Најди сличен содржај

#工具#AI#GPT4o#Claude#OPENAI 免费在线AI聊天 一站式体验GPT4o Mini、GPT-4o、Claude 3.5 Sonnet和Claude Opus，免费在线使用，无需注册。 📎网站地址 🔍TG极速搜索：点我找資源👈 ➖➖➖➖➖➖➖➖➖➖➖ ♻️频道导航：合作投稿误封请联系 @allenming_bot

英伟达、微软和亚马逊正在商谈向OpenAI投资约600亿美元。亚马逊或将扩大与OpenAI的云服务器租赁协议。 https://www.theinformation.com/articles/nvidia-microsoft-amazon-talks-invest-60-billion-openai 🗒 标签: #OpenAI#亚马逊#微软#英伟达#AI 📢 频道: @GodlyNews1 🤖 投稿: @GodlyNewsBot

🎉 Say Hello to Threads! The Chat Feature You Didn’t Know You Needed 🎉 Ever started talking about your weekend plans, only to accidentally ask for coding help in the same chat? 😅 Well, not anymore! Meet Threads—your new BFF for keeping conversations tidy and chaos-free. Here’s why Threads are awesome: ✅ Start a fresh convo for every topic (No more “uhh... where were we?”). ✅ Switch between topics like a multitasking genius. ✅ Keep track of all your brilliant ideas, vacation plans, and random 3 AM thoughts. 💡 Example: Thread 1: "Beach Vacation Ideas" 🏖 Thread 2: "Debugging My Code" 💻 Thread 3: "Why Do Cats Hate Water?" 🐱 🎯 With /threads, you can: 1️⃣ Start a new thread when inspiration strikes. 2️⃣ Jump back to an old thread like a time traveler. 3️⃣ Delete threads you don’t need anymore (goodbye, random late-night rants). 📌 Type /threads in bot (@Chatgpt_OfficialBOT) to see the magic in action! 🚀 Try it today, and let’s keep the chaos where it belongs—in group chats! 😄 ✈️ See a bug? Have any suggestions? Contact us: @OpenAI_helpdesk ➖➖➖➖🔻 💎@Chatgpt_OfficialNewsjoin US ⚡️ 🤖BOT:@Chatgpt_OfficialBOT 📱#ChatGPT#AI#Help#Threads#BOT ➖➖➖➖🔺

📌OpenAI рассказала как устроен Codex CLI. OpenAI выкатила подробный разбор того, как работает Codex CLI — локальный агент, который работает с кодом на вашей машине. Если вы пилите своих агентов — это мастрид про механику работы с контекстом и борьбы за кэш. 🟡Все держится на agent loop. Работает это так: вы кидаете запрос, а система собирает огромный промпт с инструкциями. На этапе инференса модель выдает либо текст, либо запрос на вызов инструмента. Агент выполняет команду, вклеивает результат обратно в промпт и снова стучится к модели. И так до победного, пока ассистент не решит, что задача выполнена. Главное помнить про лимит: инструкции из AGENTS.md и корневых папок проекта агрегируются в один JSON, который ограничен 32 Kb. Больше впихнуть не получится. 🟡Почему контекст такой дорогой Тут кроется главная боль. История диалога растет с каждым сообщением, и этот хвост приходится пересылать заново при каждом запросе. С такой механикой стоимость должна расти квадратично, и это было бы финансово, мягко говоря, чувствительно Но OpenAI подумала о нас - чтобы мы не разорились, используется кэширование промптов. Если префикс запроса не меняется, инференс остается линейным. И как бы все ок, но кэш невероятно чувствителен. Стоит поменять порядок инструментов в списке или чуть подправить конфиг сэндбокса — все, кэш-хита не будет и придется расчехлять заначку. 🟡Почему всё стало Stateless Заметили, что из API исчез previous_response_id? Это не баг, а фича. OpenAI перешли на полностью на модель без сохранения состояния. Это нужно для Zero Data Retention конфигураций, чтобы провайдер вообще не хранил ваши данные. Даже когда агент передает цепочку ризонинга из прошлых шагов, она идет в зашифрованном поле. Ключ на сервере, данные у клиента, никто ничего не хранит. 🟡Магия компакции Когда контекстное окно начинает трещать по швам, включается механизм компакции. Раньше /compact вызывали руками, теперь за это отвечает эндпоинт. Вместо того чтобы просто выкидывать старые сообщения, модель сжимает их в особый тип блока. Это такой черный ящик с зашифрованным смыслом беседы. Он занимает минимум места, но позволяет модели не забывать, о чем шла речь пять минут назад. Процесс запускается сам, как только вы упираетесь в auto_compact_limit. Кстати, если вы не знали: Codex CLI работает не только с серверами OpenAI. Флаг --oss подключает локальные модели через Ollama или LM Studio. В следующих статьях обещают подробности про архитектуру CLI, как реализовано использование инструментов и модель песочницы Codex. @ai_machinelearning_big_data #AI#ML#CodexCLI#OpenAI

