Binance Square
半沐
513 ໂພສ

半沐

慢就是快,相信复利的力量 币安100%返佣邀请码: BM168
ເປີດການຊື້ຂາຍ
ຜູ້ຊື້ຂາຍປະຈໍາ
8.1 ປີ
10 ກໍາລັງຕິດຕາມ
125 ຜູ້ຕິດຕາມ
274 Liked
ໂພສ
Portfolio
·
--
ເບິ່ງການແປ
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?
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?
·
--
သင်သည် cz ၏ အရိပ်အမြွက်ပေးမှုကို မယုံကြည်ဘဲ BNB သည် 1888 ကို ကျော်တက်မည်ဟု ယုံကြည်မလား? @CZ @heyi $BNB {future}(BNBUSDT)
သင်သည် cz ၏ အရိပ်အမြွက်ပေးမှုကို မယုံကြည်ဘဲ BNB သည် 1888 ကို ကျော်တက်မည်ဟု ယုံကြည်မလား? @CZ @Yi He
$BNB
·
--
$BTC $BNB Iwọ yoo kọja ọpọlọpọ ninu iriri 4 ọdún to n bọ, ìgbàgbọ nla ti kò tíì ri rí yoo de. Jọwọ mu awọn àmùrè rẹ dá, àkókò tí a ní fún wa kì pẹ pupọ. {future}(BTCUSDT) {future}(BNBUSDT)
$BTC $BNB Iwọ yoo kọja ọpọlọpọ ninu iriri 4 ọdún to n bọ, ìgbàgbọ nla ti kò tíì ri rí yoo de. Jọwọ mu awọn àmùrè rẹ dá, àkókò tí a ní fún wa kì pẹ pupọ.
·
--
Gemini 4 pro要来了,ဘေအာ့抓好车把၊ AGI မဖြစ်နိုင်ဘူးထင်ရတဲ့အရာလည်း တကယ်ပဲ ရောက်လာနိုင်ပါတယ် $GOOGLB {spot}(GOOGLBUSDT)
Gemini 4 pro要来了,ဘေအာ့抓好车把၊ AGI မဖြစ်နိုင်ဘူးထင်ရတဲ့အရာလည်း တကယ်ပဲ ရောက်လာနိုင်ပါတယ် $GOOGLB
·
--
#NVIDIA inobire ngaphezulu kwe-$12.9B ukuthenga iHuggingFace isele iAlibaba kuphela le-nqoka le-MoTu njengesinye isiqongo
#NVIDIA inobire ngaphezulu kwe-$12.9B ukuthenga iHuggingFace isele iAlibaba kuphela le-nqoka le-MoTu njengesinye isiqongo
·
--
ຕອນນີ້ຫຸ້ນເກาหลี ແລະ ຫຸ້ນ A ໃນປີ 2015 ບໍ່ສາມາດບອກວ່າຄ້າຍຄືກັນ—ມັນເໝືອນກັນທັງໝົດ
ຕອນນີ້ຫຸ້ນເກาหลี ແລະ ຫຸ້ນ A ໃນປີ 2015 ບໍ່ສາມາດບອກວ່າຄ້າຍຄືກັນ—ມັນເໝືອນກັນທັງໝົດ
·
--
ຈັງຊິນທອງກັບ Huawei ເລີ່ມຖຽງກັນ, ຈັງຊິນຕ້ອງຂຶ້ນລາຄາຊິບຂອງ Huawei, Huawei ທົນບໍ່ໄຫວ, ກໍຂໍໃຫ້ຫຼຸດລາຄາທັນທີ, ຈັງຊິນບໍ່ເວົ້າຫຍັງເລີຍ, ກໍຂັບ Huawei ທີ່ເຂົ້າມາປະຈໍາຢູ່ໃຫ້ກັບບ້ານໄປທີ່ບ້ານອ້າຍຂອງແມ່ຕູ້, ແລະສ່ວນ Alibaba ລະ, ຖືຮຸ້ນ 5% ຂອງຈັງຊິນທອງ, ກໍໄດ້ຮັບລາຄາຕາມສັນຍາຍາວ (long-term), ຖືກກວ່າ ແລະ ໄດ້ຫຼາຍກວ່າ, ໃຜໃຫ້ຕອນນັ້ນທຸກຄົນກໍລົງທຶນ, ມີແຕ່ Huawei ມືດບໍ່ຍອມ, $BABAB {spot}(BABABUSDT)
ຈັງຊິນທອງກັບ Huawei ເລີ່ມຖຽງກັນ, ຈັງຊິນຕ້ອງຂຶ້ນລາຄາຊິບຂອງ Huawei, Huawei ທົນບໍ່ໄຫວ, ກໍຂໍໃຫ້ຫຼຸດລາຄາທັນທີ, ຈັງຊິນບໍ່ເວົ້າຫຍັງເລີຍ, ກໍຂັບ Huawei ທີ່ເຂົ້າມາປະຈໍາຢູ່ໃຫ້ກັບບ້ານໄປທີ່ບ້ານອ້າຍຂອງແມ່ຕູ້,
ແລະສ່ວນ Alibaba ລະ, ຖືຮຸ້ນ 5% ຂອງຈັງຊິນທອງ, ກໍໄດ້ຮັບລາຄາຕາມສັນຍາຍາວ (long-term), ຖືກກວ່າ ແລະ ໄດ້ຫຼາຍກວ່າ, ໃຜໃຫ້ຕອນນັ້ນທຸກຄົນກໍລົງທຶນ, ມີແຕ່ Huawei ມືດບໍ່ຍອມ, $BABAB
·
--
ອາລີບາບາຂຶ້ນມາກໍເລີຍແຂງຫຼາຍ ເບິ່ງແລ້ວກໍເປັນຊິບປະມວນຜົນ (AI inference) ຂອງຈີນທີ່ແຂງທີ່ສຸດນອກຈາກ Huawei ແລ້ວ $BABAB {spot}(BABABUSDT)
ອາລີບາບາຂຶ້ນມາກໍເລີຍແຂງຫຼາຍ ເບິ່ງແລ້ວກໍເປັນຊິບປະມວນຜົນ (AI inference) ຂອງຈີນທີ່ແຂງທີ່ສຸດນອກຈາກ Huawei ແລ້ວ $BABAB
MarsBit News
·
--
Alibaba Cloud Zhenwu Super Node ປັບໃຫ້ຮອງຮັບ Kimi K3
ຂ່າວຈາກ Mars Finance: ອີງຕາມຂໍ້ມູນຈາກ Alibaba Cloud, ອິນສະແຕນซ์ Super Node ລຸ້ນ Zhenwu M890 ຂອງ Alibaba Cloud ໄດ້ປັບໃຫ້ Day0 ຮອງຮັບ Kimi K3 ແລ້ວ, ເຊິ່ງເປັນ Super Node ທຳອິດໃນຈີນທີ່ສາມາດແລ່ໄດ້ສຳເລັດຮູບແບບພາຣາມິເຕີໃກ້ 3 ລ້ານລ້ານຕື່ນໄດ້. ທັງສອງຝ່າຍຈະຮ່ວມມືການພັດທະນາຄວາມສາມາດດ້ານການຄຳນວນຂອງຈີນຕໍ່ໄປ, ແພລະຕະຟອມ Qianwen AI ແລະ Alibaba Cloud Bailian ຈະສະໜອງ Model API ຂອງ Kimi K3.
