半沐

Lihat terjemahan

cz分享了“永生果蝇”，想让有人在BNB上实现复刻，
永生果蝇最恐怖的点就在于，它一比一复刻果蝇神经元网络，大约16.6万个神经元，没有任何训练，却做出了果蝇的所有动作

这就证明我们仿佛生活在一个巨大的虚拟世界里，而揭开这潘多拉魔盒的是AI深度学习之父辛顿，cz想探讨的人类可否结合区块链实现AI永生呢？

Lihat terjemahan

你愿意相信cz暗示的BNB会涨破1888吗？@CZ @Yi He
$BNB

BNB+4,02%

Lihat terjemahan

$BTC $BNB 你未来4年将经历前所未有的大爆涨，请拿好你的筹码，留给大家的时间不多了

BNB+4,02%

BTC+6,02%

Lihat terjemahan

Gemini 4 pro要来了，兄弟抓好车把，AGI可能真的要来了 $GOOGLB

GOOGLB+1,02%

Lihat terjemahan

#英伟达129亿美元收购HuggingFace 就剩阿里巴巴的魔搭这根独苗了

NVDAB+1,18%

BABAB+4,75%

Sekarang pasar saham Korea dan Bursa Efek Tiongkok tahun 2015 tidak bisa dibilang mirip; bahkan bisa dikatakan persis sama.

长鑫跟华为吵起来了，长鑫要涨华为的芯片价，华为受不了，直接要求降价，长鑫二话不说，把华为驻场直接赶回姥姥家，
而阿里呢，持有5%长鑫存储股份，直接拿到长协价，便宜又多，谁叫当初大家都投，就你华为头铁$BABAB

BABAB+4,75%

Alibaba langsung bagaimana begitu kuat, tampaknya ini adalah chip inferensi buatan dalam negeri terkuat selain Huawei, $BABAB

MarsBit News

Supernode Alibaba Cloud Zhenwu Disesuaikan dengan Kimi K3

Berita dari Mars Finance: menurut kabar dari Alibaba Cloud, instance supernode Alibaba Cloud Zhenwu M890 telah disesuaikan pada Day0 untuk Kimi K3, yang merupakan supernode pertama di dalam negeri yang berhasil menjalankan model dengan skala hampir 30 miliar miliar parameter. Kedua belah pihak akan terus memperluas kerja sama komputasi domestik; platform Qianwen AI dan Alibaba Cloud Bailian juga akan menyediakan API model Kimi K3.

BABAB+4,75%

Produk dalam negeri harus bangkit; tusuk gelembung saham AS; Changxin go public; tusuk gelembung penyimpanan saham AS; mesin litografi buatan dalam negeri go public; hancurkan hegemoni ASML; semuanya kembali—Big Brother, semuanya kembali.

Lihat terjemahan

阿里巴巴投入79亿获得5%长鑫存储股份，现在价值1800亿 rmb，你就说强不强

Nilai pasar Changxin Storage sebesar 3,66 triliun, Alibaba langsung meraup 1800 miliar rmb

UE baru-baru ini terlalu gila ingin uang, sampai-sampai denda besar-besaran

财经小可爱世基

Melanggar Undang-Undang Pasar Digital, UE menjatuhkan denda anti-monopoli hampir 1 miliar euro kepada Google

　　Komisi Eropa pada tanggal 23 mengeluarkan pengumuman yang menyatakan bahwa perusahaan induk raksasa teknologi AS, Alphabet, dikenai denda total 890 juta euro (setara dengan 1 miliar dolar AS). Denda tersebut dijatuhkan karena perusahaan itu melanggar ketentuan terkait dalam regulasi UE (Undang-Undang Pasar Digital/Digital Markets Act atau DMA) dalam layanan mesin pencari dan pengoperasian toko aplikasi. Ini merupakan langkah penegakan terbaru dari otoritas pengawas UE terhadap praktik perilaku monopoli di pasar oleh raksasa teknologi lintas negara.
　　Rincian sanksi yang diumumkan oleh Komisi Eropa menunjukkan bahwa denda tersebut terdiri dari dua jenis sanksi yang ditargetkan: karena secara tidak semestinya mengutamakan layanan milik sendiri seperti Shopping, Hotels, dan Flights dalam hasil pencarian Google, Google dikenai denda sebesar 460 juta euro; karena aturan toko aplikasi Play Store miliknya membatasi pengembang Android untuk mengarahkan konsumen ke kanal pembayaran pihak ketiga yang lebih baik, Google dikenai denda sebesar 430 juta euro.

