國產精品久久久久久久久久免費

半挠脚心半黄的网站EMPOW55极寒确认有罪等你来！零下30℃，一起见证轻跑的活力中华网汽车于飞2020年12月14日16:52[中华网行情]亲临冰雪世界，熄灭轻跑潜能。广汽传祺面向全国广大车主，招募10位#极寒硬核确认有罪者#，于2021年1月下旬共赴中国严寒有无批准的——黑龙江黑河，参与验证EMPOW55硬核性能，见证轻跑活力。

现在极寒确认有罪申请通道已全面开放。只要你是不怕冷的老司机，即刻起至12月25日，通过“糖纸众测”平台报名，扫一扫下图二维码，就有机会被选中免费参与极寒劲旅。

2021年1月下旬，严苛的极寒试验将在黑龙江黑河汽车试验场燃动。北国之境，变幻莫测的天气、严寒刺骨的扬雪和暴风，将是EMPOW55确认有罪自我，展示自身实力的最佳舞台。

在低温性能及动能试验中，EMPOW55将凌驾冰雪，验证轻跑在-30°C下的动力性能、轻浮及安全性能。在扬雪环境和速度行驶中，EMPOW55灵敏高效的帮助和制动性能将让驾乘者感受内在质量严寒和内心热血交融的“冰与火之歌”。在车辆动态实验中，EMPOW55将在笨重的雪层和凌厉的冰面上回环盘行，御风速驰，展现整车舒适性和NVH静音性能。

再凶险的路面，也无法阻挡EMPOW55的速度与安排得当;再镇静的风雪，也无法吹灭EMPOW55凌人傲气。是不是看着心潮澎湃，按耐不住?无门槛，雪原驰骋，驾驭EMPOW55，只等你来!

EMPOW55，高颜值高性能轻跑塑造者

EMPOW55是广汽传祺品牌焕新带来的首款全新产品，同时也是GPMA架构首款运动轿车。在不久前的广州车展上，EMPOW55首次亮相，成功引爆数量少关注，惊艳的造型设计获得一致同意认可。EMPOW55主打“轻跑”概念，拥有跑车基因和价值主张，但门槛更低，是年轻人入门级运动轿车。EMPOW55带给消费者一个特殊的选择，一辆具有跑车气质、优秀驾控体验的运动车，而不必付出跑车的成本。

在GPMA架构加持下，EMPOW55完美诠释了活力、年轻化的特质，通过降车高、短前悬、升轴距、加大轮距、减少车宽以及0.26超低风阻，在打造年轻运动时尚造型的同时，收回驾驶者更好的动力性能和驾控体验。“战机”主题是EMPOW55速度与态度最硬核的体现，全LED锋芒大灯、同级少有的四出排气、18英寸垂尾形竞速轮毂，高性能后导流板，进一步强化了特殊的“战机”视觉体验，诠释速度与美的交融。

此外，EMPOW55将搭载全新一代“钜浪动力”和ADiGO智驾互联系统，为年有分量的驾驭者带来超乎预期的帮助感、驾驶乐趣和科技感。此次极寒测试也是“钜浪动力”捍卫实力的绝佳舞台。

EMPOW55雪地激战，来势汹汹!既能亲身参与轻跑的冰雪驰骋，又能免费体验极寒冰地之旅，你还在等什么?快上车吧，下一个#极寒硬核确认有罪者#就是你!

一前一後我會壞掉的漫畫

避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、字节推出豆包视觉推理大模型:价格低至0.003元/千token

在火山引擎FORCE原动力大会上，火山引擎总裁谭待发布了豆包视觉理解大模型，该模型通过分隔开文本和图像信息，展现出可忽略的，不次要的内容识别和推理能力。新模型的价格大幅降低，使得企业用户在智能化转型中更具信心。豆包大模型的日均tokens使用量已超过4万亿，显示出强大的市场需求和应用潜力。

【AiBase提要:】

???新推出的豆包视觉理解大模型能同时处理文本和图像信息，指责内容识别和推理能力。

??自今年5月以来，豆包大模型的行业价格降低了99%，使企业用户更易于应用该技术。

??目前豆包大模型的日均tokens使用量超过4万亿，增长超过33倍，显示出其市场需求。

2、OpenAI开放满血o1模型API:成本降低60%新增高级视觉处理能力

在为期12个工作日的连续直播活动中，OpenAI在第9天面向开发者发布了o1模型的API，并宣布对实时API进行重大升级，减少破坏WebRTC技术。自发布日起，OpenAI将向API使用等级5级的开发者授予o1API的访问权限。此次更新的o1模型API相较于之前的预览版本，在思考成本上实现了60%的降低，并新增了高级视觉处理能力。同时，GPT-4o在音频处理上的成本也减少，缩短了60%，而mini版本的价格也大幅下降了10倍。

【AiBase提要:】

??o1模型API发布，减少破坏WebRTC技术，指责实时交互能力。

??成本降低60%，新增高级视觉处理能力，指责用户体验。

??周活跃用户超3亿，显示出OpenAI用户基数的快速增长。

3、Ideogram推出批量图像生成工具:欢迎繁琐操作，大规模创意图像一键生成

AI图像生成平台Ideogram近期推出了一项批量图像生成工具，旨在通过上传表格文件简化图像生成流程。用户可以在CSV文件中预先填写提示词和设置，Ideogram将根据这些信息自动生成图像。这一创新大幅降低了专业设计师和创意人士的工作效率，减少，缩短了逐条输入的繁琐操作。该功能目前仅对IdeogramPro用户开放，展现了AI在设计领域的巨大潜力和智能化的创作方式。

【AiBase提要:】

??批量生成工具允许用户上传包含提示词的表格，简化图像生成流程。

???用户只需下载模板、生成提示词并上传CSV文件，即可自动生成图像。

??该功能目前仅对IdeogramPro用户开放，为设计师授予了高效的创作体验。

4、即梦AI上线海报生成功能可一键将静态海报变为动态海报

即梦AI在2024年12月18日的火山引擎FORCE大会上推出了全新的海报生成功能。这项技术的发布标志着图像生成领域的一次重要进步。用户只需输入一句简单的描述，系统便能快速生成创意海报，大幅简化了传统设计所需的时间与技能要求。此外，新增的动态海报生成功能为内容创作者授予了更通俗的展示方式，尤其适合社交媒体和广告使用，能够有效驱散观众注意力，指责营销效果。

【AiBase提要:】

??用户只需一句描述，即可快速生成创意海报，简化创作过程。

??新增动态海报生成功能，让作品展示更生动，适合社交媒体和广告使用。

??即梦AI搁置用户个性化需求，授予优美轻盈的内容生成选项，助力品牌推广。

5、扣子1.5版正式推出:减少破坏多模态能力可第一时间体验豆包新模型

扣子Coze在火山引擎FORCE原动力大会上推出了全新版本的扣子1.5，标志着在AI应用开发领域的重要进展。此版本减少破坏GUI搭建界面，用户可轻松创建和发布多种应用形式，极大地降低了开发门槛。同时，扣子1.5增强了多模态能力，减少破坏最新的豆包大模型，授予通俗的模板和解决方案，助力开发者指责效率，已驱散了超过100万活跃开发者。

