# 大语言模型的所有文章

在 HTX 新闻中心浏览与「大语言模型」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

英伟达在GTC 2026大会上发布RTX Spark超芯片，将AI PC的算力标准大幅提升至1 petaflop（1000 TOPS），远超当前主流AI PC的NPU算力。该芯片采用Blackwell架构GPU与Arm架构Grace CPU的SoC设计，并配备最高128GB的统一内存，使CPU和GPU可直接共享数据，消除了传统架构中的数据搬运瓶颈。 凭借强大算力与统一内存，RTX Spark支持在本地设备上运行120B参数的大语言模型，并处理百万级token的上下文窗口，同时也能胜任12K视频编辑、大型3D渲染等高负载任务。微软为其升级了Windows安全机制，并引入英伟达的OpenShell沙盒运行时，以保障AI代理操作的安全性。 软件生态方面，Adobe宣布将底层重构Photoshop和Premiere以适配新架构，宣称性能可提升2倍。多家主流OEM厂商如华硕、戴尔、联想等将于今年秋季推出搭载该芯片的轻薄笔记本和台式机。 RTX Spark的出现，标志着PC架构正从以x86 CPU为核心转向以GPU为中心的SoC平台，但其实际性能表现、功耗散热、定价及软件生态适配等仍有待市场验证。

marsbit11分钟前

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

marsbit11分钟前

手机上跑MoE？Meta提出MobileMoE，iPhone 16 Pro提速3.8倍

Meta团队提出MobileMoE，首次在商用智能手机上实现了高效的混合专家模型（MoE）推理。该模型面向端侧设计，采用MoE层替代传统稠密前馈层，通过路由机制为每个token选择少数专家进行计算，并包含共享专家。MobileMoE-S/M版本在内存相近的情况下，仅需稠密基线1/2到1/4的计算量，在14项基础评测中达到持平或更高的平均准确率，为端侧大语言模型建立了新的帕累托前沿。 在iPhone 16 Pro的实测中，MobileMoE-S在输入阶段最高提速3.8倍，逐token生成阶段提速2.2-3.4倍，且峰值内存占用低于对比模型。量化至INT4后性能降幅较小，仍保持竞争力。 研究同时探讨了专家数量、粒度及共享专家等架构选择，确定了E=8、g=8、带共享专家的优化配置。尽管MobileMoE在代码和数学任务上表现突出，但在高阶指令遵循与知识推理上仍落后于Qwen3.5 2B。未来需通过蒸馏、后训练及多模态扩展进一步提升，并探索NPU部署、动态路由等方向以优化端侧效率。

marsbit43分钟前

手机上跑MoE？Meta提出MobileMoE，iPhone 16 Pro提速3.8倍

marsbit43分钟前

三年之后：回看 2023 年我对 ChatGPT 的判断

作者王健硕在2026年5月回看其于2023年3月对ChatGPT做出的二十条预测，并借助AI代理进行验证。整体看，其大方向判断多正确，但细节和程度常有偏差。 **看对的方面：** - **技术架构**：准确预测RAG（检索增强生成）将成为解决知识更新和幻觉的主流方法，以及LUI（自然语言用户界面）将催生巨大新产业。 - **发展趋势**：预见到“机器人网络”和新的agent寻址系统将出现，中国能快速做出可用大模型并缩小与顶尖差距。 - **本质认知**：正确指出ChatGPT没有意识，图灵测试仅测表象；判断其是巨大进步但非AGI，且短期内不会造成整体失业潮。 **看错或看偏的方面：** - **具体数据错误**：关于GPT-4有100T参数的传闻完全错误。 - **绝对化判断**：断言LLM“不可能”自己学好数学被后来模型在IMO夺金证伪；认为AI生成内容可“规避”版权，实则引发史上最大侵权赔偿。 - **价值与成本误判**：认为价值终落应用层，但最大赢家是算力层（如英伟达）；模型成本“5-10亿封顶”的估算严重偏离实际。 - **社会影响误读**：认为ChatGPT的“加权平均”特性可能促进“世界大同”，但实际AI正走向个性化，并可能制造新信息茧房。 **总结规律：** 1. 预测机制和方向比具体数字更可靠。 2. 倾向于高估短期变化速度，低估长期影响程度。 3. 容易忽略问题内部的“分布”差异（如失业影响集中在年轻群体）。 4. 留有餘地、分层表述的判断更经得起时间检验。 5. 一些根本性争议，三年时间仍不足以给出定论。 这次复盘旨在为未来的判断立下更审慎的规矩。

