MemeInformation @MemeInformation

@jjgfscbd 摄影师：保安

皇祐二年，江浙爆发特大饥荒，千里土地颗粒无收，路边随处可见饿死的百姓，周边各州府官员全在用老一套救灾办法：开仓放粮、强制压低米价、下令全城节俭停工。 可时任杭州知府的范仲淹，一上任就做了件让所有人瞠目结舌的事。 当时杭州黑市米价已经涨到每斗一百二十文，百姓根本买不起，所有人都劝范仲淹出台政令打压粮价。 可范仲淹反倒张贴全城告示，直接把官方米价再往上抬，定到每斗一百八十文。 告示一出，整个杭州彻底炸开了锅，百姓全都骂他不顾百姓死活；朝中言官接连写奏折弹劾他，就连向来刚正的包拯，都上书痛斥范仲淹纵容粮商哄抬粮价，视万民性命如草芥。 可范仲淹丝毫不辩解，任由弹劾文书源源不断送往京城。 杭州米价暴涨的消息顺着大运河水路，短短几天传遍天下。各地粮商一听杭州米价能卖到一百八十文，一趟贩运就能赚巨额利润，全都疯了一样运粮往杭州赶。 大运河上运粮的船只首尾相连，白帆密布，连钱塘江都被粮船铺满，数不清的粮食源源不断涌入杭州码头。 等全国各地的粮食全部集中到杭州，市场供给直接饱和，范仲淹再放出官府储备粮仓，低价投放粮食。 外地粮商长途运粮成本极高，要是再把粮食运回原地，只会亏得血本无归，只能就地降价抛售。 粮商互相压价，米价一路暴跌，最后远低于灾前正常市价。不用强制限价、不用严刑打压，仅凭市场规律，范仲淹就平稳解决了粮荒，这就是荒政第一策——抬价引粮，以市场调控稳定物资供给。 但范仲淹心里清楚，粮食便宜只是第一步，饥荒真正的死结，是灾民手里没有钱。 就算米再便宜，身无分文的穷人依旧买不起，单纯放粮救济只能解一时之急，还容易滋生坐等施舍、不愿劳作的风气。 于是他祭出第二策：大兴土木，以工代赈。 灾年民间普遍提倡省吃俭用、停止一切工程，范仲淹却反其道而行。 他说灾荒年间人工工钱最低，正是兴修工事的最好时机。 先是翻新官府衙门、库房、官舍，又挨个拜访杭州各大富庶寺院，劝说住持趁人工廉价修缮庙宇、扩建殿宇。官府、寺院大规模招工，上万流民靠做工换取工钱粮食，不用靠施舍苟活，凭劳动养活自己。 修路、修堤、修缮房屋的工程，还带动木材、砖瓦、运输整条上下游生计，一大批商贩、匠人都有了收入，从根源盘活本地民生，这是远超单纯赈灾的长远思路。 解决温饱之后，范仲淹又推出第三策：纵民竞渡，拉动消费。 杭州自古有端午龙舟竞渡的民俗，灾年人人愁云惨淡，大家都主张取消游乐活动，节约开支。范仲淹反倒大力鼓励全城办龙舟大赛，长达三个月。 他定下奖励，富商队伍拔得头筹可免三年商税，本地大户争相出资组队参赛；范仲淹自己也常带着官员到西湖观赛造势。 赛事吸引周边州县百姓涌入杭州看热闹，街上人山人海，各类小吃、杂货、游船、客栈摊贩遍地开张，每天上万普通人靠客流做生意赚钱。 人流带来持续消费，小商贩、船夫、手艺人全都能赚到钱，城市商业彻底活了起来，冲淡灾年压抑的氛围，稳定民心。 抬高米价引流粮食、大兴工程以工代赈、鼓励游乐拉动内需，这三套组合拳，就是后世大名鼎鼎的范仲淹荒政三策，更被称作古代千古第一阳谋。 当年两浙十几个州县都饿殍遍野，唯有杭州城内安稳有序，百姓安稳度过灾年。后来朝廷派人实地核查，当地百姓无一人控诉范仲淹，全都感念他的救世之举。 放在千年后的今天再看，范仲淹的思路依旧超前：抬高粮价本质是扩大物资供给，对应现在大宗商品保供调控；大兴土木以工代赈，就是基建稳就业；放开文旅活动刺激消费，和如今拉动内需、激活服务业的逻辑完全相通。 很多人只记得范仲淹“先天下之忧而忧，后天下之乐而乐”的家国情怀，却不知道他务实通透、看透经济规律的治理智慧。 不靠强硬管控、不单纯依靠施舍，顺势利用人性与市场，从根源化解危机，这才是老祖宗留给我们顶级的处世与治世谋略。

