与「Ubuntu」相关的搜索结果

I’ve seen a couple of posts about this so wanted to demystify. Today, every Muse user gets a free computer in the cloud. It's a real computer, and we’ve designed the security architecture of the Muse Secure VM carefully so you and your Muse can do almost anything you could with a computer sitting under your desk while keeping you and the system safe from threats like prompt injection. We wrote about this at length in our security blog post – Activity in the “runtime cell”, which you share with your Muse is unfettered, but sensitive actions are all overseen by the Sentinel, which runs outside of that cell. Similarly, all sensitive secrets - like the passwords you enter into Muse’s secure credential storage - are also stored outside the runtime cell. The runtime cell gets its own root filesystem (including a full Ubuntu linux image) separate from the host filesystem where your other more sensitive data lives. Because it is isolated from the sensitive stuff that runs on the same box, this means that we can, and do, offer users full visibility and control over the files in the runtime cell. Just as you can when you install Linux on your home computer, you can poke around and see all the files that make the system work - both debian system files and the binaries and data files that implement the parts of Muse which run in the runtime cell. This was a very deliberate choice - your Muse Secure VM truly is your own computer in the cloud. You can install software in it, write and compile code, use the browser to surf the web: it is your own Linux box that you can operate as you choose with your Muse. Poking around in this computer doesn't give you any privileged access to Meta infrastructure, or to other people's data If I may geek out a little here for a second… As a kid I loved to take things apart to see how they worked. As a teenager I got into computers and soon found myself drawn to C:\WINDOWS\SYSTEM and the system registry, later Slackware’s /dev/, /proc/ etc – I could see how the system was laid out and as I explored what DLL files and .so files actually did, I gradually became able to meld the computer to my own will. We’re really proud to be able to put a real computer in millions of people’s hands with a similar level of transparency. We built a file explorer right into the Library tab of the UI. We want you to be able to see the markdown files Muse writes while it thinks about how to serve you better, and explore the internals of the system if you’d like to. So, when you ask your Muse to show you its entire filesystem, and receive gigabytes of files you’re seeing the full contents of the runtime cell. It’s yours to explore and enjoy! If you’re not a geek like me, or simply want to download the data that you personally have created directly with your Muse, we added a feature for that too in Settings > Data controls > Download your agent data.

苹果商店这个Clash是冒牌的吧？咋主体还能叫Open Sourced（开源社区）的，这是怎么过审App Store的🤧 我用过CentOS、Ubuntu和Debian等发行版，也没见过哪个系统直接叫Linux的

本地大模型的显存壁垒，今天被正式宣告物理终结了， 单张 24G 的 RTX 4090，竟然真把 125B 的 Qwen 3.8 Flash Next 给跑起来了， 而且上下文直接拉到了 25 万，解码速度稳在每秒 21 个词 以前跑这种百亿千亿级的巨无霸，动辄要租几张 A100 数据中心集群， 但这次海外极客在 Ubuntu 上用一张普通 4090 加 110G 白菜价 DDR4 内存， 硬生生跑出了生产级的速度: 预填充每秒 364 词，解码每秒 21 词， 最狠的是没开 MTP、没开 dflash，连 KV 缓存都没做任何量化 很多人好奇 24G 显存怎么塞得下 125B 还带 25 万上下文， 核心全靠 llama.cpp 最新分支里一个叫 -cmoe 的物理外挂: 它把 512 个专家层全部扔给廉价的系统内存， 把最吃计算的注意力机制留在 4090 显存里， 显存占用瞬间从 24G 暴跌到 11.6G，而且解码速度几乎毫无损耗 空出来的整整 12G 显存，全被拿去放上下文， 直接把窗口一路顶到了 250,000 的绝对上限，跑完甚至还剩 5 个多 G 的显存余量 再加上把 batch 设到 4096，提示词处理速度直接翻倍狂飙， 以前大家觉得消费级显卡只能跑跑 7B 到 27B 的小模型， 现在 MoE 架构加上内存卸载，直接把数据中心级别的智能焊死在了家用电脑里 本地折腾私有大模型和超长 Agent 的时代， 真的被这套组合拳给彻底砸开大门了啊

