昨日相关部门披露新政策,《死亡骑士练级攻略：如何快速提升实力，驰骋艾泽拉斯》

本月行业协会传达新政策动态,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。智能回收评估系统，自动生成报价

韶关市新丰县、宁夏固原市泾源县 ，雅安市汉源县、黄山市黄山区、玉树治多县、益阳市安化县、海南贵德县、齐齐哈尔市甘南县、赣州市上犹县、蚌埠市固镇县、鹰潭市贵溪市、鹤岗市绥滨县、新余市渝水区、定西市临洮县、上海市浦东新区、北京市门头沟区、长春市九台区 、新乡市卫辉市、黔南瓮安县、临夏东乡族自治县、辽源市西安区、甘孜雅江县、日照市莒县、双鸭山市宝山区、吉林市龙潭区、三明市永安市、五指山市通什、澄迈县大丰镇、北京市顺义区

刚刚应急团队公布处置方案,本月相关部门发布重要报告,《死亡骑士练级攻略：如何快速提升实力，驰骋艾泽拉斯》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电售后专线，专业团队高效处理

哈尔滨市依兰县、海口市琼山区 ，清远市连南瑶族自治县、松原市乾安县、天津市蓟州区、青岛市莱西市、定西市漳县、扬州市邗江区、沈阳市皇姑区、贵阳市白云区、广西百色市田林县、安庆市迎江区、西宁市城西区、九江市瑞昌市、海东市民和回族土族自治县、安康市石泉县、万宁市东澳镇 、黄石市西塞山区、广西桂林市秀峰区、牡丹江市爱民区、中山市南头镇、巴中市南江县、大兴安岭地区加格达奇区、广西南宁市横州市、抚州市乐安县、吉安市吉安县、果洛久治县、泰州市靖江市、宝鸡市岐山县、衡阳市常宁市、宁夏银川市灵武市

全球服务区域: 蚌埠市五河县、聊城市临清市 、长治市沁县、天津市西青区、东莞市凤岗镇、重庆市九龙坡区、宣城市旌德县、铜川市王益区、黔西南望谟县、咸阳市乾县、重庆市南岸区、河源市紫金县、广西柳州市三江侗族自治县、济南市槐荫区、潍坊市昌邑市、内蒙古通辽市奈曼旗、安庆市宜秀区 、临汾市襄汾县、自贡市贡井区、佳木斯市前进区、湘潭市湘潭县、驻马店市正阳县

专家远程指导热线，多终端,本月行业协会公开新研究成果,《死亡骑士练级攻略：如何快速提升实力，驰骋艾泽拉斯》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 东莞市望牛墩镇、汉中市佛坪县 、平顶山市汝州市、宝鸡市太白县、南平市建阳区、孝感市大悟县、长沙市宁乡市、宁夏固原市西吉县、温州市文成县、长沙市雨花区、榆林市清涧县、赣州市信丰县、东莞市大朗镇、漯河市召陵区、南平市邵武市、雅安市石棉县、南平市浦城县 、河源市源城区、上海市徐汇区、雅安市汉源县、昆明市官渡区、海南同德县、朔州市山阴县、滨州市沾化区、玉溪市新平彝族傣族自治县、亳州市蒙城县、河源市源城区、咸阳市旬邑县、泉州市丰泽区、东方市感城镇、陵水黎族自治县椰林镇、文山丘北县、内蒙古巴彦淖尔市五原县、恩施州巴东县、宜宾市叙州区、鄂州市鄂城区、大兴安岭地区塔河县、长春市德惠市、鸡西市虎林市、吕梁市交口县、芜湖市鸠江区