·
--
ຜະລິດຕະພັນພາຍໃນຕ້ອງກ້າວຂຶ້ນ, ກະທົບເຈາະຟองສະຫຼອງຂອງຕະຫຼາດຮຸ້ນອາເມລິກາ (US), ລຸ້ນຂຶ້ນຕະຫຼາດຂອງແຈ້ງຊິນ (长鑫), ກະທົບເຈາະຟອງສະຫຼອງການເກັບຂໍ້ມູນຂອງຕະຫຼາດຮຸ້ນອາເມລິກາ (US), ເຄື່ອງຖ່າຍລິທໂກຣກຳລິກພາຍໃນຈອດຂຶ້ນຕະຫຼາດ, ກະທົບເຈາະອຳນາດຂອງ ASML (Asma), ກັບມາເດີ, ພວກຊີນເອກ (大师兄) ກັບມາແລ້ວ
ຜະລິດຕະພັນພາຍໃນຕ້ອງກ້າວຂຶ້ນ, ກະທົບເຈາະຟองສະຫຼອງຂອງຕະຫຼາດຮຸ້ນອາເມລິກາ (US), ລຸ້ນຂຶ້ນຕະຫຼາດຂອງແຈ້ງຊິນ (长鑫), ກະທົບເຈາະຟອງສະຫຼອງການເກັບຂໍ້ມູນຂອງຕະຫຼາດຮຸ້ນອາເມລິກາ (US), ເຄື່ອງຖ່າຍລິທໂກຣກຳລິກພາຍໃນຈອດຂຶ້ນຕະຫຼາດ, ກະທົບເຈາະອຳນາດຂອງ ASML (Asma), ກັບມາເດີ, ພວກຊີນເອກ (大师兄) ກັບມາແລ້ວ
·
--
អាលីបាប៉ាយិនអស់ទឹកប្រាក់ ៧៩ ពាន់លាន បានយកភាគហ៊ុន ៥% នៃ Changxin Memory បន្ទាប់មក តម្លៃបច្ចុប្បន្ន ១៨០០ ពាន់លាន RMB តើអ្នកថាខ្លាំងមែនទេ?
អាលីបាប៉ាយិនអស់ទឹកប្រាក់ ៧៩ ពាន់លាន បានយកភាគហ៊ុន ៥% នៃ Changxin Memory បន្ទាប់មក តម្លៃបច្ចុប្បន្ន ១៨០០ ពាន់លាន RMB តើអ្នកថាខ្លាំងមែនទេ?
·
--
ມູນຄ່າຕະຫຼາດຂອງ Changxin Storage 3.66 ລ້ານຕື້, Alibaba ໄດ້ກໍາໄລທັນທີ 1,800 ຕື້ RMB,
ມູນຄ່າຕະຫຼາດຂອງ Changxin Storage 3.66 ລ້ານຕື້, Alibaba ໄດ້ກໍາໄລທັນທີ 1,800 ຕື້ RMB,
·
--
ສະຫະພາບເອີຣົບບໍ່ດົນມານີ້ຢາກເອົາເງິນແບບສຸດຂີດ ຈົນກຽດລົງປັບໄໝ
ສະຫະພາບເອີຣົບບໍ່ດົນມານີ້ຢາກເອົາເງິນແບບສຸດຂີດ ຈົນກຽດລົງປັບໄໝ
财经小可爱世基
·
--
Nítorí fíyè̀sílẹ̀ Digital Markets Act, EU dá Google lórí ìjìyà egún-ìdènà tí ó fẹrẹ́ tó nǹkan bíi mọ́kanlá bilionu Euro
  Ní ọjọ́ 23, Komisọ́nì Europe gbé ìpolówó kan jáde, ó sì kéde pé ó fi ìjìyà apapọ̀ 8.9 bilionu Euro (tí ó tó bíi 10 bilionu dọ́là Amẹ́ríkà) kàn olórí ilé-iṣẹ́ ìmọ̀ ẹ̀rọ Amẹ́ríkà tó jẹ́ ìyá Alphabet. A kà pẹ̀lú pé ilé-iṣẹ́ náà ti rú àwọn ìlànà tó wà nínú òfin EU (Digital Markets Act) (DMA) nípa iṣẹ́ ìwádìí (search engine) àti ìṣàkóso ọjà ohun èlò (application store). Ìgbésẹ̀ ìṣẹ́ òfin tuntun yìí ni àwọn agbofinro EU ti gba lòdì sí ìṣe dídènà ọjà (market monopoly) tí àwọn ilé-iṣẹ́ ìmọ̀ ẹ̀rọ kọjá orílẹ̀-èdè ń ṣe.