亲爱的读者们， 今天是个分享好消息的美好日子，你不觉得吗？自从我们上次发帖以来，发生了一些非常棒的更新，包括桌面应用程序、我的书库等等……但我们还是一步步来吧。 Windows 和 Linux 版桌面应用程序新版本 我们的桌面应用程序最近一次更新已经有一段时间了，所以今天我们很高兴分享桌面应用程序最新更新（版本 3.2.0）的消息，该版本现已适用于 Windows 和 Linux（Debian / Ubuntu、Fedora 以及任何 Linux）。请注意，目前 macOS 还没有新版本可用，但我们正在开发中，并希望在不久的将来公布。 以下是这个新版本引入的一些新功能： • 内置 VPN； • 添加了带有通知的小部件； • 创建了自定义登录页面，这加快了登录时的加载速度； • 添加了显示加载状态的本地化界面； • 改进了应用程序加载体验； • 除了新功能，我们还修复了一些重要的技术问题。其中包括修复了侧边栏中锁图标显示问题，以及加载横幅未出现的一个 bug。 我的书库：阅读队列和引文 阅读队列更新 在这篇帖子 [ 中，我们介绍了一个名为阅读队列的新部分。你可能还记得，它的作用是帮助你跟踪你正在阅读或已阅读的书籍，以及你在每本书中的进度。 我们的团队总是渴望改进我们的功能，因此决定更新阅读队列。我们希望融入隐私和社会互动元素，这些是我们一直试图整合到平台中的。现在，你可以选择你的阅读队列是私密的还是公开的。你可以通过点击阅读队列中的锁图标，或在 编辑个人资料 → 公开个人资料中将其设为私密。 想象一下，你发现了一个志同道合的用户，他们的书单让你真正喜欢。他们的选择可能会启发你，导致你发现一本你一直在寻找或从未遇见过的新书。现在，你甚至可以看到他们目前正在阅读的书籍，这可能会激发你创建自己的新书单，或揭示一本你一直渴望探索的书名。 引文更新 为了进一步增强我的书库，我们引入了一个新类别：引文。但这意味着什么呢？ 最近，Litera Reader 引入了各种引文印象，例如关键点或发人深省的引文，更多信息可在此处找到 [ 编辑个人资料 → 公开个人资料中设置。 在不久的将来，我们计划继续开发这个部分，所以请保持关注，以免错过任何内容！ 小更新 点赞 点赞功能又进行了更新。此前，如果你对一篇帖子发表评论，而其他人觉得它有趣，他们会点赞。然而，你只能看到前几个点赞你评论的人以及点赞总数。 我们进行了更改，现在你可以看到所有同意你的人的完整列表。此信息不仅包括他们的姓名，还包括他们的其他评论或书单（如果有的话）。我们希望这个功能能帮助你找到志同道合的用户，并发现可能让你感兴趣的新书籍或书单。 拼音转写 除了技术更新，我们还定期审阅你的投诉和建议。其中一个建议是显示简体中文书籍标题。 此前，一些书籍的标题和作者姓名是用拼音书写的，这大大增加了中国用户搜索它们的难度。然而，我们已经进行了更改，确保所有书籍标题现在都以汉字显示，包括姓氏。 访问问题 一如既往，提醒大家要更小心骗子。我们建议你不要尝试在 Google 或任何其他搜索引擎上搜索 Z-Library，因为这会直接将你引向诈骗网站。相反，我们推荐将我们的网站保存到浏览器书签中。 或者，你可以通过我们的魔法电子邮件获取可用链接。只需从你的收件箱发送任何一封信件到我们的魔法电子邮件地址 blackbox@zlibrary-mailer.ph，你将在 3-5 分钟内通过自动生成的电子邮件收到你的 Z-Library 个人访问权限。 总之，我们想指出那些可用的并可用于访问图书馆的链接： • 图书馆： • Z-Access： • Wiki： • Reddit： 下载最新桌面应用程序： 保存一个带有所有实际链接的离线文件，以免丢失访问权限 感谢您的关注和对项目的支持！

在 Ubuntu 和 Debian 上，ButterUp 把 apt、snap、flatpak 的更新、健康检查、一键修复和清理都收进一个窗口，省去在终端里手动敲命令的麻烦。 一个基于 Tauri 2 的轻量桌面应用，体积约 4 MB，提供 apt、snap、flatpak 三类包管理器的统一更新界面。

