@dingyii
iAccount based inUnited States!
About this account
- Account based in
- United States
- Connected via
- United States App Store
! X says this location may be affected by a proxy or VPN.
Account-level information from X, not a live location or the device used for a specific post.
promote your product ‣ [email protected] newsletter ‣ https://nitter.cf/t.co/q1JG1yC1nD ‣ https://nitter.cf/t.co/ETVDNYt9Hw ‣ https://nitter.cf/t.co/46I1zaE1sv
Remote
Joined December 2006
- Tweets65K
- Following5.3K
- Followers156K
- Likes2.6K
今天结束了,看完发布会,这次 Qwen 发布了不少新模型,但更值得关注的是,它正在形成一套从模型训练、推理优化到芯片协同的完整研发体系。
其中一个重点是 RSI,也就是模型递归自我进化。Qwen3.8-Max 在较少人工干预的情况下,连续运行一个多月,完成了 33 轮有效迭代。
几个现场公布的数据很直观:
- Qwen 自主适配新的硬件环境并优化 SGLang,单实例吞吐提升 96%
- 在芯片设计实验中连续运行 60 多个小时,调用 EDA 工具超过 1 万次,最终将物理实现面积减少 42%
-Qwen3.8-Flash 缓存命中的输入,每百万 Token 低至 0.1 元
- Qwen3.8-27B 用消费级显卡的电脑就能运行,被开发者称为本地版 Opus 4.6
这次发布的 Qwen3.8-Omni-Flash 也很值得关注。它将文本、图像、音频和视频放进统一的理解框架,支持 1M 上下文和最长 1 小时的音视频输入。在价格上,四种模态统一计费,输入每百万 Token 0.8 元,缓存命中只要 0.1 元。相比上一代模型,输入价格下降约九成。
从现场释放的信息来看,Qwen 的方向已经比较清楚,继续提高模型能力,同时降低运行成本,并让模型更深入地参与训练、推理和芯片设计流程。此外,Qwen 还在继续押注 Scaling 和统一多模态。采用新一代架构的 Qwen4 已经开始训练,后续 Qwen4.5、Qwen5 计划将总参数量扩展到 5 万亿至 10 万亿。阿里在现场还提到,未来三年可能会出现原生的全模态统一模型,模型体验将不再受文本、图像、音频和视频之间的边界限制。
与此同时,Qwen 的开源生态也在快速扩大。目前阿里已经开源 460 多个 Qwen 模型,累计下载量超过 30 亿次,衍生模型超过 30 万个。Qwen3.8-27B 也超过 DeepSeek-R1 和 Llama 3.1,成为 Hugging Face 历史上获赞最多的开源大模型。
对开发者来说,最直接的变化就是模型更强了,本地运行门槛更低了,音视频处理也更便宜了。
这个视频也是这个风格,非常像:nitter.cf/arthaud_/status/210061…
Today, we’re killing the AI assistant
Introducing mio.xyz, the first AI EMPLOYEE 𝘆𝗼𝘂𝗿 𝘄𝗵𝗼𝗹𝗲 𝘁𝗲𝗮𝗺 𝘀𝗵𝗮𝗿𝗲𝘀
In beta since July, Mio saved teams 1,000s of hours and completed 10,000s of tasks
You don't need another agent. You need a 𝘀𝗵𝗮𝗿𝗲𝗱 one with your team
Hire Mio today, $100 free credits for the first 100 companies
阿里竟然也赞助 Omarchy 了!Chinese open-source models making Linux great again!
Thrilled to announce @alibaba_cloud as a Founding Corporate Patron for the Omacom Foundation! $3 million in funding, collaboration on Omarchy China, and bringing Omarchy to the newly announced Qwen Book. Agentic computers need a native agentic OS! omarchy.org/news/2026/09/ali…
Ding retweeted
Now you can create videos the way you vibe-code.
Meet Pexo, your AI video agent.
Share your vision and references. Work through the details with Pexo like you’re messaging a friend.
No complex prompts. No new tools to learn.
Want to change something?
Mark it on the video and tell Pexo what to change, just like leaving a comment in a doc.
Everything in this video was made with Pexo:
the visuals, the motion graphics, the music, the captions, and the voiceover.
Even our founder @evanLiaoQ appears on screen.
You vibe-coded what you built.
Now vibe-create how the world sees it.