  Awọn alaye itanilòtẹ́lẹ ti ìjìyà tí Komisọ́nì Europe ṣe afihàn fi hàn pé ìjìyà tí a mẹ́nuba yìí jẹ́ ìpínméjì ìyà ìdánidá. Nítorí fífi ẹ̀tọ́ tó yẹ kò bójú mu lélẹ̀ nínú abajade ìwádìí Google láti ṣe ìfọwọ́sowọpọ̀ fún iṣẹ́ ara rẹ̀ gẹ́gẹ́ bí Shopping, Hotels àti Flights, Google ni a fi ìjìyà owó 4.60 bilionu Euro kàn; Nítorí pé àwọn ìlànà ní Play Store, ilé ìtajà ohun èlò rẹ̀, dá àwọn amọ̀ja idagbasoke Android dúró láti tọ́ka fún àwọn oníbàárà sí àwọn ojútùú sísan ẹni-kẹta tó dára jù, a fi ìjìyà owó 4.30 bilionu Euro kàn.
·
--
ໃຜແມ່ນບໍລິສັດທີ່ເຮັດກຳໄລໄດ້ຫຼາຍສຸດໃນລະດູຮ້ອນນີ້—ບໍ່ແມ່ນໃຜ, ກໍຄື Alibaba; ຊຸດທົດລອງ Qwen 3.8 ອອກມາແລ້ວ, ຄວາມສາມາດກ້າວເກີນ Opus 4.8 ແລ້ວ, GPT 5.5 ນຳອີກ; ພ້ອມອອກລຸ້ນເຕັມບໍ່ຕ້ອງລະເບີດຈະກາຍເຫຼືອຈົນຖືກສະເໝີບໍ? ສ່ວນ Kimi K3 ຢູ່ແລ້ວ ກໍຖືກທົດສອບໃນຕ່າງປະເທດແລ້ວ ແລະກຳຈັດໄດ້ດີ; ແຕ່ຢູ່ໃນປະເທດພວກບ້າຂອງຂ້ອຍເອີ້ນວ່າ “ດີ-ຊົ່ວ” ມັນມີຄຳເວົ້າສອງແດນ. ແຕ່ໃນຂະນະທີ່ໜ້າເວັບ coding plan ຂອງທາງ Kimi ຂາຍອອກໝົດແລ້ວ; ແລະຜູ້ຖືຮຸ້ນໃຫຍ່ສຸດພາຍນອກຂອງ Moonshot (月之暗面) ກໍຍັງເປັນ Alibaba, ຖື 36%—ເລີຍເຫັນຊັດໆວ່າ “ເກັບເງິນດັບມື້ນີ້” ໄປເລີຍ
ໃຜແມ່ນບໍລິສັດທີ່ເຮັດກຳໄລໄດ້ຫຼາຍສຸດໃນລະດູຮ້ອນນີ້—ບໍ່ແມ່ນໃຜ, ກໍຄື Alibaba; ຊຸດທົດລອງ Qwen 3.8 ອອກມາແລ້ວ, ຄວາມສາມາດກ້າວເກີນ Opus 4.8 ແລ້ວ, GPT 5.5 ນຳອີກ; ພ້ອມອອກລຸ້ນເຕັມບໍ່ຕ້ອງລະເບີດຈະກາຍເຫຼືອຈົນຖືກສະເໝີບໍ? ສ່ວນ Kimi K3 ຢູ່ແລ້ວ ກໍຖືກທົດສອບໃນຕ່າງປະເທດແລ້ວ ແລະກຳຈັດໄດ້ດີ; ແຕ່ຢູ່ໃນປະເທດພວກບ້າຂອງຂ້ອຍເອີ້ນວ່າ “ດີ-ຊົ່ວ” ມັນມີຄຳເວົ້າສອງແດນ. ແຕ່ໃນຂະນະທີ່ໜ້າເວັບ coding plan ຂອງທາງ Kimi ຂາຍອອກໝົດແລ້ວ; ແລະຜູ້ຖືຮຸ້ນໃຫຍ່ສຸດພາຍນອກຂອງ Moonshot (月之暗面) ກໍຍັງເປັນ Alibaba, ຖື 36%—ເລີຍເຫັນຊັດໆວ່າ “ເກັບເງິນດັບມື້ນີ້” ໄປເລີຍ
·
--
kimi要上市了, kimi k3直接轰出10000亿美元市值, 阿里巴巴持有36%直接赚麻了$BABA {future}(BABAUSDT)
kimi要上市了, kimi k3直接轰出10000亿美元市值, 阿里巴巴持有36%直接赚麻了$BABA
Binance News
·
--
AI trend | Plano ng Moon of the Dark na mag-IPO sa Hong Kong sa loob ng 6 na buwan
Sinabi ng Moon of the Dark (月之暗面) sa mga investor na kasalukuyan itong naghahanda para mag-IPO sa loob ng pinakamaaga pang anim na buwan, gamit ang pinakabagong modelo para baligtarin ang kasalukuyang pag-unawa sa industriya at pasiglahin ang pagyanig sa pandaigdigang tech stocks, upang makapasok sa capital market.Ayon sa mga taong may kaalaman, ang China AI pioneer na ito ay nagpadala sa mga investor ng mga shareholder resolutions upang humingi ng suporta para sa Hong Kong listing. Ang pag-sisimula ng proseso ng notice ay nangangahulugang posibleng mangyari ang IPO sa loob ng susunod na anim na buwan.Kasalukuyang isinasara ng Moon of the Dark ang isang financing round na posibleng umabot sa valuation na higit sa 30 bilyong US dollars. Naniniwala ang kumpanya na tama na ang panahon: ang annualized recurring revenue ay umabot sa 300 milyong US dollars sa Hunyo, mula sa 200 milyong US dollars noong Abril—malaki ang pagtaas.Inilathala ng kumpanya ang balita sa pagre-ready ng pag-a-IPO bago ang paglabas ng Kimi K3 noong nakaraang linggo; ang modelong ito ay may 28 bilyong (2.8 万億) na parameter, at ang kabuuang kakayahan nito ay kapos lang sa Anthropic na Claude Fable 5 at OpenAI na GPT-5.6. Sa ilang piling advanced na benchmark, inilagay ng Artificial Analysis ang Kimi K3 sa itaas ng Anthropic Opus 4.8—ang kauna-unahang pagkakataon na maabot ng isang open-source na modelong may bigat para sa China ang milyestong ito.
