- 博客(44)
- 收藏
- 关注
RSS订阅
原创 DeepSeek V3.1 深度技术解读：从架构到应用的核心突破与系统评估对比
摘要：DeepSeek团队低调发布V3.1大模型，延续其一贯"夜间突袭"风格。该版本主要升级包括：上下文窗口从128K扩展至100万token、增强复杂推理与多语言处理能力、优化工具调用格式（更简洁的函数参数传递方式），并引入可切换的思维模式。技术架构保持671B总参数规模，采用稀疏MoE与MLA注意力机制。测试显示其物理理解和代码能力有所提升，通过"思考-搜索-工具"三模块设计，向更自主的智能体方向演进。目前模型细节仍在完善中，开发者需自行探索具体特性。（150字）
2025-08-20 17:33:25
1896
原创 设计提效神器！用Qwen-Image一键洗图，高质量图与海报分分钟搞定
摘要：Qwen-Image展现了强大的中文海报生成能力，支持从提示词直接生成或基于现有海报反推风格。其核心优势包括卓越的中英文本渲染、一致性图像编辑能力，以及在多项基准测试中的领先表现。工作流演示了通过CVnode插件实现图片反推提示词，并接入Qwen-Image的完整生成流程，使用了三个核心模型文件。该方案显著降低了中文海报创作门槛，提供高效的一键式风格迁移方案。
2025-08-18 17:03:52
704
原创 解锁一致生成图像密码：四款前沿模型大揭秘
前沿角色生成模型横向测评：8大场景对比OpenAI、Runway等4款主流产品表现。测评显示Runway Gen-4在照片相似度上表现最佳但存在肢体连贯性问题，FLUX.1 Kontext Pro综合性能优异但面部易现瑕疵，GPT-image-1质量最高但成本昂贵，SeedEdit3适合预算有限用户。建议根据需求搭配使用不同模型：Gen-4处理基础构图，Kontext Pro进行创意转换，复杂任务可考虑GPT-image-1。开源版本FLUX.1 Dev可在OneThingAI算力云平台体验。（149字）
2025-07-22 20:50:20
968
原创 【AI开源王炸】Flux.1 Kontext图像编辑实测，免费平替GPT-4o
BlackForestLabs开源全新图像编辑模型FLUX.1Kontextdev，基于12亿参数的流匹配变换器架构，支持消费级硬件运行。该模型具备上下文感知能力，可通过文本指令实现精准图像编辑（如修改颜色、风格等），并保持人物/物体一致性。支持多次迭代编辑且视觉偏差小，采用非商用协议开源，提供BF16（需32G显存）和FP8（需20G显存）两个版本。测试显示其在老照片修复、局部修改等任务中表现优异。（149字）
2025-06-27 15:44:20
2466
原创 4090体验DeepSeek啊哈时刻
从V3到R1-Zero只采用来的RL训练，按照DeepSeek-V3 的技术报告预估V3最后训练耗费560万美元左右，R1-Zero RL 后训练过程费用应该10万美元左右，目前看ROI非常高。以下Notebook 是，可以在4090 上体验DeepSeek-R1-Zero的RL训练过程。
2025-02-12 11:38:52
641
原创 网心技术 | 压缩即智能：Kimi K3 浅析
Kimi K3 规格摘要：93 层（69 KDA + 24 Gated MLA）、hidden size 7168、96 heads、Latent MoE dim 3584、每 expert FFN 3072、896 routed + 2 shared、每 token 选 16个专家、词表 160K、上下文 2²⁰、激活函数 SiTU-GLU、视觉 MoonViT-V2（401M）、MXFP4 权重 / MXFP8 激活的 QAT。「写代码、看渲染、再改」需要同一上下文，原生多模态是前提，不是装饰。
2026-08-15 08:00:00
745
原创 网心技术 | 优先设计好你的 Router
Tom Tunguz 在 2026 年的一篇文章《Most AI Work Can Wait》里核心判断是：团队先选模型、后设计架构，这是本末倒置。模型选择应该是最后一个决策，不是第一个。真正决定 AI 系统成本和质量的，是 router，一段把每个请求导向合适执行层级的调度代码。Tunguz 在文中提出了路由的三层结构：Skill Classifier 做意图识别，Router 做调度决策，Model Selector 在层级内比价。Classifier 是语言问题，Router 是调度问题，两者不能混为
2026-07-29 08:00:00
355
原创 网心技术 | 编码 Agent 上下文管理：从运行时压缩到 Codegraph 的结构化检索
