昨日业内人士传出行业新变化,揭秘“AO3镜像网址”：网络文学爱好者的新选择

今日相关部门发布新动向,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。产品升级服务中心，全流程专业指导

朝阳市北票市、蚌埠市龙子湖区 ，重庆市城口县、普洱市墨江哈尼族自治县、深圳市龙华区、济南市历城区、西宁市城东区、信阳市潢川县、内蒙古巴彦淖尔市乌拉特后旗、永州市新田县、安康市白河县、西宁市城中区、攀枝花市盐边县、温州市文成县、鞍山市铁东区、临高县皇桐镇、南充市蓬安县 、安顺市平坝区、漳州市龙海区、广州市增城区、南通市如东县、菏泽市鄄城县、黔东南三穗县、屯昌县西昌镇、大理永平县、荆门市钟祥市、中山市东凤镇、南阳市唐河县、三门峡市陕州区

近日监测部门公开,今日研究机构传递重大研究成果,揭秘“AO3镜像网址”：网络文学爱好者的新选择，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

驻马店市遂平县、泉州市石狮市 ，肇庆市端州区、宣城市宣州区、济南市莱芜区、上海市黄浦区、广西梧州市龙圩区、吉安市永丰县、南昌市西湖区、牡丹江市海林市、珠海市香洲区、赣州市石城县、黔东南丹寨县、东方市感城镇、榆林市米脂县、许昌市建安区、吉林市船营区 、湘西州永顺县、琼海市龙江镇、汕头市濠江区、张家界市桑植县、临沧市临翔区、鸡西市麻山区、常德市石门县、佳木斯市前进区、宿迁市宿城区、天水市麦积区、内蒙古赤峰市红山区、乐山市沙湾区、万宁市龙滚镇、海西蒙古族都兰县

全球服务区域: 潮州市潮安区、岳阳市平江县 、绍兴市诸暨市、德阳市什邡市、大庆市让胡路区、广西来宾市合山市、长春市德惠市、永州市道县、庆阳市合水县、临汾市曲沃县、烟台市莱阳市、萍乡市湘东区、江门市蓬江区、吕梁市离石区、宁夏吴忠市红寺堡区、普洱市西盟佤族自治县、辽阳市辽阳县 、太原市娄烦县、文山西畴县、抚州市黎川县、上饶市余干县、玉溪市红塔区

近日调查组公开关键证据,本月行业协会披露重大成果,揭秘“AO3镜像网址”：网络文学爱好者的新选择，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修派单系统，精准调度服务团队

全国服务区域: 湛江市徐闻县、内蒙古乌兰察布市兴和县 、中山市神湾镇、万宁市礼纪镇、成都市蒲江县、三门峡市渑池县、吕梁市临县、迪庆香格里拉市、内蒙古呼和浩特市玉泉区、永州市零陵区、舟山市普陀区、琼海市会山镇、商洛市丹凤县、咸宁市嘉鱼县、梅州市蕉岭县、安顺市西秀区、内蒙古呼和浩特市土默特左旗 、牡丹江市爱民区、阳泉市盂县、广西河池市凤山县、朔州市平鲁区、宁夏吴忠市同心县、平凉市崇信县、湘西州凤凰县、镇江市京口区、延安市甘泉县、菏泽市牡丹区、直辖县天门市、景德镇市昌江区、定安县雷鸣镇、甘孜色达县、昆明市呈贡区、临汾市永和县、永州市零陵区、安顺市平坝区、广西桂林市秀峰区、内蒙古巴彦淖尔市杭锦后旗、广西来宾市忻城县、哈尔滨市通河县、陵水黎族自治县椰林镇、宣城市旌德县

本周数据平台近期行业报告发布政策动向:今日官方渠道更新行业研究成果,揭秘“AO3镜像网址”：网络文学爱好者的新选择

随着互联网的快速发展，网络文学逐渐成为人们生活中不可或缺的一部分。AO3（Archive of Our Own）作为全球最大的同人创作平台，吸引了大量网络文学爱好者的关注。然而，由于种种原因，AO3的访问在我国受到了限制。为了满足国内用户的阅读需求，许多镜像网站应运而生。本文将为您揭秘“AO3镜像网址”，带您了解这一网络文学爱好者的新选择。 AO3，全称为Archive of Our Own，是一个非营利性的同人创作平台，成立于2008年。它允许用户上传、分享和阅读各种同人作品，包括小说、诗歌、漫画、音乐等。AO3以其丰富的作品类型、严格的版权保护以及强大的搜索功能，赢得了全球同人爱好者的喜爱。 然而，由于版权、政治等因素，AO3在我国无法直接访问。为了解决这一问题，国内涌现出许多AO3镜像网站。这些镜像网站通过技术手段，将AO3的内容复制到国内服务器上，使得国内用户可以不受限制地访问和阅读同人作品。 那么，如何找到这些AO3镜像网址呢？以下是一些寻找和选择镜像网站的方法： 1. 搜索引擎：在搜索引擎中输入“AO3镜像网址”，即可找到大量相关结果。但需要注意的是，部分网站可能存在安全隐患，请谨慎选择。 2. 同人社区：许多同人社区会分享镜像网址，这些网址通常比较可靠。用户可以在社区内询问，或关注相关话题。 3. 朋友推荐：向身边的朋友询问，了解他们使用的镜像网址。朋友推荐的方式相对可靠，但可能存在局限性。 在选择镜像网站时，需要注意以下几点： 1. 速度：镜像网站的速度直接影响用户体验。建议选择速度较快的网站，以免影响阅读。 2. 内容完整性：部分镜像网站可能存在内容缺失或错乱的情况。选择时，请确保网站内容完整。 3. 安全性：部分镜像网站可能存在安全隐患，如恶意软件、病毒等。请选择信誉良好的网站，确保个人信息安全。 4. 更新频率：选择更新频率较高的网站，以保证阅读到最新的同人作品。 总之，AO3镜像网址为国内网络文学爱好者提供了一个新的选择。在享受阅读的同时，我们也要注意保护自己的网络安全，选择可靠的镜像网站。希望本文能对您有所帮助。

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。