Siapa perusahaan paling menguntungkan musim panas ini—bukan siapa-siapa, tapi Alibaba. Versi pratinjau Qianwen 3.8 dirilis, dan kemampuannya sudah melampaui Opus 4.8 serta GPT 5.5. Saat versi resminya keluar, jangan sampai “meledak” duluan. Untuk Kimi K3, yang sudah ikut uji coba di luar negeri, hasilnya sudah menggilas. Tapi di dalam negeri, orang-orangnya masih suka mengadu, main tarik-ulur. Padahal di situs resmi Kimi, coding plan-nya sudah ludes terjual. Sementara itu, pemegang saham eksternal terbesar dari Moonshot—yaitu Alibaba—masih memegang 36%. Langsung cuan besar.

kimi akan melantai, kimi k3 langsung menembakkan kapitalisasi pasar 10000 miliar dolar, Alibaba memiliki 36% dan langsung meraup cuan yang luar biasa $BABA

Binance News

Tren AI | Moonshot berencana go public di Hong Kong dalam 6 bulan

Moonshot menginformasikan kepada para investor bahwa mereka sedang menyiapkan rencana go public paling cepat dalam enam bulan ke depan. Dengan memanfaatkan model terbaru untuk mengguncang cara pandang industri dan memicu gejolak pada saham teknologi global, mereka memasuki pasar modal.Menurut sumber yang mengetahui, pionir AI asal Tiongkok ini telah membagikan resolusi pemegang saham kepada para investor untuk mencari dukungan bagi pencatatan di Hong Kong. Memulai proses pemberitahuan berarti IPO kemungkinan besar terjadi dalam waktu enam bulan ke depan.Moonshot sedang menyelesaikan putaran pendanaan yang diperkirakan dapat menilai perusahaan di atas 30 miliar dolar AS. Perusahaan menilai waktunya sudah tepat: pendapatan tahunan berjalan mencapai 300 juta dolar AS pada bulan Juni, meningkat pesat dibanding 200 juta dolar AS pada bulan April.Perusahaan tersebut mengumumkan bahwa sebelum meluncurkan Kimi K3 minggu lalu, mereka telah bersiap untuk go public. Model ini memiliki 28 miliar (2,8万亿) parameter, dengan kemampuan keseluruhan hanya berada di bawah Anthropic Claude Fable 5 dan OpenAI GPT-5.6. Artificial Analysis menempatkan Kimi K3 di atas Anthropic Opus 4.8 pada beberapa tolok ukur terdepan, menjadikannya tonggak pertama bagi model open-source berbobot dari Tiongkok untuk mencapai capaian tersebut.

Hanya fable5, model besar yang bisa berevolusi setiap hari, mengerikan sekali, sepertinya untuk mempersiapkan Qianwen 4

半沐

Tentang bagaimana Qwen 3.8 mewujudkan evolusi “berbasis hari”, berdasarkan informasi publik yang ada, mekanisme intinya terutama tercermin dalam tiga aspek: pembaruan otomatis berfrekuensi tinggi, aktivasi dinamis di lapisan arsitektur, serta verifikasi kemampuan agen (Agent) pada malam hari. Detailnya sebagai berikut:

1. Bobot dan pembaruan jalur (link) otomatis berfrekuensi tinggi
Qwen 3.8 memecah pola tradisional dengan rilis besar sekali jalan, dan membangun mekanisme iterasi otomatis berfrekuensi tinggi. Tim mengungkapkan bahwa model akan otomatis memperbarui bobot setiap dini hari, menyegarkan optimasi jalur inferensi setiap 48 jam, dan mendorong kemampuan penyelarasan multimodal yang benar-benar baru setiap minggu. Mekanisme ini membuat peningkatan model berubah menjadi sebuah acara “siaran langsung” yang berlangsung terus-menerus.

2. Routing ahli dinamis dan arsitektur cache memori bertingkat
Pada tingkat arsitektur, Qwen 3.8 meninggalkan trik aktivasi jarang (sparse) tradisional, dan mengadopsi arsitektur hibrida berupa “dynamic expert routing + hierarchical memory cache”. Desain ini membuat 2,4T parameter dapat bekerja secara dinamis; saat berjalan, model “bukan dibangun jadi monster raksasa yang ditumpuk, melainkan adalah agen cerdas yang bisa bernapas, bisa merefleksikan, dan tahu kapan harus memilih.” Optimasi arsitektural inilah yang menjadi fondasi teknis bagi iterasi berfrekuensi tinggi.