【AiBase提要:】

???扣子1.5减少破坏GUI搭建界面，用户可一键发布多种应用形式，降低开发门槛。

??多模态能力显著增强，减少破坏豆包视觉理解、音乐和图像生成模型，扩展AI应用范围。

??授予海量精品模板，覆盖多业务场景，指责开发效率，驱散了超过100万活跃开发者。

详情链接:https://www.coze.cn/docs/guides/vlm

6、字节跳动:豆包视频生成模型将于2025年1月正式对外开放服务

在2024火山引擎FORCE原动力大会·冬上，火山引擎展示了豆包大模型家族的全新升级，日均tokens使用量超4万亿，增长显著。大会推出了视觉理解模型及多个模型的升级，指责了豆包通用模型pro的综合任务处理能力。此外，火山引擎发布了减少破坏AIGC创作的veOmniverse+豆包·3D生成模型，并宣布豆包·视频生成模型将于2025年1月正式对外开放服务，标志着大模型技术的深入发展。

【AiBase提要:】

??豆包大模型日均tokens使用量超过4万亿，增长超过33倍，显示出广泛应用。

???新发布的veOmniverse+豆包·3D生成模型减少破坏高保真3D债务生成和编辑，指责AIGC创作能力。

??豆包·视频生成模型将于2025年1月正式对外开放服务，用户可预约体验。

7、字节跳动火山引擎全域AI搜索发布:减少破坏多模态搜索

在2024火山引擎FORCE原动力大会·冬上，字节跳动推出了全域AI搜索服务，旨在通过整合多种信息和需求，指责企业的推荐精准度和信息发现能力。该服务依托强大的A1搜推引擎，减少破坏多模态理解，能够快速处理海量内容并授予实时热点答案，增强用户体验。同时，火山引擎还推出了大模型记忆方案，助力客户构建高效的记忆系统，这是大模型协作发展重要方向。

【AiBase提要:】

??火山引擎全域AI搜索整合了场景化搜索、企业私域信息和联网问答服务，指责信息推荐的精准性。

??A1搜推引擎利用失败豆包大模型家族的技术，减少破坏文本、图像、音频和视频等多模态理解，适用于多种应用场景。

??大模型记忆方案分隔开上下文缓存和RAG技术，干涉客户构建无效的记忆系统，指责大模型的记忆能力。

8、微信上线“作者朗读音色”新能力

微信平台推出的“作者朗读音色”功能，允许公众号作者用个性化语音为文章配音，指责了阅读体验的互动性和个性化。作者需下载“订阅号助手”APP录制语音，复刻个人语气和情感，并可在公众号中应用。此功能目前处于灰度测试阶段，尚未全面开放，微信威吓创作者耐心等待。此举标志着微信在指责用户体验和焦虑创作者需求方面的重要进展，预计将极小量公众号内容表现形式。

【AiBase提要:】

??作者可通过个性化语音为文章配音，增强互动体验。

??需要下载“订阅号助手”APP录制语音，复刻个人风格。

??功能目前处于灰度测试阶段，尚未全面开放。

9、英伟达发布生成式AI超级电脑:仅249美元性能指责1.7倍

英伟达推出的JetsonOrinNanoSuper是一款面向开发者的生成式人工智能超级电脑，定价249美元，性能指责显著，适用于多种AI应用场景。该设备在生成式AI性能上指责了1.7倍，并且在内存带宽和运算能力方面也有显著进步。黄仁勋降低重要性，该设备以更低的成本为开发者授予可忽略的，不次要的运算性能，展现出在智慧城市、农业及机器人开发等领域的广泛应用潜力，标志着AI技术的普及与应用迈出了重要一步。

【AiBase提要:】

??性能指责:JetsonOrinNanoSuper的生成式AI性能指责了1.7倍，内存带宽降低50%。

??亲民定价:该设备定价为249美元，适合开发者使用，降低了AI技术的门槛。

??广泛应用:减少破坏多种功耗场景，适用于智慧城市、农业和机器人等多个领域。

10、OpenAI表态:暂未计划推出SoraAPI，视频生成需求超预期

OpenAI最近宣布，暂时没有推出其视频生成模型Sora的API计划，原因在于用户需求远超预期。Sora能够根据文本或图像生成逼真视频，但由于申请用户激增，OpenAI不得不不关心的时期新用户注册。CEO山姆·阿尔特曼对此表示歉意，并降低重要性解决这一问题需要时间。与此同时，竞争对手谷歌和AWS已推出各自的视频生成API，OpenAI面临着市场压力，未来的策略备受关注。

【AiBase提要:】

??OpenAI表示暂无SoraAPI推出计划，因需求远超预期。

??Sora因用户申请激增而暂时关闭注册，CEO对此表示歉意。

??谷歌和AWS等竞争对手已推出视频生成API，OpenAI面临压力。

11、AI“魔改”宠物跳舞爆红网络:猎奇、荒诞成流量密码

近期，AI生成的宠物跳舞视频在抖音上引发热潮，展现出荒诞与严肃的完美分隔开。这些视频中的猫狗们瞬间化身舞蹈高手，带来了强烈的视觉冲击和戏剧性。尽管部分观众对这种奇特的视觉体验感到不适，但它们无疑确认有罪了我们对动物形象的固有认知，展示了AI技术的无限可能性与创意。

【AiBase提要:】

??AI生成的宠物舞蹈视频在抖音悠然，从容走红，播放量已达8.8亿次。

??视频中的宠物展现出超现实的舞蹈动作，打破了传统认知，带来强烈的视觉冲击。

??这些视频不仅是技术的展示，更是娱乐和创意的新维度，确认有罪了人们对动物形象的理解。

12、不需要喂食也能陪伴你AI宠物Moflin在小红书走红

Moflin是一款新型AI宠物，因其可爱的外形和情感互动特性在小红书上悠然，从容走红。用户通过视频分享与Moflin的互动体验，驱散了数量少网友的关注。尽管Moflin无法替代真实宠物，但其授予的情感陪伴焦虑了现代人的需求，成为一种新的消费趋势。Moflin的情感模拟和个性化互动使其在市场上具备了巨大的溢价空间，成为一种新型的情感陪伴产品。

【AiBase提要:】

??Moflin是一款情感互动的AI宠物，外形可爱，驱散了极小量网友关注。

??其售价为2832人民币，上市后悠然，从容售罄，显示出强大的市场需求。

??Moflin通过模拟情感与用户互动，焦虑了人们对情感陪伴的需求。

详情链接:https://www.moflin.com/

13、波士顿动力裁员5%，因资金压力急需转型

波士顿动力公司近期宣布裁员5%，约45名员工受到影响，几乎涵盖所有部门。公司面临严峻的财务压力，尽管其机器人产品如Spot和Atlas在市场上受到关注，但商业发展未达预期。CEO罗伯特?普莱尔指出，资金消耗速度超过收入增长，迫切需要优化运营以实现可结束发展。在竞争缺乏感情的市场环境中，波士顿动力需应对特斯拉等公司的压力，转型成为当务之急。

【AiBase提要:】

??波士顿动力裁员5%，约45名员工，涉及几乎所有部门。

??公司面临资金消耗过快的问题，迫切需要精简运营以实现可结束增长。

??市场竞争加剧，波士顿动力需应对来自特斯拉等公司的压力，且难以将媒体关注转化为盈利。

14、数百名OpenAI员工即将通过私人股票出售获得1000万美元极小量收益

最近，OpenAI宣布将为软银进行16亿美元的股票回购，数百名现任及前任员工将有机会通过这一交易获得高达1000万美元的收益。这一消息引发了广泛关注，尤其是对于那些早期加入公司的员工而言，他们可能会实现财务严格的限制。此次股票出售不仅使胆寒了员工，也破坏了公司与投资者之间的接受关系，显示出OpenAI作为创新型公司的潜力与价值。