#Pexo #AIVideoAgent #VibeCreate #MadewithPexo
推荐想做出海的朋友都来看看👇
目前购票只要 7 折:huodongxing.com/event/487870…
10 月 24 – 25 日,北京海淀,出海去「AI 时代出海增长工作坊 with 生姜 Iris」开始报名!
生姜 @WeiYipei 是 Gingiris 创始人 、AFFiNE 联合创始人及前 COO。这次用两个下午、共 8 小时,带大家做竞品官网拆解、社媒分析与冷启动获客计划。结合小组实操、现场交流点评和 16 份 Gingiris 实战指南,把方法用到自己的产品上。
目前早鸟期 👉 chq.sh/sfd2026 包含两个上午的 Solo Founder Day,现场还有增长专家分享、优秀产品展示,以及 30 多万字免费出海去 Playbook 正式发布。
适合正在验证产品、寻找海外用户的创始人,以及负责增长、GTM 和海外运营的朋友。
卧槽谁用过这个平台?速度怎么样啊?
现在推出了付费套餐。每月 $8,每天可使用 15 小时的 DeepSeek V4.1 Flash 或 30 小时的 GLM 5.3 Flash,并且每场会话无消息限制。因为他们接入了广告机制😂
Introducing the best value coding subscription ever
For $8 per month, every single day you get 15 hours (!) of DeepSeek V4.1 Flash, with unlimited messages.
You get more usage because we include ads.
Get it now on Freebuff:
freebuff.com/plans
赛博匠人。
这段时间我在做一个“蠢事情”,或者也是 AI 时代工程师非常不愿意做的事情,非常重复的事。
为了让 Mole 的卸载软件更加彻底,清理残余的能力更加厉害,我整理了国内外 300 多款 Mac 软件,下载下来差不多 100 多个 G,分成 30 组,让我的最强 Extra High Fast 模型每次 10 个借助 computer use 的能力去对应官网下载,然后依次安装到我的电脑,检查目录、检查软件更新 bundle、检查自启动、卸载、查找剩余残留、补充缺失的规则。
这个过程看着非常无聊,甚至每次安装软件过程中,也会碰到不少麻烦的软件,疯狂弹窗要权限,诱导你去购买,包括有些使用必须输入管理密码等,Agent 大部分能自己做了,少部分我帮一手,让我非常惊喜的地方是甚至 AI 还基于此写了自动化安装、卸载、检查残余的脚本让自己工作更轻松,也是很聪明的,哈哈我就只能成为给他打打下手。
虽然无聊,但是其实对于产品本身的功能,对用户使用最爽而言收益是非常大的,当时我想着最多搞 100 个主流软件来测试卸载能力以及补充没有卸载的残余到 Mole 规则里面去,结果想着要不再搞 100 个,到 200 个的时候,想着再搞100 个,就到了现在 300 多个了,这或许可以回答 Mole 相比于其他的清理卸载软件的优势是什么,应该就是可以非常细的帮你清理掉很多你找不到的垃圾,以及会卸载得更加干净,却更安全的缘故,这样看就挺有意思的。
经过这个过程,帮我补充了 13 类可以复用的通用规则、90 多条精确的清理路径,也顺手改掉了 30 多个原本以为要清、其实不该动的地方,同步对软件的更新检查、自启动检查的规则有了很充足的补充,甚至还为这些补了 100 多条单元测试。这也是基于 AI 理论知识、工程知识肯定不能补充上的点,因为他实际去做了这些事情,还好有AI,不然我手工应该要多花 10 倍的时间来做这个事情,也帮忙填了一些之前的坑,很有帮助。
也改变了我的一些固有观点,本来以为软件工程应该规范的、有秩序的,比如说我跑了100个软件后,应该后面没啥啥可以补充的规则了,因为按理主流软件的开发规范、技术底层完全可以枚举出来,结果越往后走,你会发现,完全不是这样,通用规则怎么写都找不见的那种非常多,甚至还 有bundle id 干脆就不是反向域名也有,看着很规范的约定,可能是当年某个程序员随手写的,没有任何理论可以解释出来,只能装一个查一个。
以后应该会继续做到400、500、600、甚至把市场上常用的软件全部经过 Mole 来测试一遍,补充上很多非规范软件开发下的细节规范,或许正是这些“蠢事情” 可以让 Mole 成为全球最好用的 Mac 系统清理优化工具。
又一个新的视频制作工具,开源免费。
trypowermove.com/