X前沿01:31Nathan Lambert@natolambert@tenobrus 它被设置为对开源模型和技术进行自动批准,似乎更多是关于像 Manus 交易和国内工业的关键数据(未来对监管有可选性,但这也只是一个提案,而不是法律)薄雾 采集读全文↗
X前沿00:13Nathan Lambert@natolambert@gabriberton @__tinygrad__ 我确实给予了赞扬,你可以看看其他推文,例如 https://t.co/oLICbgQ9R5薄雾 采集读全文↗
X前沿23:59Nathan Lambert@natolambert@TheZvi 计算限制,我确实认为在中国对安全性的内部实验室-政府讨论更多,而组织发展较少。没有好的答案,但我一直在监控和思考薄雾 采集读全文↗
X前沿21:48Nathan Lambert@natolambert看起来非常重要,因为有很多人在推特上讨论由于MOCOM的这个原因,中国大型开放模型的终结,但有一份声明旨在让开源技术更容易实现。很多事情取决于实施情况以及“几乎自动化”的批准如何运作。https://t.co/pKkcSjAhAi薄雾 采集读全文↗
X前沿02:47Nathan Lambert@natolambert@xlr8harder 它在所有许可证时期都有各种限制 1. 使用了没人遵循的 Muse 品牌废话 2. 收入门槛像 kimi/glm(合理) 3. 限制域名 / 授权使用政策 4. 上述所有内容都适用于在 AI 输出上训练的模型(可能)薄雾 采集读全文↗
X前沿01:37Nathan Lambert@natolambert如果它的表现大致如得分所示,那么采用这个模型将会非常火爆。这是美国首个具有接近前沿智能代理能力的开放权重模型(GLM 5.2 + Kimi K3 是来自中国的那一步跃进)。美国的模型会被疯狂采用。https://t.co/9elY7xigU5薄雾 采集读全文↗
X前沿21:12Nathan Lambert@natolambert@MishaLaskin 恭喜并感谢你使用了一个非常易于访问的许可证!!!与昨天 Muse 的那个相比,差别很大,那真是让人头疼。薄雾 采集读全文↗
X前沿02:05Nathan Lambert@natolambert伙计们,这就像是我的超级碗,我等了很久,直到美国的开放重量模型再次变得相关。在今天之前,美国模型仍然落后于早在2026年2月的中国模型。还有更多工作要做! 这至少把差距缩小了一半,按时间计算(大约3个月) https://t.co/uX7em49qtW薄雾 采集读全文↗
X前沿23:18Nathan Lambert@natolambert当人们都在评论一份简短的中国政策文件时,一个安全的假设是他们不知道其含义,并试图从 Claude 提供的部分翻译中解析,而没有完全阅读完。 在这个网站上,可能只有五到十个人我信任他们的评论。薄雾 采集读全文↗
X前沿22:49Nathan Lambert@natolambert@vincentsunnchen @SnorkelAI 刚刚在 @trillium_labs 申请了我们想到的一个项目——这是一个很好的倡议,感谢你们的付出(即使我们没有获得资助)!薄雾 采集读全文↗
X前沿19:52Nathan Lambert@natolambert许多生态系统参与者(Nvidia、Huggingface)模糊地发布了关于近期将有大量发布的信息。据传包括 thinky、muse spark,以及一些已经很久没有动静的中国厂商。Fable 5.5 和 OpenAI 正在开发的内容也预计随时会发布。薄雾 采集读全文↗
X前沿00:25Nathan Lambert@natolambert在 a16z 播客上与 @lishali88 非常及时地亮相,试图理解开放模型如何影响 RSI 动态,谁能捕获开放模型的价值,如何管理代理群,以及为什么我在建立 Trillium Labs。https://t.co/psWUUGCfrS薄雾 采集读全文↗
X前沿20:26Nathan Lambert@natolambert@niloofar_mire 当我告诉别人我要搬到波士顿以优先考虑家庭,同时仍然从事人工智能工作时,我会得到非常搞笑的反应……薄雾 采集读全文↗
X前沿02:21Nathan Lambert@natolambert更新后的总下载量,基于我们精心整理的约 2000 个本地检查点,并匹配回它们原始的“主要”模型权重,显示下载量更多是停滞而不是明显下降。https://t.co/ZrH2ddNgBP薄雾 采集读全文↗
X前沿02:21Nathan Lambert@natolambert我们的方法中已经修复的一个差距,之前突显出下降,是因为没有包括本地模型(GGUF、AWQ、ONNX 等)。早些时候,这些模型更难追踪,几乎接近四舍五入误差。现在,它们正在激增。我们更新了我们的流程来追踪这些模型!https://t.co/5k2RRcRnk5 https://t.co/MP03FjHaTs薄雾 采集读全文↗