你有没有算过一笔账。一个普通县城，本地工资普遍就两三千，可麻将馆天天满座，私房菜馆人均好几百照样排队，周末还有人开着几十万的车去露营，喝上千块一斤的茶。 很多人想破脑袋也想不明白，这些钱到底是从哪冒出来的。 答案听着有点扎心。县城里那些开豪车、天天泡在牌桌上的人，他们的钱大部分不是自己挣的。 再往深一层说，一个县城富不富，跟它本地能不能生产东西，基本没关系。县城的繁荣，是从上面一层层分下来的，不是自己长出来的。 先说钱的第一个源头。 江浙沪、珠三角这些地方挣的钱，会通过财政转移支付，一笔一笔精准打到中西部的县城去。 修高铁站、盖医院、建政务中心，钱大多从这来。为什么给它们？因为这些县城替整个国家守着粮食安全、守着生态，它们创造不了多少 GDP，但它们得稳住。 一个县城的日子过得去，很多时候靠的就是每个月那笔稳稳的补贴，本地能挣多少反倒是次要的。 这就好比一个人月薪三千，可家里每月固定给他打十万零花，你光盯着他的工资条，永远看不懂他的消费。 可钱打下来，得有人接住，再花出去，县城的经济才转得起来。 接住这笔钱的，是体制内那批人：公务员、老师、医生、国企职工。 他们工资不算高，但极其稳定，这份稳定才是要害。 一个医生发了工资去买件大衣，商场老板挣了钱请客吃饭，饭店老板顺手报了个培训班，教钢琴的老师转头又进了麻将馆。 一笔工资在这个小圈子里转了好几手，每转一手都变成一份新的收入。 这就是经济学里讲的乘数效应，一笔工资在市面上转几圈，能创造出好几倍于它自己的消费。 所以你别小看县城那点体制内工资，看着不多，它却是整个池子里唯一不会断的进水口。 哪天这批人开不出钱，或者收入被砍一截，县城的生意三个月内就得肉眼可见地凉下来，商场空了，饭店关了，麻将馆也没人了。 问题跟着就来了。就算收入稳定，几千块一个月，凭什么敢开豪车、敢喝茅台？这就得说县城一个很特别的规矩。 县城是熟人社会，你有没有实力，别人不看你的银行卡，看你的排场。 一个工程老板开着保时捷去谈合作，材料商二话不说给他半年账期；同样这个人开辆二手车去，人家立马要现款现货。 在这里，面子就是抵押物，场面就是你的资产负债表。所以很多人的高消费，说到底是做给别人看的，为的是证明自己还行、还能合作、还值得被赊账，享受排在后头。 你一旦被贴上没钱的标签，所有资源都对你关门。想通这一层，你就明白为什么有人宁可借钱也要撑场面了，那是他在这套规矩里活下去的成本，跟单纯的虚荣关系不大。 最后一根齿轮。县城修路盖楼的钱，很大一块靠卖地。政府把荒地划给城投公司，城投拿着地去银行贷款，贷来的钱又变成工程款，发到建筑商、包工头手里，他们再拿去买房买车。 地生钱，钱变楼，楼又撑起消费，转成一个闭环。银行为什么敢一直借？因为大家都信政府不会赖账。 可这套玩法有个死穴，它赌的是地永远能卖出去、房价永远往上走。哪天地拍不动了、房子卖不掉了，整台机器立马卡壳。这几年很多县城拼命化债，就是这台机器开始喘不上气了。 这些钱在县城转一圈，最后还是留不住。包工头挣了钱，第一件事是去省城买套房；老师攒下的存款，慢慢也挪去了大城市。 县城辛辛苦苦接住的财富，转个手就被上头的城市吸走了。它更像一个中转站，钱从这过一道，人也从这走一茬，留下的是越来越重的老龄化、空掉的产业和一屁股债。 所以你看，大城市的钱是新造出来的，县城的钱是分下来的，还有一部分是借未来的。 这是两套完全不同的活法。看懂它没别的用处，就一个：帮你想清楚自己站在哪。 不管你是在大城市挤地铁，还是在县城酒桌上陪着笑，先看清楚钱是怎么走的，再决定自己往哪走，总好过闭着眼睛随大流。

