即刻App年轻人的同好社区
下载
每年六月，高考放榜的紧张，迅速被志愿填报所取代。对于千万家庭而言，这将是一场更加艰难的考验。面对数千所高校、上千个专业，信息不对称、决策成本高、对未来就业的迷茫……我现在想想还心有余悸。
AI时代，有没有一种方式，能让顶尖的志愿填报服务不再是少数人的特权？
夸克的高考志愿大模型，正是为了回答这个问题而生。它并非一个简单的信息检索工具，而是一个融合了海量权威数据、前沿AI技术与数百名资深专家智慧的“决策辅助大脑”。
夸克做的第一件事，就是构建一个堪称“活字典”的知识库。
与依赖网络公开爬取的工具不同，高考志愿大模型背后，是一个专门为“报考场景”打造的、国内目前规模最大的高考知识库。
它系统性地整合了全国2900多所高校、近1600个本科专业的招生章程、课程设置，以及上千所高校的毕业生去向，以及产业趋势。这些信息源自各省考试院发布的官方资料，并通过多重技术手段确保准确。
而一个人类专家之所以专业，不在于他能背下所有学校的分数线，而在于他能根据一个学生的具体情况——成绩、兴趣、性格、家庭背景——构建一条清晰的决策逻辑链。
高考志愿大模型要做的，就是让AI“拜师学艺”，学习顶尖专家的这种思考模式。为此，夸克邀请了数百名拥有超过十年经验的资深高考志愿规划师，记录并分析了他们与考生的上万次真实对话。
专家们如何引导一个内向的考生在不同职业间抉择？如何权衡家庭的期望与个人的理想？这些真实的“推理链”被转化为高质量的训练数据，让AI去深度学习。
通过这种方式，AI不仅学会了专家的套路，更重要的是，它学会了专家的思路——在复杂、模糊、甚至矛盾的条件下进行分析、推理和判断的完整思维过程。
为了让AI的能力不断精进，夸克还引入了一套“模拟考场”和“专家评审团”机制。
AI会基于一个虚拟的考生档案，生成一份完整的志愿报告。这份报告会被多位人类专家“盲审”，从多个维度进行打分和点评，每一次“挑刺”，都会变成一个明确的信号反馈给AI，进行学习。
通过数千份志愿报告的“人类挑刺 + 模型修正”闭环，AI的能力得以持续进化。它学会了“反思”，能力进一步泛化，能处理各种千奇百怪的个性化需求，严谨性和全面性也因此大幅提升。
高考志愿大模型的背后，是夸克多年来在数据、技术上的积累，更是数百位志愿专家将宝贵的经验与智慧，毫无保留地传授给AI的结果。他们将帮助每一位站在人生十字路口的考生，做出更明智、更无悔的选择。
AI时代，有没有一种方式，能让顶尖的志愿填报服务不再是少数人的特权？
夸克的高考志愿大模型，正是为了回答这个问题而生。它并非一个简单的信息检索工具，而是一个融合了海量权威数据、前沿AI技术与数百名资深专家智慧的“决策辅助大脑”。
夸克做的第一件事，就是构建一个堪称“活字典”的知识库。
与依赖网络公开爬取的工具不同，高考志愿大模型背后，是一个专门为“报考场景”打造的、国内目前规模最大的高考知识库。
它系统性地整合了全国2900多所高校、近1600个本科专业的招生章程、课程设置，以及上千所高校的毕业生去向，以及产业趋势。这些信息源自各省考试院发布的官方资料，并通过多重技术手段确保准确。
而一个人类专家之所以专业，不在于他能背下所有学校的分数线，而在于他能根据一个学生的具体情况——成绩、兴趣、性格、家庭背景——构建一条清晰的决策逻辑链。
高考志愿大模型要做的，就是让AI“拜师学艺”，学习顶尖专家的这种思考模式。为此，夸克邀请了数百名拥有超过十年经验的资深高考志愿规划师，记录并分析了他们与考生的上万次真实对话。
专家们如何引导一个内向的考生在不同职业间抉择？如何权衡家庭的期望与个人的理想？这些真实的“推理链”被转化为高质量的训练数据，让AI去深度学习。
通过这种方式，AI不仅学会了专家的套路，更重要的是，它学会了专家的思路——在复杂、模糊、甚至矛盾的条件下进行分析、推理和判断的完整思维过程。
为了让AI的能力不断精进，夸克还引入了一套“模拟考场”和“专家评审团”机制。
AI会基于一个虚拟的考生档案，生成一份完整的志愿报告。这份报告会被多位人类专家“盲审”，从多个维度进行打分和点评，每一次“挑刺”，都会变成一个明确的信号反馈给AI，进行学习。
通过数千份志愿报告的“人类挑刺 + 模型修正”闭环，AI的能力得以持续进化。它学会了“反思”，能力进一步泛化，能处理各种千奇百怪的个性化需求，严谨性和全面性也因此大幅提升。
高考志愿大模型的背后，是夸克多年来在数据、技术上的积累，更是数百位志愿专家将宝贵的经验与智慧，毫无保留地传授给AI的结果。他们将帮助每一位站在人生十字路口的考生，做出更明智、更无悔的选择。
1 03
飞猪的AI问一问，可能是最近toC垂直领域最深入的Agent探索了。解决相对收敛的垂直问题，深度绑定行业工具，又能基于用户数据给出合理的引导。
