详细内容或原文请订阅后点击阅览
设备本地模型“LLM Coherence”：今日表格
周日 MAMLM：当龙虾移动时：gemma4 正在教我“人工智能连贯性”...
来源:Brad DeLong如果人类语言主要是公式化的随机鹦鹉学舌，那么你会期望一只好的鹦鹉是廉价的壁纸，而不是工作的研究助理。然而，在我的餐厅边桌下面，一个来自 Google 的 260 亿参数开源模型正在成为一个令人不安的外部大脑模拟......
好的。至少对我来说，现代“人工智能”现在很有用：SubTuringBradBot 有效——我可以针对有关课程或我所写内容的问题获得良好的一线答案 ； Exegeticist-Bot 有效——当我忘记了一个问题时，我可以弄清楚我或至少过去我对某个问题的想法，因为向量嵌入语义搜索相对于关键字来说是一个巨大的改进。
分享
因此，我现在质疑我关于“AI”的标准路线是什么，你会记得，这是：通过创建一个令人信服的图灵级实体的哑剧拟像来工作，因为人类语言比我们想象的更多的是公式化的随机鹦鹉学舌。但我现在确实需要解释正在发生的事情，正如尤金·维格纳（Eugene Wigner）可能会说的那样，解释这些系统对这么多人来说不合理的有效性。实现这一目标的最佳途径就是给予它一个认真的机会。但我不想向 Anthropic 或 OpenAI 支付半笔钱来实现这一目标。最好的前进道路是什么>
嗯，我下载的那些在“思想质量”方面的冠军 LLM，现在有能力在餐厅边桌下的 Maxxxed-Out M5Max MacBookPro 上运行。结果是
不是来自 Facebook 的 74GB Llama 3.3:70b (q8)，
或 High-Flyer 的 42GB Deepseek-R1:70b，
甚至是阿里巴巴的 35GB Qwen 3:32 (q8)，
赠送订阅礼物
而是来自 Google 的 18GB Gemma 4:31b：
团体订阅可享受 75% 的折扣
17GB Gemma 4:26b 紧随其后。
推荐朋友
来自：
##mamlms