最新

请访问以下链接查看内容：[https://x.com/flowersslop/status/1953908930897158599](https://x.com/flowersslop/status/1953908930897158599)

大型语言模型层出不穷——如ChatGPT、Claude、Perplexity、Mistral、Gemini等。每个模型都有其独特的优点和特点。我很好奇：你最常使用的是哪个模型？是什么让它在你眼中脱颖而出？是准确性、速度、个性、功能、成本，还是其他什么因素？期待听到你的经验和见解。

目前我只有42个标签页，其中只有36个已加载。但有时我可以有数百个标签页。我的Grasshopper扩展的某些用户（https://addons.mozilla.org/en-US/firefox/addon/grasshopper-urls/）会处理成千上万的标签页。

如果你曾经在大规模运行 InfluxDB，你就会知道那种痛苦：保留策略意味着要丢弃历史数据，而保留所有数据则会导致巨大的硬件和许可成本。 我们开发了 ExyData Historian 来解决这个问题。 它的功能是什么？ - 自动将旧的 InfluxDB 1.x/2.x 数据导出为压缩的 Parquet 格式，存储在 S3 或 MinIO 中 - 在 InfluxDB 中保持近期数据的热存储，将其余数据转移到廉价存储 - 通过 Apache Arrow + DuckDB 对归档数据进行快速 SQL 查询 - 通过一个接口和 API 查询所有数据。用户无需关心热存储和冷存储的边界 为什么这很重要？ - 存储成本降低 70%–80% - 历史查询的速度与 InfluxDB 本身一样快（或更快） - 无需手动导出，无需重写查询，无需停机时间 现在谁在使用它？InfluxDB 企业客户以及大量开源用户、通信公司和物流公司正在尝试这个解决方案。 我们帮助您降低企业许可成本，因为您将缩减 InfluxDB 集群的规模。 您可以继续运行现有的 InfluxDB，Historian 将与其并行工作，将历史数据转移到廉价存储，同时为您提供更强大的分析能力。 我们非常希望听到任何管理大规模 InfluxDB 部署的人的反馈。