WEBVTT

00:00.211 --> 00:16.500
[SPEAKER_00]: BearTalk狗兄有话说AI科技每日兼续Hello您好欢迎收听BearTalkAI版节目我是大狗兄的智能提升本期节目由我们BearTalkA整团队为您收集整理严证制作

00:17.220 --> 00:40.641
[SPEAKER_00]: 帮助您在宣销的造型中捕捉到最有价值的心好下面是本期节目的主要内容引型的成本压力比引型的技术门坛更难对付今天五件事开员模型的证影比想象中更热闹Cerser把费用换成的偷肯用户炸锅了白电子的视频模型再讲一个新故事

00:41.562 --> 01:00.639
[SPEAKER_00]: AI做數學題做出了十個真實的數學競展還有NathenLambert說的一件反直覺的事關於誰才有能力訓練前央模型以開源模型證明的擴張Leguna,Incling,和KymmyK3,NathenLambertIntelConnect

01:01.139 --> 01:16.064
[SPEAKER_00]: 这篇来自IntoConnect作者是NathenLambert原文表题是LatestOpenArtifacts经济HawArsantLagunaS.R.D.E.InclingKimiKsen秀的UtilityofOpenModelsontheParetoFrontier

01:16.644 --> 01:37.872
[SPEAKER_00]: 大多数人以为训练前颜模型的能力正在集中到少数几家超大公司手里NathenLambert在最新一篇分析里说恰恰相反这个能力正在扩散而原本预测到20026年前后AI实验时会开始大规模整合只剩几个巨头能跑在前面

01:38.252 --> 02:02.297
[SPEAKER_00]: 现实越来越多的组织正在训练有竞争力的模型而且他们都选择开放权重LegunaS2.1来自一个你可能没听说过的团队Incling是另一个轻谅但性能不弱的模型TimeK3来自越之按面上周已经引发了很多讨论Lambarto用了一个概念叫PoreatoFrontier也就是效率前言

02:03.097 --> 02:18.952
[SPEAKER_00]: 在一張性能對比成本的圖上最優秀的模型會落在邊界線上它的觀察師這條線上的模型過去只有封閉實驗室才能生產出來現在開放全種的模型開始進入這條線甚至在某些任務上表現更好

02:20.233 --> 02:42.349
[SPEAKER_00]: 这意味着什么?用一个比喻来说过去,前研AI就像只有几家五星级餐厅能做的料理现在,一些街边小管开始端出同样水准的菜而且你可以拿到他们的食谱还放全种不是说哪里的二流模型是说真正有竞争力的能力开始流动了

02:42.889 --> 03:00.902
[SPEAKER_00]: 对设计师后开发者来说这个趋势的实际意义是你在选择模型来够建产品和工作流的时候不需要默认先看OpenAI或Nthropic的API爱源社区里正在出现真实的替代选项而且成本和资定一空间完全不同

03:01.402 --> 03:16.657
[SPEAKER_00]: Lambbert的底线判断是整合没有发生擴散在发生更多团队拥有训练前央模型的能力而不是更少你可以去HaginFace上找KemyK3的权重看看他在你的任务上表现如何

03:17.438 --> 03:31.631
[SPEAKER_00]: 試試用了Google或Incling跑幾個你常見的prompt和你目前用的API-BB結果如果你在做任何需要不熟或翻秀的項目把開放全種加回評估清單2.

03:31.631 --> 03:44.622
[SPEAKER_00]: cursor把前換成了Token用胡說這是在藏數據HackerNews社區這篇來自Cursor的官方社區論壇鐵子標題是UsagePagetoTokentheMount

03:44.762 --> 04:01.000
[SPEAKER_00]: What这是HackerNews上近期讨论论论论诺教高的一个铁子你以为UI上的一个小感动只是见面调整用户社去告诉你不这是一件有意味之的事而且他让人非常不舒服

04:01.600 --> 04:20.559
[SPEAKER_00]: Cerser最近瞧瞧修改了用量页面把原来显示美元费用的那一列换成了偷肯数量暗起来是技术细节但用户的反应是奋诺为什么因为美元是直觉性的你知道自己今天花了多少钱就像看信用卡账单一样偷肯是什么

