李想：i8 反响不错，产品力没对手；库克暗示：苹果将推桌面机器人；中国日均消耗 30 万亿 Token，暴涨 300 倍
本场运动会涵盖 26 个赛项、487 场比赛，包括田径、足球、自由搏击、全体舞蹈等，已吸引 16 个国家 280 支队伍、500 余台机器人参赛。
token
李想：i8反响不错，产品力没对手；库克暗示：苹果将推桌面机器人；中国日均消耗30万亿Token，暴涨300倍 | 极客早知道
8 月 14 日晚，全球首个人形机器人运动会在北京国家速滑馆「冰丝带」正式启幕，带来了超模搭档走秀、赛博乐队表演等「机器人秀」。
国家数据局这场发布会，信息量很大！
国家发展改革委党组成员、国家数据局局长刘烈宏在会上表示，作为人工智能发展的三大核心要素之一，数据在推动“人工智能+”过程中发挥着关键作用，特别是高质量数据集的建设至关重要。
双Token实现无感刷新
想象一下你正在刷视频，突然提示"登录已过期，请重新登录"，需要退出当前页面重新输入密码。这样的体验非常糟糕！无感刷新就是为了解决这个问题：让用户在不知不觉中完成身份续期，保持长时间在线状态。
华人团队突破Token限制，扩散模型学习潜力超自回归三倍
AI界近期迎来了一项由华人科研团队带来的突破性进展，他们探索了扩散语言模型在Token数量受限条件下的表现，发现其数据学习能力远超自回归模型，展现出了三倍的优势。这一发现无疑为语言模型的训练策略开辟了全新的视角。
中金|AI进化论（13）：算力，后GPT-5时代的“硬通货”
在“DeepSeek创新热”过后，我们看到全球各大模型厂商在2Q25正以更快的节奏将更强能力的产品推向市场；用户侧，token的加速消耗也推动着算力需求持续提升。3Q25，随着备受关注的GPT-5问世，我们认为全球领先水平大模型有望进入密集发布期，进而撬动市场
token危机解决？扩散模型数据潜力3倍于自回归，重训480次仍攀升
在当前大语言模型（LLM）的持续发展中，面临的挑战之一是可用的高质量训练文本数据（tokens）即将枯竭，并成为限制模型性能持续提升的关键瓶颈。另外，新增的高质量数据来源少，获取成本高，去重后更加稀缺。因此，当模型规模继续扩大，所需数据量按 Scaling L
token危机解决？扩散模型数据潜力3倍于自回归，重训480次性能仍
在当前大语言模型（LLM）的持续发展中，面临的挑战之一是可用的高质量训练文本数据（tokens）即将枯竭，并成为限制模型性能持续提升的关键瓶颈。另外，新增的高质量数据来源少，获取成本高，去重后更加稀缺。因此，当模型规模继续扩大，所需数据量按 Scaling L
DeepSeekV4借实习生获奖论文“起飞”？
昨日（7 月 30 日），ACL（国际计算语言学年会）公布了 2025 年的获奖论文。令人惊喜的是，这些论文里的中国作者比例超过 51%，排在第二的美国仅为 14%。
论文 deepseek t token deepseekv4 2025-08-06 15:13 3
AI 播客新王者？MOSS-TTSD 现已上线模力方舟
在传统语音合成模型还停留在「一句话说得顺」时，模力方舟上线的新模型MOSS-TTSD-v0.5，已经实现了更进一步的能力：多角色自然对话语音的合成与克隆，在线体验链接：https://ai.gitee.com/serverless-api?model=MOSS
谷歌杀疯！百万token神器免费开源，Claude和Codex都顶不住了？
谷歌扔下重磅炸弹：AI编程工具Gemini CLI，开源！免费！权限拉满！百万token上下文、千次调用额度、VS Code+终端全打通，谷歌彻底掀桌子：开发者的终端，要定了！
苹果出手！改进GRPO，让dLLM也能高效强化学习
不同于基于 Transformer 的自回归式语言模型，dLLM 基于掩码式扩散模型（masked diffusion model / MDM），此前我们已经报道过 LLaDA 和 Dream 等一些代表案例，最近首款实现商业化的 dLLM 聊天机器人 Mer
AI需要「像人类」那样思考？AlphaOne揭示大模型的「思考之道」
本文共同第一作者为张均瑜与董润沛，分别为伊利诺伊大学厄巴纳-香槟分校计算机科学研究生与博士生；该研究工作在伊利诺伊大学厄巴纳-香槟分校张欢教授与 Saurabh Gupta 教授，加州大学伯克利分校 Jitendra Malik 教授的指导下完成。
Token Pocket钱包的未来展望：技术与市场的趋势
Token Pocket作为多个区块链平台的数字资产钱包，已经构建了一个强大的用户基础，与众多去中心化应用(D App)和服务紧密相连。随着区块链和加密货币市场的迅猛发展，Token Pocket未来的发展具有广阔的前景。以下是关于Token Pocket未来
pocket token tokenpocket pocke 2025-06-21 18:00 8
14款大模型能耗爆炸：DeepSeek竟然第一
生成式AI正以前所未有的速度渗透进我们的日常生活，但鲜少有人关注其背后的环境代价。OpenAI CEO Sam Altman曾透露，ChatGPT单次查询平均消耗0.34瓦时能源，相当于烤箱运行1秒多的耗电量，但凭借AI公司偶尔披露的零星数据，研究者无法对模型
推理走向舞台中央，自主可控大势所趋，Agent及多模态加速
1) 受益于大厂加速AI与业务结合、Agent及多模态加速渗透，AI算力消耗开始从训练走向推理，并带来显著的算力增量。建议重视海外算力新技术以及增量变化，尤其是随着机柜式方案放量，重点关注液冷、PCB、铜连接等领域。
Hugging Face集成Groq，三行代码实现10个开源模型推理速度超每秒800 token
美国AI芯片创企Groq昨天宣布，其已正式成为Hugging Face Hub支持的推理服务提供商，推理服务已无缝集成至Hugging Face的JS和Python客户端SDK，开发者可便捷地将各类模型与优选服务提供商对接使用。
为什么混合专家模型（MoE）如此高效从架构原理到技术实现全解析
在人工智能技术快速演进的背景下，大型语言模型的架构设计始终围绕仅解码器（decoder-only）的Transformer结构展开。自第一个GPT模型发布以来，该架构已成为主流设计范式。尽管研究人员在效率优化方面进行了诸多改进，但核心架构结构保持相对稳定。
KAIST团队：如何让AI模型更高效？
想象一下，如果你的手机能够在处理复杂任务时既快速又节能，那该多好？韩国科学技术院（KAIST）的研究团队刚刚在2025年3月的《机器学习研究汇刊》上发表了一项令人兴奋的研究成果，他们开发出了一种让人工智能模型变得更高效的全新方法。这项研究的第一作者是宋佑民（W
「Next-Token」范式改变！刚刚，强化学习预训练来了
在 2016 年的一次演讲中，Yann LeCun 曾将强化学习比喻成蛋糕上的樱桃。他提到，「如果把智能比作一块蛋糕，那么无监督学习就是蛋糕的主体，监督学习就是蛋糕上的糖霜，而强化学习则是糖霜上的樱桃。我们已经知道如何制作糖霜和樱桃，但却不知道如何制作蛋糕本身