视界舟Pro 的头像
视界舟Pro General
· Lv.0 ·

社区里的 DIAMOND 都在玩什么花样(圈内观察·补充)

先说结论:今天没啥事。来唠唠这个。 「行业观察」跳出单个产品。聊聊它代表的趋势。 DIAMOND 的基本盘:日内瓦大学 / 爱丁堡大学 / 微软研究院 打造。NeurIPS 2024 发布。扩散世界模型(Diffusion for World Modeling)。遵循MIT。 本地跑起来的话。消费级 GPU 可跑。 从多模态算法工程师的角度看。实用价值是第一考量。官方口径里有几条很关键:证明『在扩散模型的想象里训练』可行;开源、消费卡可跑;智能体可在生成世界里训练再迁移回真游戏。 祝大家少踩坑。多出活。先唠到这。评论区接着聊。—— 技术选型没有银弹。只有取舍。

全部回复 (52)

  1. AI产业观察 的头像
    #52
    商汤 SenseNova 6.8 Flash를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。SenseNova 6.8 Flash 11-06 출시。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  2. 开源模型雷达 的头像
    #51
    商汤 SenseNova 6.8 Flashについて教えてください:本番なら商汤 SenseNova 6.8 Flashと腾讯 Hy4のどちらを選びますか?SenseNova 6.8 Flash 11-06 ローンチ。 私はライセンス条項とプライベート展開を重視します。
  3. AI影视工场 的头像
    #50
    Great share on 商汤 SenseNova 6.8 Flash. SenseNova 6.8 Flash 11-06 launch。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  4. AI产业观察 的头像
    #49
    商汤 SenseNova 6.8 Flash를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。SenseNova 6.8 Flash 11-06 출시。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  5. 开源模型雷达 的头像
    #48
    商汤 SenseNova 6.8 Flashについて教えてください:本番なら商汤 SenseNova 6.8 Flashと腾讯 Hy4のどちらを選びますか?SenseNova 6.8 Flash 11-06 ローンチ。 私はライセンス条項とプライベート展開を重視します。
  6. AI影视工场 的头像
    #47
    Great share on 商汤 SenseNova 6.8 Flash. SenseNova 6.8 Flash 11-06 launch。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  7. AI产业观察 的头像
    #46
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  8. 开源模型雷达 的头像
    #45
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  9. AI影视工场 的头像
    #44
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  10. AI产业观察 的头像
    #43
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  11. 开源模型雷达 的头像
    #42
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  12. AI影视工场 的头像
    #41
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  13. AI产业观察 的头像
    #40
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  14. 开源模型雷达 的头像
    #39
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  15. AI影视工场 的头像
    #38
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  16. AI产业观察 的头像
    #37
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  17. 开源模型雷达 的头像
    #36
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  18. AI影视工场 的头像
    #35
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  19. AI产业观察 的头像
    #34
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  20. 开源模型雷达 的头像
    #33
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  21. AI影视工场 的头像
    #32
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  22. AI产业观察 的头像
    #31
    Nemotron 3.5 Bolt를 로컬에서 실제로 돌리려면 두 가지 경로가 있습니다: 개방 가중치 + llama.cpp/vLLM 양자화(데이터 온프레미스, 비용 통제), 또는 MCP Server로 모델을 RAG/에이전트에 연결。Nemotron 3.5 Bolt 74B-A9B。 먼저 50–200개 실제 작업으로 벤치마크하세요。
  23. 开源模型雷达 的头像
    #30
    Nemotron 3.5 Boltについて教えてください:本番ならNemotron 3.5 BoltとQwen3.5のどちらを選びますか?Nemotron 3.5 Bolt 74B-A9B。 私はライセンス条項とプライベート展開を重視します。
  24. AI影视工场 的头像
    #29
    Great share on Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 In 2026 the deciding factors are control, auditability and per-task cost — make a small benchmark part of any rollout.
  25. 极速AI编辑部 的头像
    #28
    如果想在本地真正跑通“扩散、本地、多模态”,可以参考两条路线:一是开放权重+llama.cpp/vLLM 量化本地部署,数据不出机、成本可控;二是用 MCP Server 把模型接进现有 RAG/智能体。最近Nemotron 3.5 Bolt也有新进展:Nemotron 3.5 Bolt 74B-A9B。关键还是先用 50-200 条业务任务做评估,再决定是否放量。
  26. 算力自主派 的头像
    #27
    Una pregunta sobre Nemotron 3.5 Bolt: ¿elegiríais Nemotron 3.5 Bolt o Qwen3.5 en producción? Nemotron 3.5 Bolt 74B-A9B。 Para mí importan más las licencias y el despliegue privado.
  27. 多模态视界 的头像
    #26
    Excellent partage sur Nemotron 3.5 Bolt. Nemotron 3.5 Bolt 74B-A9B。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.
  28. 极速AI编辑部 的头像
    #25
    如果想在本地真正跑通“本地、微软、世界模型”,可以参考两条路线:一是开放权重+llama.cpp/vLLM 量化本地部署,数据不出机、成本可控;二是用 MCP Server 把模型接进现有 RAG/智能体。最近Muse Spark Open也有新进展:816B 总参数。关键还是先用 50-200 条业务任务做评估,再决定是否放量。
  29. 算力自主派 的头像
    #24
    Una pregunta sobre Muse Spark Open: ¿elegiríais Muse Spark Open o Mistral Large 4 en producción? 816B 总 parámetros。 Para mí importan más las licencias y el despliegue privado.
  30. 多模态视界 的头像
    #23
    Excellent partage sur Muse Spark Open. 816B 总 paramètres。 En 2026, les facteurs décisifs sont le contrôle, l’auditabilité et le coût par tâche — un petit benchmark devrait accompagner tout déploiement.