- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI
Jetbrains官宣全新AI CLI：Gemini大模型免费用！
JunieCLI支持目前主流的大模型：OpenAI（Codex/GPT系列）Anthropic（Claude系列）Google（Gemini，含最新Flash3）⚫Grok（xAI）官方还放了个福利：新用户默认赠送 BYOK定价：自己的钥匙开自己的锁JetBrains这次在定价上很"开源精神"：BYOK（BringYourOwnKey）：用你自己的模型APIKey，JetBrains不收额外平台费或直接用JetBrainsAI 订阅：已有许可证的用户无缝接入团队友好：支持按合规/成本/性能需求灵活选模型，不影响企业治理个人锐评：这招很聪明——既降低尝鲜门槛，又避免被单一模型厂商"绑定"，开发者终于有"模型自由"了✨跨平台工作流
89910编辑于 2026-03-20 IDEA 官宣全新AI CLI：Gemini大模型免费用！
Junie CLI 支持目前主流的大模型： OpenAI（Codex / GPT 系列） Anthropic（Claude 系列） Google（Gemini，含最新 Flash 3） ⚫ Grok BYOK ：自己的钥匙开自己的锁 JetBrains 这次在定价上很"开源精神"： BYOK（Bring Your Own Key）：用你自己的模型 API Key，JetBrains 不收额外平台费 或直接用 JetBrains AI 订阅：已有许可证的用户无缝接入 团队友好：支持按合规/成本/性能需求灵活选模型，不影响企业治理 个人锐评：这招很聪明——既降低尝鲜门槛，又避免被单一模型厂商" 绑定"，开发者终于有"模型自由"了✨ 跨平台工作流：一个智能体，处处可用 现代开发早就不止在 IDE 里了： 现在，同一个 Junie 智能体可以： ️ 在你本地终端跑重构任务 在 GitHub Actions
95210编辑于 2026-03-31被 OpenClaw API 费用吓到？Hermes Agent 免费开源 + 国产模型省钱方案
费用对比方案月API费用（估算）说明OpenClaw+Claude$30-80ClaudeAPI价格高OpenClaw+GPT-4o$20-60GPTAPI中等Hermes+DeepSeek¥10-30 费用只来自于模型API调用，而你可以自由选择最便宜的方案。 省钱方案一：DeepSeekAPIDeepSeek-V3是目前性价比最高的大模型之一：价格DeepSeek-V3Claude3.5GPT-4o输入¥1/百万token$3/百万token$5/百万token 包含服务器在内的总月费：方案服务器API总计Lighthouse+DeepSeek8.25元~15元23.25元/月Lighthouse+Ollama52.5元(4C8G10M)052.5元/月本地电脑 立即前往腾讯云官网选购HermesAgent专属云服务器FAQ：Q1：国产模型和Claude/GPT的质量差距大吗？
2.5K30编辑于 2026-04-16- 来自专栏新智元
300亿参数大模型免费用，网友：真香
· 用户界面/集成：开放式助手提供了API、webhooks和其他整合方法，使对话式人工智能更容易嵌入到不同的应用程序中。 这两种模型的语言系统都是基于一个300亿个参数的LLaMA模型。与Alpaca或Vicuna一样，这些模型是经过「指令微调」的，与ChatGPT不同，没有通过人类反馈的强化学习（RLHF）进行改进。 但未来不好说，可能会有一个选项，以优化为目的，和模型供应商分享用户的聊天数据。 网友评论 英伟达大神Jim Fan在推特表达了自己的看法，他认为HuggingChat这个300亿参数的开源大模型，简直就是ChatGPT的平替。 实际上，Hugging Face和OpenAI相比有一个优势，那就是，商店里的APP可以是已经由Hugging Face发布的多模态模型。
