KaniTTS2 — 仅需3GB VRAM即可实现语音克隆的开源TTS模型
4亿参数轻量级TTS模型KaniTTS2已开源发布，仅需3GB VRAM即可实现零样本语音克隆，预训练代码完全公开。本文分析MOS评分和语音克隆质量，并深入探讨其在本地AI环境中的实际应用潜力与语音AI民主化意义。
archive
专栏 · 第 20
356 · 第 20
仅用CPU在1.2小时内训练LLM — MatMul-Free架构的可能性
分析仅用CPU在1.2小时内训练出1360万参数语言模型的FlashLM v3案例。深入解读消除矩阵乘法、采用三值权重的MatMul-Free架构原理，及其在内存与能耗效率、边缘AI和低成本训练方面的意义与应用前景。
AGENTS.md真的有效吗？首篇实证论文揭示了意外的结果
GitHub上已有超过6万个仓库使用AGENTS.md，它真的有效吗。ETH Zürich的首篇实证论文发现，LLM生成的文件反而让成功率下降3%，开发者手写文件也仅提升4%，而推理成本增加超过20%。本文分析这一结果及其原因。
AI自我生成的技能毫无意义 — 颠覆LLM自我改进神话的实证研究
SkillsBench实证研究表明AI代理的技能自动生成实际上毫无帮助。在7,308条轨迹中，自我生成技能的效果为零，而人工策划技能提升了16.2个百分点。
FunctionGemma 270M — 超小型模型实现多轮tool calling精度90-97%
分析270M参数超小型模型FunctionGemma通过微调将多轮tool calling精度从10-39%提升至90-97%的案例。这是Scaling Law并非唯一答案的又一证据。
OpenRouter周榜TOP5中4个是开源模型 — 闭源模型优势的终结
OpenRouter周使用量排行TOP5中4个为开源模型（Qwen3-Coder、DeepSeek R2、MiniMax M2.5等）。分析闭源模型优势的终结以及开源模型在实际使用中被选择的原因。
Qwen 3.5在Vending-Bench 2中破产 — 基准测试偏重的陷阱
在标准基准测试中名列前茅的Qwen 3.5，在自动售货机经营模拟Vending-Bench 2中破产。探讨基准测试偏重带来的AI评估盲区。
Claude Code使用本地模型时全量重新处理提示词 — 架构低效性分析
分析Claude Code在本地LLM上运行时发生的全量提示词重新处理问题的原因和解决方案。深入解析KV缓存失效机制与开发者工具设计的经验教训。
Heretic 1.2 — 量化实现VRAM降低70%与MPOA技术全解析
Heretic 1.2正式发布。通过4bit量化将VRAM使用量最多降低70%，MPOA技术实现高质量消融。详解本地LLM运营成本削减的最新方法。
Karpathy：AI训练成本每年下降40% — 通缩正在重塑行业格局
Karpathy分析显示AI模型训练成本每年下降40%。本文解析硬件演进、算法效率化、数据管道优化等结构性因素及其对行业的深远影响。
如何在8GB VRAM上运行Qwen3-Coder-Next 80B — 量化技术详解
分析在8GB VRAM消费级GPU上运行80B参数编码AI模型的量化和懒加载技术。探讨本地LLM编码的实用性与局限性。
AI集群构建SQLite克隆 — 多智能体分工的现实
Claude、Codex、Gemini共6个AI智能体并行构建了19,000行Rust SQLite克隆。分析多智能体分工与协调成本的现实。