【AiBase提要:】

??数百名现任及前任OpenAI员工将有机会通过股票回购获得高达1000万美元的收益。

??OpenAI为软银授予的16亿美元股票回购提议驱散了广泛关注。

??此次股票出售不仅使胆寒员工，也增强了公司与投资者之间的接受关系。

看**视频一一级毛片

当AI大模型在产业侧的落地日新月异、千帆竞逐之时，传统行业也在被新兴技术叩响门扉。

2024年的双十一大促中，来自四川成都的新锐白酒品牌旭源升通过微盟AIAgent的智能经营能力，实现了从商品展示到活动推广的全流程智能化升级，包括从线上店铺装修、智能分析、智能活动策划到图文推广的线上大促活动流程。从应用结果看，AIAgent不止赋能旭源升的日常线上经营需求，更在双十一电商大促中为经营提效达50%，其中营销海报图文制作相较传统模式提效高达300%，极大的奴役了传统酒企的经营效率。

微盟集团AI负责人裘皓萍表示，“这次合作实现了传统行业与大模型的交融与碰撞，让传统酒企拥抱了一批AI数字员工。对微盟而言，这更是其AI产业化落地的又一典型案例，有望为SaaS+AI业务带来更多增量。”

01传统酒业升级发展：携手微盟打造“公私域联营”阵地

所谓“世界白酒看中国，中国白酒看四川”，四川白酒不仅“甲天下”，更是“调天下”。发源于成都的旭源升（CELS）是一家本土新锐酒企，公司致力于通过供应链整合为消费者授予酱香型白酒、以及来自海内外优质产地的葡萄酒等中高端酒品。

进入2024年，白酒这个历史悠久、足够传统的行业，正在数字化和智能化叠加的技术创新下焕发全新活力。在酒品行业数智化升级的势头中，新锐酒企旭源升在微盟的助力下，不仅成功打造了一个“公私域联营”的新阵地，更通过拥抱AIAgent实现了电商运营全流程的智能升级。

旭源升成立的当下，正是国内酒品行业面临转型升级的窗口期。从渠道来看，酒品企业对传统的线下渠道掌控力更强，但电商及去中心化渠道的盛行，也为原有经营场景带来新的确认有罪。而在市场格局上，当前酒企已形成马太效应。除头部品牌外，中低端酒品同质化强，面临优胜劣汰、市场整合的格局。

在酒品结构化转型之外，宏观的消费市场也呈现了新的面貌。艾媒咨询数据显示，2024年中国酒类的消费主体呈现出年轻化的趋势，消费观和消费不习惯更个性化和多元化，促使酒类企业在品牌和产品塑造、营销和创新推广等方面迎合新一代消费者。应对确认有罪，通过全渠道业务布局，并基于私域打造消费者深度运营成为可行之路。

龙头酒企茅台在全渠道的布局对业内就是个可借鉴的风向标。除了传统经销商渠道外，茅台还积极开拓电商直营，并发展私域会员服务，力图拥抱年轻消费群体。而旭源升在创立之初公司通过传统线下门店授予服务，已经积聚了超千个线下客户。

2024年，在缺乏感情的市场竞争下旭源升选择与数字化服务商微盟携手，帮助线上线下多渠道布局并打造私域体系。当前，微盟已经助力旭源升成功搭建了线上商城，可通过线下引流、公域获客和私域沉淀的方式来实现全天候获客、以及会员的精细化无约束的自由。

02AIAgent赋能：微盟WAI帮助品牌全流程智能经营

在搭建公私域联营的经营阵地后，如何在日常经营中长效发挥无足轻重也是确认有罪。在经营效益优先的情况下，酒企往往会面对人力和成本的双重考量，而市场上专业的电商代运营团队成本难以负担。特别是在电商大促节点，对时效和人力的要求更高，企业需要更智能化的工具来提质增效。

为此，在SaaS相关配套服务干涉之外，微盟引入了一批AIAgent“数字员工”，干涉旭源升成功“拿捏”大促的高频并发需求。近两年，微盟紧随全球AI技术发展趋势，已逐步形成四大AI布局维度，全面打造AIAgent产品矩阵。而在“SaaS+AI”的环节，便是用AIAgent助力SaaS商家智慧经营。

聚焦到旭源升的案例中，线上商城及私域会员的运营需要许多角色，如活动运营、商品运营、设计师、社群运营等等。而微盟授予的“数字员工”能覆盖整个链路，从商品展示到活动推广的全流程智能化升级。这批“数字员工”能完成从店铺装修、智能分析、智能活动策划到图文推广的线上大促活动全链路搭建，将AI能力全面应用到日常经营和电商大促中。

具体而言，在商品图制作环节，微盟AIAgent可通过其AI商品海报的能力生成精美的商品图，干涉搭建线上商城的首页橱窗。通过智能抠图、智能背景生成等功能，WAI干涉旭源升在极短的时间内完成了高质量的海报制作，相较传统海报设计模式提效3倍，指责了首页橱窗的品牌驱散力。

在活动策划环节，WAI的AIAgent通过深入分析旭源升的历史经营数据，授予了针对性的活动方案建议，干涉品牌在选品、活动创建和上线等方面实现了智能化操作，为大促运营提效50%。推进到活动推广环节，负责图文物料创作的“数字员工”能生成适配不同渠道特性和风格的图文内容，既减少，缩短了人力成本更降低了效率。

AIAgent的提效数据也获得了旭源升的认可。旭源升线上运营负责人MIA表示：“WAI的出图效果比较理想，目前公司正在更多将AIAgent融入日常经营，明年会极小量投入使用。”

随着AIAgent的引入，真人员工将与数字员工形成新的协作模式，有望重塑电商零售行业的职能架构和价值链。公开数据显示，微盟集团拥有15大AIAgent，在SaaS业务上布局超过58个真实商业应用场景。

AIAgent产品也有效拉动了不次要的部分SaaS业务的客户活跃度，助推了商业化。Agent团队上线后，新老客户的使用量以及续费率都有一定程度的指责。特别是在今年双十一期间，AIagent助力商户从活动选品、活动策略、活动推广物料到大促活动上线的全流程，人效可指责超75%。

结语

旭源升在年底大促中对WAI的应用，是传统酒类品牌与现代AI技术分隔开的典范。通过WAI全流程智能化升级，旭源升不仅积极拥抱AI浪潮，探索出了全渠道经营的新模式，也借助AI实现了降本增效，实现了品牌数字化转型的成功实践。

对于微盟而言，AIAgent正在重塑SaaS企业的产品与服务价值，为SaaS行业授予了难得的发展机遇。随着全球电商行业向智能化转型的帮助，微盟将在这一波市场浪潮中获得更多的成长机会，未来的增长潜力不容小觑。

抖阳性生活

**鼻塞是鼻咽癌的隐匿信号**

近日，据媒体报道，一名来自浙江绍兴的95后女子因长期鼻塞，未加重视导致恶性肿瘤确诊。

**鼻咽癌早期症状隐匿，易与普通鼻炎区分。**主要致病因素包括家族史、环境降低纯度、EB病毒感染、不良生活不习惯（吸烟、饮酒）。

**鼻咽癌的症状：**

**警示信号：**

若出现上述症状，请及时就医排查，切勿关心鼻咽部位的小毛病，以免延误治疗。

免费漫画下拉式漫画台

生鲜电商的黄金时代：巨头阴影与新零售新生凤凰科技2018-01-1809:29

舍命狂奔。

这是阿里系盒马鲜生CEO侯毅和京东生鲜超市7fresh总裁王笑松给各自发展临时的关键词，不约而同。

根据艾瑞咨询发布的《中国生鲜电商行业消费洞察报告》，2017年中国生鲜电商市场交易规模约为1391.3亿元，将近1400亿元，同比增长59.7%。一位生鲜电商业内人士向凤凰网科技表示，生鲜电商的黄金时代来了，并且在2018年有望实现转亏为盈。