52920编辑于 2023-05-09 - 来自专栏大模型&AIGC
6种大模型微调技术
值得一提的是，通过使用T5模型进行模型大小的消融实验，我们展示了提示微调随着规模的增加变得更加具有竞争力：当模型参数超过数十亿时，我们的方法“缩小了差距”并达到了模型微调（即调整所有模型权重）的强大性能 input和target，则使用原始的input embedding(5) 使用方式离散和连续template token混合时，显示地插入一下anchor（离散的token）有助于template的优化(6) ，无需verbalizer(4) 特点在小、大模型上，效果均优于P-tuning。 当参数量达10B，效果相当于FT6.LoRA（2021）(1) 论文信息来自论文：《LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS》（2）摘要自然语言处理的一个重要范式包括在通用领域数据上进行大规模预训练 Model)，学习目标为而加入LoRA后，学习目标为：(6) 配置在多个部位$(Q/K/V/Output)$同时添加$\bigtriangleup W$ ，会比只在单一部分上添加权重$\bigtriangleup
2.9K00编辑于 2025-05-08 - 来自专栏星哥的AI自留地
DeepSeek-R1-70B的大模型免费用
今年年初最火的大模型非DeepSeek莫属，如果想要使用Deepseek的接口就需要购买，而今天星哥给大家一个免费白嫖的DeepSeek-R1-70B的方法。 OpenRouter介绍OpenRouter是一个统一的API服务平台，它能把各种大型语言模型和服务集成到一个统一的接口中。 用户通过简单的配置和调用，就能访问多个预训练的大模型，不用自己部署和维护这些模型。不过它也有一些限制，除了标识为Free的免费模型外，其他模型的调用都会产生费用，而且目前不支持微信、支付宝等支付方式。 如图选择“DeepSeek: R1 Distill Llama 70B (free)”3.新建API点击API，创建API。3.填写API的名字然后输入名字deepseek，名字可以随意。 填写API密钥2.输入添加模型点击“添加”填写：deepseek/deepseek-r1-distill-llama-70b:free3.测试然后点击聊天，选择模型deepseek/deepseek-r1
1.9K01编辑于 2025-05-01 - 来自专栏时来之笔
2026 大模型 API 免费额度汇总
，适合预算敏感型无穹 Infini-AI 服务平台2026 大模型 API 免费额度汇总清单 国家超算平台国家超算平台为开发者提供了极为丰厚的新用户注册福利，支持调用多款当前最新的前沿大模型。 百度云 (千帆大模型平台)百度千帆平台集成了大量第三方热门模型，采用“每模型独立额度”策略。核心权益： 每个模型 100 万 Tokens (ERNIE-4.5 系列通常有效期为 3 个月)。 领取地址： 百度智能云千帆控制台️ 领取步骤：访问千帆大模型平台阅读并同意用户协议后，系统将自动开通千帆大模型平台并发放新用户免费Tokens额度。 进入“混元大模型”页面，点击“开通服务”。在“资源包管理”或“权益中心”查看自动到账的 100 万额度。 右上角选择点击 "Get API Key" 即可获得API key进行调用。
49.8K340编辑于 2026-03-17 - 来自专栏6G
6G，AI , 与大模型?