这是一个关键的经济优化：Claude Code 的 prompt 缓存文档指出，缓存命中时输入 token 的价格仅为未缓存的 10%。独立验证来自 Tekkix 的技术分析，该分析在更大的代码库上重现了类似结果：VS Code（4002 文件）从 52 次工具调用降至 3 次（94% 减少），Swift 编译器（25,874 文件、272,898 节点）在 4 分钟内完成索引，Agent 以 6 次调用和零文件读取在 35 秒内回答了复杂的跨模块问题。相反，更精确、更短的上下文往往使模型表现更强。
2026-07-09 17:30:00
508
原创 网心技术 | 小模型做 Agent：可能性、方向与未来
一个理想的小模型 Agent，应当在模型契约层有可靠的结构化调用能力，在生态层接入 MCP 这样的标准化工具网络。在金融领域的 8 类任务中，<10B 模型在需要多步推理的任务上（如因果分析、趋势预测）与大模型的差距最大，且增加 Agent 工具并不能弥补推理缺陷，工具帮助的是信息获取，而非逻辑推理。3.8B 的 Phi-4-mini 在 AIME 2025（美国数学奥林匹克预选赛）上接近了 671B 参数的 DeepSeek-R1 的表现，这是小模型推理能力的里程碑。这是一个可控的精度-延迟权衡。
2026-06-24 17:30:00
511
原创 网心技术 | 看见：智谱多模态 Agent 论文解读
Marvin Minsky 在《Society of Mind》中描述过一个极其日常的场景：你想喝水，于是伸手拿起桌上的杯子。这个动作在意识层面几乎不需要思考。"想喝水，拿杯子，喝"。（看见杯子的位置）、（在视野中锁定目标）、（规划手臂的运动轨迹）、（根据杯子形状调整手指的抓握力度）、（估算重量并施加适当的力）、（将杯子移向嘴边）……这些 Agent 都只做一件极简单的事，但它们之间的协调构成了一个小型的"社会"。其中，。
2026-06-11 17:26:43
358
原创 网心技术 | DeepSeek-V4 核心技术深度解析
我们分析过目前一般使用的 Attention 的计算，是当前的 query 和历史上所有的 key 的内积所产生的 attention score，然后对所有历史输入 token 的 value 进行加权平均后得到 context。未来，基于这个架构已呈现出的原生能力的基础上，如果我们给它一些更高质量的数据，让它学到更多世界知识的同时，补充更高强度的强化学习过程，一定会展现出更强的能力。mHC 的思路，是把高维的非线性流形，在局部近似成一个“平面”—— 就像地球是个球体，但我们生活的局部看起来是平面一样。
2026-05-12 17:30:00
426
原创 网心算力云上线 DeepSeek-V4-Pro
作为 DeepSeek V4 系列的全新模型，V4-Pro 在逻辑推理、代码开发、长文本理解、专业创作等核心能力全面升级，综合实力稳居开源模型第一梯队。数学、STEM、竞赛型代码推理能力，超越当前所有已公开评测的开源模型，实现与顶级闭源模型同级的推理表现。：参考说明文档提供的 Python、Go、Node 等多语言示例，将 DeepSeek-V4-Pro 模型接入你的业务逻辑。，相比传统方案大幅降低计算与显存消耗，长文档、知识库、多轮对话处理更流畅稳定。架构，以 token 维度压缩实现高效长上下文处理，
2026-05-01 18:00:00
362
原创 网心算力云上线字节跳动 Seedance 2.0
🔥网心算力云上线字节跳动Seedance2.0模型API服务，提供顶尖多模态视频生成能力！该模型支持文本、图片、音频、视频四模态输入，在SeedVideoBench-2.0基准测试中全面超越主流竞品，尤其在运动质量和音频表达上表现突出。 ✅ 核心优势： 真实性：自然呈现复杂动作，遵循物理规律。 多模态能力：支持混合输入（9图/3视频/3音频+文本）。 可控性：支持视频延长、编辑，提升创作自由度。 工业级支持：15秒高质量多镜头输出，降低影视、广告等内容制作成本。 🛠️ 快速接入：注册→获取API密钥→集
2026-04-28 17:30:00
334
原创 网心技术 | Claude Managed Agents 让 Harness 变成服务
摘要：Anthropic将Claude从模型API升级为Managed Agents，反映出AI行业正从单纯追求模型能力转向构建完整的Agent系统。核心观点包括：1）Agent的核心价值在于模型之外的系统层（harness、runtime和infra）；2）上下文管理成为关键，低效的prefix cache复用会导致高昂成本；3）好的harness需要解决稳定前缀、工具规范化、上下文分层等七大问题；4）Managed Agents模式让厂商能统一优化工具schema、缓存策略等系统级问题。文章指出，Age