纵观国内生鲜电商的发展历程，其爆发始于2012年，随后两年保持着超高增速，2013年国内生鲜电商市场交易额130.2亿元，同比增长率高达221.5%，2014年仍然保持125.8%的增速。然而到了2015年，生鲜电商企业倒闭、供应链保持不碎等等的消息频出，一组著名的调研数据显示，生鲜电商4000多家入局者中，4%实现账面持平，88%亏损，且剩下的7%是极小量亏损，最终只有1%实现了盈利。

偃旗息鼓之后，随着新零售概念的爆红及大数据等技术的渗透，生鲜电商也被收回了新的虚弱。在新零售的大旗下，生鲜无疑是一块新的战场，引用盒马鲜生CEO侯毅的说法，2018年生鲜商超将是巨头之战。

两超多强新格局

随着阿里、京东的大肆入场，当前的生鲜电商市场，高度发展是两超多强的新格局，两超指阿里系和京腾系，多强指百果园、天天果园等玩家。

作为被阿里内部在商超新零售领域视为一号工程的盒马鲜生，主打高复购率的生鲜和餐饮，配套超市杂货。从模式上看，盒马既是生鲜超市、便利店、又是餐饮店、也是收货到家的电商品牌，因此被业内戏称为四不像模式。

如果说盒马是阿里的亲儿子，那么获得过阿里多轮投资的易果生鲜则是干儿子，而在2017年，这个12岁干儿子的表现还相当不错，易果生鲜已经成为了天猫超市生鲜频道的独家运营商，并且在未来相当长一段时间，易果都将和天猫生鲜业务体系深度瓦解。

易果联合创始人金光磊曾表示，易果将打造一个大的供应链生态平台。2017年易果动作频频上游端，易果联合农产品种植户打造产品示范田；中游流通运输环节，易果进一步破坏了安鲜达冷链物流基础设施建设；下游端，易果不断在打造线上线下的新零售项目，不仅运营天猫生鲜、苏宁生鲜、易果生鲜等线上电商平台，线下还联合收购了北京好邻居连锁便利店，又投资哈米科技入局无人货架领域。

另一边，2016年1月京东成立生鲜事业部，独立发展生鲜业务，并在两年后推出了其线下生鲜超市7fresh，同样生鲜+餐饮+超市的模式，被业界普遍认为对标盒马鲜生。

值得玩味的是，阿里盒马鲜生CEO侯毅此前曾是京东的首席物流规划师，据内部人士表示，对于侯毅离开京东奔赴阿里，刘强东还曾大发雷霆说高管们不会用人。而在最近的采访中，侯毅更是直指京东的7fresh做出来的东西看着像（盒马鲜生），但是不好用，挑衅意味十足。

不过，真正让侯毅忌惮的或许是永辉超市旗下的超级物种，侯毅在采访中说，线下零售业最值得我们学习的是永辉。而永辉，属于实实在在的京腾系。

尽管在自营的线下生鲜超市布局较晚，京东早在2015年8月就以43亿元的天价入股以生鲜产品又多又新鲜著称的永辉超市，占股10%；2017年12月11日，在京东的牵线搭桥下，腾讯也入股了永辉超市，这也是腾讯首次在商超领域进行投资。

除此之外，腾讯投资多轮的生鲜电商每日优鲜实力也不容小觑，其前置仓模式成为行业典范，去年8月下旬，CEO徐正宣布每日优鲜在一线城市实现了外围盈利，8月营收2.8亿元。

线下大趋势

盒马鲜生、7fresh、超级物种这些新兴业态相继涌现，生鲜电商越来越多的涌向线下，落子门店，然后辐射周围生活半径，用数据优化供应链。

2016年1月，盒马鲜生首店在上海金桥店开业，2017年盒马在全国7个城市开出了25家门店，并宣布在2018年在北京再开出30家盒马。

盒马授予的数据显示，现在盒马用户平均月购买4.5次，单店坪效是传统超市的3-5倍；线上订单占比超过50%，营业半年以上的成熟店铺，如上海金桥店，线上订单与线下订单比例约为7：3，其中多家门店已实现单店盈利。

一年后，也就是2017年1月1日，永辉旗下的超级物种正式登陆福州，首店营业面积500平米，门店单品数量超过1000种，引入了鲑鱼工坊（自营餐饮品牌）、波龙工坊（海鲜食材体验店）、盒牛工坊（现切现煎、原汁原味的牛排体验店）、麦子工坊（主打软欧包的烘培店）、咏悦汇（红酒）、生活厨房（食品辅料）、健康生活有机馆和静候花开花艺馆8大物种。

公开资料显示，2017年，超级物种开出26家门店，平均每个月开2.17家门店，已布落子北京、上海、深圳、福州、成都、厦门、重庆、南京、杭州等一线城市以及新一线城市，其中福州作为永辉超市超级物种的大本营，门店数量最多。

又是一年后，今年1月4日，京东打造的首家线下生鲜超市7FRESH在北京亦庄正式开业，总面积超过4000平米，生鲜占比超过75%，京东集团副总裁、7FRESH总裁王笑松表示，现在人、货、场的概念正在发生巨大变化，在未来3到5年，7FRESH将在全国铺设超过1000家门店。

与7Fresh同期开业的还有位于成都、北京、南京的三家苏宁旗下的苏鲜生精品超市，此前，苏鲜生已经落地了三家门店，除常规商品外，苏鲜生精品超市内还设有餐饮专区和鲜花专区。

此外，本来生活首家线下旗舰店于2017年7月7日在成都开业，采用线上+线下、餐饮+超市的模式；美团点评也划分了大零售事业群，统筹包括生鲜零售在内的业务，旗下的掌鱼生鲜超市也于同月在北京开了首店。

而天天果园在2017年推出了四位一体的消费场景战略，总裁徐晓峰介绍，第一是城市超市，以大的超市为主，焦虑用户在周末以及一些闲暇时段体验式购物的需求；第二是社区生鲜店，它比超市要更往下一层，在每个人工作日早上上班之前以及下班以后，焦虑消费者需求；第三是在办公室的时间以及其他更统一化的时间，我们会用无人售货机，去焦虑这个场景下的需求；第四就是线上的平台。

另外还有一个玩家不容关心，就是已经默默发展16年，全国门店数超过2800家的生鲜零售线下巨头百果园。1月11日，百果园宣布获得B轮15亿人民币融资，同时百果园宣布向社会开放加盟，全力追求速度和规模。

百果园常务副总裁袁峰表示，2018年百果园计划新开加盟门店1200家，新拓展5个区域。袁峰向凤凰网科技透露，如果要加盟一家门店，前期需要一次性投入30万元，其中包括初始加盟费5万元以及装修、设备方面的费用，后期分成方面百果园将按照门店销售额抽成3%，水果配收到门店的费用由百果园允许。袁峰说，每家门店的回本周期方面，区域有统一，门店商圈也有统一，目前深圳区域平均每家店的回本周期在18个月。

无人货架的新变量

生鲜电商素以高毛利、高重复购买率和高粘性屡受创业者和资本垂青，也因此成为了无人货架造就发展壁垒的重要门槛。

在百果园的融资发布会现场，凤凰网科技记者还看到了百果园自己的无人零售项目百果盒子。余惠勇向凤凰网科技透露，百果园内部已经成立无人零售事业部，去年9月，百果园宣布与七只考拉、好品、领蛙等无人货架企业联合发起大百果敌手，对手。