·
--
fable5 ପରେ, ପ୍ରତିଦିନ ଉନ୍ନତି କରିପାରୁଥିବା ଏକ ବଡ଼ ମଡେଲ୍; ଭୟଙ୍କର ଭାବରେ ଶକ୍ତିଶାଳୀ—ଶୟଦ 千问4 ପାଇଁ ପ୍ରସ୍ତୁତ ହେଉଛି
fable5 ପରେ, ପ୍ରତିଦିନ ଉନ୍ନତି କରିପାରୁଥିବା ଏକ ବଡ଼ ମଡେଲ୍; ଭୟଙ୍କର ଭାବରେ ଶକ୍ତିଶାଳୀ—ଶୟଦ 千问4 ପାଇଁ ପ୍ରସ୍ତୁତ ହେଉଛି
半沐
·
--
အကြောင်း Qwen3.8 က “တစ်နေ့တာအလိုက်” ဆိုတဲ့ အဆင့်လိုက် ဆင့်ကဲပြောင်းလဲမှု (evolution) ကို ဘယ်လို အကောင်အထည်ဖော်နိုင်မလဲ—လက်ရှိအများပြည်သူသိရှိနိုင်တဲ့ အချက်အလက်တွေကို ပေါင်းစည်းကြည့်ရင် အဓိကယန္တရားကတော့ မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အပ်ဒိတ်လုပ်ခြင်း၊ အောက်ခံ အခြေခံဗိသုကာပိုင်း (architecture) မှာ ဒိုင်းနမစ် activation လုပ်ခြင်းနဲ့ Agent ကျွမ်းကျင်မှု (skills) တွေရဲ့ ညအချိန် စမ်းသပ်အတည်ပြုခြင်း (nightly verification) ဆိုတဲ့ အချက်သုံးချက်အပေါ်မှာ အဓိကတည်နေတယ်။ အတိအကျကတော့ အောက်ပါအတိုင်းဖြစ်ပါတယ်—

1. မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အလေးချိန် (weights) နှင့် လင့်ခ် (link) အပ်ဒိတ်
Qwen3.8 က သမားရိုးကျ တစ်ကြိမ်တည်း ကြီးမားတဲ့ ထုတ်ပြန်မှု (single large-scale release) ပုံစံကို ဖျက်ပြီး မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် iterative လုပ်ဆောင်မှုစနစ်တစ်ခု တည်ဆောက်ခဲ့ပါတယ်။ အဖွဲ့က ထုတ်ဖော်ပြောကြားချက်အရ မော်ဒယ်ဟာ နေ့စဉ် မနက်လင်းခါနီး (မနက် 0 နာရီနီး) မှာ အလေးချိန်တွေကို အလိုအလျောက် အပ်ဒိတ်လုပ်ပြီး၊ ၄၈ နာရီတိုင်းမှာ inference chain (推理链路) optimization ကို ပြန်လည် မွမ်းမံပြီး၊ အပတ်တိုင်းမှာ အသစ်သော multi-modal alignment စွမ်းရည်တွေကို ပို့ချပါတယ်။ ဒီလိုလုပ်ဆောင်မှုက မော်ဒယ်အဆင့်မြှင့်တင်ခြင်းကို “ဆက်တိုက်ဖြစ်ပေါ်နေတဲ့ livestream” တစ်ခုလို ဖြစ်စေတယ်။

2. ဒိုင်းနမစ် အထူးကျွမ်းကျင်သူ ရွေးချယ်လမ်းကြောင်း (dynamic expert routing) နှင့် အလွှာလိုက် မှတ်ဉာဏ် cache (hierarchical memory caching) ဗိသုကာ
အောက်ခံဗိသုကာအဆင့်မှာ Qwen3.8 က ရိုးရာ sparsely activated (稀疏激活) ချဉ်းကပ်မှုကို စွန့်လွှတ်ပြီး “dynamic expert routing + hierarchical memory cache” ကို ပေါင်းစပ်ထားတဲ့ hybrid architecture ကို အသုံးပြုခဲ့ပါတယ်။ ဒီဒီဇိုင်းက 2.4T parameter တွေကို လိုအပ်သလို ဒိုင်းနမစ်အဖြစ် လည်ပတ်နိုင်စေတယ်—မော်ဒယ်က run time မှာ “မတိုင်မရိတဲ့ မဟာဂျာ (giant) တောင်ကြီးလို အပြည့်အဝပုံချထားတဲ့အရာမဟုတ်ဘဲ အသက်ရှူနိုင်ပြီး အတွေးပြန်စဉ်းစားနိုင်တဲ့၊ အလိုက်သင့်ရွေးချယ်မှု (trade-off) ကို နားလည်တဲ့ intelligent agent” တစ်ခုလို လုပ်ဆောင်နိုင်ပါတယ်။ ဒီဗိသုကာအဆင့်တိုးတက်မှုက မြင့်မားတဲ့ အကြိမ်ရေ iterative အတွက် နည်းပညာအခြေခံအုတ်မြစ် ဖြစ်ပါတယ်။

3. Agent (အသိဉာဏ်ပိုင်) ကျွမ်းကျင်မှုများရဲ့ “ညအချိန် ဆင့်ကဲပြောင်းလဲမှုနှင့် အတည်ပြု” လုပ်ဆောင်မှု
