- 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 7天免费使用Gemini3Flash，装好就能跑，零门槛体验～核心能力：不止是"终端里的聊天机器人"能力简单解释实际场景实时提示Junie运行时，你随时能插话调整指令"等等，那个接口要加重试逻辑"→不用重启 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 （xAI） 官方还放了个福利：新用户默认赠送 7 天免费使用 Gemini 3 Flash，装好就能跑，零门槛体验～ 核心能力 能力 简单解释 实际场景 实时提示 Junie 运行时，你随时能插话调整指令 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。 :7b#配置Hermeshermesconfigsetmodel.providerollamahermesconfigsetmodel.modelqwen2.5:7b省钱方案四：混合模型策略不同任务使用不同模型 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？ Q2：用免费模型会影响HermesAgent的学习能力吗？A：技能创建和记忆管理与模型能力正相关。建议至少使用7B以上的模型以保证学习质量。Q3：可以按月切换模型提供商吗？
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。 - Qwen - 7BDeepSeek - R1 - Distill - Qwen - 14BDeepSeek - R1 - Distill - Qwen - 32BDeepSeek - R1 - Distill 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。 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 - 来自专栏数据派THU
详解：7大经典回归模型
来源：csdn 深度学习爱好者本文约2900字，建议阅读5分钟本文给大家介绍机器学习建模中7大经典的回归分析模型。 什么是回归分析？ 4.它需要大的样本量，因为在样本数量较少的情况下，极大似然估计的效果比普通的最小二乘法差。 5.自变量不应该相互关联的，即不具有多重共线性。 7.如果因变量是多类的话，则称它为多元逻辑回归。 3. Polynomial Regression多项式回归 对于一个回归方程，如果自变量的指数大于1，那么它就是多项式回归方程。 7. ElasticNet回归 ElasticNet是Lasso和Ridge回归技术的混合体。它使用L1来训练并且L2优先作为正则化矩阵。当有多个相关的特征时，ElasticNet是很有用的。 除了这7个最常用的回归技术，你也可以看看其他模型，如Bayesian、Ecological和Robust回归。 如何正确选择回归模型？ 当你只知道一个或两个技术时，生活往往很简单。
1.8K41编辑于 2023-04-18 - 来自专栏JFrog杰蛙DevOps
微服务构建持久API的7大规则
微服务的一大特性就是独立发布，快速迭代，但前提是足够稳定，他们在使用微服务构建API的过程中就遇到很多问题： 1. API参数变化或返回结果变化而导致客户端行为不一致，依赖客户端需要大量重构，团队不能专注在创新型工作 3. API 易用性差， 使用方技术栈不统一，各自进行API抽象及封装，容易出错 4. 七大原则 一、Restful是最好的，但要实用，不需要学究式 首先，也是最重要的一步，我们采取的步骤是决定使用REST作为API。我们的理念是选择以下三个要素作为我们的API的基础:。 1. 当我们创建SparkPost API时，我们试着不要太过学究式地使用纯粹的REST模型，而是选择易于使用。下面是两个可能不遵循RESTful最佳实践的示例: 1. 原文链接： https://devops.com/7-principles-for-using-microservices-to-build-an-api-that-lasts/
1.1K00发布于 2020-02-11 - 来自专栏程序你好
REST API面临的7大安全威胁
REST API安全 在设计、测试和部署REST API时，安全性问题必须是需要考虑的重要方面。随着REST API的惊人发展，安全级别，大部分时间，在API的设计和开发中被低估了。 在这篇文章中，我将介绍当今IT世界中最常见的7种REST API安全威胁，以便引起每个人的注意，并帮助了解能够反映REST API性能的安全威胁。 REST的安全性问题。 7大REST API安全威胁 1. 注入攻击 在注入攻击中，危险的代码被嵌入到不安全的软件程序中进行攻击，尤其是SQL注入和跨站点脚本编写。 无效的请求可以用来直接攻击API，或者针对API背后的应用程序和系统。将验证器放在应用程序上，并尝试对发送到REST API的请求使用API签名。 7.中间人攻击( Man-In-The-Middle-Attack) 它是指攻击者在两个交互系统之间秘密地更改、截取或中继通信，并截取它们之间传递的私有和机密数据。
2.8K20发布于 2019-03-04 - 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。 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SimpleAI
Huggingface🤗NLP笔记7：使用Trainer API来微调模型