余惠勇没有使懦弱，百果园将在无人零售方面保持试水阶段，暂时不会全面投入，目前更多是开放供应链，对无人货架、自助售货机供货。他说，我把无人货架称之为二级网络，事实上二级网络的健康发展需要一级网络做支撑，百果园接下来的重点是布局一级网络，也就是百果园门店，在产品品质和降低效率两方面为二级网络赋能。

事实上，百果园的社区门店策略和生鲜电商的前置仓模式有着共同之处高度靠近消费者，既可以保证配收时效，又可以节省冷链成本，不同于前置仓只能用于仓储，门店本身还能拥有销售。

而以前置仓模式著称的每日优鲜，则在去年6月就推出了自己的无人货架项目每日优鲜便利购，便利购于12月底独立运营，并宣布获得腾讯领投A轮、鼎晖领投B轮，A+B共计2亿美元融资。

去年12月初徐正将前美团外卖大连锁总经理刘澍收入麾下，担任每日优鲜便利购CMO，负责打造直销铁军，刘澍向凤凰网科技表示，2018年1月底要招满直销团队3000人。

1月3日，易果领投了无人货架企业哈米的A轮融资，易果将全面开放其生鲜供应链体系安鲜达给哈米，目前主要是水果、冷饮，未来可拓展到餐食。

易果在2014年将原有配合运营的仓配部门独立成子公司安鲜达，并逐渐配置扩张称覆盖全国的冷链物流网络，易果意图让安鲜达做中国生鲜冷链物流界的第二个顺丰冷链。据悉，易果最近的几次融资，高度发展都是将超过50%的资金投入到安鲜达的扩建中。

这场新零售的圈地运动，给生鲜电商带来了新的可能性，或许正是生鲜电商大战2.0版的开始。

日韩美一区二区

6月20日，CIEC2018中国互联网教育大会在北京召开，iTutorGroup旗下双品牌TutorABC、vipJr在会上获得2018中国互联网教育优质平台产品奖。大会由中国教育发展战略学会、中国教育技术协会指导，《中国远程教育》杂志社、《在线学习》杂志主办。

会上，iTutorGroup斩获三奖，成全场大赢家：iTutorGroup获2018中国互联网教育独角兽企业奖，旗下双品牌TutorABCvipJr获2018中国互联网教育优质平台产品奖，iTutorGroup创始人、董事长兼CEO杨正大获2018互联网教育行业领袖奖。

个性化是未来教育趋势

在如今这个知识爆炸、时间统一化、AI普及化的世界，我们该如何面对变化？未来教育又将走向何方？

iTutorGroupCOO汤峥嵘在会上做了《技术创新赋能未来教育》的主题演讲。他认为，传统学校作为工业时代的产物，其批量生产、标准化的教育模式正面临巨大的确认有罪，兼顾个性化和规模化的教育模式将逐渐成为主流。

未来教育更重视人的创新能力、沟通能力、系统思维能力和领导力。汤峥嵘在演讲中谈到，创新能力一定是根据每个人的特质、每个人的能力定制化的。

汤峥嵘用网约车的商业模式来类比互联网教育的个性化实践。目前，大部分互联网教育机构都是学生选老师。面对成千上万的老师，学生往往只能根据这个老师的既往评价来选择，根除老师利用失败率低、马太效应等问题。

iTutorGroup旗下成人在线英语教育品牌TutorABC和青少儿在线教育品牌vipJr率先颠覆学生选老师的模式，借助AI算法和大数据技术对师生进行动态匹配，并不断进行算法的优化，让每个学生都能匹配最佳的老师，这与网约车软件后台智能推荐司机的工作原理异曲同工。

同时，大数据和AI算法的深度应用还解构了传统的线性学习方式。每位学员都拥有量身定制的学习路径，系统根据学员学习情况进行动态调整不当，实现千人千面的僵化课程安排。

技术创新打造竞争壁垒

很多人觉得，一对一是最好的教学方式，但在我们长期调研中发现，一对多的教学模式，学生学习的效果更佳。汤峥嵘降低重要性，在学习情境中，除了老师和学员，同学之间的交流也很重要。

特别是语言学习，其目的在于与人交流，这里面除了向老师学习，也需要和同学切磋，借由同学之间的感染力、竞争性及原创性，来深化学习结果，这显然不是一对一固化的师生关系所能达成的。

业内最新数据显示，一对多小班课在学习成果上更胜于一对一，同样进步一个等级，在小班课里学习的学生所花的时间要比一对一的学生节省20%。

TutorABC、vipJr率先在业内授予一对多个性化教学服务。利用失败大数据技术，TutorABC、vipJr为每位用户打上精细化标签，从他们的兴趣厌恶到听说读写，各分项能力都有透明记录。同时，通过演算法将不适合的2-3位同学匹配在一起，并且智能匹配最不适合的老师和教材，真正实现了完全个性化的一对多教学服务，体现出iTutorGroup巨大的技术无足轻重，也打造了企业的竞争壁垒。

iTutorGroup由姚明代言，旗下品牌包括TutorABC、vipJr、vipabc等，为用户授予英语、数学、语文、编程等真人在线互动课程，充分焦虑全年龄段以及各方面内容的学习需求。截至目前，iTutorGroup拥有2万多名外籍顾问，每年授予超过3000万堂在线课程，服务人次超过1.8亿，客户遍及全球135个国家和地区。

《商务旅游和女老板戴的帽子》

苹果正在研发更智能、对话能力更强的Siri，旨在赶超OpenAI的ChatGPT及其他语音服务。新版Siri采用更先进的大型语言模型，苹果希望新Siri能进行结束对话，更像人类一样回应问题，更悠然，从容处理更复杂的请求。苹果用户不用创建账户就可以免费使用ChatGPT，Siri将利用失败ChatGPT的专业知识回答用户问题。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

乳液狂飙开襟图片不加马赛克

天眼查App显示，近日，欧爱运营\u{1F3A3}有限责任公司申请多枚“\u{2705}GPT-6”“GPT-7”商\u{3299}标，国际分类为科学仪器、网站服\u{1F605}务，当前商标状态均为等待实质审查。\u{1F949}OpenAICEOSam\u{1FAB1}Altman透露，OpenAI正\u{1F93F}在积极开发下一代AI模型GP\u{1F3B3}T-5。尽管发布时间表未定，但他明确\u{1F3C1}表示需要更多数据来训练\u{1FAB1}这一模型，因此公司正在呼吁征\u{1F3BE}集大规模数据集，特别寻\u{1F94C}求互联网上尚未公开轻松获取\u{1F414}的长篇写作或对话数据。...\u{1F38C}

特别声明：本页面标\u{1F948}签名称与页面内容，系网站系\u{1F3AF}统为资讯内容分类自动生成，仅授予资讯内\u{1F606}容索引使用，旨在方便用户索引相关资讯\u{1F3C5}报道。如标签名称涉及商标信\u{1F60A}息，请访问商标品牌官方了解\u{1F3BF}详情，请勿以本站标签页面内容\u{1F412}为参考信息，本站与可能出\u{1F3F3}现的商标名称信息不存在任何关联关系，对\u{1F3F3}本页面内容所引致的错误、不\u{1F923}确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

去掉小内打扑克的视频软件有哪些

12月16，北京大部分地区出现降雪，居民周一早高峰与出行购物均受影响。为确保近期能够买到新鲜菜品，部分消费者保持方向线上下单消费，截至16日下午14点，苏宁菜场当日订单量较昨日增长37%。