@CuiMao 你还是忘不掉你的卷毛前男友

小参数，大能力！🫨

Tencent Hy @TencentHunyuan

2 weeks ago

🚀Hy3 is here. 295B MoE. Best in its size class. Rivals trillion-scale flagships. Reliable and affordable for most agentic usecases. Apache 2.0. Friendly for commercial use. FREE API for 2 weeks → openrouter.ai/tencent/hy3:fr… 🤗 huggingface.co/tencent/Hy3 📖 hy.tencent.com/research/hy3

194 392 3K 1.2M 1K

上周，我让某个 AI 产品帮我写一篇大模型行业调研。 几分钟后，它交上来一篇结构很完整的报告：有市场规模，有增长率，有引用来源，语气也很笃定。 第一眼看上去，还挺像那么回事。 但我细看了一遍，发现里面不少数据都是它自己编出来的。 如果你用 AI 做过调研，应该很容易理解这种感受。 这就是所谓的幻觉。 幻觉大概可以分成两种。 一种是无中生有，凭空造出一个不存在的数据或案例。 另一种是张冠李戴，把 A 的信息套到 B 身上。 这两个问题在聊天场景里可能还只是体验问题，但放到办公场景里就会变得很致命。 比如你让模型做一份行业调研，它编了一个不存在的市场规模。 你让它写一页 PPT，它塞进去几个无法核验的数据。 最后你省下来的时间，可能又要花在反查和返工上。 所以办公场景最朴素的底线其实很简单：有依据再回答，没依据就说不确定。 多个来源不要乱拼。 数据、状态、引用不要乱编。 听起来不复杂，但真正难的是稳定做到。 今天腾讯混元 Hy3 正式发布了，看了下 Xhs 上好评很多，所以说，大模型其实给点时间都能赶上。 除了幻觉率下降，它还在 Agent 和 Coding 场景里，把“能不能稳定完成任务”这件事往前推。 我大概看了一下 Hy3 正式版的参数。 Hy3 采用 MoE 架构，总参数 295B，激活参数 21B，最大支持 256K 上下文，在 WorkBuddy 里体验很快。 感觉混元团队的 slogan 很明确呀，用更小的激活参数，覆盖大多数 Agent 和办公生产力场景，同时把推理成本压下来。 口说无凭，我们看一下混元团队博客里的数据。 在基于真实产品的内部评测里，Hy3 的幻觉率从 preview 版本的 12.5% 降到 5.4%，常识错误率从 25.4% 降到 12.7%。 办公场景里，很多任务本质是处理可信信息。 行业调研、竞品分析等，这些工作底层其实都依赖事实。 如果模型在中间乱编一次，后面所有输出都会被污染。 而 Hy3 这次做了一个很实用的优化：让模型在没有足够依据的时候，更愿意承认 i dont know。 我觉得吧，办公场景里，一个会说“这里我不能确定”的模型，反而比一个什么都敢答、语气还特别流畅的模型更可靠。 我们看 WorkBuddy 的数据也能说明一些变化。 相比 preview 版本，Hy3 在 WorkBuddy 里的任务解决率从 72% 提升到 90%，平均耗时缩短了 34%。 跟 GLM-5.2 相比，文档处理的 token 消耗少了 47.4%，做 PPT 的 token 消耗少了 49.0%。 我觉得这里面其实有两个信号。 一个是任务更容易闭环。 用户把一个相对完整的办公任务丢给模型，它能更稳定地做完，而不是中途跑偏、漏步骤，或者给出一堆还要人工重做的半成品。 另一个是成本更可控。 办公 Agent 和普通聊天不一样，它会频繁读文档、改内容、生成方案、调用工具，token 消耗很快就会上去。 如果每次任务都很贵，企业很难真正大规模用起来。 当然，Hy3 这次前端 Coding Agent 也是重点。 官方博客放出来的案例还是蛮惊艳的，完成度确实比普通代码生成更进一步。 里面有个 demo，是用摄像头识别手势，去控制图片的粒子融解和重组，交互、视觉和完成度都比较完整。 咱们再看最重要的价格。 Hy3 正式版在腾讯云上的定价是输入 1 元/百万 tokens，输出 4 元/百万 tokens，输入命中缓存 0.25 元/百万 tokens。 如果再叠加前面提到的 token 消耗下降，我觉得对 Agent 产品会更友好。 因为 Agent 的使用方式天然是高频、长链路、多轮调用。 价格和 token 效率只要差一点，放到企业日常使用里，差距就会被迅速放大。 所以我觉得 Hy3 这次把问题落到了几个更具体的地方。 少编一点，前端美观一点，成本再低一点。