仅70美元AMD BC250矿板，打造200B参数离线AI主机，性价比碾压消费级显卡 硬件核心优势：显存规格越级 AMD BC250原本是专用挖矿单板，无常规机箱、显卡支架与繁琐PCIe接口，板载直焊16GB GDDR6统一显存。 对比主流游戏卡：显存容量超RTX3060的12GB，与RTX4080持平，体积小巧可直接贴在显示器后方。 依托Ubuntu Server搭配Ollama本地部署框架，整套设备一分钟内就能变身完整离线AI推理终端，模型全部载入本地显存，全程不上传数据至云端，隐私完全可控。 实机模型测试表现 1. 轻量模型Qwen 2.5 7B：模型文件仅5GB，16GB显存完全容纳，内存余量充足，推理流畅无卡顿； ​ 2. 大参数量GPT-OSS 20B：占用13GB显存，剩余空间可稳定承载系统后台进程。 输入专业问题（光计算光学原理相关），模型能以接近人阅读的速度流式输出回答，单块百元级矿板就能实现完整本地推理。 局域网多设备互通，全终端访问AI服务 BC250可独立作为本地AI终端，手机、笔记本、局域网所有设备，都能通过网页端对接Ollama端口，自由切换各类大模型对话。 无论是趣味脑洞提问、生成简易代码逻辑，交互流畅度对标高价商用AI工作站，无需云端账号登录、无调用日志留存。 成本优势：一次性投入，永久免云端费用 该矿板前段时间行情低至70美元，受显存货源收紧、GPU涨价影响，现价接近200美元，长期价值依旧突出。 对比云端推理服务：200B级别大模型云端租用按月持续扣费；而BC250一次性购置，第一次运行模型即回本，不限速、无时长限制、不会向服务商回传任何运算数据。 进阶玩法：多节点AI蜂群集群 单卡只是基础玩法，可将5–12块BC250通过局域网菊花链串联，搭配主控节点组成分布式推理集群。 指令会分发至多块本地模型并行运算，多模型结果交叉校验后再统一输出，一套由百元矿板搭建的低成本“AI算力议会”就此成型。 彻底改写本地AI硬件定价体系 市面上专业本地AI设备起步价高达4199美元，而BC250彻底打破价格壁垒。 放在年初，想要本地流畅跑200亿参数大模型，必须购入高端桌面游戏显卡；如今单张闲置矿板就能实现同等效果，多卡堆叠还能组建机架式分布式算力。 在新一代板载大显存硬件普及、拉低门槛之前，这套低成本离线AI方案极具参考价值。

35年系统工程师，68岁退休，从零开始搭了一个离线AI代理。全程不联网。 他干了35年系统工程师，直到去年冬天女儿给他看了Claude，他才第一次接触现代AI工具。 他想要一个能管理日常事务的东西——提醒、草稿、摘要——但他不想把个人数据交给云服务器。 所以他买了一台小主机，抹掉Windows，装上Ubuntu，装了Ollama，把Claude Code指向本地。 真正的转折点是把代理连到一台运行家庭自动化的Raspberry Pi上——日历提醒、晨间简报、文档整理，全部语音触发。没有订阅，数据不出门，设完就不需要网了。 当同龄人还在摸索智能手机功能时，他已经用一个鞋盒大小的硬件跑起了一套完全离线的个人AI助手。 他的演示视频展示了代理离线总结笔记、起草三封邮件的过程。视频发出后，他的收件箱里堆满了其他退休人员的消息，都在问同一句话：这东西怎么搭？ 有人说，这才是AI普惠的真正方向——不是让所有人学会用ChatGPT，而是让AI变成可以放在自己家里的基础设施。 也有人认为，订阅模式在短期内不会消失，但离线AI正在成为它的替代方案。我的看法是，订阅模式的价格会持续上涨，而本地硬件的成本在持续下降。当两条曲线交叉时，这个68岁退休工程师的选择可能会变成大多数人的选择。他比别人早了一步。而这一步，可能足以让他在接下来的十年里，既拥有AI，又拥有隐私。

.@Canonical 宣布 Livepatch 现已支持 Arm64，运行 Core 26 / 26.04 LTS on Arm64 的用户都可以注册。 该服务属于付费增值服务，不过个人用户每个账户可以获得 5 台使用权，用户只需要注册 #Ubuntu# Pro 即可，所以现在就去给你的甲骨文羊毛机配置 Livepatch 吧。 操作方法：

Linux RAM requirements are wild 🤯 • 🟠 Ubuntu - 6 GB • 🎮 SteamOS - 4 GB • 🚀 Pop!_OS - 4 GB • 🔵 Fedora - 2 GB • 🎩 Red Hat Enterprise Linux - 2 GB • 🦎 openSUSE - 2 GB • 🍃 Linux Mint - 2 GB • 🪟 Zorin OS - 2 GB • 🛡️ Kali Linux - 2 GB • 🏔️ Manjaro - 2 GB • 🏔️ Rocky Linux - 2 GB • 🎯 CentOS Stream - 2 GB • 🕊️ Lubuntu - 1 GB • 📦 Debian - 512 MB • 🐧 Arch Linux - 512 MB • 🪶 Puppy Linux - 256 MB • 💿 Tiny Core Linux - 64 MB Linux can run on everything from a potato to a workstation. Which distro are you using right now? 👀