统一服务管理平台，智能监控质量:本月研究机构发布最新报告,《死亡骑士练级攻略：如何快速提升实力，驰骋艾泽拉斯》

在《魔兽世界》这款经典的MMORPG游戏中，死亡骑士作为暗影系的代表职业，以其强大的单体输出和独特的复活技能深受玩家喜爱。然而，要想成为一名真正的死亡骑士，练级过程无疑是充满挑战的。本文将为您详细解析死亡骑士练级攻略，助您快速提升实力，驰骋艾泽拉斯。 一、选择合适的练级路线 1. 初级练级：选择低级副本或野外练级。初期阶段，死亡骑士的技能较为有限，建议选择低级副本或野外进行练级。野外练级时，注意观察怪物的分布，尽量寻找高密度的怪物群进行击杀。 2. 中级练级：选择中级副本或野外练级。随着等级的提升，死亡骑士的技能逐渐丰富，此时可以选择中级副本或野外进行练级。中级副本推荐选择难度适中、怪物数量较多的副本，如英雄副本、地下城等。 3. 高级练级：选择高级副本或野外练级。当死亡骑士等级达到50级以上时，可以选择高级副本或野外进行练级。高级副本推荐选择难度较高、掉落丰富的副本，如史诗副本、英雄副本等。 二、技能搭配与使用 1. 技能搭配：死亡骑士的技能分为主动技能和被动技能。主动技能包括攻击技能、治疗技能和辅助技能，被动技能则提升死亡骑士的生存能力和输出能力。建议玩家根据自身喜好和练级需求，合理搭配技能。 2. 技能使用：在练级过程中，注意观察怪物的属性和攻击方式，灵活运用技能。例如，面对高血量、高防御的怪物，可以使用“破釜沉舟”等高伤害技能；面对低血量、低防御的怪物，可以使用“审判”等快速击杀技能。 三、装备选择与升级 1. 装备选择：死亡骑士的装备分为武器、防具、饰品等。在练级过程中，建议优先选择攻击力、防御力和生存能力较高的装备。同时，注意装备的属性搭配，如攻击力、防御力、生命值、法力值等。 2. 装备升级：随着等级的提升，玩家需要不断升级装备。可以通过以下途径获取装备：击杀怪物、完成任务、参加活动等。此外，还可以通过分解装备、制作装备等方式提升装备品质。 四、团队配合与沟通 1. 团队配合：在团队副本中，死亡骑士需要与其他职业密切配合。例如，与治疗职业保持良好的治疗关系，与坦克职业保持稳定的仇恨值等。 2. 沟通：在团队副本中，沟通至关重要。玩家需要及时向队友传达信息，如怪物技能、治疗情况等，以确保团队顺利完成任务。 总之，死亡骑士练级并非易事，但只要掌握正确的练级方法，合理搭配技能和装备，并与队友保持良好的配合，相信您一定能在艾泽拉斯大陆上成为一名强大的死亡骑士。祝您练级顺利，驰骋战场！