keyboard_arrow_left Previous keyboard_arrow_right Next

@feltanimalworld 我送的🫨

@Chuntingxue2121 找个男朋友吧

@didengshengwu 为什么推特上总是这些傻逼内容

我表妹要校招了，我劝她先看大厂的机会 还记得去年，有个学弟问我：他手上有两个 offer。一个是大厂核心 AI 团队，一个是很火的 AI 创业公司。 创业公司给的期权听起来很诱人，他有点心动，不知道该怎么选。 我问了他一句：你怎么确定，三年后这些期权还值这么多钱？ 最近校招又要开启了，所以今天想聊一个话题：AI 方向的校招生，到底该怎么选公司？ 我先说结论：如果你是 AI 方向的校招生，优先看大厂核心 AI 团队。 再说一个冷知识：校招可能是年轻人最容易进入大厂的机会！！ 社招进大厂，看的是即战力。你做过什么项目，解决过什么问题，来了之后能不能直接干活，这些都会被反复验证。 但校招不一样。 大厂校招更愿意看潜力。学校、竞赛、论文、实习经历，都会成为判断一个人是不是高潜的依据。 所以刚毕业这几年，其实是一个很特殊的阶段。大厂愿意用“潜力”来判断你，也愿意给你资源和时间成长。 等工作几年之后，再想通过社招进去，难度反而会变高。 尤其是在 AI 时代，这个窗口更值得抓住。 因为 AI 和过去的互联网不一样。 过去一个小团队，确实可能做出爆款产品。但今天的 AI 竞争，越来越依赖算力、数据、场景和组织资源。 很多 AI 创业公司最大的问题，是缺少真实场景。 没有真实场景，就很难知道产品到底能不能解决问题。没有足够多的用户和数据，也很难把模型能力转化成产品能力。 所以很多 AI 项目看起来 Demo 很酷，最后却很难落地。 你也可以看看，现在国内 C 端市场里比较有声量的 AI 产品，像豆包、千问、腾讯元宝，背后基本都是大厂。 AI 产品不是只有一个好想法就够了。它背后需要持续的算力投入、数据反馈、产品迭代、生态入口和真实业务场景。 单靠一个 Demo，很难跑出来。 所以我一直觉得，校招生不要太相信创业公司的期权故事。 期权这个东西，不是公司答应给你，就一定值钱。你中途离开怎么办？ 公司上市前期权怎么处理？会不会被稀释？ 回购价格怎么算？这些里面都有很多弯弯绕绕。 对刚毕业的人来说，前几年进入一个足够好的训练环境，比赌一个听起来很性感的故事更重要。 最近，我表妹也要开始校招了。也遇到了类似的问题。 她学的方向和 AI 相关，最近在看各种机会。 前两天她问我，应该重点看什么。 我跟她说，主要看的是这个机会能不能把你放到一个足够好的训练环境里。 沿着这个标准，我最近也去帮她搜罗一些校招信息，其中典型的case是阿里星。 6 月 23 日，面向 2027 届毕业生的阿里星人才计划正式启动。 我先简单给大伙介绍一下，阿里星是阿里面向高潜年轻人的人才计划。 阿里星拥有全栈AI能力和生态，包括基础模型、AI Infra、大模型应用、芯片与计算、医疗 AI、企业服务、C 端应用等。 这些方向都有一个共同点：你可以进入具体业务场景里解决问题。 对一个刚毕业的 AI 学生来说，还蛮重要的。 很多人在学校里做模型、写论文，更多是在相对理想的环境里验证能力。但进到真实业务里，问题会复杂很多。 这些问题都要在真实场景里才看得出来。 过去几年加入阿里星的几个同学，就很典型。 一个北京科技大学毕业的邱同学，通过阿里星进入阿里医疗 AI，参与研发了基于平扫 CT 的大规模胃癌筛查模型，相关成果发表在《Nature Medicine》上，并且推动了算法的实际应用。 还有一个清华毕业的韩同学，进入通义千问团队，参与打造并开源了一流的基座语言模型和多模态模型，也参与了强化学习、训练和推理效率优化相关工作。 一个进入医疗筛查场景，一个进入大模型产品和工程体系。对 AI 学生来说，这种训练密度很难得。 另外，我还观察到一条信息，6月29日，2027 届“阿里星·热爱之旅”线下活动也会在阿里巴巴杭州全球总部举办。 活动里有 AI Talk、业务展示、技术展示、Poster 展示、快闪 Talk，以及和一线负责人的交流。 快闪 Talk 这个形式还是蛮有意思的。每个业务方只有 10 到 15 分钟，要快速讲清楚自己到底在做什么。 候选人也要在很短时间里判断，这个方向和自己的研究兴趣是不是匹配。 这比单纯看招聘 JD 更直接。 JD 往往都写得很漂亮，但你很难判断进去之后到底做什么。真正听业务方讲一遍，你会更快知道这个地方适不适合自己。 所以我看到了这些信息，火速push我表妹去参加这个线下活动。 因为创业公司可能会给你更大的想象空间，但大厂核心 AI 团队，往往能给你更系统的训练。 对大多数校招生来说，去真实世界里打硬仗，比太早押注一个还没验证过的故事，更靠谱。