marsbit14小时前

三年之后：回看 2023 年我对 ChatGPT 的判断

marsbit14小时前

三年之后：回看 2023 年我对 ChatGPT 的判断

2023年3月，在GPT-4发布前，作者王健硕对ChatGPT的未来做出了二十项预测。三年后的2026年，他使用AI agent对这些判断进行回顾验证，评估其准确性。 **主要看对的方面：** 1. **RAG成为主流**：预测通过外部检索而非修改模型来解决知识更新和幻觉问题，这已成为行业标准架构。 2. **LUI（自然语言界面）兴起**：预测自然语言交互将催生巨大新产业，Agent、MCP协议等发展印证了这一点，但LUI是与GUI共存而非取代。 3. **机器人网络与新寻址系统**：预测Agent将自动协作并需要新寻址方式，MCP、A2A等协议正朝此方向发展。 4. **中国能做出可用大模型**：预测中美模型差距会迅速缩小，事实如此，但真正领先的国内厂商与其当初点名不同。 5. **AI无意识与图灵测试本质**：核心判断“AI无意识，图灵测试仅测表象”基本成立，但“绝无意识”的绝对论断被后续研究置于灰区。 **看错或看偏的方面：** 1. **GPT-4参数数量**：所传“100T参数”严重错误，实际约为1.8T。 2. **LLM的数学能力**：诊断“数学差需外挂工具”正确，但“不可能自行学会”的结论被后续“推理模型”在IMO夺金证伪。 3. **价值捕获**：预测价值在应用层，但现实中算力层（如英伟达）捕获了最大利润，模型层反而亏损。 4. **版权问题**：判断“生成物可能无法登记版权”正确，但认为能“规避侵权”则错误，已出现巨额侵权赔偿案例。 5. **信息茧房与世界大同**：机制上AI会将观点向众数平均，但AI正快速走向“千人千面”的个性化，可能制造新茧房而非消解极化。 6. **大模型成本**：预测“局部战争”和玩家涌入正确，但“5-10亿美元封顶”的成本估算与前沿训练实际花费严重不符。 **总结规律：** 1. 判断**方向和机制**比具体数字、程度更可靠。 2. 倾向于**高估短期变化速度，低估长期能力上限**。 3. 容易忽略**问题内部的分布差异**（如总量正确但部分群体受损）。 4. **留有餘地、分层表述**的判断更经得起时间检验。 5. 一些根本性争论，**三年时间不足以给出最终答案**。 这次回顾表明，在快速变化的领域，把握大方向比追求精确预测更重要，同时需警惕绝对化表述并承认认知的局限性。

链捕手17小时前

三年之后：回看 2023 年我对 ChatGPT 的判断

链捕手17小时前

6道题，看懂AI的商业趋势

AI行业已进入“夏天”阶段，叙事与交付并存，但交付与商业化正变得至关重要。武汉大学苏德超教授提出的“周期判断六维框架”从叙事vs交付、系统连通性、交付能力、ROI合理化、行业普遍现象、资本环境六个维度对当前AI行业打分，各项均得1分，总分6分，处于夏季（5-7分）。这一阶段的特征是：想象空间仍在，但账本已摊开；资本仍会投资，但开始关注回报；用户持续增长，但开始分层付费。 近期两大关键信号印证了这一判断：一是字节跳动豆包推出付费订阅，标志着免费模式难以为继，算力成本压力倒逼商业化；二是OpenAI推出广告平台，旨在开辟新收入以覆盖巨额亏损并抓住市场机会。这背后是用户规模达到临界点后，成本压力与商业化机会共同驱动的结果。 企业如何在AI夏季有效落地？可分三步走：第一，寻找最小切口（如智能客服、内容生成），快速跑通可量化的价值闭环；第二，将成功经验标准化并复制，同时配套人才梯队、激励机制和组织架构调整；第三，进行体系化重构，利用AI将串行流程改为并行协同，实现业务自动触发与智能决策，从“为业务加AI”转向“用AI重做业务”。森马、安踏、太平鸟、美的等企业已通过AI实现效率大幅提升与成本显著节约，证明了AI正从辅助工具转变为核心生产力。

