大模型

近期混迹在各个编程大模型的交流圈，模型降智是大家吐槽最多的事情。

• 本地台式机部署的都是量化以后的模型，可以说是降智后的版本
• vibe coding 这么热门，有没有可能当前大模型输出的内容，代码是最值钱的产物？

前文提到 Gemini Cli 登录的时候需要配置谷歌云的项目 ID，这里就已经不对劲，如果是个人账号不会有这个限制，能出现这个限制，已经开始进入谷歌的风控系统，认为你不是个人账号。

• 麻烦事，用了小半个月，刚适应，现在要回到 cc + 国产模型的怀抱。
• 谷歌自研芯片成本优势那么大吗？市面上主流的模式都是 Tokens 积分，谷歌现在还是按次计费。
• GLM4.6 图片识别不太行，响应速度够快，照葫芦画瓢能力不行，模仿已有接口能力较弱；M2 图片识别凑合，指令遵循不够强, 照葫芦画瓢能力强。

update: 不知道是谷歌自己修复了，还是由于切换港区绑定了信用卡，账号又能正常使用了

阿里巴巴（阿里）发布众多大模型，并非简单的“刷数量”，而是一种精心布局的**“模型即服务”(MaaS)生态策略**。这背后有多重考量，可概述为“对内赋能、对外建生态”：

现在用下来并没有哪个大模型特别好，各家都有自己的优势场景。

博客翻译项目最初设计过于复杂——先解析 Markdown 格式，再用占位符保护内容，最后送给大模型翻译。其实这完全是多此一举，大模型本身就具备识别 Markdown 语法的能力，可以直接处理原始内容并在翻译时保持格式完整。

我们的工作就从调试代码，切换到调试大模型的提示词。

模型：google/gemma-3-4b 硬件：Nvdia 3060 12GB

没错，选的非思考模型，思考模型在执行翻译任务时，效率不够高，对比了 4b 参数和 12b 参数的效果，针对翻译任务来说 gemma3 的 4b 参数已经足够了，12b 的参数在翻译任务上并没有明显的优势。

12b 参数的速度：11.32 tok/sec，4b 参数的速度：75.21 tok/sec。