最新

可口可乐经典版，呃，我是说HBO Max回来了！<p>这让我思考企业重新品牌化如何在人工智能训练和推理中产生意想不到的成本。<p>考虑一下HBO的时间线： - 2010年：HBO Go - 2015年：HBO Now - 2020年：HBO Max - 2023年：Max - 2025年：HBO Max（他们回来了）<p>在不同时间段训练的大型语言模型（LLMs）对华纳兄弟的流媒体服务名称会有完全不同的“正确”答案。一个在2022年训练的模型会自信地告诉你它叫“HBO Max。”而一个在2024年训练的模型则会坚持认为它叫“Max。”<p>这会造成实际的计算开销。类似于礼貌用语如“请”和“谢谢”在所有查询中增加数百万的推理成本，这些品牌不一致性需要额外的上下文切换和消歧义。<p>但有趣的是：Grok 4在Twitter转型为X的过程中是否具有内在优势，因为它是由X训练的？虽然ChatGPT、Claude和Gemini需要额外的计算来处理命名混乱，Grok的训练数据包括了品牌重塑背后的内部推理。<p>同样的逻辑适用于苹果的iOS 18→26的跳跃。苹果智能会自然而然地理解： - 为什么iOS从18跳到26（基于年份的对齐） - 哪些功能对应于哪些版本 - 如何处理遗留文档引用<p>与此同时，第三方模型在模式匹配上会遇到困难（期待iOS 19、20、21……），并可能在开发者文档中生成错误的版本预测。<p>这表明我们正进入一个“原生AI优势”的时代——在这个时代，最了解你生态系统的AI不一定是最聪明的通用模型，而是由做出决策的公司训练的模型。<p>例子： - 谷歌的Gemini理解Android版本和API弃用 - 微软的Copilot了解Windows/Office的内部路线图 - 苹果智能处理iOS/macOS的功能时间线<p>对于开发者而言，这具有实际意义： - 文档生成工具可能引用错误的版本 - API集成助手可能建议已弃用的端点 - 代码补全可能假设错误的功能可用性<p>计算成本不仅仅是关于训练——每当这些模型遇到模糊的品牌引用时，持续的推理开销也是一个重要因素。

嗨，HN， 我刚刚推出了间歇性禁食计算器，这是一个免费的无注册网页工具，可以帮助你规划下一餐和禁食时间窗口。 你可以选择流行的方法（16:8、14:10、18:6、20:4、OMAD），或者设置自定义的禁食窗口（1-23小时），输入你最后一餐或想要的下一餐时间，立即获得一个彩色编码的24小时时间表。 可以将结果导出为文本、图片或PDF。该工具在手机和桌面上均可使用，并内置了关于禁食方法和安全性的指导。 我创建这个工具是为了简化我自己的禁食计划，不再需要进行复杂的计算或使用笨重的应用程序。 我很想听听你们对用户界面、功能或任何你们想添加的内容的看法。谢谢！