6G与AI融合的未来方向 6G 网络的内生 AI 设计将赋能网络的AI大模型，同时使网络能够支持 AI 大模型的训练和服务。 另外，从小模型到大模型，生产效率跨越式提升基础通用大模型具有泛化性，网络智能化将从用例驱动转变为能力驱动，迅速降低应用开发门槛，加速 AI 工程化、规模化落地。 6G 网络将承担数据采集、预处理等数据服务，为云AI训练提供更好的支持。此外，6G 网络的分布式部署将使得 AI 大模型更靠近用户侧，从而在时延方面具有潜在优势。 在数据获取和处理方面，与 ChatGPT 不同，网络中存在大量结构化数据，且网络不同问题间的共性不清晰，网络 AI 大模型面临较大挑战。6G 网络面临如何有效采集适合AI大模型训练的数据的挑战。 而在构建 AI 大模型的路径上，需要分阶段探索，从离线小规模模型开始，逐步过渡到实时大规模模型，最终实现统一的网络 AI 大模型。 本文摘自于中国移动的“6G内生AI架构及AI大模”汇报材料。
47710编辑于 2024-04-24 大模型的2025：6个关键洞察
以下为卡帕西年度回顾全文：《2025年大语言模型年度回顾》2025年是大语言模型领域大步跨越且充满变数的一年。 通过在数学、代码谜题等大量可自动验证奖励的环境中训练大语言模型，模型会自发形成人类视角下近似“推理”的策略。 Cursor与大语言模型应用的新层级Cursor最引人关注的点（除了其2025年的爆发式增长），在于它清晰揭示了大语言模型应用的一个全新层级，人们开始普遍讨论“某领域的Cursor模式”。 2025 年，行业内围绕这一新应用层的“厚度”展开了大量讨论：大语言模型实验室是否会通吃所有应用场景？还是说垂直领域的大语言模型应用仍有广阔蓝海？ 我个人的观点是，大语言模型实验室更倾向于培育“通识能力极强的大学生”式模型，而大语言模型应用则通过整合私有数据、传感器、执行器及反馈闭环，对这些“大学生”进行针对性组织、微调，最终驱动它们成为特定垂直领域的
74310编辑于 2025-12-24- 来自专栏开源技术小栈
快速接入讯飞星火认知大模型2.0，200万令牌免费用！
导言 随着国内的语言大模型不断兴起，科大讯飞的星火大模型，阿里的通义千问，百度的文心一言等。这些大模型给我提供了很好的便利。 同时星火大模型提供了开放 API 功能，同时提供更多SDK，使得我们能够将大模型接入到我们自己的项目当中。 星火大模型 星火认知大模型(Starfire Cognitive Mode1)是一种基于人工智能技术的认知模型，旨在模拟人类的思维和认知过程。 该模型结合了自然语言处理、机器学习和知识图谱等技术，能够理解和处理自然语言，并具有一定的推理和判断能力。 星火认知大模型的核心思想是通过对大量的语料进行训练和学习，从而使其具备理解和回答问题的能力。 准备工作 星火认知大模型访问地址：https://xinghuo.xfyun.cn/ API免费试用 注意：这里必须要先注册账号(有账号直接略过) 1、创建一个新应用，绑定应用产品（默认创建了一个应用）
2.2K20编辑于 2023-10-26 - 来自专栏OI
YbtOJ 594「费用流」大图书馆
YbtOJ 594「费用流」大图书馆 题目链接：YbtOJ #594 小 A 新开了一个大图书馆（初始里面没有书）。 书的类型有 n 种，其中第 i 种书的价格为 c_i。 1\leq n,k\leq 1000，1\leq a_i\leq n，0\leq c_i\leq 10^6。 Solution 强制每天都买书，每天都需要提交书。 为了消去存下来再次使用的书的强制购买费用，考虑定义一个“卖书”操作，即如果在强制购买之前手上已经有需要的书了，可以把手上这本卖了。具体地，将花费减去 c_i，并将这本书提交到上一次需要这本书的那天。 q.push_back(to):q.push_front(to),0),vis[to]=1); return C[T]<inf; } I void MCMF(){//最小费用最大流 RI
1.8K20编辑于 2022-09-19 - 来自专栏AI相关
大模型API的token是如何计算的？
今天来讲一个比较简单且常见的话题：大模型调用时token数量是如何计算的？ 在我们日常使用大语言模型（LLM）API时，比如OpenAI、Anthropic或其他厂商的接口，token数量几乎是一个绕不开的问题。 无论是控制调用成本，还是预估模型上下文长度，都离不开对token计算方式的理解。比如我在某个平台调用大模型API的时候就会有一些相关的参数：看着这些参数有时我会不禁发问：token到底是什么？ 例如：GPT系列使用tiktoken（基于BPE编码）Claude使用AnthropictokenizerGemini使用自家SentencePiece编码器输入与输出Token的计算方式在调用大模型API 理解它，才能真正掌握大模型API的成本和性能。希望这篇文章能帮你在与LLM的交互中，更“省钱”、也更“聪明”。
3.6K20编辑于 2025-11-10 - 来自专栏大模型应用
大模型应用：大模型的本地 API 服务：FastAPI 封装与接口鉴权.44
