#AI 模型
RAG 和 模型微调哪个好，怎么用？
RAG借助外部向量库实时检索信息，成本低、易更新，适合需动态数据的场景；模型微调则通过领域数据训练提升专业性与准确性，但耗资源且知识静态。二者并非互斥，常结合使用——RAG补时效，微调强专精。
Magic 1-For-1：一分钟生成高质量视频，速度快到超乎想象
Magic 1-For-1 是一款开源视频生成模型，采用“文本→图像→视频”两阶段策略，兼顾生成质量与效率；3秒可出5秒视频，1分钟内完成1分钟高清视频生成，依托多模态融合、对抗性蒸馏和参数稀疏化等优化，显著降低显存与计算开销。
10 分钟讲清什么是大模型的尺度定律（Scaling Law）
大模型尺度定律揭示参数、数据与算力需协同扩展，盲目堆参数反会降低效率——Chinchilla研究已证实小模型配更多数据效果更优。当前高质量数据成新瓶颈，合成数据与MoE架构正成为突破关键。
什么是大语言模型 LLM 蒸馏？
LLM蒸馏是将大模型（教师）通过概率分布输出的知识迁移至小模型（学生）的技术，由Hinton团队2015年提出。它能在大幅压缩参数量与资源占用的同时，保留97%左右的性能，如DistilBERT体积降40%、速度升60%。DeepSeek R1已推出1.5B–70B多档蒸馏版，支持低配设备本地部署。
DeepSeek R1 是如何炼成的
DeepSeek R1 经历V1至R1 Zero四阶段迭代，融合强化学习与监督微调，采用MoE架构提升效率；仅用2048块H800 GPU即逼近OpenAI顶级模型性能，显著降低训练与推理成本，推动高效透明AI推理落地。
Open-R1：DeepSeek-R1 的完全开源复现
Open-R1 是对 DeepSeek-R1 的完全开源复现，首次公开其强化学习（R1-Zero）与监督微调+RL（R1）双路径训练方法，涵盖数据构建、代码实现与超参细节。项目聚焦数学、编程与逻辑推理，旨在推动低成本、可复现的开源推理模型发展。
2025 年十大国外 AI 推理平台：LLM API 提供商对比
2025年十大国外AI推理平台出炉：Together AI以低成本高隐私见长，Fireworks AI主打多模态低延迟，OpenRouter支持300+模型统一调用，Groq依托LPU实现超低延迟，Hyperbolic提供80%成本降幅。覆盖性能、价格、合规与生态维度，助开发者精准匹配需求。
Meta 推出新的 AI 视频生成模型：VideoJAM，运动表现超越 Sora
Meta发布VideoJAM，专攻运动连贯性，动作自然度超越Sora。它联合学习画面与动作，通过Inner-Guidance机制动态优化生成方向，无需额外数据或模型改造，即可提升舞蹈、运动及慢动作等场景的真实感，兼容多种视频生成框架。
香港科技大学研发的开源音乐生成模型：YuE
香港科技大学开源音乐生成模型YuE，支持中英日韩四语，可依歌词生成最长5分钟、含主唱与伴奏的完整歌曲，强调结构连贯性与旋律表现力，为创作者提供Suno、Udio之外的新选择。