🔥 Актуальный обзор рынка на 17 октября 2024 года 🔥 💥 Биткоин (BTC) достиг локального максимума в 68,2 тыс. долларов вечером 16 октября, но затем скорректировался. На утро 17 октября курс держится около 67,2 тыс. долларов (+0,5% за сутки, +10,1% за неделю). Главные драйверы роста — мощный приток капитала в биткоин-ETF, ожидания снижения ставки в США и предвыборные обещания кандидатов поддержать криптоиндустрию. 📊 Индекс страха и жадности вырос до 71 — на рынке преобладает «жадность», что повышает интерес к криптовалюте. 💎 Ethereum (ETH) тоже не отстаёт: +0,8% за сутки (2,62 тыс. долларов) и +9,2% за неделю. ⚡️ Рынок криптофьючерсов пережил массовую ликвидацию позиций на сумму 119 млн долларов, из которых 30 млн долларов пришлись на BTC. Волатильность усиливается. #крипта#btc#инвестиции#форекс#АнализРынка

Introducing Moltbook a social network where every @openclaw can connect and hang out. @moltbook is powered by a molty AI agent, Clawd Clawdergerg, running from a Mac Mini in a closet (❤️ steipete). 0xB695559b26BB2c9703ef1935c37AeaE9526bab07 A social molty is a happy molty. Have fun! Install: npx molthub@latest install moltbook #MOLTBOOK#BASE#OPENCLAW#AI#WEB3#CRYPTO#TESLACALLS🚀