「HuggingfaceNLP笔记系列-第7集」 最近跟着Huggingface上的NLP tutorial走了一遍，惊叹居然有如此好的讲解Transformers系列的NLP教程，于是决定记录一下学习的过程 Notebook(下载本地可直接运行)：https://github.com/beyondguo/Learn_PyTorch/tree/master/HuggingfaceNLP ---- 使用Trainer API 来微调模型 1. 数据集准备和预处理： 这部分就是回顾上一集的内容： 通过dataset包加载数据集 加载预训练模型和tokenizer 定义Dataset.map要使用的预处理函数 定义DataCollator来用于构造训练 使用Trainer来训练 Trainer是Huggingface transformers库的一个高级API，可以帮助我们快速搭建训练框架： from transformers import Trainer
9.3K31发布于 2021-10-08 - 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。 服务器接收请求后，先验证凭证是否正确，比如 API Key 是否存在、未过期，验证通过才让大模型处理请求。核心流程：1. 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 - 来自专栏大模型应用
大模型应用：大模型参数调优：结合本地模型对比多种组合探索差异.7
引言 在大模型的应用中，参数调优是连接模型潜力与实际效能的关键桥梁。与传统的软件参数不同，大模型的生成参数更像是一组精密的调控旋钮，它们不改变模型的基础知识，而是影响模型如何思考和表达。 理解这些参数的本质，不仅能够提升模型输出的质量，更是将大模型从玩具转变为工具的关键一步。 今天我们将从理论基础到实践应用，全面解析大模型的核心参数体系，详细的介绍大模型推理中常用的参数项，并通过本地模型示例展示参数调整对模型效能的影响。常见参数项：max_length：生成文本的最大长度。 Dict, Anyimport pandas as pdfrom modelscope import snapshot_downloadclass ModelParameterTester: """大模型参数测试器 分步调优流程图五、总结 大模型的参数调优本质上是在控制与释放之间寻找平衡的艺术。
85232编辑于 2026-02-04 - 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。 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。 该模型能以 30FPS 的速度生成分辨率为 512×512 的帧，满足实时推理的需求。 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。 我们的方法在 9 个核心指标中，有 7 个达到了业界领先水平（SOTA），包括最高的 PSNR 和 SSIM，以及最低的 FID 和 FVD。 这些结果表明，我们的方法在视频生成质量方面具有显著优势。
1.2K10编辑于 2025-04-16 - 来自专栏GiantPandaCV
星辰AI大模型TeleChat-7B评测
前言 受中电信 AI 科技有限公司的邀请，为他们近期开源的TeleChat-7B大模型做一个评测。 最后，我们可以从TeleChat-7B开源项目在文创方面展示的例子看到它具有不错的文创能力和一定的代码能力，可以作为开发者来使用的一个不错的基础大模型。 在评论评语方面，TeleChat7B可能是因为SFT的缘故会拒答一些问题，以及对于上面的第二个prompt回答的质量比较低。而对于上面的第一个问题，也出现了经典的大模型幻觉问题。 总结 总的来说，TeleChat-7B具有一定的文创能力和代码能力，对于本次测试的大多数prompt可以生成较为合理的答案。但模型本身也存在大模型幻觉，指令跟随能力一般以及回答有概率重复的问题。 此外，TeleChat-7B在开源方面是相当有诚意的，将清洗之后的训练数据进行开源是在之前的大模型开源中比较难见到的，如果想了解更多的数据清洗细节以及模型训练的细节可以阅读官方放出的技术报告：https
74120编辑于 2024-02-22 大模型下半场：7个趋势判断
推理模型能力的持续提升，推动大模型迎来“可用”到“好用”的拐点。推理强化和应用拓展启动了大模型下半场的新赛程。个人智能体潜力初步显现，行业应用渐次走深，开源开放日益成为大模型的核心竞争力组成。 虽然去年以来，我国AI高端芯片企业数量和能力均有提升，华为、燧原科技、摩尔线程、海光、壁仞等多家企业已设计出对标英伟达A100单卡性能的国产芯片，但由于台积电暂停7nm产能供应及HBM禁令等限制，国产高端芯片的制造仍面临挑战 受DeepSeek效应刺激，国内外大模型公司正加速推出下一代大模型，如OpenAI的基础大模型GPT-4.5，推理模型o3；Anthropic整合了深度思考和快速输出的混合推理模型Claude 3.7； 大模型的数据通信开放协议则可以让大模型更方便地调用各种工具，从而自主完成各类任务。 自ChatGPT发布两年多来，大模型性能持续提升，推理成本显著下降，如GPT-4o的API调用价格为每百万输出tokens 20美元，相比发布时下降了三分之二。
66220编辑于 2025-04-02- 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 登录后界面是： 创建分组 Sub2API 的「分组（Group）」，核心是按「接口类型 / 模型来源 / 用途」把上游账号（如 Ollama、OpenAI、Claude）归类隔离，实现独立调度、权限控制与负载均衡 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