04:21.500 --> 04:50.847
[SPEAKER_00]: 普通用户沒有對焦細數根本沒辦法換算回真實成本這個改動把一個透明的數字換成了一個需要額外步驟才能理解的數字有用戶在鐵子裡說他們每天用這個頁面來控制自己的預算現在這個功能實質上消失了還有人說這個改動和Carser最近出現的其他變化放在一起感覺產品越來越難桌某更拔給了而且更不透明了

04:51.674 --> 05:11.179
[SPEAKER_00]: 這背後有一個更大的議題當你依賴一個AI工具來完成真實的工作你對這個工具的使用成本的掌控感是很重要的心理安全感Carser不是免費的玩具很多人每個月花真實的錢用他把費用信心模糊掉無論出於什麼原因都會親實信任

05:11.819 --> 05:39.195
[SPEAKER_00]: 从产品设计的角度看,这是一个关于谁拥有可见性的典型问题用户想要看见自己的消耗,平台有时候不想让你看得太清楚这个博异在AI工具里会越来越长见你可以检查一下你用的AI工具有没有提供清晰的费用明系而不是偷肯和用量单位如果你是产品设计师,这是一个值得记住的反面案例透明都被区调的那一刻,用户的怒其实真实的

05:39.602 --> 05:47.365
[SPEAKER_00]: 日式用Cerser的CSV导出看看現在還能拿到什麼信息如果不滿意反規給他們3.

05:47.365 --> 06:02.030
[SPEAKER_00]: OpenAI用AI解決了十個真實的數學難題OpenAIBlock這篇來自OpenAI官方博克原文標題是10advancesinmathematicsandtheoreticalcomputerscience

06:02.470 --> 06:29.873
[SPEAKER_00]: 很多人以为AI做数学提示说AI在刷考券一篇文章说的不是这个说的是真实的开放性数学问题有些已经选而未绝很多年OpenAI公布了一批案例GPT5.6送在和数学家合作的过程中对10个数学和理论计算机科学问题做出了有实质意义的贡献其中包括土论理的CycoDoubleCoverConjecture这个献象已经被研究了几十年

06:30.473 --> 06:48.534
[SPEAKER_00]: AI没有独立解决所有问题但在好几个案例里它提供了人类研究者没有想到的证明入境或者帮助检验了一些难以手动验证的步众这里有一个值得注意的细节OpenAI同时宣布了一个ChatGPT4AcademicResearchers计划

06:49.074 --> 07:17.920
[SPEAKER_00]: 像10萬名科研人員免費開放高級模型全線這不是公關活動他們在不易把數學家和物理學家引入這個系統因為他們需要真實的科研任務來測試模型的極限用一個類比來理解如果你想知道一把垂子能不能打進花綱眼就得找最難的石頭來試數學是AI推領能力的極限測試場因為數學證明要們對要們錯沒有摸戶地帶

07:18.560 --> 07:45.065
[SPEAKER_00]: AI開始在這個領域產生真實價值說明推領能力已經到了一個新的階段對技術從業者來說這一位著AI輔助研究不只是幫我整理文獻或者幫我寫摘藥它開始能參與真正需要推理鏈的工作這條線還在往前移你可以關注OpenAI的ChatGPTforacademicresearchers計畫看看你或你認識研究者是否可以申請

07:45.925 --> 08:06.426
[SPEAKER_00]: 事實用你最常用的AI工具來解決一個你之前認為AI做不到的任務可能會有意外想更深入了解的話原文理有幾個數學問題的具體證明過程鏈接值得一圖4CDance2.5視頻生成模型開始講整個故事HackerNewsbyDanceSeed

08:06.986 --> 08:26.549
[SPEAKER_00]: 这篇来自白带细的团队的官方博客原门标题是OneTakeCreation,FlexibleReferenceing,IntroducingSeatance2.5这篇在HackerNews上有一定的讨论热度大多数人以为视频生成模型的进步就是画面更清楚,更流暢,更真实

08:27.650 --> 08:52.847
[SPEAKER_00]: 西等斯2.5改得不是这个维度他改的是AI能不能讲完整的一段故事之前的视频生成哪怕是最好的模型能做的基本上是生成一个片段镜头感不错但前后不连冠人物换了个姿勢面孔就变了长警切换一下风格跳了这时视频生成里的一个根本性的挑战保持跨镜头的连冠性