Agent task တွေကို တိတိကျကျ လုပ်ဆောင်တဲ့အဆင့်မှာတော့ Qwen မိသားစု (ဥပမာ Qwen3-Max) က “collective skills evolution workflow” ကို အသုံးချပါတယ်။ ဒီစနစ်က အသုံးပြုသူရဲ့ တကယ်အပြန်အလှန် ဆွေးနွေးမှု (real interaction) ကို ဖွဲ့စည်းတည်ဆောက်ထားတဲ့ အထောက်အထား (structured evidence) အဖြစ် ပြောင်းပြီး Evolver က pattern/mode ကို ခွဲခြမ်းစိတ်ဖြာကာ candidate update တွေကို ထုတ်ပေးပါတယ်။ ဒီ candidate skills တွေက တိုက်ရိုက် မတင်ပဲ “ညအချိန် validation stage” ထဲကို ဝင်သွားပါတယ်—တကယ့်ပတ်ဝန်းကျင်မှာ အဟောင်းကျွမ်းကျင်မှုနဲ့ အသစ် candidate ကျွမ်းကျင်မှုကို တပြိုင်နက်တည်း လုပ်ဆောင်ပြီး၊ အသစ်ကျွမ်းကျင်မှုက တစ်စုလုံး task success rate နဲ့ execution stability မှာ အဟောင်းထက် သေချာပေါက် သာလွန်နေမှသာ လက်ခံကာ deployment လုပ်ပါတယ်။ ဒါက deploy လုပ်ပြီးသား skill pool ဟာ အချိန်အလိုက် မကောင်းသွားခြင်း (degradation) မဖြစ်အောင် ထိန်းထားပြီး စဉ်ဆက်မပြတ် တည်ငြိမ်တဲ့ စွမ်းဆောင်ရည်တိုးတက်မှုကို ဖြစ်စေပါတယ်။

4. preview version တွေရဲ့ ဆက်တိုက် စမ်းသပ်မှုနှင့် post-training
လက်ရှိ ထုတ်ပြန်ပြီးသား Qwen3.8-Max preview version မော်ဒယ်က “တစ်နေ့” အလိုက် စဉ်ဆက်မပြတ် ဆင့်ကဲပြောင်းလဲနေပါတယ်။ သုံးသပ်ချက်အရ ဒီလို အခြေခံအခြေခံ (base) parameter တွေရဲ့ အသေးစား version တွေကို ဆက်တိုက် အပ်ဒိတ်လုပ်နေခြင်းက မော်ဒယ်ဟာ နောက်ဆုံး 4.0 အဖြစ်တရားဝင်ထုတ်မယ့် အဆင်သင့်အတွက် Post-training (နောက်ပိုင်းလေ့ကျင့်ခြင်း) ကို တော်တော်လေး တက်ကြွစွာ ပြုလုပ်နေကြောင်း ညွှန်ပြနိုင်ပါတယ်။
·
--
အကြောင်း Qwen3.8 က “တစ်နေ့တာအလိုက်” ဆိုတဲ့ အဆင့်လိုက် ဆင့်ကဲပြောင်းလဲမှု (evolution) ကို ဘယ်လို အကောင်အထည်ဖော်နိုင်မလဲ—လက်ရှိအများပြည်သူသိရှိနိုင်တဲ့ အချက်အလက်တွေကို ပေါင်းစည်းကြည့်ရင် အဓိကယန္တရားကတော့ မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အပ်ဒိတ်လုပ်ခြင်း၊ အောက်ခံ အခြေခံဗိသုကာပိုင်း (architecture) မှာ ဒိုင်းနမစ် activation လုပ်ခြင်းနဲ့ Agent ကျွမ်းကျင်မှု (skills) တွေရဲ့ ညအချိန် စမ်းသပ်အတည်ပြုခြင်း (nightly verification) ဆိုတဲ့ အချက်သုံးချက်အပေါ်မှာ အဓိကတည်နေတယ်။ အတိအကျကတော့ အောက်ပါအတိုင်းဖြစ်ပါတယ်— 1. မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အလေးချိန် (weights) နှင့် လင့်ခ် (link) အပ်ဒိတ် Qwen3.8 က သမားရိုးကျ တစ်ကြိမ်တည်း ကြီးမားတဲ့ ထုတ်ပြန်မှု (single large-scale release) ပုံစံကို ဖျက်ပြီး မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် iterative လုပ်ဆောင်မှုစနစ်တစ်ခု တည်ဆောက်ခဲ့ပါတယ်။ အဖွဲ့က ထုတ်ဖော်ပြောကြားချက်အရ မော်ဒယ်ဟာ နေ့စဉ် မနက်လင်းခါနီး (မနက် 0 နာရီနီး) မှာ အလေးချိန်တွေကို အလိုအလျောက် အပ်ဒိတ်လုပ်ပြီး၊ ၄၈ နာရီတိုင်းမှာ inference chain (推理链路) optimization ကို ပြန်လည် မွမ်းမံပြီး၊ အပတ်တိုင်းမှာ အသစ်သော multi-modal alignment စွမ်းရည်တွေကို ပို့ချပါတယ်။ ဒီလိုလုပ်ဆောင်မှုက မော်ဒယ်အဆင့်မြှင့်တင်ခြင်းကို “ဆက်တိုက်ဖြစ်ပေါ်နေတဲ့ livestream” တစ်ခုလို ဖြစ်စေတယ်။ 2. ဒိုင်းနမစ် အထူးကျွမ်းကျင်သူ ရွေးချယ်လမ်းကြောင်း (dynamic expert routing) နှင့် အလွှာလိုက် မှတ်ဉာဏ် cache (hierarchical memory caching) ဗိသုကာ အောက်ခံဗိသုကာအဆင့်မှာ Qwen3.8 က ရိုးရာ sparsely activated (稀疏激活) ချဉ်းကပ်မှုကို စွန့်လွှတ်ပြီး “dynamic expert routing + hierarchical memory cache” ကို ပေါင်းစပ်ထားတဲ့ hybrid architecture ကို အသုံးပြုခဲ့ပါတယ်။ ဒီဒီဇိုင်းက 2.4T parameter