keyboard_arrow_left Previous keyboard_arrow_right Next

@HiTw93 感觉是在上海，只有上海人才能这么文艺

@CuiMao 你是真爱

@Elifbenad 对男朋友过敏，建议分手

@ckyoa2 属实

@xDinoDeer 我在吹

今天看到一条新闻，真的让我火大！ 前脚阿里刚起诉美国国防部，要求把自己从所谓的“涉华制裁黑名单 CMC”里移除，后脚美国 AI 公司 Anthropic 就出来指控千问蒸馏 Claude...... 最近几年，Anthropic 基本上指控了我们中国所有的 AI 公司。 包括 Kimi 呀、MiniMax 啊、DeepSeek 啊，现在又直接指控到了阿里千问。 兄弟，咱说真的，这种招用一次就好了，多用别人会反感的。 因为你把一个行业里大家都知道、也都在用的正常技术，硬说成了别人偷你东西。从业者谁看了不反感你？ 芯片上卡不住中国科技企业了，现在就开始在模型层面下黑手。 以前是各种限制、制裁，现在又开始用舆论指控给中国 AI 企业泼脏水。 DeepSeek 被说，Kimi 被说，MiniMax 被说，现在连阿里千问也被说。 就连我们伟大的、想把人类送上太空的马圣，之前都在 X 上嘲讽你： “How dare they steal what Anthropic stole from human programmers?” 而且你 Claude 也不是没有蒸馏过别人吧？ 我记得你 Claude 也蒸馏过千问啊。阿里当时都没说什么。 结果你阿迪王倒好，抓住机会大做文章。 说真的，你要是这么介意的话。 那就把你们 Claude 封禁，索性不要让大家用了。 既然你把 Claude 做成一个大家都能用的模型，那别人正常测试一下、研究一下，就不应该动不动被扣上偷东西的帽子。 蒸馏这项技术的奠基者 Geoffrey Hinton 还因此获得了诺贝尔物理学奖。 这是行业标准操作，而非什么“窃取”。 更何况，企业用户对 Claude 的使用还是付费的。 Claude 不但贼喊捉贼，还得了便宜卖乖。 这种借机打压中国 AI 科技的手段，用一次大家可能还会讨论一下，用多了，只会让人觉得你在借题发挥。 不管是政府层面的清单，还是企业层面的指控，目的只有一个，遏制中国 AI 的崛起。 看懂了这一层，就不难理解美国政府和企业这一轮混合双打了。 阿里也用实际行动宣告，面对这种昭然若揭的恶意打压，该出手时就出手。

keyboard_arrow_left Previous keyboard_arrow_right Next

@CuiMao 牛逼

x.com/i/article/2069…

@CuiMao 太猛了，咱们的剧情能不能再大胆一点

@cellinlab 不对