核心概念大模型本地 API 服务：把本地电脑或服务器上的大模型，变成一个 "可随时呼叫的工具人"。不用连云端，本地就能通过指令调用它干活，数据全程不泄露。 基础了解2.1 本地 API 服务的优势解决云端痛点：云端大模型有隐私泄露风险、要付调用费、没网用不了，本地 API 服务完美规避这些问题。 降低使用门槛：封装后，不懂大模型底层的开发者，也能通过简单指令调用大模型能力。2.2 FastAPI 是什么轻量高效的 Python 框架：专门用来搭建 API 服务，比传统框架快很多，支持并发请求。 验证结果处理： 如果令牌有效，服务器执行业务逻辑（例如，使用大模型生成文本）。如果令牌无效（如签名错误、已过期等），则返回401错误。6. API 的内存资源不会被无限占用；轻量化：令牌是字符串，传输快，适配大模型 API 的低延迟需求。
62753编辑于 2026-03-13 - 来自专栏啄木鸟软件测试
多模态大模型技术原理及实战(6)
中小型公司大模型构建之路 如何选择 自己建立 二次开发 重新训练，消耗非常巨大 现有的大模型体系已经非常丰富 对话大模型已经白热化 •三天产生一个小应用 •两天产生一个新模型 中小公司的技术实力相对薄 微调 用 LoRA((Low-Rank Adaptation低秩适配) 2022年 Edward J.Hu PLM(Pre-trained Language Model 预训练语言模型) Redundancy Optimizer，ZeRO） •优化器状态分区(ZeRO-1） •梯度分区 (ZeRO-2） •参数分区(ZeRO-3) 压缩 剪枝 剪枝技术通过理结果产生重要影响，需要剔除冗余参数以提高模型训练效率 步骤 •1、训练一个原始模型，该模型具有较高的性能但运行速度较慢。 •2、确定哪些参数对输出结果的贡献较小，并将其设置为零。 •4、评估模型的大小、速度和效果等指标，如果不符合要求，那么继续进行剪枝操作直至满意为止。
33910编辑于 2024-09-10 - 来自专栏猫头虎博客专区
ChatGLM-6B 大模型的前世今生
ChatGLM-6B 开源模型旨在与开源社区一起推动大模型技术发展，恳请开发者和大家遵守开源协议，勿将开源模型和代码及基于开源项目产生的衍生物用于任何可能给国家和社会带来危害的用途以及用于任何未经过安全评估和备案的服务 API提供美观易用、功能丰富、快速部署的用户界面，支持ChatGLM-6B。 将模型下载到本地之后，将以上代码中的 THUDM/chatglm-6b 替换为你本地的 chatglm-6b 文件夹的路径，即可从本地加载模型。 Optional 模型的实现仍然处在变动中。 如果希望固定使用的模型实现以保证兼容性，可以执行 git checkout v1.1.0 Demo & API 我们提供了一个基于 Gradio 的网页版 Demo 和一个命令行 Demo。 API部署 首先需要安装额外的依赖 pip install fastapi uvicorn，然后运行仓库中的 api.py： python api.py 默认部署在本地的 8000 端口，通过 POST
1.5K10编辑于 2024-04-08 - 来自专栏BestSDK
撑起整个互联网的6大服务——Web API
Web API是网络应用程序接口。包含了广泛的功能，网络应用通过API接口，可以实现存储服务、消息服务、计算服务等能力，利用这些能力可以进行开发出强大功能的web应用。 Web API的6个主要服务 存储服务：存储服务关注抽象化和虚拟化存储。这个领域的领头羊是amazon s3，在我的article in web 2.0 journal中对其曾有较深入的探讨。 6个扩展支持 1、支持基于Http verb (GET, POST, PUT, DELETE)的CRUD (create, retrieve, update, delete)操作通过不同的http动作表达不同的含义 ，这样就不需要暴露多个API来支持这些基本操作。 6、支持大多数MVC功能，例如Routing/Controller/Action Result/Filter/Model Builder/IOC Container/Dependency Injection
98160发布于 2018-03-01 - 来自专栏机器之心
免费用！阿里通义大模型上新，超逼真音视频生成SOTA！
背景 近年来，随着语言大模型的迅速发展，虚拟主播、虚拟助手等应用得到了广泛的推广与使用。 视觉特征：对于视频片段，我们提取包含面部表情的 51 维混合形状系数、6 维旋转与平移参数（RT），以及每帧的眼球运动系数在内的视觉编码。 至于视频解码，我们设计了一个 GAN 模型（复用 ChatAnyone），它根据从参考视频中随机选取的参考帧为基础，并按照 DiT 模型预测的头部姿态和混合形状系数生成新的视频帧。 值得注意的是，通过对比包含和不包含运动分支（Ours w/o motion）的模型表现，可以看出完整模型实现了更低的 WER，这证明了结合视觉监督能有效提升生成音频的感知质量。 具体而言，E-FID 结合了 51 维面部混合形状系数和 4 维眼动参数进行计算，而 P-FID 则通过 6 维旋转 - 平移参数来量化头部姿势的一致性和真实性。 表 2.