တွေကို လိုအပ်သလို ဒိုင်းနမစ်အဖြစ် လည်ပတ်နိုင်စေတယ်—မော်ဒယ်က run time မှာ “မတိုင်မရိတဲ့ မဟာဂျာ (giant) တောင်ကြီးလို အပြည့်အဝပုံချထားတဲ့အရာမဟုတ်ဘဲ အသက်ရှူနိုင်ပြီး အတွေးပြန်စဉ်းစားနိုင်တဲ့၊ အလိုက်သင့်ရွေးချယ်မှု (trade-off) ကို နားလည်တဲ့ intelligent agent” တစ်ခုလို လုပ်ဆောင်နိုင်ပါတယ်။ ဒီဗိသုကာအဆင့်တိုးတက်မှုက မြင့်မားတဲ့ အကြိမ်ရေ iterative အတွက် နည်းပညာအခြေခံအုတ်မြစ် ဖြစ်ပါတယ်။ 3. Agent (အသိဉာဏ်ပိုင်) ကျွမ်းကျင်မှုများရဲ့ “ညအချိန် ဆင့်ကဲပြောင်းလဲမှုနှင့် အတည်ပြု” လုပ်ဆောင်မှု Agent task တွေကို တိတိကျကျ လုပ်ဆောင်တဲ့အဆင့်မှာတော့ Qwen မိသားစု (ဥပမာ Qwen3-Max) က “collective skills evolution workflow” ကို အသုံးချပါတယ်။ ဒီစနစ်က အသုံးပြုသူရဲ့ တကယ်အပြန်အလှန် ဆွေးနွေးမှု (real interaction) ကို ဖွဲ့စည်းတည်ဆောက်ထားတဲ့ အထောက်အထား (structured evidence) အဖြစ် ပြောင်းပြီး Evolver က pattern/mode ကို ခွဲခြမ်းစိတ်ဖြာကာ candidate update တွေကို ထုတ်ပေးပါတယ်။ ဒီ candidate skills တွေက တိုက်ရိုက် မတင်ပဲ “ညအချိန် validation stage” ထဲကို ဝင်သွားပါတယ်—တကယ့်ပတ်ဝန်းကျင်မှာ အဟောင်းကျွမ်းကျင်မှုနဲ့ အသစ် candidate ကျွမ်းကျင်မှုကို တပြိုင်နက်တည်း လုပ်ဆောင်ပြီး၊ အသစ်ကျွမ်းကျင်မှုက တစ်စုလုံး task success rate နဲ့ execution stability မှာ အဟောင်းထက် သေချာပေါက် သာလွန်နေမှသာ လက်ခံကာ deployment လုပ်ပါတယ်။ ဒါက deploy လုပ်ပြီးသား skill pool ဟာ အချိန်အလိုက် မကောင်းသွားခြင်း (degradation) မဖြစ်အောင် ထိန်းထားပြီး စဉ်ဆက်မပြတ် တည်ငြိမ်တဲ့ စွမ်းဆောင်ရည်တိုးတက်မှုကို ဖြစ်စေပါတယ်။ 4. preview version တွေရဲ့ ဆက်တိုက် စမ်းသပ်မှုနှင့် post-training လက်ရှိ ထုတ်ပြန်ပြီးသား Qwen3.8-Max preview version မော်ဒယ်က “တစ်နေ့” အလိုက် စဉ်ဆက်မပြတ် ဆင့်ကဲပြောင်းလဲနေပါတယ်။ သုံးသပ်ချက်အရ ဒီလို အခြေခံအခြေခံ (base) parameter တွေရဲ့ အသေးစား version တွေကို ဆက်တိုက် အပ်ဒိတ်လုပ်နေခြင်းက မော်ဒယ်ဟာ နောက်ဆုံး 4.0 အဖြစ်တရားဝင်ထုတ်မယ့် အဆင်သင့်အတွက် Post-training (နောက်ပိုင်းလေ့ကျင့်ခြင်း) ကို တော်တော်လေး တက်ကြွစွာ ပြုလုပ်နေကြောင်း ညွှန်ပြနိုင်ပါတယ်။
အကြောင်း Qwen3.8 က “တစ်နေ့တာအလိုက်” ဆိုတဲ့ အဆင့်လိုက် ဆင့်ကဲပြောင်းလဲမှု (evolution) ကို ဘယ်လို အကောင်အထည်ဖော်နိုင်မလဲ—လက်ရှိအများပြည်သူသိရှိနိုင်တဲ့ အချက်အလက်တွေကို ပေါင်းစည်းကြည့်ရင် အဓိကယန္တရားကတော့ မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အပ်ဒိတ်လုပ်ခြင်း၊ အောက်ခံ အခြေခံဗိသုကာပိုင်း (architecture) မှာ ဒိုင်းနမစ် activation လုပ်ခြင်းနဲ့ Agent ကျွမ်းကျင်မှု (skills) တွေရဲ့ ညအချိန် စမ်းသပ်အတည်ပြုခြင်း (nightly verification) ဆိုတဲ့ အချက်သုံးချက်အပေါ်မှာ အဓိကတည်နေတယ်။ အတိအကျကတော့ အောက်ပါအတိုင်းဖြစ်ပါတယ်—

1. မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် အလေးချိန် (weights) နှင့် လင့်ခ် (link) အပ်ဒိတ်
