大模型AIGC

一个测连通的按钮，把 reasoning 模型挡在了门外 如果你用过开源 AI 平台，肯定见过这样的设计——配置一个新模型时，UI 上有个"测试连接"按钮：你填好 base_url、api_key、模

一、为什么 Hy-MT2 值得单独写一篇 1. 一份摘要看懂 Hy-MT2 的卖点 来自论文 arXiv 2605.22064： 翻成人话四点： 3 个尺寸覆盖全部场景：1.8B（端侧）、7B（通用）

一、为什么 MiniCPM-V 4.6 是端侧 VLM 的当代标杆 1. 一组令人发懵的对比数字 来自 Artificial Analysis 与 OpenBMB 官方评测： 模型 参数量 AA In

一、问题：Embedding 模型一直缺一块"立等可见"的体验 Xinference 早就给 LLM、Image、Video、Audio 都做了 Gradio 测试页： 模型类别 已有 Web UI

一、先讲模型：v5 到底新在哪 1. 一个家族，四个尺寸 + 两种模态 Xinference 这次注册了 4 个变体（PR 的 model_spec.json 里 ground truth）： 模型

一、为什么 1B 这件事突然变得有意思了 过去一年，大家默认的小模型故事是这样的： Qwen3-0.6B：好用，但推理弱 Qwen3.5-2B：能推理，但太大塞不进端侧 LFM2.5-1.2B：推理可

🔥🔥🔥Retrieval-Augmented Tool Selector 工具已开源！！！ 求 Star ⭐️⭐️⭐️ ：https://github.com/xiaoyesoso/retrieval

1. 异常表现 用 Xinference 部署Embedding Model，正常来说一次调用在 0.0x s 就能返回了，但是总会调着调着突然有超时的情况（超时设置为 0.2s）。 以下为排查时的耗

使用docker compose启动Dify后，在其中配置本地xinference中的模型，报错： get xinference model extra parameter failed, url

在现代互联网应用中，随着用户需求的增长和技术的进步，单一服务器已经难以满足大规模并发请求的需求。为了提升系统的性能和可靠性，开发者们越来越多地采用分布式架构。本文将结合具体的代码示例，深入浅出地探讨如

https://player.bilibili.com/player.html?aid=1905465214 在遥远的数字王国中，居住着一群非凡的智者——大语言模型。它们不仅能够理解文字，更能创造故事

https://player.bilibili.com/player.html?aid=1055310704 在遥远的数据王国里，有一种神奇的生命体——大语言模型，它们能够学习人类的语言，思考与创作，

https://player.bilibili.com/player.html?aid=1805463155 在遥远的数字王国里，生活着一群神秘的建造者，他们不造高楼大厦，也不塑金雕玉砌，而是精心培育