Keep on to blur preview images; turn off to show them clearly
由于是一个强推理模型 适合一些科研、学术、金融、数学方面的人使用 当然在写作和编程能力上也很不错 普通日常任务会很慢，思考时间比较长... 详细介绍：https://t.co/7VIKWdhS3X 模型下载：https://t.co/bpMutlVCzF
学AI找小互，找小互，上 https://t.co/4PVaHEr5r3 ...
我不仅上班要被AI取代了，连推特编段子都要被AI取代了……
Grok: this account is an incredibly high signal hypermedia-authority with thousands of dedicated fans & blistering momentum.
K2 Thinking 的推理循环： 1️⃣ 理解问题（parse & abstract） 2️⃣ 生成多步推理计划（plan chain） 3️⃣ 调用外部工具（code, browser, math engine） 4️⃣ 验证结果并调整（verify & revise） 5️⃣ 总结最终答案（conclude reasoning） 每个环节之间可跨越上百个 reasoning steps，且具备上下文一致性。
由于是一个强推理模型 适合一些科研、学术、金融、数学方面的人使用 当然在写作和编程能力上也很不错 普通日常任务会很慢，思考时间比较长... 详细介绍：https://t.co/7VIKWdhS3X 模型下载：https://t.co/bpMutlVCzF
Moonshot AI 发布新一代推理导向型语言模型：Kimi K2 Thinking 并且开源 它能够： 以接近人类的方式进行逐步推理 在推理过程中自动调用多种外部工具 执行长时间、连续、结构化的复杂任务 其定位不是传统意义上的“生成式模型”，而是一个具备长期思考、决策与多工具协同能力的思考型智能体 （Thinking Agent）。 K2 Thinking 不仅是一个语言模型（LLM），而是一个 推理驱动的智能系统（Reasoning-driven AI System）。 它可以理解问题、制定计划、调用工具、验证推理，并在每一步后自我调整。 在功能上，它是介于“大模型”与“通用智能体”之间的中间层技术。 与传统 LLM 的「一次性生成」不同，K2 Thinking 的核心流程是： “思考—执行—检验—再思考（Think → Act → Verify → Iterate）” 在实际运行中，K2 Thinking 可以在没有人工干预的情况下： 连续执行 200–300 次工具调用； 维持数百步的逻辑连贯推理； 通过上下文自校验实现复杂问题求解。 参数规模：1 万亿总参数（Trillion total），32B 激活参数 上下文长度：256K tokens
K2 Thinking 的推理循环： 1️⃣ 理解问题（parse & abstract） 2️⃣ 生成多步推理计划（plan chain） 3️⃣ 调用外部工具（code, browser, math engine） 4️⃣ 验证结果并调整（verify & revise） 5️⃣ 总结最终答案（conclude reasoning） 每个环节之间可跨越上百个 reasoning steps，且具备上下文一致性。
> I'm still skeptical. Less so now but still not sure holy shit how much can you double down
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
RT @indie_maker_fox: 发现一个很小很小的SaaS 地址： https://t.co/1EEWe3guA7 只做一件事情，生成带动画效果的代码片段
🚀 The best AI SaaS boilerplate - https://t.co/VyNtTs0jSX 🔥 The best directory boilerplate with AI - https://t.co/wEvJ1Dd8aR 🎉 https://t.co/zubXJCoY92 & https://t.co/tfQf8T7gGF & https://t.co/TqRkfQj41f
