组合拳，用Reddit占星板块和纽约时报真实数据训练，做AI塔罗、占星文本分析的绝佳参考。想做蹭热度玄学内容？直接抄作业。 3 古代三式硬核算法 这个链接打不开，可能仓库被删或改名了。建议用“奇门遁甲”“大六壬”直接在GitHub搜，这类排盘库Python有不少，硬核到肝疼。 4 四柱编程 老天当程序员系列。用编程思维、面向对象彻底解构八字五行和天干地支。极客精神炸裂，教科书级别干货，保证让你看傻。 5 命运解读智能体 统一玄学Agent技能库。Python写，支持八字、紫微、占星等六种算命方法。专为接入Claude、Codex等大模型设计。想做AI算命机器人？直接抄。 6 神秘学Web应用 UI神秘感拉满的AI算命Web完整项目。React加Node.js搭建，底层接Llama 3大模型。前端动效和视觉直接参考，做产品抄这个就对了。 7 八字计算引擎与WebUI 八字五行计算神器。C++和Python算法扎实，自带Flask Web界面。开发者套壳二次开发，省时省力，直接起飞。 8 算命出海API服务 独立开发者出海搞玄学必看。AI命运解读API接口，爱情、事业、财富全涵盖，多语言SDK。产品价值提炼得牛逼，快速集成变现。想做跨境玄学老板？学它。 总结：AI玄学不是噱头，是真能赚钱。这几个仓库，研究透一个，你就赢了。

先是 GLM5.2，然后是 Kimi K3，现在是 Qwen 3.8 Max，每次国产模型的新发布都更加接近 Coding 领域的 SOTA。从 6 月开始，我感觉国内大模型明显开始在 Coding 和 Agent 领域加速了，和海外顶级 SOTA 的差距正在肉眼可见地缩小。 目前看，国产模型的长程任务、自主运行、反馈回路、跨 Harness 泛化和视觉自我检查等，能力越来越强了。做一个谨慎的预测，预计到 2026 年的年底，对于重度开发者和 Vibe 用户来说，海外模型可能会成为辅助模型，国内的大模型将成为我们的主力工具。 模型用户没有忠诚度，大家会用脚投票的，拭目以待。

搞自动化和爬虫的兄弟可以把之前的方案扔了。 GitHub 上突然爆火了一个开源项目 Index（由 AI 开发者平台 Laminar 团队打造），直接把网页浏览器变成了可调用的 API。这玩意本质上是一个极度丝滑的“AI 浏览器 Agent”，你在终端输一句人话，它就能像真人在浏览器里点按、抓数据、填表单，甚至跨站点联动办完一整套复杂流程。在 WebVoyager 跑分里直接飙到了 92% 的惊人准确率。 一句命令就能跑：pip install 之后敲 index run 就能直接在终端调用。 能直接用本地 Chrome：带 --local-chrome 参数，自动复用你已登录的账号状态。 顶配视觉推理引擎：原生支持 Claude 3.7 Sonnet、Gemini 2.5 Pro 等顶尖多模态大模型。 全程会话回放与排错：自带开箱即用的可视化录屏与步骤 Trace 监控。 自动抓取并生成表格：一句话搞定“去网站抓数据并新建 Google Sheets 写入”。 📦 开源协议：Apache-2.0 🔗 GitHub 传送门：

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万 上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。 综合能力上仅次于闭源顶级模型 GPT-5.6 Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。 完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。