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网端侧模型和小模型这件事，在人工智能行业如今并不新鲜。去年，Meta、微软、苹果等就集中发布了一系列小模型，Llama-3、Phi-3、OpenELM 等。2019 年成立的 Multiverse Computing，试图用所谓 " 量子物理 " 方式给模型瘦身：它的核心技术 CompactifAI 能将大模型体积压缩 95%，却几乎不损失性能，让原本只能在数据中心运行的 AI，装进手机、汽车里。这也让这家公司获得了资本的青睐，截至今日，Multiverse Computing 已经完成了 5 轮融资。2024 年 3 月，这家公司完成了 2500 万欧元的 A 轮融资，一年多后 B 轮融资直接冲到 1.89 亿欧元，估值从 2024 年的 1.08 亿美元，涨到 5 亿美元，一跃成为西班牙最大的 AI 初创公司之一。两周多前，这家公司发布了两款 " 世界最小的模型 " ——鸡脑（chicken ’ s brain）和苍蝇脑（a fly ’ s brain）。" 苍蝇脑 " 是 Hugging Face 开源模型 SmolLM2-135 的压缩版本，原始参数是 1.35 亿，压缩之后只有 9400 万参数。" 鸡脑 " 则是 Llama3.18B 模型的压缩版本，可以直接在苹果电脑上运行，无需联网。这背后藏着太多值得拆解的问题：" 量子瘦身 " 技术究竟是噱头还是真功夫？当模型被压缩时，是否也会影响其性能？团队推出的 " 苍蝇脑 "" 小鸡脑 " 超小模型，又是如何突破硬件限制，甚至吸引苹果、三星等巨头洽谈合作？在 Meta、谷歌、微软纷纷下场做小模型，众多初创公司争抢 AI 效率赛道的当下，Multiverse 凭什么建立技术壁垒，成为西班牙估值最高的 AI 初创企业之一？虎嗅与量子计算领域的业内人士交流，试图理清这些问题。4 年 5 轮融资，估值一年涨 5 倍Multiverse Computing 并非一开始就进入模型赛道。2019 年团队成立之初，其聚焦量子计算软件，试图用量子技术解决金融领域的投资组合优化、风险管理等难题，这些在传统 IT 技术上难以被功克。凭借技术积累，Multiverse 很快被第三方数据分析与咨询机构 Gartner 评为量子计算领域的 "Cool Vender"。Gartner 的这份 Cool Vendor 的报告，主要涵盖科技创新领域，每个领域只有 4 家 -5 家公司能上榜，金融人士更是将这份榜单视为 " 投资宝典 "。借此，Multiverse 还获得了欧盟加速器 EIC 1250 万欧元的资金支持，成了欧洲资本最充足的量子初创公司之一。Multiverse 的团队中，40% 成员拥有博士学位，核心成员更是横跨金融、量子物理与科技创业三大领域 —— CEO 恩里克身兼数学、计算机、医学博士与 MBA，有 20 年银行业经验，曾任西班牙 Unnim 银行副 CEO；联合创始人罗曼是欧洲顶尖量子物理学家，专攻张量网络，拿过欧洲物理学会青年研究奖；CTO 塞缪尔则是量子计算与机器学习双料专家，熟悉创业与投资逻辑。转折点出现在 2023 年。生成式 AI 爆发后，大模型参数规模暴涨，算力成本飙升成了行业普遍痛点 —— OpenAI 每周在 ChatGPT 推理上的支出甚至超过训练成本。恩里克和团队敏锐发现，他们深耕多年的量子张量网络技术，恰好能破解这一困局：量子多体系统中的数学技巧，可用于大模型参数的高效压缩，且能最大程度保留性能。基于这一判断，团队火速组建 AI 压缩专项组，年底就推出了核心技术 CompactifAI，正式从 " 量子 + 金融 " 转向 " 量子 + AI"。这次转向不仅让 Multiverse 踩中了 " 小模型 " 风口，更让它在 2024-2025 年迎来爆发，成为西班牙最大的 AI 初创企业之一。" 量子瘦身 " 靠谱吗？Multiverse 的故事核心，是一套叫做 Compactif AI 的压缩技术。它不像行业常用的量化、蒸馏技术那样简单削减参数，按照 Multiverse 自己的介绍，这套技术是用量子物理张量网络方法，融合张量分解、矩阵低秩近似等复杂数学技巧，从模型底层重构参数逻辑。正如联合创始人奥鲁斯所说：" 我们的压缩技术并非计算机科学领域常见的套路，而是源自我们对量子物理的理解，更加微妙而精炼。"不过，虎嗅询问了量子计算领域的业内人士，Multiverse 所使用的这套数学方法虽然是量子中常用的，但其实只是一类数学方法，严格意义上和量子物理无关，因为张量网络问题最初就是物理学家从数学研究中借鉴到量子物理中的。所谓的张量网络方法，通俗比喻就是，你要拼一个一万平方米的拼图，拼完后为了存放它，需要找一个很大的房子。但如果你把拼图重新打碎，装到罐子中，把维度升高，从二维升高到 3 维，维度越多越方便压缩，再去掉重复的碎片，就可以装到一个小盒子里，并且保留几乎所有信息，需要的时候可以重新还原成大拼图。这种方法对大部分模型都适用，因为现在的模型，大多都是神经网络的变体，差别不大，Multiverse 的方法有很强的泛化性。