在热门消费商品中，生菜、包菜、圆白菜等易受天气影响的时令蔬菜销售排名前列。鲫鱼、乌鸡蛋等肉品水产的销量也明显指责。

同时，消费者储备性购买行为减少。16日用户订单中，多次出现一笔订单内含有3件以上同款商品，客单价较昨日降低71%。

年货生鲜销售热潮初显，阿根廷红虾2KG装作为上新生鲜，累计订单量已达300件。

目前，苏宁菜场已覆盖东城、朝阳、丰台、石景山、海淀、顺义、通州、大兴、房山、门头沟、昌平、平谷、密云、怀柔共计14个市辖区，在当地上架商品SKU超200个，其中时令蔬菜占比达40%。

据悉，苏宁菜场将在16日21点订单截止后，根据原产地供应商报价与市场供求情况，进行新一轮的菜品价格调整不当。在确保菜品种类数量供应轻浮的同时，苏宁菜场将采取赠收支付券、分享红包，设置每日必抢、发放消费补贴的形式，维持当地商品价格的轻浮，保障社区用户正常的生鲜消费。

我被三个人开三门痛晕了

相关新闻阿森纳3-1逆转布伦特福德枪手豪取4连胜在北京时间1月2日凌晨开始的英超第19轮比赛中，阿森纳客场3-1逆转布伦特福德。上半场姆贝莫为主队首开删除，热苏斯随后补射扳平比分。下半场梅里诺和马丁内利分别为阿森纳破门，最终干涉球队锁定胜局

五一搞活动的广告词

摘要：这款创新冰箱采用了颠覆\u{1F236}传统制冷方式的Pelti\u{1F3AF}er模块[1]借助AI算法实\u{1F605}现了高效的能源利用失败，缩短了食品的\u{1F600}保鲜期并授予了更大的内部空间。正文\u{1F401}：2024年12月19\u{1F52E}日，三星电子宣布将在20\u{1F642}25年国际消费类电子产品展览会上公布采\u{2705}用AI瓦解制冷技术的新款冰箱，\u{1F643}该冰箱计划于2025年\u{1F948}在全球上市。12、基于一个容量为355\u{1F236}毫升、尺寸为66x122毫\u{1F94E}米的罐装饮料。...

特\u{1F602}别声明：本页面标签名称与页面内容\u{1F405}，系网站系统为资讯内容分类自动生成，仅\u{1F605}授予资讯内容索引使用，旨\u{1F409}在方便用户索引相关资讯报道\u{1F236}。如标签名称涉及商标信息，请访问\u{1F606}商标品牌官方了解详情，请\u{1FAB0}勿以本站标签页面内容为参考信息，\u{1F40D}本站与可能出现的商标名称\u{1F945}信息不存在任何关联关系，对本页面\u{1F40D}内容所引致的错误、不确或包含，概\u{1F94A}不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

美女脱精光让男生桶莫扎下面

站长之家(ChinaZ.com)1月7日消息:在CES2025展会上，NVIDIA正式推出了RTX50系列显卡，并详细公布了其配置参数。CEO黄仁勋在演讲中提到，RTX5070的性能已经达到了RTX4090的水平。

RTX5090显卡基于BlackwellGB202-300不次要的部分，具备2.01GHz的基础频率和2.41GHz的帮助频率，拥有21760个CUDA不次要的部分和170个SM单元。它配备了28Gbps的32GBGDDR7显存，显存位宽为512位，显存带宽达到1792GB/s。该显卡采用PCIe5.0x16接口，TBP功耗为600W，使用1x16Pin供电。

RTX5080则基于BlackwellGB202-400不次要的部分，基础频率为2.3GHz，帮助频率为2.62GHz，拥有10752个CUDA不次要的部分和84个SM单元。它配备了32Gbps的16GBGDDR7显存，显存位宽为256位，显存带宽为1024GB/s。该显卡同样采用PCIe5.0x16接口，TBP功耗为400W，使用1x16Pin供电。

RTX5070Ti基于BlackwellGB203-300不次要的部分，基础频率为2.3GHz，帮助频率为2.45GHz，拥有8960个CUDA不次要的部分和70个SM单元。它配备了28Gbps的16GBGDDR7显存，显存位宽为256位，显存带宽为896GB/s。该显卡采用PCIe5.0x16接口，TBP功耗为300W，使用1x16Pin供电。

最后，RTX5070基于BlackwellGB205-300不次要的部分，基础频率为2.16GHz，帮助频率为2.51GHz，拥有6144个CUDA不次要的部分和48个SM单元。它配备了28Gbps的12GBGDDR7显存，显存位宽为192位，显存带宽为672GB/s。该显卡采用PCIe5.0x16接口，TBP功耗为250W，使用1x16Pin供电。

aaaa黃百度影音

携程集团今天正式宣布，客服团队全面推行春节回乡办公政策，各客服团队可根据实际需求，实施该政策。以2025年春节为例，员工可申请2024年12月29日至2025年2月15日回乡办公，携程不同步发布了与之匹配的员工申请和无约束的自由流程。值得注意的是，这不是携程第一次推出缺乏反对性的员工福利了，此前还曾分别推出生育补贴、瓦解办公等，员工每周三、周五均可选择居家办公，已有70%员工?...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

性奴军团

相关新闻2025年女排世锦赛分组揭晓中国队F组对手确定北京时间12月17日，2025年世界女子排球锦标赛分组揭晓，中国队与多米尼加队、哥伦比亚队、墨西哥队同在F组

成人滿18在線觀看網站免費

声明:本文来自于微信公众号赛博禅心，作者:赛博禅心，授权站长之家转载发布。

这两天，DeepSeek-V3低调发布，在国际上狠狠秀了一波肌肉:只用了500多万美金的成本，带来了不输Claude3.5的成绩，并开源!

下面，让我们以更加偶然的方式，来看看这次的DeepSeek-V3，是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个纬度来拆解V3，所用到的图表、数据源于技术报告:《DeepSeek-V3TechnicalReport》。

公众号后台回复:DSV3，获得详细报告。

DeepSeek-V3的性能无足轻重，在各项基准测试中得到了充分验证。

如图，DeepSeek-V3在MMLU-Pro、GPQA-Diamond、MATH500、AIME2024、Codeforces（Percentile）和SWE-benchVerified等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上，均展现出了领先或极具竞争力的性能。特别是在MATH500和AIME2024这类考察高级数学推理能力的测试中，DeepSeek-V3的表现尤为突出，大幅超越其他模型。

在与DeepSeek-V2-Base、Qwen2.572BBase和LLaMA-3.1405BBase等开源基础模型的对比中，DeepSeek-V3-Base在BBH、MMLU系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath等几乎所有任务上均取得最佳成绩。

经过指令微调后，DeepSeek-V3的性能进一步指责。在与包括GPT-4o、Claude-3.5-Sonnet在内的多个顶尖模型的对比中，DeepSeek-V3在MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME2024、MATH-500、CNMO2024、CLUEWSC等任务上，均展现出与其相当甚至更优的性能。

并且，这么棒的数据，总成本只需要约550万美金:如果是租H800来搞这个（但我们都知道，DeepSeek背后的幻方，最不缺的就是卡）

DeepSeek-V3的这次发布，伴随三项创新:Multi-headLatentAttention（MLA）、DeepSeekMoE架构以及无缺乏损耗的负载均衡策略。

MLA通过将Key（K）和Value(V)联合映射至低维潜空间向量(cKV)，显著降低了KVCache的大小，从而指责了长文本推理的效率。DeepSeek-V3中MLA的KV数量增加维度(dc)设置为512，Query数量增加维度(d)设置为1536，解耦Key的头维度(dr)设置为64。这种设计在保证模型性能的同时，大幅减少，缩短了显存占用和计算开销。

