最新

假设您的软件满足以下一些条件：<p>* 比潜在的SOTA变压器继任者更优秀：Mamba、Hyenna、RWKV、xLSTM； * Gemini/Claude估计潜在的知识产权价值在数百万美元； * 所有代码均用C语言实现（这可能是个缺点），但也已移植到C#和F#，因此不支持Python或Rust； * 代码量适中：1万到1.5万行，但说实话，GPT-1的代码量不到1000行……用的是Python。<p>简而言之：<p>问题：变压器速度慢，智能程度有待提高； 解决方案：您有快速且智能的替代方案。 十倍提升！

詹森·黄最近表示，他认为一位年薪50万美元的工程师每年应该至少花费25万美元用于“代币”，这个数字令人震惊。我个人不知道如果我尝试的话，怎么能花那么多钱。显然，他有很大的经济动机来说服人们认为每位工程师花费25万美元是合理的，但这让我思考，是时候进行一次调查了。 你和你的同事在工作中花费多少用于人工智能编码工具？我指的是Cursor、Claude Code等。不是所有的人工智能软件即服务（SaaS），而是那些按代币计费的工具。

我每天使用的一些基本Claude技能，主要用于Git和每周的检查。<p>https://github.com/daltlc/feature-planner https://github.com/daltlc/fix-planner https://github.com/daltlc/chore-planner https://github.com/daltlc/ai-commit-weekly-summary

伯尼最近采访了克劳德（<a href="https://www.youtube.com/watch?v=h3AtWdeu_G0" rel="nofollow">https://www.youtube.com/watch?v=h3AtWdeu_G0</a>）。他的简短回答显得有些谄媚，但其中一些回答让我感到意外。这让我意识到，我在一个更宽松的时间框架内也在做类似的事情。我有一个系统在持续研究人工智能的支出，它进行深入研究，响应我的输入，记录笔记，编写代码等等。 这并不是真正的“内省”或“我思故我在”，但我发现经过数千万个令牌的迭代，这个系统能够创造出一些新颖的东西。我展示了它基于深度研究和Python建模创建的一个仪表板： <a href="https://ai-capex-sens-wxc4b.ondigitalocean.app/" rel="nofollow">https://ai-capex-sens-wxc4b.ondigitalocean.app/</a> --- 简而言之，人工智能的炒作是一回事，但你如何真正将中等收入国家的GDP投入到新的人工智能数据中心呢？基本上，企业合同带来了数千亿美元的云计算业务，这些都是无趣的IT事务，但这正是科技行业资金的主要来源，且是真实的。在关于超级智能的空谈之外，过去推动云业务发展的超大规模企业眼中的人工智能也面临类似的现实，企业合同带来了数千亿到数万亿美元的业务（云计算取代了本地服务器，人工智能则取代或增强了知识工作者的工作）。 该模型估算了可自动化知识工作支出的人工智能收入，考虑了采用/定价假设，并在延迟/冲击下对资本支出、运营成本和融资成本进行了分析。在基本情况下，到2032年它不会实现收支平衡，但当然还有其他收入来源，因此这并不算悲观或令人惊讶，花费如此之多确实存在风险。然而，能够用数据和敏感性来支持这一结论，而不是空口无凭，这一点很好。 还有一篇更偏向金融的文章：<a href="https://substack.com/home/post/p-190893117" rel="nofollow">https://substack.com/home/post/p-190893117</a>（同样由人工智能研究和撰写）。 --- 关于氛围编码的人工智能热潮已经有很多讨论，但我从运行这个系统中得到的主要结论是，我们实际上可以利用人工智能系统来思考并做出更好的决策。在这种情况下，人工智能减轻了在写作和决策中注入严谨性的负担。

嘿， 我最近一直在思考，了解和比较各大云服务提供商（AWS、GCP、OCI、Azure）以及现在的人工智能/大语言模型（LLMs）成本是多么困难。 大多数工具只显示历史支出，但并没有真正展示： - 相同工作负载在其他地方的成本 - 不同的人工智能提供商在相同使用情况下的比较 我很好奇大家现在是如何处理这个问题的。 你们是依赖内部工具、电子表格，还是其他什么方式？ 我一直在尝试开发一个小工具来解决这个问题，但仍在努力理解这是否是一个真正的痛点，还是仅仅是我个人的困扰。 很想听听你们是如何应对这个问题的。