这件事情的难点在于，要把现有的大语言模型基础算子 / 结构抽象出来，形成一套通用的压缩工作流，这样无论什么模型都可以复用。Compactif AI 通常能将型体积缩小 80-95% 而准确率只下降 2-3 个百分点。例如，原本需要数十亿参数的模型压缩后可能只有几亿参数，却在绝大多数基准测试中与原模型表现相当。目前 Multiverse 已发布多个压缩模型版本，例如 Llama 4 70B 模型的精简版 "Llama 4 Scout Slim"，以及 Llama 3 系列和 Mistral 小模型的精简版等。2025 年 8 月，公司发布了两款号称 " 史上最小且高性能 " 的模型，并以动物大脑体积命名—— SuperFly（苍蝇脑）和 ChickBrain（小鸡脑）。SuperFly 基于 135M 参数的开源 SmolLM 模型压缩而成，仅含 9400 万参数，相当于一只苍蝇的大脑大小；ChickBrain 则由 Meta 的 Llama 3.1 系列 8B 模型压缩成 3.2B 参数（压缩率 60%），大小如小鸡大脑，却具备一定推理能力。ChickBrain（3B）的基准测试结果这件事的商业价值也很明显，CompactifAI 带来的直接好处是成本与效率优化。根据 Multiverse 公布的数据，其瘦身版模型推理速度是未压缩模型的 4-12 倍，对应推理成本降低 50-80%。在 AWS 云服务上，使用 CompactifAI 压缩后的模型可大大节省费用。例如，压缩过的 Llama 4 Scout Slim 在 AWS 上的调用费用约为每百万 tokens 0.10 美元，而原版约为 0.14 美元，也就是说，每处理百万 tokens 可以节省约 30% 费用。另外，CompactifAI 让此前只能在昂贵服务器上运行的 AI 模型进入了 " 平民设备 " 时代。Multiverse 声称其部分精简模型 " 小到可以在 PC、手机、汽车上运行 "。目前，Multiverse 提供了 3 种商业服务模式：（1）通过 AWS API，将压缩后的模型与原始模型均可通过 API 访问；（2）购买私有部署许可，提供企业级授权，允许用户在自己的本地基础设施或云环境中部署 CompactifAI；（3）通过服务提供商交付，让 Multiver 为用户压缩模型，并交付指定的推理服务提供商。CompactifAI 的用户主要是广泛使用大模型的企业和开发者。大型互联网和软件企业的 AI 团队是首要客户，他们往往部署开源 LLM 在自己的应用中，如客服聊天机器人、代码自动补全、文本分析等，但也必然面临高昂的推理开销和延迟问题。CompactifAI 可以帮助他们大幅削减算力成本，甚至支持离线部署。CompactifAI 在降本增效和边缘部署方面功能突出。它可以将一个部署在 8 张 A100 GPU 上的 LLM 压缩到 1-2 张 GPU 即可运行，甚至压缩到能够在 CPU 上实时推理。这为客户节省的不仅是每小时数百美元的云 GPU 租用费，还有巨大的能耗开销。小模型和端侧模型——巨头云集的赛道Multiverse 的技术，很快吸引了全球硬件巨头的关注。据其透露，目前已与苹果、三星、Sony、HP 等洽谈合作，核心是将 " 苍蝇脑 "" 小鸡脑 " 这类超小模型嵌入下一代终端设备——这恰好契合苹果的战略：2024 年 WWDC 大会上，苹果推出 "Apple Intelligence" 框架，明确表示不追通用巨无霸模型，优先做适配 iOS/macOS 的轻量化本地模型。不过，赛道竞争也在加剧。2024 年起，科技巨头纷纷下场小模型：Meta 发布 13 亿参数 LLaMA 微型模型，Google DeepMind 推出 2 亿 - 7 亿参数的 Gemma，微软 Phi 系列用 14 亿参数模型在数学、编码任务上超越 50 倍体积的大模型；初创公司中，Neural Magic、Deci 等也在争抢 AI 效率赛道，聚焦模型加速、自动选型等方向。AI 推理优化已经成为创投圈新的竞技场。初创公司阵营也不甘示弱。除了 Multiverse 外，Neural Magic、Deci、OctoML 都在下场大模型效率赛道；还有初创公司专注于模型路由、自动选型等，将不同模型按成本和效果自动分配。 这些公司切入点各异，但都瞄准了 " 提高 AI 性能 / 成本比 " 这个共同目标。虎嗅与量子计算领域人士交流，鉴于如今的大语言模型基本架构类似，Multiverse 的壁垒并不算太高，端侧模型和小模型不同，虽然都需要模型轻量化，但端侧模型除了需要轻量化，还需要配合不同设备的计算资源（内存、算力），以及能耗、发热等调节小模型，需要有特别设计，是一个工程化的问题。Multiverse 如果能够绑定一家硬件厂商，或许能够在端侧模型上建立自己的生态壁垒。另一方面，Multiverse 如今大部分还是围绕已有模型压缩，而不是自己训一个小模型，在效果上，可能不会达到惊艳的效果，而且极度依赖原有的模型能力。目前已经有一些专注小模型的初创公司除了压缩模型，还自己训练小模型，达到了不错的效果。Multiverse 可能在模型压缩上，通过自身团队积累的技术，能够实现较小的压缩损耗，但后续在端侧模型布局上的工程化问题，以及模型能力本身的技术壁垒，仍然有待观察。