2026-04-21 17:30:00
836
原创 开箱即用！FireRed、Kling 3.0、Seedream 5.0 Lite 全预装
【摘要】网心算力云推出ComfyUI镜像重大更新，集成小红书FireRedImageEdit1.1、美团LongCat-Image等热门AI创作工具，提供云端RTX4090算力支持（1.98元/小时起）。新版本亮点包括：人像ID一致性优化、中英文精准编辑、4K视频生成及动作捕捉功能。同时上线字节Seedream5.0Lite的视觉推理和可灵Kling3.0的动作控制模块，覆盖电商、广告等多元场景。用户仅需4步即可快速部署，无需硬件配置，实现高效AI内容创作。
2026-04-18 18:00:00
222
原创 网心技术 | NemoClaw 深度解析，企业级 AI 运行时
NVIDIA在GTC2026大会上发布的NemoClaw是一款面向AI Agent的安全运行时解决方案。作为OpenClaw的安全基座，NemoClaw采用操作系统级隔离技术（Landlock LSM、seccomp BPF等）构建安全沙箱，通过四层架构实现细粒度管控：CLI插件层提供交互入口，蓝图编排层实现声明式部署，OpenShell沙箱层提供强制隔离，推理路由层保障API密钥安全。该方案解决了Agent能力与安全风险的根本矛盾，支持实时审批、网络白名单等企业级安全需求。目前处于Alpha阶段，未来可能
2026-04-16 18:00:00
607
原创 网心技术 | Agent Harness：决定 AI Agent 真实上限的隐藏变量
摘要： 基础模型能力提升后，Agent系统的表现差异主要源于外部控制栈（AgentHarness）的设计。Harness负责工具调用、状态管理、异常恢复等，决定了模型能力的实际发挥水平。行业共识表明，Agent竞争已从模型能力转向系统工程优化。OpenAI、Anthropic等通过分层治理（行动接口、观测回路、状态管理等）提升稳定性，而Meta-Harness则探索自动化优化Harness的方法。未来，Harness将随模型演进动态调整，厚薄选择取决于场景需求，方法论（如评测驱动、上下文管理）比具体框架更持
2026-04-15 09:00:00
468
原创 OneThingAI重磅上线Gemini 2.5 Flash Image！API服务抢先体验
不仅能将多张图像元素无缝整合（如 “把沙发放进极简风客厅图”“给产品图添加动态光影效果”），还能结合 Gemini 的世界知识生成符合逻辑的内容（比如 “生成‘宇航员在火星种植绿植’的写实图”，自动匹配火星地貌与宇航员装备细节）无需复杂工具，仅靠文本提示就能完成精细化操作 —— 比如 “模糊背景突出人物”“去除衣服上的咖啡渍”“给黑白老照片添加复古色调”，甚至 “调整人物手势从‘握拳’变‘挥手’”最后，无论是自媒体配图生成、电商产品图批量优化，还是开发 “AI 图像编辑工具”“个性化海报生成器”，
2025-12-17 18:00:13
1168
原创 OneThingAI「Wan2.2」镜像上架
OneThingAI面向丰富的业务场景，提供一站式、全方位的云服务解决方案。包括AI 训练/推理、科学计算、图形图像处理、视频编解码等场景，助力用户实现轻量化的资产运营，让您的创意更加闪耀出众。1080P / 16:9 / 最长 5s 直接出片！
2025-12-16 18:00:04
225
原创 字节深夜开源 Seed-OSS：512K 超长上下文实力亮相，长度较主流模型劲增 4 倍！
字节跳动Seed团队开源大模型Seed-OSS-36B，具备长文本、推理和智能体能力。该360亿参数模型支持512K上下文，采用GQA注意力机制，在MMLU、GSM8K等基准测试中表现优异。特色功能包括可调节思维预算控制，用户能根据任务复杂度调整推理长度。模型以Apache-2.0许可证开放商用，并提供含/不含合成指令数据的两个版本。Seed-OSS-36B在知识、数学、编程等任务上表现突出，如MMLU-Pro得分65.1、GSM8K得分90.8。团队表示这仅是开源计划的开端，未来将推出更多模型。
2025-08-21 14:37:04
1240
原创 无需PS技能，全新图像编辑模型 Qwen-Image-Edit 它来了！
阿里推出全新图像编辑模型Qwen-Image-Edit，基于20B参数的Qwen-Image模型，兼具语义与外观双重编辑能力。该模型支持中英文文字精准编辑、物体旋转、风格迁移等操作，在多个基准测试中达到SOTA水平。其特色包括：1）同时实现语义保留的高阶编辑和像素级精确控制；2）强大的文字渲染能力，可修改海报文字并保持原有风格；3）支持链式编辑流程，通过逐步修正实现复杂编辑任务。该模型已在ModelScope、HuggingFace等平台开源，有望大幅降低视觉创作门槛。
