首页 文章 精选 留言 我的

精选列表

搜索[事件发布]，共10000篇文章
优秀的个人博客,低调大师

DeepSeek-V4 预览版开源发布

DeepSeek-V4 的预览版本现已正式上线并同步开源。DeepSeek-V4 拥有百万字超长上下文，模型按大小分为两个版本： 即日起登录官网chat.deepseek.com或官方App，即可与最新的 DeepSeek-V4 对话，探索 1M 超长上下文记忆的全新体验。API 服务已同步更新，通过修改 model_name 为 deepseek-v4-pro 或 deepseek-v4-flash 即可调用。 Agent 能力大幅提高：相比前代模型，DeepSeek-V4-Pro 的 Agent 能力显著增强。在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。目前 DeepSeek-V4 已成为该公司内部员工使用的 Agentic Coding 模型，评测反馈使称用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与 Opus 4.6 思考模式存在一定差距。 丰富的世界知识：DeepSeek-V4-Pro 在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型 Gemini-Pro-3.1。 世界顶级推理性能：在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro 超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。 相比 DeepSeek-V4-Pro，DeepSeek-V4-Flash 在世界知识储备方面稍逊一筹，但展现出了接近的推理能力。而由于模型参数和激活更小，相较之下 V4-Flash 能够提供更加快捷、经济的 API 服务。 在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。 根据介绍，DeepSeek-V4 开创了一种全新的注意力机制，在 token 维度进行压缩，结合 DSA 稀疏注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。从现在开始，1M（一百万）上下文将是 DeepSeek 所有官方服务的标配。 DeepSeek-V4 针对 Claude Code 、OpenClaw、OpenCode、CodeBuddy 等主流的 Agent 产品进行了适配和优化，在代码任务、文档生成任务等方面表现均有提升。 目前，DeepSeek API已同步上线V4-Pro与V4-Flash，支持OpenAI ChatCompletions接口与Anthropic接口。访问新模型时，base_url不变, model参数需要改为 deepseek-v4-pro或 deepseek-v4-flash。 V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。模型调用与参数调整方法ke 参考 API 文档。 注意：旧有的 API 接口的两个模型名 deepseek-chat 与deepseek-reasoner 将于三个月后（2026-07-24）停止使用。当前阶段内，这两个模型名分别指向deepseek-v4-flash 的非思考模式与思考模式。
2026-04-24
优秀的个人博客,低调大师

