carl guo retweeted
如近期流量暴跌,怀疑被限流?
可通过一段Prompt找Grok评估,并给出优化执行建议。
我之前52分,三周优化后提升到84分,流量增长明显!
Prompt放评论区,有需要的推友自取...
能不能搞到5M,就靠你了
我之前X创作者 5M曝光 快速完成使用的蹭楼方法,vibe 了一个网页,还没过5M的拿去用:tl1.com/trending,这是已经验证过的方法,其中第4点最重要
1、选择粉丝小于10K的号,因为大号大部分会被折叠到垃圾里
2、选择 1-4h 内的新帖,因为太久的帖子,你的评论太后,效率比较低
3、如果过了5M,就没必要蹭了,因为回复的曝光基本不计入收入,要靠创作高互动的文章,抢占蓝V的时间线
4、如果发现是你的互关好友,那就放心蹭,不会触发任何风控,所以尽量和有爆款帖的小号建立起互关,可以持续蹭
5、回复内容大概两段文字最佳,每日大概回复在100条左右
另外这个工具还有其他两个功能:中文区头部账号排行、历史热帖
但是因为现在这个工具才积累3天数据,所以还在逐步积累数据,后续数据会越来越丰富
1
3
173
智谱GLM-5之所以能在代码生成和逻辑推理方面达到国内领先水平,并非通过蒸馏国外模型,而是基于其一系列独特的技术创新和工程优化。
智谱官方发布的技术报告已公开全部技术细节,明确回应了外界关于“套壳”或“蒸馏”的质疑。其卓越性能主要归功于以下四个核心方面:
🧬 核心技术创新
1. 引入DSA稀疏注意力机制 (DeepSeek Sparse Attention)
这是一种全新的架构,旨在大幅降低训练和推理成本。与传统的注意力机制不同,DSA能够根据Token的重要性动态分配计算资源,只处理关键信息。这使得GLM-5在不损失长上下文理解能力的前提下,成功将模型总参数扩展到7440亿,并使用28.5万亿Token进行训练,从而显著提升了模型的推理深度和能力。
2. 构建异步强化学习(RL)基础设施
为了实现更高效的模型迭代,GLM-5采用了“生成与训练深度解耦”的设计。这意味着模型的生成过程和训练过程可以异步进行,极大地提升了GPU利用率和后训练流程的效率,解决了以往因同步等待而拖慢迭代速度的瓶颈。
3. 提出异步Agent强化学习算法
该算法专为提升模型的自主决策质量而设计。它使模型能够从多样化、长周期的复杂交互中持续学习,并针对动态环境下的规划和自我纠错能力进行了深度优化。这正是GLM-5在真实编程和智能体任务中表现出色的底层逻辑。
4. 全面拥抱并深度适配国产算力
GLM-5从设计之初就原生适配中国GPU生态,完成了从底层内核到上层推理框架的全栈优化,兼容华为昇腾、摩尔线程、海光等七大主流国产芯片平台。得益于这种软硬协同的极致优化,GLM-5在单台国产算力节点上的性能可媲美由两台国际主流GPU组成的集群,长序列处理成本更是降低了50%。
🏆 性能验证与行业认可
这些技术创新使得GLM-5在多项权威基准测试中取得了开源模型的最佳(SOTA)成绩,例如在公认的编程能力评测 SWE-bench-Verified 中获得了 77.8% 的高分,在 Terminal Bench 2.0 中获得了 56.2 分。
此外,在发布前,GLM-5曾以代号“PonyAlpha”在OpenRouter平台上进行匿名盲测。凭借其处理复杂代码和智能体任务的卓越能力,它引发了开发者的广泛猜测,许多人认为它来自Anthropic的Claude或Grok等顶级闭源模型。这一“自我证明”有力地回击了外界对其技术水准的质疑,证明了其能力源于自身的技术实力。
8
5
366