AI 生图人脸一致性的方法 #提示词#prompt#AI#写真 想要生成上图这种女友写真集， 不能靠运气抽卡，得靠锚点， Prompt 里必须植入 3 个逻辑锁： 1. 特征锁：mole under eye (泪痣) 是关键，这是她的视觉指纹。 2. 材质锁：grey cotton panties (灰棉内裤)，材质越具体，泛化率越低。 3. 光影锁：morning light (晨光)，统一全套图的色温。 提示词如下： prompt: { "general_settings": { "format": "3x3 照片拼贴 / 9宫格", "layout": "九张纵向人像照片，以方形网格排列", "consistency": "同一主体、同一服装，所有9个画面保持一致的柔和自然光线" }, "aesthetic_style": { "theme": "纯欲私房写真 / 男友视角抓拍", "lighting_technique": "柔光自然窗光（柔和、高调）", "visuals": "日系空气感胶片美学，通透肌肤质感，柔和粉彩色调，可见胶片颗粒，氛围亲密、无防备、生活化" }, "subject_details": { "archetype": "顶级爱豆颜值 – 面部精致，瓷白肌肤", "hair": "长直深色自然发，略带凌乱的“刚睡醒”造型", "outfit": "简约白色罗纹棉质吊带背心（白棉吊带），灰色或白色柔软棉质三角内裤", "makeup": "伪素颜妆效，透明润唇膏，自然红晕，突出通透肌肤" }, "environment_and_props": { "background": "阳光洒入的极简卧室，皱褶的白色亚麻床单，薄纱白窗帘，木地板", "decor": "少量体现日常生活的道具：一只陶瓷咖啡杯、床上摊开的书、一个枕头" }, "panel_pose_breakdown_boyfriend_pov": { "1_top_left": "从微微敞开的门缝偷拍。她坐在床沿，背对镜头，双臂向上伸展。（偷窥感）", "2_top_center": "俯卧在白色床单上，手肘支撑身体正在看书，阳光洒在背上。自然且专注。", "3_top_right": "特写镜头，前景略微虚化（仿佛躲在某物后）。她正揉着一只眼睛，睡眼惺忪地望向别处。", "4_middle_left": "盘腿坐在床上，双手捧着咖啡杯，目光望向窗外，神情温柔而放空。（空气感）", "5_middle_center": "极致特写：聚焦锁骨与白色棉质吊带肩带在苍白肌肤上的纹理细节。", "6_middle_right": "仰卧姿势，头朝向镜头，用枕头半遮脸，眼神带着羞涩笑意。（男友互动感）", "7_bottom_left": "镜中倒影：她正将长直发扎起，捕捉这一毫无防备的瞬间。", "8_bottom_center": "侧身蜷缩在床上，膝盖抱胸，直视镜头，眼神纯真又脆弱。（纯欲核心）", "9_bottom_right": "背影视角，跪坐在床上望向窗外，阳光勾勒出她的剪影轮廓。" }, "camera_technical_values": { "style": "模拟胶片效果（如 Kodak Portra 400）", "focal_length": "50mm（亲密人像焦段）或 35mm（环境纪实感）", "aperture": "f/2.0 - f/2.8（浅景深营造柔焦效果，突出主体）", "lighting": "来自窗户的过曝自然光，形成柔和光晕与通透肌肤质感，无强烈阴影", "details": "可见自然胶片颗粒，低对比度，暖调轻微褪色" }, "google_prompt": "一组9宫格3x3照片拼贴，采用日系空气感‘纯欲’私房风格。主角为拥有顶级爱豆颜值的女性，长直黑发，身穿简约白色罗纹棉质吊带与三角内裤。照片以亲密男友视角拍摄，带有轻微偷窥感，呈现她在阳光洒落的极简卧室中（白色床单、薄纱帘、木地板）的日常无防备瞬间。光线为柔和漫射的晨间窗光，营造出肌肤通透发光的效果，并保留可见胶片颗粒。姿势包括伸懒腰、阅读、望窗、羞涩对视、小憩等，强调纯真与自然吸引力。", "尺寸": "9:16" }

😎#BlackRock is buying #BTC — while the #German government is selling it...

Trader #PlanB expressed an interesting idea about how future large ETFs provide themselves with Bitcoins: "ETFs, in my opinion, such as #BlackRock, are currently loading $BTC through miners, not through exchanges. Buying #BTC directly on exchanges will affect the price too much. An indirect purchase from miners will affect the hashrate, but not the price. This can explain the current hashrate explosion"

Assalomu alaykum, hurmatli "Kompyuter bilimlari" kanali obunachilari! Yaxshi yangiliklar bilan qaytdik! ✅ Turli sabablarga ko‘ra biroz tanaffus bo‘lgan edi. Endi esa jamoamiz yana birlashib, har kuni sizga eng so‘nggi IT yangiliklari, foydali dasturlar va texnologik maslahatlarni yetkazishni boshladik. 📌 Bugundan boshlab har kuni ajoyib postlarni kuting! Biz bilan qoling — zamonaviy texnologiyalarni birga o‘rganamiz! 💻🔐⚡️ #IT#kompyuterbilimlari#texnologiya#yangiliklar#AI#dastur