其中把一个个tools定位为“航班管家”、“旅行计划管家”还挺妙的，把子任务外显出来，让用户看到AI思考和生成的过程，可以平复C端用户对速度的焦虑。
其中把一个个tools定位为“航班管家”、“旅行计划管家”还挺妙的，把子任务外显出来，让用户看到AI思考和生成的过程，可以平复C端用户对速度的焦虑。
更新总在放假前？飞猪AI问一问新功能实测 - 小红书
2 01
用Lovart生成了一组AI大佬的塔罗牌，文案还有待优化，但形象、风格、视觉元素拿捏得相当到位。
设计Agent就两点最重要：对于设计需求和审美要求的理解，以及帮助大模型掌握设计方法和工具使用。前者考验团队对行业的理解，后者是技术上的护城河。
设计Agent就两点最重要：对于设计需求和审美要求的理解，以及帮助大模型掌握设计方法和工具使用。前者考验团队对行业的理解，后者是技术上的护城河。
4 00
把自动喂食机的数据截图发给AI，让它根据log分析宠物进食习惯，并制定计划。ChatGPT 04-mini和Gemini 2.5 Pro结论一致。Qwen-2.5-Max给🐱扣了一份口粮，Claude-3.7-Sonnet给它加了一份。最大的感触（它们是真的在算啊，那个推理过程，好像四个账房先生在那打算盘、掐手指头）
prompt：
图片是宠物喂食机每天出粮，以及宠物进食情况。自动喂食器可以在每天8点、12点和18点分三次自动投放食物。（每份固定约10g）请根据宠物的进食习惯，设定每个投喂时间点应该投喂的份数。目标是在满足宠物进食要求的前提下，不要过多剩余食物。
prompt：
图片是宠物喂食机每天出粮，以及宠物进食情况。自动喂食器可以在每天8点、12点和18点分三次自动投放食物。（每份固定约10g）请根据宠物的进食习惯，设定每个投喂时间点应该投喂的份数。目标是在满足宠物进食要求的前提下，不要过多剩余食物。
2 00
OpenAI 发布了最新的模型系列：GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。这三款模型目前仅通过API提供，旨在为开发者带来更强大的能力和更优的成本效益。
核心亮点：
1️⃣性能超越前代： 新模型系列在各项基准测试中普遍超越了 GPT-4o 和 GPT-4o mini，尤其在 编码 和 指令遵循 方面取得了显著进步。
2️⃣编码能力大幅提升： GPT-4.1 在 SWE-bench Verified 上的得分高达 54.6%，比 GPT-4o 提升了 21.4%，成为领先的编码模型。它在处理代码 diff、遵循格式、减少冗余编辑等方面也更可靠。
3️⃣指令遵循更精准： 在 Scale 的 MultiChallenge 基准测试中，GPT-4.1 得分提高了 10.5%，能更可靠地理解和执行复杂、多步骤或带有约束条件的指令。
4️⃣更强的长上下文处理： 所有三款新模型均支持高达 100万 token 的上下文窗口，远超之前的 128k token。同时，它们对长上下文的理解和信息提取能力也得到了优化（如“大海捞针”测试和新的 OpenAI-MRCR、Graphwalks 评估所示），能更好地处理大型代码库、长文档分析等任务。
优化的成本与效率：
1️⃣GPT-4.1 mini： 小型模型性能的巨大飞跃，在许多基准上甚至超越了 GPT-4o，但延迟近乎减半，成本降低了 83%。
2️⃣GPT-4.1 nano： OpenAI 迄今为止 最快、最便宜 的模型，拥有 100万 token 上下文窗口，性能超越 GPT-4o mini，非常适合需要低延迟的任务（如分类、自动补全）。
整体成本下降： GPT-4.1 比 GPT-4o 的中位数查询成本降低了 26%。同时，对于重复传递相同上下文的查询，提示缓存（prompt caching）折扣提高到 75%。
3️⃣视觉能力增强： 新模型系列，特别是 GPT-4.1 mini，在图像理解方面表现优异，在 MMMU、MathVista 等多个视觉基准测试中得分亮眼，并能在无字幕的长视频理解（Video-MME）任务中取得领先。
4️⃣更适用于构建智能体（Agents）： 改进的指令遵循可靠性和长上下文理解能力，使 GPT-4.1 系列模型在驱动能够自主完成任务的 AI 智能体方面更为有效。
（知识更新： 知识库更新至 2024年6月。）
GPT-4.5 Preview 将被弃用： 由于 GPT-4.1 在性能和成本上更具优势，GPT-4.5 Preview 将在 2025年7月14日 停用，开发者有三个月时间进行迁移。
总而言之，GPT-4.1 系列是 OpenAI 聚焦于开发者实际需求，在编码、指令遵循、长上下文处理和成本效益方面迈出的重要一步，为构建更智能、更可靠、更强大的 AI 应用和智能体解锁了新的可能性。欢迎开发者们通过 API 探索和使用这些新模型！
