零提示词搞定跨境投放视频,这周帮我省了至少两天工时。
更多动态
我试了下Jan团队新开源的 Jan-v2-VL-Max。
终于蹲到一个不「脑雾」的本地多模态模型,跑长任务稳得可怕 实测把 30B 参数塞进显卡,专门解决 AI 跑复杂流程容易「走丢」的老大难问题。 1️⃣ 专治「长任务健忘症」:它用了 RLVR 技术(简单说就是给 AI 装了个「纠错雷达」)。以前我用脚本抓取网页数据再清洗,往往要人工盯梢,这次试了 20+ 步骤的 UI 自动化,逻辑链居然一直在线。 2️⃣ 民用显卡友好:官方给了 FP8 量化版,如果你跟我一样手持 RTX 3090/4090,显存压力比预期小。虽然知识广度不如 70B 模型,但在「执行指令」的稳定性上,我觉得比其他开源模型要扎实。 3️⃣ 隐私与离线:完全断网运行。我个人不太敏感隐私,对于部分在乎隐私的行业十分友好。 大家现在跑本地 Agent 还在用哪套模型?评论区分享下 👇 #AI工作流 #本地部署 #数字游民 #效率工具 #开源模型

快来领 Lovable Pro 两个月,可以免费用 Claude Max + Antigravity + Codex。
不过好像得用特定 IP 或者新号才能领到。 Code: NEXTPLAY-LOV-25

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。
