今日官方通报新研究成果,《贪婪洞窟H5双修流最强角色揭秘：谁将称霸双修之道？》

昨日行业报告传递新政策变化,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。家电调试服务热线，确保最佳使用状态

雅安市宝兴县、张掖市临泽县 ，甘南临潭县、成都市金牛区、雅安市汉源县、广西玉林市博白县、中山市大涌镇、衢州市龙游县、怀化市鹤城区、池州市青阳县、平顶山市郏县、酒泉市敦煌市、鞍山市海城市、大理洱源县、曲靖市陆良县、宜春市铜鼓县、深圳市龙华区 、焦作市博爱县、万宁市礼纪镇、绍兴市上虞区、西安市长安区、揭阳市惠来县、绥化市肇东市、九江市共青城市、榆林市佳县、内蒙古乌兰察布市四子王旗、青岛市城阳区、德阳市什邡市、四平市公主岭市

近日调查组公开关键证据本,今日监管部门披露行业最新进展,《贪婪洞窟H5双修流最强角色揭秘：谁将称霸双修之道？》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术指导中心，远程视频协助安装

常德市澧县、怀化市麻阳苗族自治县 ，朝阳市北票市、黄南尖扎县、白城市洮北区、临汾市浮山县、内蒙古巴彦淖尔市杭锦后旗、汉中市城固县、怀化市鹤城区、乐山市沐川县、盘锦市双台子区、白山市江源区、湘潭市湘乡市、盘锦市双台子区、肇庆市鼎湖区、五指山市毛阳、铜川市宜君县 、屯昌县新兴镇、黄冈市罗田县、内蒙古兴安盟乌兰浩特市、宝鸡市千阳县、泰安市新泰市、遵义市绥阳县、辽源市东丰县、甘孜道孚县、大同市云冈区、昆明市官渡区、忻州市河曲县、昭通市绥江县、上海市静安区、锦州市凌海市

全球服务区域: 岳阳市平江县、保山市腾冲市 、黄南同仁市、儋州市木棠镇、陵水黎族自治县椰林镇、文昌市会文镇、自贡市大安区、东方市三家镇、湖州市长兴县、朔州市平鲁区、凉山普格县、抚州市东乡区、佳木斯市向阳区、伊春市伊美区、周口市项城市、内蒙古锡林郭勒盟阿巴嘎旗、茂名市电白区 、哈尔滨市延寿县、温州市泰顺县、吕梁市汾阳市、亳州市涡阳县、白山市临江市

近日观测中心传出重要预警,昨日行业报告发布新研究成果,《贪婪洞窟H5双修流最强角色揭秘：谁将称霸双修之道？》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电安装服务热线，专业团队上门

全国服务区域: 果洛玛沁县、衡阳市南岳区 、周口市商水县、乐东黎族自治县莺歌海镇、丽水市青田县、临汾市侯马市、临夏和政县、西安市临潼区、三明市沙县区、沈阳市于洪区、东莞市清溪镇、宜昌市远安县、大同市灵丘县、常德市津市市、广西来宾市合山市、嘉兴市海盐县、绵阳市江油市 、兰州市永登县、湖州市德清县、哈尔滨市延寿县、信阳市商城县、文昌市文城镇、鸡西市虎林市、广西贵港市覃塘区、杭州市余杭区、内江市东兴区、汕头市南澳县、六盘水市六枝特区、清远市清城区、山南市、眉山市彭山区、武威市凉州区、衢州市江山市、普洱市景东彝族自治县、惠州市龙门县、酒泉市阿克塞哈萨克族自治县、张掖市甘州区、南平市延平区、直辖县仙桃市、内蒙古呼伦贝尔市阿荣旗、绵阳市安州区

本周数据平台本月监管部门通报最新动态:本月行业协会传达重大通报,《贪婪洞窟H5双修流最强角色揭秘：谁将称霸双修之道？》

在众多H5游戏中，贪婪洞窟以其独特的双修流玩法吸引了大量玩家。在这个充满挑战与机遇的世界里，每一位玩家都渴望找到属于自己的最强角色，以在双修之路上独占鳌头。那么，在贪婪洞窟H5中，究竟哪位角色能够称霸双修流呢？今天，就让我们一起来揭秘这位神秘的最强角色。 首先，我们要明确贪婪洞窟H5的双修流玩法。双修流，顾名思义，就是将两个角色进行搭配，发挥各自的优势，以达到最佳的游戏体验。在游戏中，玩家可以通过双修技能、装备搭配、属性相克等多种方式，打造出属于自己的最强组合。 接下来，让我们来看看那些在双修流中表现出色的角色。在这些角色中，有一位堪称最强，他就是—— **角色名称：暗影刺客** 暗影刺客，作为贪婪洞窟H5中的一位神秘角色，其强大的实力和独特的双修潜力，使得他成为了众多玩家争相追捧的对象。以下是暗影刺客在双修流中的优势： 1. **高爆发伤害**：暗影刺客的技能具有极高的爆发伤害，能够迅速击败敌人。在双修流中，搭配一个输出型角色，如法师或战士，可以让暗影刺客在战斗中发挥出巨大的威力。 2. **灵活的生存能力**：暗影刺客的生存能力极强，拥有多种躲避技能和减伤效果。在双修流中，搭配一个辅助型角色，如奶妈或治疗师，可以让暗影刺客在战斗中更加游刃有余。 3. **独特的双修潜力**：暗影刺客的双修技能非常丰富，可以与其他角色搭配出多种效果。例如，搭配一个法师角色，可以释放出强大的群体伤害；搭配一个战士角色，则可以提升自身的生存能力。 4. **装备搭配**：在装备搭配方面，暗影刺客可以轻松应对各种装备。无论是攻击装备、防御装备还是辅助装备，都能在双修流中发挥出巨大的作用。 当然，要想在贪婪洞窟H5中打造出最强的双修流组合，除了选择合适的角色外，还需要注意以下几点： 1. **技能搭配**：在双修流中，技能搭配至关重要。玩家需要根据自身需求和角色特点，合理搭配技能，以发挥出最大的战斗力。 2. **属性相克**：在游戏中，属性相克是一个不容忽视的因素。玩家需要了解各个角色的属性，以便在双修流中发挥出最大的优势。 3. **装备强化**：装备强化是提升角色实力的重要途径。玩家可以通过强化装备，提升角色的攻击力、防御力和生存能力。 总之，在贪婪洞窟H5中，暗影刺客无疑是一位极具潜力的双修流最强角色。只要玩家们能够充分发挥其优势，相信在双修之路上，一定能够取得辉煌的成就。那么，你还在等什么呢？快来加入贪婪洞窟H5的世界，与暗影刺客一起，开启你的双修之旅吧！

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。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。