1.2K10编辑于 2025-04-16 - 来自专栏MavenTalk
ChatGLM-6B大模型微调实战总结
上篇我们已经具备了 ChatGLM-6B 初步的运行环境，这为实现完全属于自己的模型奠定了基础（快速部署ChatGLM-6B大模型实战总结），接下来将针对模型进行微调，以便让它真正成为一个定制化智能助手 在这个过程中，我将直接使用官方的P-Tuning v2工具对ChatGLM-6B模型进行参数微调。 /THUDM/chatglm-6b \ # 加载模型文件地址 --output_dir output/adgen-chatglm-6b-pt-$PRE_SEQ_LEN-$LR \ # 保存训练模型文件地址 在实践中，我们使用了 ChatGLM-6B 模型，并经历了模型的训练和推理过程。训练模型消耗了相当多的时间，但也让我们体会到了模型训练的复杂性和挑战性。 —扩 展 阅 读— 正在发生或即将发生的AI大模型应用，立帖为证 ChatGPT、Claude和Bard，三足鼎立之势已成 WPS Office AI实战总结，智能化办公时代已来 你对 ChatGPT
4.2K43编辑于 2023-09-06 - 来自专栏Java实战博客
自建Sub2API – Ollama 自建大模型API管理页 – AI IDE – CodeX使用本地模型
Sub2API 就是给 Ollama 套了一层 “企业级门面”，让你本地跑的大模型，能像商用 API（OpenAI 格式）一样被各种软件直接调用，还能管权限、控流量、做多模型调度。 Ollama启动 本篇不强调Ollama，因为很多Windows平台的电脑，跑大模型性能很差。这里只描述的Ollama启动，供Sub2API使用。 Ollama本地启动服务。 Sub2API启动 Sub2API 是一个开源的 AI API 网关与管理平台，核心是把你本地（如 Ollama）或云端（如 OpenAI、Claude）的 AI 模型，统一转换成标准的 OpenAI | grep "admin password" sub2api | Generated admin password (one-time): 790d9c820cde6a2c265457ac8b875669 简单说：分组 = 模型资源池 + 调度单元 + 权限边界。 随便起个名字就好 这个其实分组，没啥太大意义，只要是用于后续 创建Sub2API的秘钥，配置外部API信息都需要绑定我们的分组。
5.7K30编辑于 2026-04-20 - 来自专栏前端西瓜哥的前端文章
动态规划模型：背包二维费用问题
在阅读本文之前，建议先看看我的另一篇文章（只关注 “重量” 一个维度）： 《动态规划模型：0-1背包问题》 背包二维费用问题，是在原本 “重量” 的单一维度上，加上 “价值” 维度。 结尾 二维费用问题，需要将值用来保存最大价格，并在更新状态时做装入和不装入两种情况的比较，取其中比较大的。 我是前端西瓜哥，欢迎关注我，学习更多前端知识。 ----
57010编辑于 2022-12-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号