Qwen3.8 က သမားရိုးကျ တစ်ကြိမ်တည်း ကြီးမားတဲ့ ထုတ်ပြန်မှု (single large-scale release) ပုံစံကို ဖျက်ပြီး မြင့်မားတဲ့ အကြိမ်ရေ အလိုအလျောက် iterative လုပ်ဆောင်မှုစနစ်တစ်ခု တည်ဆောက်ခဲ့ပါတယ်။ အဖွဲ့က ထုတ်ဖော်ပြောကြားချက်အရ မော်ဒယ်ဟာ နေ့စဉ် မနက်လင်းခါနီး (မနက် 0 နာရီနီး) မှာ အလေးချိန်တွေကို အလိုအလျောက် အပ်ဒိတ်လုပ်ပြီး၊ ၄၈ နာရီတိုင်းမှာ inference chain (推理链路) optimization ကို ပြန်လည် မွမ်းမံပြီး၊ အပတ်တိုင်းမှာ အသစ်သော multi-modal alignment စွမ်းရည်တွေကို ပို့ချပါတယ်။ ဒီလိုလုပ်ဆောင်မှုက မော်ဒယ်အဆင့်မြှင့်တင်ခြင်းကို “ဆက်တိုက်ဖြစ်ပေါ်နေတဲ့ livestream” တစ်ခုလို ဖြစ်စေတယ်။

2. ဒိုင်းနမစ် အထူးကျွမ်းကျင်သူ ရွေးချယ်လမ်းကြောင်း (dynamic expert routing) နှင့် အလွှာလိုက် မှတ်ဉာဏ် cache (hierarchical memory caching) ဗိသုကာ
အောက်ခံဗိသုကာအဆင့်မှာ Qwen3.8 က ရိုးရာ sparsely activated (稀疏激活) ချဉ်းကပ်မှုကို စွန့်လွှတ်ပြီး “dynamic expert routing + hierarchical memory cache” ကို ပေါင်းစပ်ထားတဲ့ hybrid architecture ကို အသုံးပြုခဲ့ပါတယ်။ ဒီဒီဇိုင်းက 2.4T parameter တွေကို လိုအပ်သလို ဒိုင်းနမစ်အဖြစ် လည်ပတ်နိုင်စေတယ်—မော်ဒယ်က run time မှာ “မတိုင်မရိတဲ့ မဟာဂျာ (giant) တောင်ကြီးလို အပြည့်အဝပုံချထားတဲ့အရာမဟုတ်ဘဲ အသက်ရှူနိုင်ပြီး အတွေးပြန်စဉ်းစားနိုင်တဲ့၊ အလိုက်သင့်ရွေးချယ်မှု (trade-off) ကို နားလည်တဲ့ intelligent agent” တစ်ခုလို လုပ်ဆောင်နိုင်ပါတယ်။ ဒီဗိသုကာအဆင့်တိုးတက်မှုက မြင့်မားတဲ့ အကြိမ်ရေ iterative အတွက် နည်းပညာအခြေခံအုတ်မြစ် ဖြစ်ပါတယ်။

3. Agent (အသိဉာဏ်ပိုင်) ကျွမ်းကျင်မှုများရဲ့ “ညအချိန် ဆင့်ကဲပြောင်းလဲမှုနှင့် အတည်ပြု” လုပ်ဆောင်မှု
Agent task တွေကို တိတိကျကျ လုပ်ဆောင်တဲ့အဆင့်မှာတော့ Qwen မိသားစု (ဥပမာ Qwen3-Max) က “collective skills evolution workflow” ကို အသုံးချပါတယ်။ ဒီစနစ်က အသုံးပြုသူရဲ့ တကယ်အပြန်အလှန် ဆွေးနွေးမှု (real interaction) ကို ဖွဲ့စည်းတည်ဆောက်ထားတဲ့ အထောက်အထား (structured evidence) အဖြစ် ပြောင်းပြီး Evolver က pattern/mode ကို ခွဲခြမ်းစိတ်ဖြာကာ candidate update တွေကို ထုတ်ပေးပါတယ်။ ဒီ candidate skills တွေက တိုက်ရိုက် မတင်ပဲ “ညအချိန် validation stage” ထဲကို ဝင်သွားပါတယ်—တကယ့်ပတ်ဝန်းကျင်မှာ အဟောင်းကျွမ်းကျင်မှုနဲ့ အသစ် candidate ကျွမ်းကျင်မှုကို တပြိုင်နက်တည်း လုပ်ဆောင်ပြီး၊ အသစ်ကျွမ်းကျင်မှုက တစ်စုလုံး task success rate နဲ့ execution stability မှာ အဟောင်းထက် သေချာပေါက် သာလွန်နေမှသာ လက်ခံကာ deployment လုပ်ပါတယ်။ ဒါက deploy လုပ်ပြီးသား skill pool ဟာ အချိန်အလိုက် မကောင်းသွားခြင်း (degradation) မဖြစ်အောင် ထိန်းထားပြီး စဉ်ဆက်မပြတ် တည်ငြိမ်တဲ့ စွမ်းဆောင်ရည်တိုးတက်မှုကို ဖြစ်စေပါတယ်။

4. preview version တွေရဲ့ ဆက်တိုက် စမ်းသပ်မှုနှင့် post-training
လက်ရှိ ထုတ်ပြန်ပြီးသား Qwen3.8-Max preview version မော်ဒယ်က “တစ်နေ့” အလိုက် စဉ်ဆက်မပြတ် ဆင့်ကဲပြောင်းလဲနေပါတယ်။ သုံးသပ်ချက်အရ ဒီလို အခြေခံအခြေခံ (base) parameter တွေရဲ့ အသေးစား version တွေကို ဆက်တိုက် အပ်ဒိတ်လုပ်နေခြင်းက မော်ဒယ်ဟာ နောက်ဆုံး 4.0 အဖြစ်တရားဝင်ထုတ်မယ့် အဆင်သင့်အတွက် Post-training (နောက်ပိုင်းလေ့ကျင့်ခြင်း) ကို တော်တော်လေး တက်ကြွစွာ ပြုလုပ်နေကြောင်း ညွှန်ပြနိုင်ပါတယ်။
·
--
ວັນຈັນຈະບໍ່ປິດກະດານໂດຍກົງເລີຍບໍ?