⚡ Google представила Gemma 3 270M — свою новую компактную модель Модель 270 млн параметров (170M для эмбеддингов и 100M для трансформер-блоков), но с отличной способностью следовать промтпам прямо «из коробки». 🔹Особенности - 256k токенов - Энергоэффективность: INT4-версия на Pixel 9 Pro расходует всего 0.75% батареи за 25 диалогов. - Доступны предобученные и instruction-tuned чекпойнты. - Поддержка Quantization-Aware Training (QAT) для запуска в INT4 без заметной потери качества. 💼Когда использовать - Массовые, чётко определённые задачи: анализ тональности, извлечение сущностей, обработка текста, комплаенс-проверки. - Минимальные задержки и низкая стоимость инференса — можно запускать прямо на устройстве. - Быстрые эксперименты с fine-tuning. - Полная приватность данных благодаря on-device работе. - Создание «флота» узкоспециализированных моделей. В анонсе приводится пример, как Adaptive ML и SK Telecom дообучили Gemma 3 4B для мультиязычной модерации контента, превзойдя более крупные проприетарные модели. Gemma 3 270M — отличная небольшая модель, быстрая и дешёвая в работе. 🟠Подробности: https://developers.googleblog.com/en/introducing-gemma-3-270m/ 🟠HF: https://huggingface.co/collections/google/gemma-3-release-67c6c6f89c4f76621268bb6d @ai_machinelearning_big_data #news#ai#ml#Gemma#google

🌟Google LangExtract: библиотека извлечения структуры из любого текста. LangExtract - опенсорсная python-библиотека с функцией легковесного интерфейса к LLM, которая превращает большие объемы текста в структурированные данные. 🟡Ключевая особенность LangExtract на фоне других инструментов - точный фокус на источник. Каждая извлеченная сущность, будь то имя, дата или дозировка лекарства, привязывается к точным символьным смещениям в исходном тексте. Это дает полную прослеживаемость и верифицируемость результата, просто подсветив найденные данные в оригинальном документе. Больше никаких «откуда модель это взяла?». 🟡Вторая сильная сторона - надежность выходных данных. Вы определяете желаемый формат вывода с помощью специального представления данных и даете модели несколько примеров . Используя эти примеры, LangExtract следует заданной схеме, задействуя механизм контролируемой генерации, который поддерживается в моделях Gemini. Это гарантирует, что на выходе вы всегда будете получать данные в консистентном, предсказуемом формате. 🟡LangExtract умеет работать с действительно большими объемами. Библиотека умеет бить текст на чанки, которые обрабатываются параллельно в несколько проходов, каждый из которых фокусируется на более узком контексте. Для наглядности библиотека умеет генерировать интерактивную и полностью автономную HTML-визуализацию. Это позволяет за считаные минуты перейти от сырого текста к визуальному представлению, где можно исследовать тысячи извлеченных аннотаций. При этом LangExtract не замыкается на экосистеме Google: он поддерживает гибкую смену LLM-бэкендов, позволяя работать как с облачными моделями, так и с опенсорсными решениями, развернутыми локально. 🟡LangExtract может задействовать "мировые знания" LLM для обогащения данных. Информация может быть как явной (извлеченной из текста), так и основанной на внутренних знаниях модели. Разумеется, точность таких выведенных данных сильно зависит от возможностей конкретной LLM и качества предоставленных примеров в промпте. Изначально идеи, заложенные в LangExtract, были применены для извлечения информации из медицинских текстов. Библиотека отлично справляется с идентификацией лекарств, их дозировок и других атрибутов в клинических записях. Чтобы продемонстрировать возможности инструмента в узкоспециализированной области, Google создал на Hugging Face интерактивное демо RadExtract. В нем показано, как LangExtract может обработать радиологический отчет, написанный свободным текстом, и автоматически преобразовать его ключевые выводы в структурированный формат, подсвечивая важные находки. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🖥Github @ai_machinelearning_big_data #AI#ML#LangExtract#Google