蚂蚁百灵 Ling-2.6-flash 发布

蚂蚁百灵宣布正式推出Ling-2.6-flash—— 一款总参数量 104B、激活参数 7.4B的 Instruct 模型。 API 定价方面，Ling-2.6-flash 输入每百万tokens定价0.1美元，输出0.3美元。目前，Ling-2.6-flash的API已正式向用户开放，并提供为期一周的限时免费试用。 根据介绍，面对持续攀升的 Token 压力，Ling-2.6-flash 选择了一条不同的技术路径：不是单纯依赖更长输出换取更高分数，而是围绕推理效率、Token 效率与 Agent 场景表现进行系统性优化，在保持竞争力智能水平的同时，尽可能做到更快、更省、更适合真实业务场景。 具体来看，Ling-2.6-flash 的核心能力体现在三个方面： 混合线性架构，释放推理效率：通过引入混合线性架构，模型从底层优化计算效率，在 4 卡 H20 条件下推理速度最快可达到340 tokens/s，Prefill 吞吐达到Nemotron-3-Super的 2.2 倍，以更高的“费效比”完成任务。 Token 效率优化，提升智效比：在训练过程中对 Token 效率进行了针对性校准，力求以更精简的输出完成既定目标。在 Artificial Analysis 的完整评测中，Ling-2.6-flash 仅消耗15M tokens，约为 Nemotron-3-Super 等模型的1/10， 以更高的“智效比”完成任务。 面向 Agent 场景进行定向增强：针对当前需求最旺盛的 Agent 应用，在工具调用、多步规划与任务执行能力上持续打磨，使模型在BFCL-V4、TAU2-bench、SWE-bench Verified、Claw-Eval、PinchBench等评测中，即使面对激活参数更大的模型，依然能够取得相近甚至 SOTA 级别的表现。 Ling-2.6-flash 延用了 Ling 2.5 的模型架构设计：在 Ling 2.0 架构基础上引入了混合线性注意力机制。通过增量训练方式，将 Ling 2.0 架构的 GQA 注意力机制升级为 1:7 的 MLA + Lightning Linear 高效混合架构。 得益于混合注意力机制与高度稀疏化的 MoE 架构，Ling-2.6-flash 在推理效率上展现出显著优势。与同尺寸级别的主流 SOTA 模型相比，Ling-2.6-flash 不仅首字响应更快，长输出场景下的生成效率也更高，Prefill 吞吐与 Decode 吞吐最高均可达到约 4 倍提升。 从下图中可以看到，随着上下文长度和生成长度持续增加，Ling-2.6-flash 的吞吐优势进一步放大。同时，Ling-2.6-flash 的优势并不只体现在静态指标上，而是在真实部署环境中，能够随着任务复杂度提升持续释放更强的速度收益。无论是长上下文理解，还是长文本连续生成，Ling-2.6-flash 都能在保持模型能力的同时，带来更快的响应、更高的吞吐，以及更具优势的实际部署效率。 在Ling-2.6-flash的预训练阶段，项目团队通过大规模算子融合显著提升了训练效率；在推理侧，则进一步围绕真实部署场景进行了深度适配，使融合算子在融合粒度、实现路径与数值行为上尽可能与训练侧保持一致。这样的设计不仅带来了更高的推理效率，也在RL Rollout阶段进一步增强了训推一致性。相关推理算子将随linghe陆续开源。 针对不同精度场景，对推理链路进行了系统性优化。 针对BF16推理，实现了QK Norm + RoPE、Group RMSNorm + Sigmoid Gate等关键算子的深度融合，并在MoE Router GEMM与LM Head GEMM中采用BF16 Input + FP32 Output的计算方式，同时优化了MLA RoPE与Top-K的实现。 针对FP8推理，进一步将RMSNorm、SwiGLU与量化算子进行融合，并针对小 Batch Size 场景引入Split-K 的 Blockwise FP8 GEMM，进一步释放吞吐潜力。从算子融合、缓存机制到多 token生成的一整套系统级协同优化。最终带来的，不只是更高的系统吞吐，也包括更高的单用户 TPS、更短的等待时间，以及在真实交互场景下更稳定、更流畅的使用体验。 在Artificial Analysis 榜单的 Output Speed 维度的官方测评中，对比同参数量级别的主流模型，Ling-2.6-flash 以 215 tokens/s 的输出速度处于第一梯队，展现出领先的生成效率。 在 Artificial Analysis（AA）的Intelligence vs. Output Tokens对比中，Ling-2.6-flash展现了突出的token efficiency优势。 从下图中可以看到，Ling-2.6-flash 以15M output tokens实现了26 分的 Intelligence Index，在保持较强智能水平的同时，将输出消耗控制在相对更低的位置。相比部分依赖更长输出换取更高分数的模型，Ling-2.6-flash 在“智能表现”与“输出成本”之间取得了更优平衡。这意味着，Ling-2.6-flash 的竞争力并不只体现在单点能力上，更体现在面向真实应用的整体效率优化上。它并非通过更冗长的输出堆叠分数，而是以更精炼的生成完成任务，在保证竞争力智能表现的同时，显著降低 token 消耗。 对于开发者和企业场景而言，这种能力带来的价值是直接且明确的：更低的推理开销、更快的首字响应、更短的整体生成时延，以及更流畅的交互体验。无论是 Agent 调用、复杂任务执行，还是高频线上服务，Ling-2.6-flash 都更适合真实部署环境下对速度、成本与体验的综合要求。 从 Token 消耗看，Ling-2.6-flash 的智效比显著提升。 在 Artificial Analysis Intelligence Index 的完整评测中，Ling-2.6-flash 展现出显著更优的 Token 效率：其总消耗仅为 15M tokens，而 Nemotron-3-Super 等模型达到或超过 110M tokens。换言之，Ling-2.6-flash 仅用约 1/10 的 token 消耗完成同类评测任务，体现出更精简的输出方式与更高的智效比。 为增强模型 Agent 能力，团队显著扩展了 Ling-2.6-flash 训练数据的难度与广度，以优化其在复杂长程任务中的表现。依托自研的大规模高保真交互环境，团队对 Ling-2.6-flash 进行了针对性的 General Agent 与 Coding Agent 的强化学习（RL）训练。 显著提升了模型在指令遵循、工具调用、多步规划及长程执行方面的表现，保障模型听懂指令、准确执行，Ling-2.6-flash 在 BFCL-V4、TAU2-bench、SWE-bench Verified、PinchBench 等代表性榜单上表现优异； 通过 RL 优化模型在不同 Agent 场景下的泛化性与稳定性，大幅改进其在实际场景的应用体验，Ling-2.6-flash 在 Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw 等框架中均展现了良好的使用体验。 Ling-2.6-flash 模型在通用知识、数学推理、指令遵循及长文本解析等维度保持优秀水准，各项指标均对齐同尺寸 SOTA 模型，保障全场景下稳健、优质的性能产出。 不过，在部分高复杂度场景中，受限于推理深度，模型仍可能出现一定的工具幻觉；此外，在中英双语自然切换、复杂指令遵循等方面，Ling-2.6-flash 仍有进一步优化空间。 面向后续迭代，项目团队计划将继续探索智效比的更优边界，在保持高效推理特性的同时，进一步推动智能产出质量与 Token 效率之间的深度平衡，持续提升模型在全场景下的稳定性、可用性与交互体验。
2026-04-22
优秀的个人博客,低调大师

优化兼容性 | gpress v1.2.4 发布

gpress 是 Web3 内容平台，Hertz + Go template + FTS5 全文检索，支持以太坊和百度超级链，兼容 Hugo、WordPress 生态，使用 Wasm 扩展插件，只需 200M 内存. 作为静态站点：gpress 生成的静态文件和 Hugo 一致，也可以简单认为 gpress 是 Hugo 的后台管理，兼容 Hugo 主题生态，已迁移多款 Hugo 主题:even、doks、book、geekdoc...... 作为动态站点：gpress 功能简单，只有 7 个菜单，5 张表，5000 行代码，使用 SQLite, 一键启动，只需 200M 内存，支持全文检索。兼容 WordPress 主题生态，已迁移多款 WordPress 主题:generatepress、astra...... 作为 Web3：gpress 已支持以太坊和百度超级链账户体系，会基于 Wasm 持续迭代去中心功能，让数据自由一点点...... 作为后浪：相对于 Hugo、WordPress 等优秀的内容平台，gpress 还有很多不足，功能简单而又稚嫩...... 帮助文档：点击查看帮助文档 个人博客jiagou.com使用 gpress 搭建，搜索和后台管理是动态，其他是静态页面。 更新: 修复postgresql兼容性问题 优化内部markdown文件链接 完善文档，注释
2026-04-13

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-19 大小: 189MB 下载: 8次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册