ວັນຈັນຈະບໍ່ປິດກະດານໂດຍກົງເລີຍບໍ?
MarsBit News
·
--
ໂມເດວໃຫຍ່ Alibaba Qianwen Qwen3.8 ກຳລັງຈະຖືກປ່ອຍອອກແລະເປີດແຫຼ່ງ
ຂ່າວຈາກດ້ານ Mars Finance: (ຂ່າວສານວິທະຍາສິນຄະດີແຜ່ນໃຫມ່) ທາບວ່າ ອາລີ Qianwen Qwen3.8 ໂມເດວໃຫຍ່ ຈະຖືກປ່ອຍອອກແລະເປີດແຫຼ່ງໃນໄວໆນີ້ ໂດຍມີຈຳນວນພາລາມິເຕີສູງເຖິງ 2.4T. ປັດຈຸບັນ ຕົວຢ່າງກ່ອນປ່ອຍ Qianwen 3.8-Max ໄດ້ຖືກນຳສະແດງໃນແຜນ Token ຂອງ Alibaba, Qoder ແລະ QoderWork. (ນັກຂ່າວຂອງ Kechuangban Daily: ຫວາງ ຊິນຢີ)
·
--
ປະເທດຈີນ AI ຈະຂ້າໄດ້ແບບເດັດຂາດ, Alibaba ແຂງແກ່ງຫຼາຍ
ປະເທດຈີນ AI ຈະຂ້າໄດ້ແບບເດັດຂາດ, Alibaba ແຂງແກ່ງຫຼາຍ
MarsBit News
·
--
ໂມເດວໃຫຍ່ Alibaba Qianwen Qwen3.8 ກຳລັງຈະຖືກປ່ອຍອອກແລະເປີດແຫຼ່ງ
ຂ່າວຈາກດ້ານ Mars Finance: (ຂ່າວສານວິທະຍາສິນຄະດີແຜ່ນໃຫມ່) ທາບວ່າ ອາລີ Qianwen Qwen3.8 ໂມເດວໃຫຍ່ ຈະຖືກປ່ອຍອອກແລະເປີດແຫຼ່ງໃນໄວໆນີ້ ໂດຍມີຈຳນວນພາລາມິເຕີສູງເຖິງ 2.4T. ປັດຈຸບັນ ຕົວຢ່າງກ່ອນປ່ອຍ Qianwen 3.8-Max ໄດ້ຖືກນຳສະແດງໃນແຜນ Token ຂອງ Alibaba, Qoder ແລະ QoderWork. (ນັກຂ່າວຂອງ Kechuangban Daily: ຫວາງ ຊິນຢີ)
·
--
បងប្អូនៗ ចូរទទួលយកព្យុះខ្យល់
បងប្អូនៗ ចូរទទួលយកព្យុះខ្យល់
·
--
អាលីបាបានឹងដាក់បញ្ចូល Qianwen 3.8 ឆាប់ៗហើយ សមត្ថភាពល្អស្ទើរតែស្មើនឹង Claude Fable 5 ប៉ុណ្ណោះ អាលីបាបាកំពុងតែត្រៀមខ្លាំងហើយ
អាលីបាបានឹងដាក់បញ្ចូល Qianwen 3.8 ឆាប់ៗហើយ សមត្ថភាពល្អស្ទើរតែស្មើនឹង Claude Fable 5 ប៉ុណ្ណោះ អាលីបាបាកំពុងតែត្រៀមខ្លាំងហើយ
ເຂົ້າສູ່ລະບົບເພື່ອສຳຫຼວດເນື້ອຫາເພີ່ມເຕີມ
ເຂົ້າຮ່ວມກຸ່ມຜູ້ໃຊ້ຄຣິບໂຕທົ່ວໂລກໃນ Binance Square.
⚡️ ໄດ້ຮັບຂໍ້ມູນຫຼ້າສຸດ ແລະ ທີ່ມີປະໂຫຍດກ່ຽວກັບຄຣິບໂຕ.
💬 ໄດ້ຮັບຄວາມໄວ້ວາງໃຈຈາກຕະຫຼາດແລກປ່ຽນຄຣິບໂຕທີ່ໃຫຍ່ທີ່ສຸດໃນໂລກ.
👍 ຄົ້ນຫາຂໍ້ມູນເຊີງເລິກທີ່ແທ້ຈາກນັກສ້າງທີ່ໄດ້ຮັບການຢືນຢັນ.
ອີເມວ / ເບີໂທລະສັບ
ແຜນຜັງເວັບໄຊ
ການຕັ້ງຄ່າຄຸກກີ້
T&Cs ແພລັດຟອມ