零成本复刻「AI 手机」
更多动态
还在花几小时租 GPU 调参炼丹?
阿里通义实验室开源 Qwen-Image-i2L,把“训练模型”变成“生成模型”:只需 1 张图,几秒钟直接输出 LoRA 权重。 通俗理解:传统炼丹是“学生做题”,要反复修正错误(梯度下降);i2L 是“学霸直接写答案”,看一眼原图,通过预训练模型直接算出参数。 🔹 核心突破:彻底跳过反向传播(Backpropagation),完全基于推理。这意味着普通消费级显卡也能跑,几乎零算力成本。 🔹 组合玩法: 仅模仿画风:直接加载 Style 模型。 复刻物体/角色:Coarse 定骨架 + Fine 补细节,两步走保证结构与纹理。 效果修正:挂载 Bias 模型解决底模兼容性问题。 目前在复杂一致性上可能不如精心微调的传统 LoRA,但作为快速验证创意原型的工具,效率极高。 🔗 模型下载:https://huggingface.co/DiffSynth-Studio/Qwen-Image-i2L #AI工作流 #Qwen #LoRA #本地部署 #ComfyUI

OpenAI 最近上线了一批 AI 相关的认证课程
,主要面向职场人士和中小学老师。课程可以在 ChatGPT 和 Coursera 上学习,内容包括 AI 基础、怎么写更好的提示词,以及数据隐私这些实际会用到的知识 https://openai.com/index/openai-certificate-courses
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