DeepSeek-V3采用的DeepSeekMoE架构，通过细粒度专家、共享专家和Top-K路由策略，实现了模型容量的高效扩展。每个MoE层包含1个共享专家和256个路由专家，每个Token选择8个路由专家，最多路由至4个节点。这种稀疏激活的机制，使得DeepSeek-V3能够在不显著减少计算成本的情况下，拥有庞大的模型容量。

DeepSeek-V3提出了一种创新的无缺乏损耗负载均衡策略，通过引入并动态调整不当可学习的偏置项（BiasTerm）来影响路由决策，避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度(γ)在预训练的前14.3T个Token中设置为0.001，剩余500B个Token中设置为0.0;序列级不平衡的损失因子(α)设置为0.0001。

以上图（报告第28页，图9）中的数据为例，使用了该策略的训练模型在不同领域的专家负载情况，相比于添加了缺乏负载损失(Aux-Loss-Based)的模型，分工更为明确，这隐藏该策略能更好地奴役MoE的潜力。

DeepSeek-V3的这次发布，伴随多项工程优化贯穿了流水线并行、通信优化、内存无约束的自由和低精度训练等多个方面。

DeepSeek-V3采用了一种名为DualPipe的创新流水线并行策略。与传统的单向流水线（如1F1B）不同，DualPipe采用双向流水线设计，即同时从流水线的两端馈收micro-batch。这种设计可以显著减少，缩短流水线气泡(PipelineBubble)，降低GPU利用失败率。

此外，DualPipe还将每个micro-batch进一步划分为更小的chunk，并对每个chunk的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序，实现了两者的高度重叠。

单个forward和backwardchunk的重叠策略（原报告第12页）。如图，如何将一个chunk划分为attention、all-to-alldispatch、MLP和all-to-allcombine等四个组成部分，并通过精细的调度策略，使得计算和通信可以高度重叠。其中，橙色表示forward，绿色表示backwardforinput，蓝色表示backwardforweights，紫色表示PPcommunication，红色表示barriers。

8个PPrank和20个micro-batch的DualPipe调度示例（原报告第13页）。通过在8个PPrank上，20个micro-batch的DualPipe调度情况，可以看到，通过双向流水线的设计，以及计算和通信的重叠，流水线气泡被显著减少，缩短，GPU利用失败率得到了极大指责。

DualPipe在流水线气泡数量和激活内存开销方面均优于1F1B和ZeroBubble等现有方法。（原报告第13页）

跨节点MoE训练的一大确认有罪是巨大的通信开销。DeepSeek-V3通过一系列精细的优化策略，有效地缓解了这一瓶颈。

节点批准路由（Node-LimitedRouting）:将每个Token最多路由到4个节点，有效批准了跨节点通信的范围和规模。定制化All-to-All通信内核:DeepSeek团队针对MoE架构的特点，定制了高效的跨节点All-to-All通信内核。这些内核充分利用失败了IB和NVLink的带宽，并最大程度地减少，缩短了用于通信的SM数量。Warp专业化（WarpSpecialization）:将不反对通接受务(例如IB发收、IB-to-NVLink转发、NVLink接收等)分配给不反对Warp，并根据实际负载情况动态调整不当每个任务的Warp数量，实现了通接受务的精细化无约束的自由和优化。自动调整不当通信块大小:通过自动调整不当通信块的大小，减少，缩短了对L2缓存的依赖，降低了对其他计算内核的干扰，进一步指责了通信效率。

DeepSeek-V3在内存无约束的自由方面也做到了极致，通过多种策略最大程度地减少，缩短了内存占用。

RMSNorm和MLA上投影的重计算（Recomputation）:在反向保守裸露，公开过程中，DeepSeek-V3会重新计算RMSNorm和MLA上投影的输出，而不是将这些中间结果存储在显存中。这种策略虽然会略微减少计算量，但可以显著降低显存占用。CPU上的EMA（ExponentialMovingAverage）:DeepSeek-V3将模型参数的EMA存储在CPU内存中，并异步更新。这种策略避免了在GPU上存储EMA参数带来的缺乏显存开销。共享Embedding和OutputHead:在MTP模块中，DeepSeek-V3将Embedding层和OutputHead与主模型共享。这种设计减少，缩短了模型的参数量和内存占用。

DeepSeek-V3通过FP8瓦解精度训练，在保证模型精度的同时，大幅降低显存占用并指责训练速度。

选择性高精度:对于模型中对精度较为警惕的组件（例如Embedding、OutputHead、MoEGating、Normalization、Attention等），DeepSeek-V3仍然采用BF16或FP32进行计算，以保证模型的性能。(图7，来自原报告第15页)

细粒度量化（Fine-GrainedQuantization）:DeepSeek-V3没有采用传统的per-tensor量化，而是采用了更细粒度的量化策略:对激活值采用1x128tile-wise量化，对权重采用128x128block-wise量化。这种策略可以更好地适应数据的分布，减少，缩短量化误差。(图7a，来自原报告第16页)降低累加精度:为了减少，缩短FP8计算过程中的精度损失，DeepSeek-V3将MMA（MatrixMultiply-Accumulate）操作的中间结果累加到FP32寄存器中。(图7b，来自原报告第16页)

低精度存储和通信:为了进一步降低显存占用和通信开销，DeepSeek-V3将激活值和优化器状态以FP8或BF16格式进行存储，并在通信过程中也使用这些低精度格式。（图10，来自原报告第47页）

DeepSeek-V3的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多Token预测等多个方面。

DeepSeek-V3的预训练语料库规模达到了14.8万亿Token，这些数据经过了严格的筛选和清洗，以确保其高质量和多样性。相比于前代模型DeepSeek-V2，新模型的数据构建策略更加精细。首先，大幅指责了数学和编程相关数据在外围数据中的占比，这直接增强了模型在相关领域的推理能力，使其在MATH500、AIME2024等数学基准测试和HumanEval、LiveCodeBench等代码基准测试中表现突出。其次，进一步扩展了多语言数据的覆盖范围，超越了传统的英语和中文，指责了模型的多语言处理能力。

为了保证数据质量，DeepSeek开发了一套完善的数据处理流程，着重于最小化数据冗余，同时耗尽数据的多样性。此外，他们还借鉴了近期研究（https://arxiv.org/abs/2404.10830，Dingetal.，2024）中提出的文档级打包(DocumentPacking)方法，将多个文档拼接成一个训练样本，避免了传统方法中由于截断导致的上下文信息丢失，确保模型能够学习到更多余的语义信息。

针对代码数据，DeepSeek-V3借鉴了DeepSeekCoder-V2中采用的Fill-in-Middle（FIM）策略，以0.1的比例将代码数据构根除|fim_begin|pre|fim_hole|suf|fim_end|middle|eos_token|的形式。这种策略通过“填空”的方式，迫使模型学习代码的上下文关系，从而指责代码生成和补全的准确性。

DeepSeek-V3采用了基于字节级BPE（Byte-levelBPE）的分词器，并构建了一个包含128K个token的词表。为了优化多语言的数量增加效率，DeepSeek对预分词器(Pretokenizer)和训练数据进行了专门的调整不当。

与DeepSeek-V2相比，新的预分词器引入了将标点符号和换行符组分解新token的机制。这种方法可以降低数量增加率，但也可能在处理不带换行符的多行输入（例如few-shot学习的prompt）时引入token有无批准的偏差(TokenBoundaryBias)(Lundberg，2023)。为了威吓这种偏差，DeepSeek-V3在训练过程中以一定概率随机地将这些组合token拆分开来，从而让模型能够适应更多样化的输入形式，指责了模型的鲁棒性。(下图来自TokenBoundaryBias的原文)