2025-08-20 11:20:49
1664
原创 小白也可以轻松打造自己的“YURI”
在2025年，AI技术的快速发展再次引发了行业内的热议。近期，AI.Talk创始人赵汗青与其虚拟IP YURI的成功案例，成为了焦点，展示了AI在音乐创作和虚拟人格构建中的巨大潜力。YURI的出道视频不仅迅速在各大平台走红，还吸引了众多商业合作，标志着AI内容创作的崭新阶段。
2025-07-03 15:39:45
938
原创 OmniGen2 重磅焕新！ Kontext 开源前期，何不抢先体验这款「一致性图像编辑」神器？
OmniGen2是一款强大且高效的统一多模态模型。与OmniGen v1相比，OmniGen2为文本和图像模态分别设置了独立的解码路径，采用未共享参数和解耦的图像标记器。OmniGen2视觉理解OmniGen2集成并集成了视觉大基础模型解读和分析图像内容的强大能力。文生图生成：同时OmniGen2包含基本的文生图能力，能够根据文本提示创建高保真且美观的图像。指令引导图像编辑：以高精度执行基于指令的复杂图像修改，属于优秀的开源图像融合模型。上下文生成。
2025-06-26 20:31:54
895
原创 平台升级：新功能与新模型震撼登场！
OneThingAI算力云平台推出两大重磅更新：1)全新子账号管理功能，主账号可创建子账号并精准分配权限，提升团队协作效率与安全性；2)模型广场新增多款前沿AI模型，包括大语言模型通义千问3系列（支持119种语言）和图片模型通义万相系列（文生图/图生文能力），满足多样化AI应用需求。这些升级将显著提升用户在团队协作、语言处理、创意设计等方面的工作效率。
2025-06-05 16:42:36
823
原创 OneThingAI x ChatWise 打造理想 AI 助手 | 教程
《ChatWise智能聊天助手配置指南》突破传统AI工具局限，ChatWise支持多模型调用与本地数据加密，提供安全高效的智能交互体验。教程详细讲解：1）通过OneThingAI官网获取API密钥和modelID；2）下载ChatWise后配置OpenAI兼容接口；3）选择模型开启多模态聊天功能。新用户注册可享优惠券，学生认证额外奖励。配置完成后即可体验支持附件上传的精准对话服务。（149字）
2025-05-28 15:07:15
825
原创 一篇文章教会你Comfyui一键换装（全自动版）
文章介绍了一个高效的图像换装工作流，分为四个核心板块：输入层、预处理模块、融合模块和输出模块。输入层负责上传模特和服装照片，并设置分辨率；预处理模块通过特定模型生成遮罩，提取人体和服装特征；融合模块进行二次采样和优化，提升细节表现；输出模块展示最终换装效果。该工作流不仅支持人物服装的快速替换，还能实现跨主体适配，如将人类服装应用到宠物身上，展现了强大的生成能力和创意拓展潜力，适用于时尚造型迭代和宠物服饰设计等多种场景。
2025-05-26 18:00:00
2055
原创 阿里开源视频生成巅峰之作！Wan2.1-VACE-14B实战全解析：从动作迁移到多图融合
上传动作参考视频与目标图像，调整frame_num（帧数）与sample_guide_scale（动作强度），生成动态一致的新视频。划定编辑区域，调整参数--sample_shift（噪声调度）与guide_scale（提示词权重），生成局部修改后的连贯视频。，模型通过捕捉源动作的时空特征，结合目标主体的外观一致性约束（如RefAdapter模块），实现自然迁移。，通过时空压缩与长时程依赖建模，实现无限时长1080P视频编解码，压缩效率提升40%。：在沙滩边走路的视频中，仅修改人物，背景动态保持自然过。
2025-05-22 17:46:26
3871
原创 OneThingAI「模型 API 服务」重磅上线！
开发者可前往OneThingAI控制台-模型广场，快速接入通义千问-Math-Turbo、通义千问-Math-Turbo、DeepSeekV3、DeepSeek-R1671B满血版等精选主流模型接口。步骤二：提供curl、Python、Node.js三种技术方案，实现与模型API（如DeepSeek-R1模型接口）的交互，满足多样化开发场景及开发者使用习惯。开发者无需进行复杂的设置或接口适配工作，即可以更低的成本直接调用主流模型API，实现各领域AI应用场景的创新落地，极大地提升开发效率与使用体验。
2025-05-21 16:48:28
548
