更多动态
，手里的医疗听写项目终于不用硬磕 Whisper 了。 专门死磕医疗术语的 105M 小模型，本地跑得飞快。 1️⃣ 实测对比：以前用 Whisper v3 转录英文问诊，遇到“Hydrochlorothiazide”这种生僻药名经常乱飘，这次挂上 6-gram LM，错误率直接压到了 4.6%，比通用大模型还狠。 2️⃣ 边缘端友好：我在 M1 Air 上跑非常丝滑，不用传云端。对于做医疗垂直的 SaaS ，这种“离线+高精”是刚需。 ⚠️ 目前只支持英文（美音为主），做跨境医疗/科研的兄弟可以冲，做国内业务的还得再等等。 #AI工作流 #独立开发 #本地部署 #医疗AI #MedASR
之前为了剪 45 秒的带货视频，写脚本找素材得折腾半天。这两天实测了 TemVideo 的“零提示词”模式，确实能提效。 1️⃣ 流程极简：以前得绞尽脑汁写 Prompt，现在直接丢一张产品图，它自己分析卖点，生成带剧情的 90 秒长视频，逻辑（痛点-解决-下单）竟然还挺通顺。 2️⃣ 可控性强：不像有些 AI 生成完就不能动了，这个能进工作台微调分镜和字幕。 3️⃣ 出海利器：支持 50+ 语言配音加口型同步，这点对想做海外站的兄弟太友好了 。 如果你做电商或者需要批量产素材，可以拿它当“高效初稿生成器”用。 #AI营销 #TemVideo #独立开发 #跨境电商 #效率工具
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。
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。