marsbit昨天 00:21

6道题，看懂AI的商业趋势

marsbit昨天 00:21

上海大模型龙头，启动A股上市

5月30日，上海AI大模型龙头企业MiniMax已向上海证监局提交上市辅导备案报告，正式启动A股上市进程，将与智谱一同冲刺“A股大模型第一股”。MiniMax于2022年1月成立，已于今年1月完成港股IPO，其后股价大幅上涨，市值超过2200亿元人民币。 业绩方面，公司过去两个月的年化经常性收入（ARR）增长超100%，目前已超过3亿美元。2025年全年营收约5.35亿元人民币，毛利率提升至25.4%，净亏损有所收窄。公司全球客户数超百万，用户规模约3亿。 产品上，MiniMax今年以来发布了多款旗舰大语言模型，并开源了部分版本。其Agent产品已升级为Mavis。公司还预告了即将发布的MiniMax-M3模型，据称其推理速度较前代有显著提升。 当前，包括智谱、月之暗面等在内的国内多家大模型头部企业均在加速资本市场布局，寻求通过上市拓宽融资渠道，以支撑持续的研发投入与商业化探索。

marsbit前天 02:45

上海大模型龙头，启动A股上市

marsbit前天 02:45

美国AI大牛市会崩吗？

软银已向OpenAI投入巨额资金，并计划继续增持，驱动孙正义的是OpenAI估值飙升带来的巨大账面浮盈。目前，资本正不计成本地涌入AI领域，OpenAI和Anthropic的估值已分别达到8520亿美元和约9000亿美元。市场假设AI将像火箭般直线上升，但这引发了对定价合理性的质疑。 文章回顾了1990年代末的互联网泡沫，将当时雅虎作为门户网站的估值逻辑与当前大模型公司类比。两者都被视为不可逾越的“入口”或“收费站”，但历史表明，技术普及后，护城河可能被更精准的解决方案侵蚀。雅虎股价最终暴跌并被低价收购。 从财务角度看，支撑万亿美元市值需要极高的盈利水平，但OpenAI和Anthropic的年度经常性收入（ARR）与期望存在差距。此外，激烈的价格战正在将“智能”变为廉价商品。大模型的高估值本质上是提前透支了下游应用层的未来利润，而目前AI尚未催生出能创造巨额营收的“超级应用”。如果下游企业因回报不足而暂停投入，上游估值可能瞬间坍塌。 文章推演了两种可能的终局：一是像雅虎一样估值崩盘，大模型公司回归普通基础设施的利润率；二是成功重构商业闭环，例如通过价值抽成或实现AGI来支撑估值。但资本市场缺乏耐心，可能在黎明前踩踏出局。 文章最后强调，必须将宏观趋势的确定性与个体公司的命运区分开。行业前景光明不代表当前领跑者一定能成功。早期互联网泡沫破灭曾造成严重的经济创伤，当前AI估值若坍塌，其引发的系统性风险可能更大。技术革命往往由泡沫堆叠而成，AI最终会像水电煤一样成为基础设施，但过程中的狂热需要警惕。

marsbit前天 09:11

美国AI大牛市会崩吗？

marsbit前天 09:11

刚刚，Claude Opus 4.8 上线，张口就说自己是 DeepSeek、Qwen

刚刚，Anthropic发布了旗舰模型Claude Opus 4.8，并宣布完成650亿美元的H轮融资，投后估值达9650亿美元，逼近万亿美元关口。 Opus 4.8在编码、智能体任务、推理和知识工作等方面均有提升，价格保持不变。新模型在长任务和复杂协作中表现更可靠，诚实性提升，更愿意说明不确定性，代码缺陷漏报率约为前代的四分之一。有趣的是，有网友测试发现，Opus 4.8有时会错误地自称是DeepSeek或Qwen，疑似存在模型蒸馏行为。 同时上线的还有多项产品功能，包括可调节模型推理强度的“思考强度控制”，以及处于研究预览阶段的“动态工作流”。后者允许Claude Code处理大规模任务，通过动态编排脚本、并行运行数十到数百个子智能体，来完成如大型代码库迁移等复杂工程。Anthropic以Bun项目从Zig到Rust的迁移为例，展示了该功能在11天内生成约75万行代码的能力。 本轮巨额融资主要用于算力扩张。Anthropic与亚马逊、谷歌、博通、SpaceX等签署了基础设施协议，以获得下一代TPU和GPU容量，支撑其训练和推理需求。公司强调，Claude已成为首个同时登陆AWS、Google Cloud和Microsoft Azure三大云的前沿模型。 综上，Anthropic正从单纯的模型提供商，转向构建集智能模型、开发工具、云平台和算力资源于一体的企业AI工作系统。Opus 4.8是新的模型底座，动态工作流代表产品形态的进化，而巨额融资则为服务更大规模客户提供了基础设施保障。