原创 阿里Wan2.1首尾帧控制模型（FLF2V）实战对比（附模型、工作流）
阿里Wan2.1系列模型代表了阿里巴巴在视频生成领域的最新成果。普通Wan2.1作为通用视频生成模型，支持多种任务，适合广泛的创意应用场景。而FLF2V首尾帧控制模型则在普通Wan2.1的基础上进行了针对性优化，专注于首尾帧控制，实现了更精准的时序控制和运动轨迹预测。选择哪个模型取决于具体需求：如果需要精确控制视频的首尾帧过渡，FLF2V是更好的选择；如果需要更广泛的创作自由度和多模态支持，普通Wan2.1可能更适合。wan2.1模型首尾帧控制。所有工作流关注后台私信。
2025-05-16 18:00:00
2382
原创 用SkyReels-V2-DF无限生成长视频：ComfyUI部署全指南
效果展示：女子喝茶，将茶杯放在桌上，并摇晃茶杯SkyreelsDiffusionForcing视频实战昆仑万维开源的 SkyReels-V2-DF 模型，基于扩散强迫（Diffusion-forcing）框架，首次实现单镜头的流畅视频生成，并通过 “Extend”续写机制突破时长限制。其核心技术优势如下结合多模态大语言模型（MLLM） 和强化学习，模型可解析（如镜头类型、摄像机运动、演员表情），生成符合导演视角的连贯画面。支持多提示词。
2025-05-08 18:20:46
3241
1
原创 Wan2.1与SkyreelA2图生视频能力对比：技术路线与应用差异解析
Wan2.1与SkyreelA2图生视频能力对比：技术路线与应用差异解析
2025-04-27 17:28:10
1649
原创 ComfyUI + 腾讯 Sonic 节点实战：三步实现图片开口说话
在 AI 多模态技术爆发的今天，如何让静态图片 “开口说话” 成为热门课题。腾讯开源的 Sonic 模型通过图像 + 音频驱动数字人视频生成，而 ComfyUI 作为节点式工作流工具，能将这一过程简化为可视化操作。
2025-04-11 18:10:00
2000
原创 ComfyUI 全解析：基础概念
VAE（变分自编码器）是像素空间与潜空间的转换桥梁，直接影响生成图像的细节质量和计算效率。编码器：将 512x512 图像压缩至 64x64 的潜在表示，降低计算复杂度。解码器：将去噪后的潜在张量还原为可视图像，支持高清输出（如 1024x1024）。
2025-04-11 17:28:32
1999
原创 云端体验 DeepSeek V3 0324/ Qwen2.5 VL 32B
登录OneThingAI平台，进入镜像中心，选择vLLM推理引擎，点击创建实例（8卡可跑，更好的体验需要2台H20通过【文件管理】查看DeepSeek 相关模型。
2025-03-27 17:40:34
624
原创 【Attention优化重大突破！显存减半效率倍增，大模型长文本处理迎来新时代】
从第二章节不难看出（Decoder-only的attention计算和上面略有不同，不影响计算复杂度讨论），如果不做任何优化，生成每一个token的计算复杂度是O(n^2)，最终生成的序列全局计算复杂度是O(n^3)。对于上下文这个计算复杂度肯定是无法接受的。1，所以，直觉上提升Attention的性能的做法是降低它的计算复杂度.kv caching就是为了解决这个问题将单个token的计算复杂度降低到O(n) （n为当前序列长度），全局的复杂度就下降到O(n^2)极大的提升了性能。
2025-03-13 18:19:24
970
原创 【大模型私有化部署要花多少钱？】一张图看懂你的钱用在哪
DeepSeek 热度持续，大家都在探索DeepSeek的使用场景，拓宽它的使用边界。在一些数据安全敏感的场景私有化部署是企业落地LLM的重要选项。本文将详细的讨论如何才能高性价比的完成DeepSeek的私有化部署，下面将以两个章节来讨论这个问题：第一章节定义一些大模型服务的性能指标，第二个章节评估私有化部署大模型的成本情况。
2025-03-12 10:56:50
2448
原创 16元推理成本，DeepSeek动了谁的蛋糕？
1，1-5 篇文章中1，2 估算了EP320 这种部署，到底能可以支持多大的并发。1 认为瓶颈在通信这个判断单台和8卡H100支持600左右的并发请求是很合理的。因为首先H100 FP16 989TFLOPs的算力，FP8 等于989 * 2，以989 T来做Arithmetic intensity的预估也就是295 FLOPs/byte，大体可以理解为只要单卡batch size 不大于295则算力不是瓶颈。
2025-02-19 19:31:45
1081
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人