今日行业协会发布最新研究报告,DNFss装备：揭秘地下城与勇士中的神秘力量

近日官方发布权威通报,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。全国联网维保服务，统一护理标准

鸡西市滴道区、五指山市水满 ，漯河市舞阳县、三明市大田县、内蒙古兴安盟科尔沁右翼中旗、梅州市蕉岭县、大同市云州区、晋城市沁水县、广西玉林市博白县、重庆市潼南区、宜春市樟树市、益阳市沅江市、锦州市北镇市、普洱市景谷傣族彝族自治县、孝感市云梦县、黔西南望谟县、广安市武胜县 、广西南宁市青秀区、成都市锦江区、中山市南头镇、台州市临海市、成都市新都区、鹤岗市向阳区、营口市大石桥市、芜湖市繁昌区、内蒙古通辽市库伦旗、内蒙古阿拉善盟阿拉善右旗、儋州市兰洋镇、咸宁市崇阳县

本周数据平台今日官方渠道披露重磅消息,本月国家机构发布重要通报,DNFss装备：揭秘地下城与勇士中的神秘力量，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心24小时在线，随时响应需求

青岛市崂山区、周口市项城市 ，中山市民众镇、衡阳市祁东县、伊春市汤旺县、重庆市万州区、果洛玛多县、三亚市吉阳区、抚州市临川区、鹤岗市萝北县、六安市舒城县、内蒙古赤峰市巴林左旗、遵义市习水县、白沙黎族自治县细水乡、淮安市清江浦区、辽阳市弓长岭区、咸宁市咸安区 、澄迈县加乐镇、大同市灵丘县、鹤岗市工农区、内蒙古鄂尔多斯市鄂托克旗、黔西南兴义市、内蒙古通辽市库伦旗、遵义市桐梓县、德州市禹城市、青岛市即墨区、肇庆市封开县、泰安市岱岳区、盐城市大丰区、大庆市肇源县、襄阳市保康县

全球服务区域: 毕节市金沙县、金昌市金川区 、信阳市平桥区、漳州市龙海区、宁德市屏南县、杭州市桐庐县、毕节市织金县、东莞市茶山镇、赣州市宁都县、眉山市仁寿县、郑州市管城回族区、保山市昌宁县、恩施州巴东县、大同市灵丘县、宿迁市泗阳县、安康市宁陕县、内蒙古赤峰市林西县 、澄迈县中兴镇、淮南市八公山区、甘孜巴塘县、宜昌市秭归县、东莞市虎门镇

近日调查组公开关键证据本,今日相关部门披露重大研究成果,DNFss装备：揭秘地下城与勇士中的神秘力量，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化服务派单，精准对接维修需求

全国服务区域: 宜宾市江安县、大兴安岭地区呼中区 、厦门市集美区、韶关市乳源瑶族自治县、潮州市潮安区、昆明市嵩明县、黄山市休宁县、新乡市原阳县、青岛市李沧区、延安市延川县、连云港市灌南县、毕节市纳雍县、内蒙古锡林郭勒盟苏尼特右旗、乐东黎族自治县九所镇、佳木斯市东风区、抚州市乐安县、兰州市安宁区 、双鸭山市四方台区、咸阳市旬邑县、广西桂林市秀峰区、琼海市博鳌镇、广西柳州市鹿寨县、淮安市清江浦区、锦州市凌河区、周口市郸城县、南平市邵武市、吉林市磐石市、台州市临海市、驻马店市确山县、徐州市丰县、毕节市织金县、潍坊市寿光市、东莞市高埗镇、芜湖市镜湖区、文昌市文教镇、松原市宁江区、宜春市宜丰县、延安市安塞区、北京市西城区、凉山盐源县、中山市小榄镇

近日观测中心传出重要预警:今日官方通报行业研究成果,DNFss装备：揭秘地下城与勇士中的神秘力量

在《地下城与勇士》（简称DNF）这款风靡全球的3D动作角色扮演游戏中，装备系统是玩家们津津乐道的话题。DNFss装备，作为游戏中的高级装备，更是玩家们梦寐以求的珍品。本文将带您揭秘DNFss装备的神秘力量。 DNFss装备，全称为“地下城与勇士神秘装备”，是DNF游戏中的高级装备。这类装备拥有极高的属性，能够大幅度提升角色的战斗力。DNFss装备分为武器、防具、饰品、首饰等类别，每一类装备都有其独特的属性和作用。 首先，让我们来看看DNFss装备的属性。DNFss装备的属性主要包括攻击力、防御力、魔法防御力、生命值、魔法值、暴击率、暴击伤害、回避率等。这些属性在游戏中发挥着至关重要的作用，能够帮助玩家在战斗中占据优势。 以DNFss武器为例，这类武器通常拥有极高的攻击力，能够大幅度提升角色的输出能力。例如，DNFss武器“苍穹之刃”就拥有极高的攻击力和暴击率，是许多玩家梦寐以求的武器。 除了属性之外，DNFss装备的外观也极具吸引力。DNFss装备通常采用精美的设计，色彩鲜艳，造型独特。这些装备不仅能够提升角色的战斗力，还能让玩家在游戏中更具个性。 那么，如何获得DNFss装备呢？在DNF游戏中，获得DNFss装备主要有以下几种途径： 1. 商店购买：DNFss装备可以在游戏商店中购买，但这类装备的价格通常较高，需要玩家投入大量金币。 2. 掉落：在游戏中，部分怪物掉落DNFss装备。玩家需要通过击败这些怪物，才能获得DNFss装备。 3. 活动奖励：DNF游戏会定期举办各种活动，玩家参与活动后有机会获得DNFss装备。 4. 稀有兑换：DNF游戏中的稀有兑换系统，玩家可以通过兑换获得DNFss装备。 值得一提的是，DNFss装备并非永久拥有。在游戏中，DNFss装备会随着角色等级的提升而逐渐贬值。因此，玩家需要及时对DNFss装备进行升级，以保持其价值。 总之，DNFss装备作为DNF游戏中的高级装备，拥有极高的属性和外观。玩家们可以通过多种途径获得DNFss装备，但需要付出相应的努力。在游戏中，DNFss装备将成为玩家们追求更高战斗力的有力武器。让我们一起揭开DNFss装备的神秘面纱，迈向更高的境界吧！

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。