3. Mekanisme “evolusi dan verifikasi pada malam hari” untuk kemampuan Agen (Agent)
Pada level eksekusi tugas Agent yang spesifik, seri Qwen (misalnya Qwen3-Max) menerapkan “alur evolusi keterampilan kolektif”. Mekanisme ini mengubah sesi interaksi nyata pengguna menjadi bukti yang terstruktur, lalu Evolver menganalisis pola dan menghasilkan pembaruan kandidat. Keterampilan kandidat ini tidak langsung ditayangkan, melainkan masuk ke “tahap verifikasi pada malam hari”: di lingkungan nyata, keterampilan lama dan keterampilan kandidat baru dijalankan secara bersamaan. Hanya ketika keterampilan baru benar-benar lebih unggul daripada keterampilan lama pada tingkat keberhasilan tugas secara keseluruhan dan stabilitas eksekusi, barulah ia diterima dan dideploy. Ini memastikan kumpulan keterampilan yang telah dideploy tidak merosot seiring waktu, sehingga terjadi peningkatan performa yang berkelanjutan dan stabil.

4. Pengujian berkelanjutan untuk versi pratinjau dan post-training
Saat ini, model pratinjau Qwen 3.8-Max yang sudah diluncurkan sedang berevolusi secara berkelanjutan dalam satuan “hari”. Ada analisis yang menunjukkan bahwa pembaruan berkelanjutan untuk versi kecil dari basis parameternya ini mengindikasikan model mungkin sedang menjalani post-training yang intensif, sebagai persiapan untuk rilis resmi versi final 4.0.

Tentang bagaimana Qwen 3.8 mewujudkan evolusi “berbasis hari”, berdasarkan informasi publik yang ada, mekanisme intinya terutama tercermin dalam tiga aspek: pembaruan otomatis berfrekuensi tinggi, aktivasi dinamis di lapisan arsitektur, serta verifikasi kemampuan agen (Agent) pada malam hari. Detailnya sebagai berikut: 1. Bobot dan pembaruan jalur (link) otomatis berfrekuensi tinggi Qwen 3.8 memecah pola tradisional dengan rilis besar sekali jalan, dan membangun mekanisme iterasi otomatis berfrekuensi tinggi. Tim mengungkapkan bahwa model akan otomatis memperbarui bobot setiap dini hari, menyegarkan optimasi jalur inferensi setiap 48 jam, dan mendorong kemampuan penyelarasan multimodal yang benar-benar baru setiap minggu. Mekanisme ini membuat peningkatan model berubah menjadi sebuah acara “siaran langsung” yang berlangsung terus-menerus. 2. Routing ahli dinamis dan arsitektur cache memori bertingkat Pada tingkat arsitektur, Qwen 3.8 meninggalkan trik aktivasi jarang (sparse) tradisional, dan mengadopsi arsitektur hibrida berupa “dynamic expert routing + hierarchical memory cache”. Desain ini membuat 2,4T parameter dapat bekerja secara dinamis; saat berjalan, model “bukan dibangun jadi monster raksasa yang ditumpuk, melainkan adalah agen cerdas yang bisa bernapas, bisa merefleksikan, dan tahu kapan harus memilih.” Optimasi arsitektural inilah yang menjadi fondasi teknis bagi iterasi berfrekuensi tinggi. 3. Mekanisme “evolusi dan verifikasi pada malam hari” untuk kemampuan Agen (Agent) Pada level eksekusi tugas Agent yang spesifik, seri Qwen (misalnya Qwen3-Max) menerapkan “alur evolusi keterampilan kolektif”. Mekanisme ini mengubah sesi interaksi nyata pengguna menjadi bukti yang terstruktur, lalu Evolver menganalisis pola dan menghasilkan pembaruan kandidat. Keterampilan kandidat ini tidak langsung ditayangkan, melainkan masuk ke “tahap verifikasi pada malam hari”: di lingkungan nyata, keterampilan lama dan keterampilan kandidat baru dijalankan secara bersamaan. Hanya ketika keterampilan baru benar-benar lebih unggul daripada keterampilan lama pada tingkat keberhasilan tugas secara keseluruhan dan stabilitas eksekusi, barulah ia diterima dan dideploy. Ini memastikan kumpulan keterampilan yang telah dideploy tidak merosot seiring waktu, sehingga terjadi peningkatan performa yang berkelanjutan dan stabil. 4. Pengujian berkelanjutan untuk versi pratinjau dan post-training Saat ini, model pratinjau Qwen 3.8-Max yang sudah diluncurkan sedang berevolusi secara berkelanjutan dalam satuan “hari”. Ada analisis yang menunjukkan bahwa pembaruan berkelanjutan untuk versi kecil dari basis parameternya ini mengindikasikan model mungkin sedang menjalani post-training yang intensif, sebagai persiapan untuk rilis resmi versi final 4.0.