dnf
我在iPhone17 Pro Max 上跑AI 模型，体验了一把十年前“越狱”的快乐_我的网站
A |
B | 据介绍，8月27日，哈尔滨市发生本土疫情，目前本轮疫情防控取得积极成效。 「我成功在国行iPhone上跑通了AI模型！」 「然后呢？」 「然后就没怎么用过了。」 iPhone 17 Pro Max发布都一个月了，苹果国行Apple Intelligence还是遥遥无期。等不及的网友们，决定自己动手，丰衣足食。
C | 经专家组综合研判，哈尔滨市指挥部决定，自9月13日零时起，解除道里、道外、南岗、香坊、平房、松北、呼兰7区疫情防控临时管控措施。各类商业门店、经营场所、宗教场所和机构等经全面消杀后有序恢复营业活动，对其中人员密集、空间密闭场所严格执行限流错峰要求，瞬时接纳顾客人数不得超过最大承载量的75%。早、夜市严格落实“扫码、戴口罩”、查验48小时内核酸检测阴性证明、错峰限流、健康监测、清洁消毒等各项防控措施，从业人员每天进行一次核酸检测。中小学校、托幼机构及各类教育培训机构有序恢复线下教学活动。 于是，在iPhone上部署端侧AI模型，成了互联网的新显学。从保姆级教程到实操演示，各种野生秘籍在社交媒体上遍地开花。福利机构、养老机构、精神卫生机构、公安司法行政监所有序恢复常态化管理。
D | 我们也折腾了一番——下载模型、跑分测试、实际体验……整个过程确实有趣，甚至有点上头。各类零售药店对购买退热、止咳、抗病毒、抗生素、感冒等药物的人员，继续实行实名登记并将信息推送辖区街道(社区)管理，及时督促用药者开展核酸检测。但当兴奋劲过去，一个扎心的事实浮现出来：这玩意儿好玩、有趣，但不实用。入住宾馆、酒店和进入旅游景区景点等人流密集场所，严格查验“双码”(龙江健康码+大数据行程卡)和48小时内核酸检测阴性证明。 能用和好用，是两回事 在iPhone上体验端侧模型，门槛其实不算高。 打开App Store，搜索PocketPal AI，下载安装。从外地市返岗的建筑工地等人员密集型单位从业人员严格查验48小时内核酸检测阴性证明。如果不习惯英文界面，可以在设置(Setting)里找到语言(Language)选项，切换成中文。此外，该地还减少聚集性活动。近期原则上不安排大型会议、培训、会展、文艺演出等聚集性活动。 接着便是下载模型了。倡导群众从简举办婚丧嫁娶。
E | 点击左上角图标进入模型库，由于Qwen系列模型在开源社区一直都是有口皆碑，所以我们选择从Hugging Face分别下载了0.6B、1.7B、8B、14B和30B的版本。 当然，你也可以自己本地下载模型，再导进去，这倒是问题不大。在落实外防输入方面，对经机场、火车站、长途客运站、公路卡口抵返哈的跨省(区、市)流动人员，需查验48小时内核酸检测阴性证明；对7天内有省内外涉疫城市旅居史的抵返哈人员，需查验48小时内核酸检测阴性证明，到达目的地后应当立即进行一次免费落地检测，并按照“3天2检”要求连续进行核酸检测(间隔24小时以上)和健康监测，抵达一周内原则上不得参加聚集性活动；对7天内有中高风险区或社区传播外溢风险高的城市旅居史的抵返哈人员，以及经国内其他口岸入境后解除隔离人员，严格实行“手递手”闭环转运，落实集中或居家隔离以及核酸检测措施；凡从国内有本土阳性感染者的城市抵返哈人员、解除隔离后返回目的地的入境人员，需在抵返哈前两天通过“龙江健康码”等方式向居住目的地所在社区(村)、宾馆、单位报备，到达后主动报告、主动进行核酸检测、主动配合属地落实管控措施；来哈自驾游人员需持48小时内核酸检测阴性证明，并主动参加落地核酸检测和区域核酸检测，主动配合当地落实相应管控措施。 但能下载，不代表能运行。 当你看到「内存警告」的字样的时候，就知道这大概率是行不通了，这里需要解释一下，模型名称后的数字(如0.6B)指的是参数量，B代表「十亿」(Billion)。 参数可以理解为模型「神经元」的数量，参数越多，理论上模型的理解能力和生成质量越强，但对硬件的算力和运存需求也急剧攀升。 你也可以在基准测试栏里，查看手机的设备信息。
F | (完)返回搜狐，查看更多责任编辑：
G | 在实际体验之前，我们也先用这几款模型跑个分，下面这几张图片，分别对应着不同参数模型的评测结果。 那么在iPhone上用第三方APP跑端侧模型，到底有没有实际意义？这些模型能否真正支撑日常任务或简单推理？ 我的评价是：能用，但更多是玩具性质，可以尝鲜，但不太建议长期使用。 众所周知，OpenAI此前曾出炉了一份关于ChatGPT的使用报告，主要揭秘大家伙都在用ChatGPT干什么，其中主要包含实用指导、信息搜索和写作等事项。 我们也参考这些实际用途，分别对0.6B、1.4B、8B等模型问了几个问题。