核心亮点：
1️⃣性能超越前代： 新模型系列在各项基准测试中普遍超越了 GPT-4o 和 GPT-4o mini，尤其在 编码 和 指令遵循 方面取得了显著进步。
2️⃣编码能力大幅提升： GPT-4.1 在 SWE-bench Verified 上的得分高达 54.6%，比 GPT-4o 提升了 21.4%，成为领先的编码模型。它在处理代码 diff、遵循格式、减少冗余编辑等方面也更可靠。
3️⃣指令遵循更精准： 在 Scale 的 MultiChallenge 基准测试中，GPT-4.1 得分提高了 10.5%，能更可靠地理解和执行复杂、多步骤或带有约束条件的指令。
4️⃣更强的长上下文处理： 所有三款新模型均支持高达 100万 token 的上下文窗口，远超之前的 128k token。同时，它们对长上下文的理解和信息提取能力也得到了优化（如“大海捞针”测试和新的 OpenAI-MRCR、Graphwalks 评估所示），能更好地处理大型代码库、长文档分析等任务。
优化的成本与效率：
1️⃣GPT-4.1 mini： 小型模型性能的巨大飞跃，在许多基准上甚至超越了 GPT-4o，但延迟近乎减半，成本降低了 83%。
2️⃣GPT-4.1 nano： OpenAI 迄今为止 最快、最便宜 的模型，拥有 100万 token 上下文窗口，性能超越 GPT-4o mini，非常适合需要低延迟的任务（如分类、自动补全）。
整体成本下降： GPT-4.1 比 GPT-4o 的中位数查询成本降低了 26%。同时，对于重复传递相同上下文的查询，提示缓存（prompt caching）折扣提高到 75%。
3️⃣视觉能力增强： 新模型系列，特别是 GPT-4.1 mini，在图像理解方面表现优异，在 MMMU、MathVista 等多个视觉基准测试中得分亮眼，并能在无字幕的长视频理解（Video-MME）任务中取得领先。
4️⃣更适用于构建智能体（Agents）： 改进的指令遵循可靠性和长上下文理解能力，使 GPT-4.1 系列模型在驱动能够自主完成任务的 AI 智能体方面更为有效。
（知识更新： 知识库更新至 2024年6月。）
GPT-4.5 Preview 将被弃用： 由于 GPT-4.1 在性能和成本上更具优势，GPT-4.5 Preview 将在 2025年7月14日 停用，开发者有三个月时间进行迁移。
总而言之，GPT-4.1 系列是 OpenAI 聚焦于开发者实际需求，在编码、指令遵循、长上下文处理和成本效益方面迈出的重要一步，为构建更智能、更可靠、更强大的 AI 应用和智能体解锁了新的可能性。欢迎开发者们通过 API 探索和使用这些新模型！
0 03
这个GPT-4o的玩法挺火，我是在@歸藏(guizang.ai) 看到的，自己优化了一下提示词。
这里有一点建议：
- 先尝试AI能不能理解想要画的内容，如果可以，就不要添加不必要的提示；
- 如果AI不能理解或者有版权限制，就先增加文字描述，比如演员的名字、场景、物品；
- 如果形象生成的有问题，再增加演员的照片。（比如梁朝伟、黄秋生AI就知道长什么样，林家栋就差点）
下面的提示词是我用来画陈佩斯的。
------------------
创建一个全身人物手办玩具，玩具的形象参考我上传的照片。让它成为一个动作人偶（action figure blister pack）。
在人偶旁边，是他的装备：（与玩具人偶一起放到包装里）
- 毛瑟C96手枪
- Gray Fur Felt Fedora Hat
- 白色毛巾
此外，在包装上的文案，主题是"白日做梦！"，副标题是"陈佩斯"。
你设计的包装应该具有抗日战争相关的元素。以一种真实的方式来可视化这个场景。
输出图片比例2:3。
------------------
这里有一点建议：
- 先尝试AI能不能理解想要画的内容，如果可以，就不要添加不必要的提示；
- 如果AI不能理解或者有版权限制，就先增加文字描述，比如演员的名字、场景、物品；
- 如果形象生成的有问题，再增加演员的照片。（比如梁朝伟、黄秋生AI就知道长什么样，林家栋就差点）
下面的提示词是我用来画陈佩斯的。
------------------
创建一个全身人物手办玩具，玩具的形象参考我上传的照片。让它成为一个动作人偶（action figure blister pack）。
在人偶旁边，是他的装备：（与玩具人偶一起放到包装里）
- 毛瑟C96手枪
- Gray Fur Felt Fedora Hat
- 白色毛巾
此外，在包装上的文案，主题是"白日做梦！"，副标题是"陈佩斯"。
你设计的包装应该具有抗日战争相关的元素。以一种真实的方式来可视化这个场景。
输出图片比例2:3。
------------------
1 01