08:53.707 --> 09:19.980
[SPEAKER_00]: 西等425的改革集中在两件事第一是常内容的续视连冠性也就是说模型可以在更长的时间线里维持绝色场景和风格的一致第二是多模态参考输入你可以把图片文字甚至英评同时传进去告诉他你想要什么感觉他会综合这些信号生成内容对创作者来说这个方向意味着什么

09:20.320 --> 09:42.961
[SPEAKER_00]: 用一个类笔,以前用AI做视频,像是在堆机幕,你得自己想办法把视频拼起来,前后对不上是常识,现在开始有一个更像导演工具的感觉,你说你想要一个风格,他帮你冠穿始终,这不是说AI已经能替代视频导演,但他正在变成一个更实用的草图工具,特别是对独立创作者来说,

09:43.161 --> 10:02.101
[SPEAKER_00]: 能快速驗證一個視覺虛實的可行性成本比以前低的多你可以去掰電C的官網看看C電S2.5的實力視頻感受一下連冠性到底改變了多少如果你在做內容創作可以把它當成StoryBoard的工具來測試看看能不能替代手會版的一部分工作

10:02.781 --> 10:27.460
[SPEAKER_00]: 事實提供一張餐好圖,加一段文字描述,看看它的多模態理解能力,無,強能力不代表整合,開放模型為什麽反而越來越多,NathenLambertInterconnects這篇同樣來自InterconnectsNathanLambert的最新一篇OpenArtifacts分析,我要重點講裏面一個讓我反覆想的概念,通常的假設是這樣的,

10:27.720 --> 10:45.411
[SPEAKER_00]: 訓練一個前岩模型越來越貴所以能做這件事的公司會越來越少這個邏輯聽起來無些可劑藍本說邏輯沒問題結論反了原因在於一個經常被忽視的現象他叫他OpenModelsontheParetoFrontier

10:46.131 --> 11:01.730
[SPEAKER_00]: 簡單說,當一個封閉的前眼模型發佈之後,他的訓練信號和輸出數據,會被用來爭流出一批更小,但性能相近的開放模型,一個過程的成本,遠低於從零訓練一個前眼模型。

11:01.910 --> 11:17.998
[SPEAKER_00]: 打个比方,盖一动摩天大楼很贵,只有少数开发商能做。但有了摩天大楼的蓝图和材料规范之后,你可以盖一动,很像,性能相近的六层楼,成本低的多,而且你拥有这动楼AI里的真流就是这个逻辑。

11:18.178 --> 11:36.933
[SPEAKER_00]: 結果是美當歐盆AI或Anthropic發布一個新的前嚴模型等幾個月就會有一批開放全種模型追上來而且通常是在特定任務上整個市場的能力在擴散不是集中Lanbert的觀察是這對美國的政策圈來說是個難題

11:37.473 --> 11:53.288
[SPEAKER_00]: 因為誰能訓練前岩模型這個問題的答案已經和誰能擁有最強能力開始分離你不需要親自訓練最強模型只要能做好爭流你就有了相當的能力這個分析讓我想到一個更大的問題

11:54.595 --> 12:20.915
[SPEAKER_00]: 我们以为AI能力的护成和实在训练上实际上护成和正在快速消失而且速度比大多数人以为的要快你可以去读NathanLambert这篇OpenArtifacts23他对每个模型都有減短的技术评论值得更宗如果你的团队在评估是否用API还是自不属开源模型可以把这篇作为参考框架

12:21.455 --> 12:41.184
[SPEAKER_00]: 關注接下來幾個月開放全種模型師傅會追上GPT5.6系列這是一個真實的觀察窗口今天5件事從開源模型的擴散到食品生成的虛實突破有幾件事是我們以為確定的實際上正在被推翻今天提到的所有原文鏈接都在節目的收鬧子裡

12:42.324 --> 12:56.599
[SPEAKER_00]: 保持好奇我们明天继续感谢您的收听有任何建议意见请在X也就是推点上与BAR6联系本节目还会继续进化请保持期待我们明天再见