首页 > 新闻 > 正文

诡域新娘

全红婵跳板首秀夺冠，跳水梦之队世锦赛百金达成！_我的网站

直播港澳台

A | 「我成功在国行iPhone上跑通了AI模型！」「然后呢？」「然后就没怎么用过了。

当地时间29日，2022年游泳世锦赛跳水项目的比拼在匈牙利布达佩斯继续进行。刚刚结束的混合全能决赛中，同为15岁的全红婵、白钰鸣搭档获得冠军。这是两人的第一枚世锦赛金牌，也是属于中国跳水队的第一百枚世锦赛金牌！对于两位选手而言，这场比赛意义特殊：这是全红婵首次在国际大赛中角逐跳板，也是白钰鸣的世锦赛首秀。」 iPhone 17 Pro Max发布都一个月了，苹果国行Apple Intelligence还是遥遥无期。许多观众可能对跳水混合全能项目不太了解，它在2015年被纳入到游泳世锦赛比赛中。

B | 林珊/杨健曾于2019年夺冠，那是中国队过往三届世锦赛中获得的唯一一枚该项目金牌。混合全能跳水极具观赏性，对参赛选手的综合能力也提出了更高要求。等不及的网友们，决定自己动手，丰衣足食。于是，在iPhone上部署端侧AI模型，成了互联网的新显学。

C | 按照规则，混合全能比赛分六轮进行，搭档出战的两名选手不仅要在各自的三跳中涵盖跳台与跳板，全队还需完成向前、向后、反身、向内、转体、臂立等全部六个组别的动作。从保姆级教程到实操演示，各种野生秘籍在社交媒体上遍地开花。中国队原计划由张家齐出战混合全能，最终由全红婵与白钰鸣搭档。

D | 全红婵和白钰鸣都以跳台为主，两人年纪相仿，也均是第一次征战世锦赛。

E | 在此前结束的女子10米跳台决赛中，奥运冠军全红婵已经上演世锦赛首秀并拿到一枚银牌。白钰鸣来自陕西榆林，去年陕西全运会上他开始崭露头角，在青年组和成年组比赛中拿到两金两铜共四枚奖牌。我们也折腾了一番——下载模型、跑分测试、实际体验……整个过程确实有趣，甚至有点上头。但当兴奋劲过去，一个扎心的事实浮现出来：这玩意儿好玩、有趣，但不实用。能用和好用，是两回事在iPhone上体验端侧模型，门槛其实不算高。特别是在高手如林的成年组男子10米跳台比赛中，当时年仅14岁的白钰鸣获得第七名。白钰鸣不仅练跳水起步早，平日训练也很刻苦，被视为中国跳水的未来之星。

F | 通过自身不懈努力，15岁的他获得了世锦赛这次宝贵的锻炼机会。今晚的比赛中，全红婵个人的第一跳和第三跳为跳板。第一轮跳板首秀，全红婵选择了难度系数2.7的动作405C，有效分为两个8.0和一个7.5，最终得到63.45分。打开App Store，搜索PocketPal AI，下载安装。个人第二跳，登上十米台的全红婵祭出了拿手的臂立动作，完美一跳后得到88.00的高分。如果不习惯英文界面，可以在设置(Setting)里找到语言(Language)选项，切换成中文。白钰鸣第一跳稍有瑕疵，但他及时调整，以高质量完成第二跳。接着便是下载模型了。两人的最后一跳，跳板上的全红婵与跳台上的白钰鸣均顺利完成各自动作，中国队以总分382.00分完赛，获得冠军。这是中国跳水队的第一百枚世锦赛金牌！中国跳水队素有“梦之队”之称，世锦赛百金的成绩再次印证了这一点。截至目前，本届游泳世锦赛跳水项目已结束5个单项的角逐，中国跳水队包揽全部5枚金牌。点击左上角图标进入模型库，由于Qwen系列模型在开源社区一直都是有口皆碑，所以我们选择从Hugging Face分别下载了0.6B、1.7B、8B、14B和30B的版本。

