你在 X 后台看到的总曝光，是把发的推和回复的曝光都算在一起的。榜单上的推文曝光只算推文本身，不含回复带来的曝光，所以会比你自己后台的数字少一些，这是正常的。
每天早上 8 点为界。8 点之后你看到的「今日」，统计的是从今天 8 点开始的数据；在这之前看到的「今日」还在攒，数字偏小是正常的。页面每小时重新生成一次，页面更新时间不等于数据截止时间。
X 个人页那个计数器把转发和回复都算进去了，看着虚高。榜单上的发帖量不算转发，也不算回复，只算他自己发的和引用的，所以会比你在 X 上看到的计数小。
一条推的曝光会一直涨。榜单上的曝光是当天新增的部分，不是这条推历史累计的总量。
X 没有公开的评论计数，榜单上的评论数是根据公开数据推算出来的，会有偏差，用来看量级和排序，不要当成精确值。
刚收录的账号需要攒几天数据才能进榜。观察期里看到「暂无数据」或「数据偏少」是正常的，不是出错。
某个账号某天的数据没能凑齐时，这一格显示「无数据」，不会拿旧数字顶上。看到「无数据」就是真的没有，不是零。
A coder, road bike rider, server fortune teller, electronic waste collector, co-founder of
健康趋势仅为公开数据层面的走势参考，不代表账号在 X 平台的任何状态判定，一切以 X 官方为准。
| 维度 | 今天 | 昨日 | 7天 | 30天 |
|---|---|---|---|---|
| 推文曝光 | 502 | - | 7.8万 | - |
| 发帖 | 1 | - | 7 | - |
| 评论 | 2 | 0 | 2 | - |
| 涨粉 | +5 | +10 | +693 | - |
| 帖均曝光 | 1.5万 | 1.5万 | 1.5万 | 1.5万 |
帖均曝光固定是近 7 天口径，不随时间档变。空着的格子表示这个账号在那个时间窗里数据还不完整，不是 0。
给大家带来刚刚发布的 DeepSeek-V4-Flash-Vision-Exp 和 openrouter 上的匿名模型 OX-Alpha 多模态实测! 这次是刚要测V4-Flash-Vision的时候评论区有老铁说 OX-Alpha 特别猛, 于是就一起带上了. 使用的是我写的AI电竞教练框架, 由于ds的多模态不支持视频输入, 所以公平起见两个模型都用视频抽帧的方式进行测试, 主要看他们使用Agent, 能否精准识别CS2的游戏录像, 分析玩家的优势和不足, 并提出改进意见. 除此之外, 我还进行了详细测试, 给到大家这两个模型的最佳输入图片配比, 请看视频! #oxalpha #…
给大家写了个 deepseek-v4-flash-vision-exp 输入视频教程 deepseek 最近真的是高产, 刚刚又发了 deepseek-v4-flash-vision-exp, 首个多模态【大】模型. 而且是 v4-flash 能力级别的. 但是! 虽然不是瞎子了, 但是还是听力有问题, 不支持音频输入. 所以默认 deepseek 官网和API都不支持视频输入, 于是给大家写了个小教程, 如何使用这个模型处理视频. 简单来讲, 方法就是直接把视频抽帧. 而且需要注意, 虽然模型支持gif输入, 但是它只识别 gif 的第一帧(我写代码验证了). 所以把视频转换为gif是行…
哦? Apodex 又更新了, 之前给大家测过可以翻翻我的post, 这次更新了Agent Team功能拆解复杂research应该更强了, 强烈建议官方支持plugin哈哈哈, 稍后有时间再给大家测一波.
继续给大家带来 OX-Alpha 和 DeepSeek-V4-Flash-Vision-Exp 的代码能力对比测试. 直接说结论, 从测试体验上来看 OX-Alpha 应该参数量不小, 性能很明显占优势. 但如果这俩模型真的都只有100B, 我愿称之为牛! #oxalpha #v4flashvision #多模态大模型 #deepseek #deepseek多模态
把视频抽成 JPEG/PNG, 按时间顺序作为多个 `image_url` 传入, 并在 prompt 里写明采样率和时间轴. 这样分析会更准确. 我使用了一个猫和老鼠的片段进行分析, 这样做模型识别很准确. 另外, 我还用了一段 CS2 录像来验证分析快速动作时的最佳方案, 结论是不要匀速抽全片, 用「宏观 1fps 全图 + 事件窗口高帧率中心放大」两级采样。效果会更好. 详细教程和POV开源在这里: github.com/karminski/deepsee…
关注 @琳小航AI
登录后收藏的账号会跨设备同步，换台设备也还在。
我们只保存邮箱和昵称，用来同步你的收藏。