H | 测试一：制定健身计划 帮我制定一个适合久坐上班族的7天核心锻炼计划 和跑分结果一致，模型参数越大，生成的速度越慢。但反之，回答的质量和内容详实程度确实也随参数提升而提升。 0.6B模型给出的计划放之四海而皆准，有一定的细节，实操价值却不高。 1.7B稍好，细节更丰富，能够对久坐带来的腰背酸痛提出针对性的训练计划。 8B则再上一个档次，开始针对不同肌群给出系统性的建议，且动作更细分，甚至还有暖心小贴士，不过虽说基本维持在5 token/s的速度，但体感跟网页版ChatGPT的响应速度并无明显差别。 至于发热情况，我是在比较凉爽的室内测试的，在询问8B模型几个问题后，也可以明显感觉到手机背部发热明显。 测试二：历史知识问答 宋代的聘猫礼是什么？ 这是一个相对冷门但有据可查的历史知识点，指的是宋代民间迎娶猫咪入宅时的礼仪习俗，主要是为了体现古人对猫主子的尊重程度。 遗憾的是，小参数模型的知识储备严重不足，从0.6B到8B的模型，都不知道聘猫礼是啥，而且还特别擅长一本正经地胡说八道。其中8B模型更全是车轱辘话。 测试三：时效性信息 iPhone Air什么时候发布？ 这是一个考验模型时效性的问题。 毫无意外，所有端侧模型都答不上来，毕竟它们的知识截止日期停留在训练时，无法获取最新信息。 这一点，恰恰是云端模型的核心优势之一。云端模型可以通过联网检索、实时更新知识库，而端侧模型只能依靠「出厂」时打包进去的那些参数。 测试四：写作能力 我们选择了今年上海卷的高考作文题： 有学者用「专」「转」「传」概括当下三类文章：「专」指专业文章；「转」指被转发的通俗文章；「传」指获得广泛传播的佳作，甚至是传世文章。他提出，专业文章可以变成被转发的通俗文章，而面对大量「转」文，读者又不免期待可传世的文章。 由「专」到「传」，必定要经过「转」吗？请联系社会生活，写一篇文章，谈谈你的认识与思考。 要求：（1）自拟题目；（2）不少于800字。 0.6B模型大概就是传说中凑字数的选手，回答更像是将题目的表面意思复述了一遍，生成的内容缺乏思辨深度，需要大量人工修改才能达到「及格线」。
I | 1.7B起码还引用了鲁迅作品这类文学素材，看起来有模有样。
J | 而8B则表现不错，但与云端模型如ChatGPT相比，依旧差距甚远，难以称得上生产力工具。 另外，虽然那模型在训练阶段就已经被「调教」过了，这使得它在输出时，会自然而然地按照某种风格、语气和逻辑来回答，但我们也可以给模型植入系统提示词，并让它生成回答。 比如我就给1.7B的模型安排了个「古风小生」的人设。 你别说，这模型还真挺「入戏」的，表达的语感、节奏和人格气质，变得更贴近我的预期。 附上提示词： 上下滑动查看更多内容 但说实话，对绝大多数用户来说，这更像是个好玩的彩蛋，而不是刚需功能。一言以蔽之，我并不太建议你去折腾这种部署端侧模型的方法。 回想2008到2012年，那是iPhone用户「越狱」的狂欢时代。无数人顶着把手机刷成砖的风险，就为了装上几个苹果不许安装的插件，或者把系统界面改得更个性一点。 可当App Store的生态已经足够丰富，越狱风险却越来越高，带来的边际收益也越来越小时，如今还有多少人在越狱？ 答案不言而喻。 这种所谓第三方端侧模型的折腾方法，即便有隐私方面的加成，但本质上仍是一个独立的应用，堪比阉割版ChatGPT，它无法与系统深度整合，也无法调用其他应用的数据，形如鸡肋。 正因如此，就像当年的越狱一样，这种在第三方应用折腾端侧AI，或许只会成为一段有趣但短暂的插曲，而真正的未来，依旧属于那些把复杂留给厂商、把简单留给用户的系统级解决方案。 *封面来自：ZDNET 欢迎加入APPSO AI社群，一起畅聊AI产品，获取#AI有用功，解锁更多AI新知 我们正在招募伙伴 简历投递邮箱[email protected] ✉️邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）。
Current article:http://btwn.rangnehongranlinren.bond/list_yln1x/vsh0vlt.html
Published on:05:32:32