G | 余下的比赛，中国队每项都是夺冠热门，包括全红婵搭档陈芋汐出战的女双10米跳台。再来看看网友们对全红婵跳板首秀的评价：梦之队，继续加油！

。当然，你也可以自己本地下载模型，再导进去，这倒是问题不大。但能下载，不代表能运行。当你看到「内存警告」的字样的时候，就知道这大概率是行不通了，这里需要解释一下，模型名称后的数字(如0.6B)指的是参数量，B代表「十亿」(Billion)。参数可以理解为模型「神经元」的数量，参数越多，理论上模型的理解能力和生成质量越强，但对硬件的算力和运存需求也急剧攀升。你也可以在基准测试栏里，查看手机的设备信息。拿我手上这台iPhone 17 Pro Max来说，8GB内存勉强能跑，14B模型、30B及更大参数的版本，基本上就没法运行了。在实际体验之前，我们也先用这几款模型跑个分，下面这几张图片，分别对应着不同参数模型的评测结果。那么在iPhone上用第三方APP跑端侧模型，到底有没有实际意义？这些模型能否真正支撑日常任务或简单推理？我的评价是：能用，但更多是玩具性质，可以尝鲜，但不太建议长期使用。众所周知，OpenAI此前曾出炉了一份关于ChatGPT的使用报告，主要揭秘大家伙都在用ChatGPT干什么，其中主要包含实用指导、信息搜索和写作等事项。我们也参考这些实际用途，分别对0.6B、1.4B、8B等模型问了几个问题。测试一：制定健身计划帮我制定一个适合久坐上班族的7天核心锻炼计划和跑分结果一致，模型参数越大，生成的速度越慢。

H | 但反之，回答的质量和内容详实程度确实也随参数提升而提升。

I | 0.6B模型给出的计划放之四海而皆准，有一定的细节，实操价值却不高。

J | 1.7B稍好，细节更丰富，能够对久坐带来的腰背酸痛提出针对性的训练计划。 8B则再上一个档次，开始针对不同肌群给出系统性的建议，且动作更细分，甚至还有暖心小贴士，不过虽说基本维持在5 token/s的速度，但体感跟网页版ChatGPT的响应速度并无明显差别。至于发热情况，我是在比较凉爽的室内测试的，在询问8B模型几个问题后，也可以明显感觉到手机背部发热明显。

K | 测试二：历史知识问答宋代的聘猫礼是什么？这是一个相对冷门但有据可查的历史知识点，指的是宋代民间迎娶猫咪入宅时的礼仪习俗，主要是为了体现古人对猫主子的尊重程度。遗憾的是，小参数模型的知识储备严重不足，从0.6B到8B的模型，都不知道聘猫礼是啥，而且还特别擅长一本正经地胡说八道。其中8B模型更全是车轱辘话。测试三：时效性信息 iPhone Air什么时候发布？这是一个考验模型时效性的问题。毫无意外，所有端侧模型都答不上来，毕竟它们的知识截止日期停留在训练时，无法获取最新信息。这一点，恰恰是云端模型的核心优势之一。云端模型可以通过联网检索、实时更新知识库，而端侧模型只能依靠「出厂」时打包进去的那些参数。测试四：写作能力我们选择了今年上海卷的高考作文题：有学者用「专」「转」「传」概括当下三类文章：「专」指专业文章；「转」指被转发的通俗文章；「传」指获得广泛传播的佳作，甚至是传世文章。

L | 他提出，专业文章可以变成被转发的通俗文章，而面对大量「转」文，读者又不免期待可传世的文章。由「专」到「传」，必定要经过「转」吗？请联系社会生活，写一篇文章，谈谈你的认识与思考。要求：（1）自拟题目；（2）不少于800字。 0.6B模型大概就是传说中凑字数的选手，回答更像是将题目的表面意思复述了一遍，生成的内容缺乏思辨深度，需要大量人工修改才能达到「及格线」。 1.7B起码还引用了鲁迅作品这类文学素材，看起来有模有样。而8B则表现不错，但与云端模型如ChatGPT相比，依旧差距甚远，难以称得上生产力工具。另外，虽然那模型在训练阶段就已经被「调教」过了，这使得它在输出时，会自然而然地按照某种风格、语气和逻辑来回答，但我们也可以给模型植入系统提示词，并让它生成回答。比如我就给1.7B的模型安排了个「古风小生」的人设。你别说，这模型还真挺「入戏」的，表达的语感、节奏和人格气质，变得更贴近我的预期。

M | 附上提示词：上下滑动查看更多内容但说实话，对绝大多数用户来说，这更像是个好玩的彩蛋，而不是刚需功能。一言以蔽之，我并不太建议你去折腾这种部署端侧模型的方法。回想2008到2012年，那是iPhone用户「越狱」的狂欢时代。无数人顶着把手机刷成砖的风险，就为了装上几个苹果不许安装的插件，或者把系统界面改得更个性一点。可当App Store的生态已经足够丰富，越狱风险却越来越高，带来的边际收益也越来越小时，如今还有多少人在越狱？答案不言而喻。这种所谓第三方端侧模型的折腾方法，即便有隐私方面的加成，但本质上仍是一个独立的应用，堪比阉割版ChatGPT，它无法与系统深度整合，也无法调用其他应用的数据，形如鸡肋。正因如此，就像当年的越狱一样，这种在第三方应用折腾端侧AI，或许只会成为一段有趣但短暂的插曲，而真正的未来，依旧属于那些把复杂留给厂商、把简单留给用户的系统级解决方案。