marsbit05/28 23:56

刚刚，Claude Opus 4.8 上线，张口就说自己是 DeepSeek、Qwen

marsbit05/28 23:56

TechFlow 情报局：现货黄金跌破 4400 美元，加密市场全线下挫

**TechFlow 情报局摘要** 今日科技与财经领域动态聚焦于AI应用的深化、市场风险与行业变动。 **AI工具发展面临质效与安全平衡问题：** Claude和ChatGPT被Django联合创始人认为已从“昂贵玩具”进化为开发者日常工具，但社区对其是否达到真正的产品市场匹配存疑。同时，主流LLM工具VLLM被曝存在严重安全漏洞，数百万AI代理面临被劫持风险。另一方面，模型能力持续进步，阿里通义千问3.7编程能力位列全球第二，其3.6版本量化精度提升显著改善了代码质量；英伟达也发布了速度更快的视觉定位模型。 **加密市场与相关风险引发关注：** 加密市场整体下挫。市场内部，一名谷歌员工因利用内部搜索数据在预测市场Polymarket牟利被起诉，同时该平台出现胜率异常的账户，引发对信息不对称与市场操纵的监管讨论。此外，一家与特朗普有关联的加密公司因项目失败面临巨额亏损和破产。 **硬件与芯片需求旺盛：** AI浪潮强力驱动芯片产业，韩国KOSPI指数因SK海力士等AI存储芯片制造商表现强劲而大幅上涨，美光科技等公司成为热门投资标的。 **科技公司动态与用户选择分化：** 谷歌强推AI搜索后，主打隐私和无AI的搜索引擎DuckDuckGo访问量一周内暴涨28%，显示用户对AI的接受度出现分野。微软内部数据显示，在许多场景下使用AI的总成本可能高于雇佣人力。Meta则宣布在Facebook和Instagram推出付费无广告订阅服务。 **宏观财经市场波动：** 现货黄金价格跳水跌破每盎司4400美元。受地缘政治紧张局势影响，布伦特原油价格因美国袭击伊朗目标而上涨。 **今日暗线：** 信息优势的边界正在被技术重新定义，从谷歌员工利用数据下注到预测市场的异常胜率，传统内幕交易法规面临挑战。与此同时，AI技术的成本效益和用户真实偏好开始受到更严格的审视，市场反应速度可能快于监管步伐。

marsbit05/28 11:02

TechFlow 情报局：现货黄金跌破 4400 美元，加密市场全线下挫

marsbit05/28 11:02

大模型刷爆所有考试，却离AGI更远了：这篇论文拆穿了什么？

大模型在各种考试中表现优异，却被一篇新论文指出离真正的通用人工智能（AGI）更远了。目前业界对AGI缺乏公认定义，导致目标模糊。学者Michael Timothy Bennett提出新观点，认为真正的AGI不应以模仿人类为标准，而应是在有限计算、记忆和能量资源下，能像“人工科学家”一样广泛、高效、科学地适应新环境和发现新知识的系统。 他指出当前大模型本质是“规模最大化近似”，依赖海量数据记忆答案，缺乏真正的因果理解和主动探索能力。例如，模型可能因文本概率而错误比较“9.11和9.9”。真正的AGI需具备三大关键能力：从被动响应变为主动实验者；从学习相关性到理解因果关系；在资源限制下动态平衡“探索新知”与“利用已知”。 论文将构建智能的元方法分为三类：主流的规模最大化、追求简洁的简单性最大化，以及弱化约束让系统自寻最优解的约束弱化最大化。Bennett认为，单靠堆参数的路线无法实现AGI，未来需要多种方法融合。 若“人工科学家”标准被接受，AI发展将迎来范式转移：评估重点将从刷榜考试分数，转向测试其在未知环境中的适应与发现能力；技术路线也将从单纯追求规模，转向融合因果推理、主动学习等多维能力的发展。这提示AGI的实现并非现有技术的线性延伸，而是一次根本性的路线重置。

marsbit05/28 00:24

大模型刷爆所有考试，却离AGI更远了：这篇论文拆穿了什么？

marsbit05/28 00:24

活动图片

热门分类right-arrow

热门标签right-arrow

监管政策