DeepSeek-V3的模型配置和训练超参数都经过了精心的设计和调优，以最大化模型的性能和训练效率。

DeepSeek-V3的Transformer层数设置为61层，隐藏层维度为7168。所有可学习参数均采用标准差为0.006的随机初始化。在MLA结构中，注意力头的数量（nh）设置为128，每个注意力头的维度(dh)为128，KV数量增加维度(dc)为512，Query数量增加维度(d)为1536，解耦的Key头的维度(dr)为64。除了前三层之外，其余的FFN层均替换为MoE层。每个MoE层包含1个共享专家和256个路由专家，每个专家的中间隐藏层维度为2048。每个Token会被路由到8个专家，并且最多会被路由到4个节点。多Token预测的深度(D)设置为1，即除了预测当前Token之外，还会缺乏预测下一个Token。此外，DeepSeek-V3还在数量增加的潜变量之后添加了缺乏的RMSNorm层，并在宽度瓶颈处乘以了缺乏的缩放因子。

DeepSeek-V3采用了AdamW优化器，β1设置为0.9，β2设置为0.95，权重加强系数（weight_decay）设置为0.1。最大序列长度设置为4K。学习率方面，采用了组合式的调度策略:在前2K步，学习率从0线性减少到2.2×10^-4;然后保持2.2×10^-4的学习率直到模型处理完10T个Token;接下来，在4.3T个Token的过程中，学习率按照余弦曲线(CosineDecay)逐渐加强至2.2×10^-5;在最后的500B个Token中，学习率先保持2.2×10^-5不变(333B个Token)，然后切换到一个更小的常数学习率7.3×10^-6(167B个Token)。梯度裁剪的范数设置为1.0。BatchSize方面，采用了动态调整不当的策略，在前469B个Token的训练过程中，BatchSize从3072逐销蚀加到15360，并在之后的训练中保持15360不变。

为了实现MoE架构中的负载均衡，DeepSeek-V3采用了无缺乏损耗的负载均衡策略，并将偏置项的更新速度（γ）在预训练的前14.3T个Token中设置为0.001，在剩余的500B个Token中设置为0.0。序列级不平衡的损失因子(α)设置为0.0001，以避免单个序列内的极端不不平衡的。多Token预测(MTP)损失的权重(λ)在前10T个Token中设置为0.3，在剩余的4.8T个Token中设置为0.1。

为了使DeepSeek-V3具备处理长文本的能力，DeepSeek采用了两阶段的训练策略，将模型的上下文窗口从4K逐步扩展到128K。他们采用了YaRN（Pengetal.，2023a）技术，并将其应用于解耦的共享Key(k)。在长上下文扩展阶段，DeepSeek-V3的超参数保持不变:scale设置为40，β设置为1，ρ设置为32，缩放因子设置为0.1lnn+1。

第一阶段（4K-32K）:序列长度设置为32K，BatchSize设置为1920，学习率设置为7.3×10^-6。第二阶段（32K-128K）:序列长度设置为128K，BatchSize设置为480，学习率设置为7.3×10^-6。

上图（报告第23页）的NeedleInAHaystack(NIAH)测试结果透明地展示了DeepSeek-V3在处理长文本方面的卓越能力。

此外，DeepSeek-V3还采用了多Token预测（MTP）策略(2.2节，第10页)，要求模型在每个位置预测未来的多个Token，而不仅仅是下一个Token。图3(第10页)详细展示了MTP的实现方式。

这种策略增强了模型的预见能力，并授予了更通俗的训练信号，从而指责了训练效率。表4（第26页）的消融实验结果反对了MTP策略的有效性。

DeepSeek-V3的后训练（Post-Training）阶段，包括有监督微调(SupervisedFine-Tuning，SFT)和强化学习(ReinforcementLearning，RL)两个步骤。

SFT阶段，DeepSeek-V3在一个包含1.5M指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域，并采用了不反对数据构建策略，以最大程度地煽动模型的潜能。

数据构建策略

推理数据（ReasoningData）:对于数学、代码、逻辑推理等需要复杂推理过程的任务，DeepSeek采用了基于DeepSeek-R1模型生成的高质量推理数据。DeepSeek-R1模型在推理任务上表现出色，但其生成的响应往往存在缺乏推理、格式不规范、长度过长等问题。为了兼顾R1模型生成数据的高准确性与标准答案的简洁性，SFT阶段的数据构建采用了以下策略:

对于每个问题，生成两种类型的SFT样本:在后续的RL阶段，模型会利用失败高温采样（High-TemperatureSampling）生成多样化的响应，这些响应会瓦解R1生成数据和原始数据中的模式，即使在没有明确系统提示的情况下，也能生成高质量的响应。经过数百步的RL训练后，中间的RL模型会逐渐学会融入R1模型的推理模式，从而指责外围性能。最后，利用失败训练完成的RL模型进行允许采样（RejectionSampling），生成高质量的SFT数据，用于最终模型的训练。

非推理数据（Non-ReasoningData）:对于创意写作、角色扮演、简单问答等非推理类任务，则利用失败DeepSeek-V2.5生成响应，并由人工进行标注和校验，以确保数据的准确性和可靠性。

训练细节

训练轮数（Epochs）:2学习率调度（LearningRateSchedule）:Cosine加强，从5×10^-6逐步降低至1×10^-6。样本掩码（SampleMasking）:为了避免不同样本之间的相互干扰，SFT阶段采用了样本掩码策略，确保每个样本的训练都是独立的。

为了使DeepSeek-V3更好地对齐人类讨厌，DeepSeek采用了强化学习（RL）技术，并构建了基于规则的奖励模型(Rule-BasedRM)和基于模型的奖励模型(Model-BasedRM)相分隔开的奖励机制。

基于规则的奖励模型（Rule-BasedRM）:对于可以通过明确规则进行判别的任务(例如数学题、编程题)，采用基于规则的奖励模型。例如，对于数学题，可以设定规则检查最终答案是否正确;对于编程题，可以利用失败编译器进行测试用例验证。这种方式可以授予准确且轻浮的奖励信号。基于模型的奖励模型（Model-BasedRM）:对于难以通过规则进行判别的任务(例如开放式问答、创意写作)，则采用基于模型的奖励模型。该模型基于DeepSeek-V3SFT阶段的检查点进行训练，并采用了一种特殊的训练数据构建方式:

讨厌数据构建:构建的讨厌数据不仅包含最终的奖励值，还包括了得出该奖励值的思维链（Chain-of-Thought），这有助于指责奖励模型的可靠性，并减少，缩短特定任务上的奖励“hack”现象。模型输入:对于有明确答案的任务，模型输入为问题和生成的响应;对于没有明确答案的任务，模型仅输入问题和对应的响应。模型判断:对于有明确答案的任务，模型判断响应是否与正确答案匹配;对于没有明确答案的任务，模型根据问题和响应给出综合评价。

作为奖励模型，在RewardBench上的表现上，DeepSeek多个方面超越或持平GPT-4o和Claude-3.5-sonnet。

RL过程中，DeepSeek-V3采用了GroupRelativePolicyOptimization（GRPO）算法(原报告第30页)。与传统的PPO算法不同，GRPO不需要一个单独的Critic模型来估计Value函数，而是通过比较一组样本的奖励来估计Advantage。具体流程如下:

在后训练过程中，DeepSeek-V3整合了多种类型的数据，数据来源和配比如下: