“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
Quasar 438B：欧洲最强AI模型的性能深度解析
欧洲AI新旗舰Quasar 438B以43分登顶欧洲模型智能指数，速度与长上下文能力接近前沿梯队。
Multiverse Computing 近期发布了其旗舰推理模型 Quasar 438B，定位为企业级智能体（agent）和编程任务设计。这是该公司首次推出大规模语言模型，支持英语和西班牙语，并在 Artificial Analysis 的智能指数 v4.1.1 上取得 43 分，成为该榜单上得分最高的欧洲模型。这一成绩使其超越了 Mistral Medium 3.5（30分）、NVIDIA Nemotron 3 Ultra（38分）和 Inkling（42分），但仍落后于当前领先的 Claude Opus 5（63分）。
智能指数（Intelligence Index）是什么？
Artificial Analysis 的智能指数 v4.1.1 是一个复合评分，整合了 9 项不同的评估基准，包括：
- GDPval-AA v2：评估通用指令遵循能力
- τ³-Banking：金融领域任务
- Terminal-Bench v2.1：在真实终端环境中测试智能体能力
- SciCode：科学计算与编码
- Humanity's Last Exam：人类终极考试，考察知识的广度与推理深度
- GPQA Diamond：研究生水平的物理、化学、生物问题
- CritPt：批判性思维
- AA-Omniscience：跨领域知识综合
- AA-LCR：长上下文推理
该指数试图衡量一个模型的综合智能水平，而非单一能力。Quasar 以 43 分领先所有欧洲模型，尽管其参数量为 438B，低于 NVIDIA Nemotron 3 Ultra（550B），但得分却高出 5 分。这暗示了架构或训练上的优势。
速度：500 token 仅需 15.3 秒
推理模型通常因“思考”过程而响应缓慢，但 Quasar 实现了 500 token（含思考时间）平均 15.3 秒的端到端响应速度。在对比组中，仅有三个模型更快：
- Nemotron 3.5 Lightning：9.4 秒（智能指数：24）
- Gemini 3.5 Flash-Lite：10.8 秒（智能指数：37）
- Gemini 3.7 Flash：11.5 秒（智能指数：56）
值得注意的细节：在三个更快的模型中，只有 Gemini 3.7 Flash 的智能指数（56）高于 Quasar（43），另外两个虽然速度快但能力较弱。而反方向看，Quasar 的优势更明显：Mistral Medium 3.5 得分为 30，却耗时 18.8 秒；Nemotron 3 Ultra 得分为 36，耗时 25.7 秒；Inkling 得分 42，但耗时高达 48.3 秒（是 Quasar 的两倍多）。尤其在与 Mistral Medium 3.5 的比较中，Quasar 在智能和速度两个维度均完胜：得分高 13 分，速度快 3.5 秒。
这种速度对于交互式产品至关重要。如果响应时间过长，智能体无法嵌入实时对话或协同工作中，只能被降级为批量任务。Quasar 的延迟水平使其能够作为实时助手服务。
长上下文推理：逼近前沿组
AA-LCR 测试模型从长文档中提取、连接并推理信息的能力。Quasar 获得 75.0 分，与 Grok 4.6 (high) 持平，并紧咬 Claude Opus 5（75.7）和 Qwen3.8 2.4T A95B（75.3）。它领先 Nemotron 3 Ultra 4 分，领先 Mistral Medium 3.5 9.7 分。
长上下文处理是企业研究、文档分析和智能体工作流的基础能力——例如，一个智能体需要阅读数十页合同，并回答涉及不同条款的关联问题。Quasar 在这一维度上几乎达到了前沿水平，是其最大的亮点之一。
Agentic 编码与终端任务：最大提升空间
Terminal-Bench v2.1 将智能体放入真实终端环境中执行任务，如文件操作、代码调试、运行脚本等。Quasar 得分为 69.3，远超 Mistral Medium 3.5（50.6）和 Nemotron 3 Ultra（53.9），但落后于前沿组（Claude Opus 5 为 89.1）。文章承认这是 Quasar 与前沿差距最大的领域，也是未来优化的重点方向。
综合表现一览
| 评估维度 | Quasar 438B | Mistral Medium 3.5 | Nemotron 3 Ultra | Claude Opus 5 |
|---|---|---|---|---|
| 智能指数 | 43 | 30 | 38 | 63 |
| 响应时间（500 token） | 15.3s | 18.8s | 25.7s | — |
| AA-LCR | 75.0 | 65.3 | 71.0 | 75.7 |
| Terminal-Bench | 69.3 | 50.6 | 53.9 | 89.1 |
（注：Claude Opus 5 的响应时间未在原文中给出）
设计目标：企业级 Agent 与编码
Quasar 的定位非常明确：为运行软件开发生成式 AI 助手、技术 copilot、研究系统和自动化工作流的企业服务。其长上下文和终端性能使其能胜任需要保持上下文、协调行动和多步任务处理的场景。而 15.3 秒的响应时间意味着它可以嵌入交互式产品中，而非后台批处理。
支持英语和西班牙语双语言，使其成为欧洲及国际企业的实用选择——尤其是那些需要在多语言环境中部署推理能力的企业。西班牙语的覆盖让它能较好地服务西班牙、拉美等市场，但尚未覆盖法语、德语等欧洲主要语言，这可能是有意为之的市场策略（西班牙语拥有近 6 亿母语者）。
可用性与下一步
Quasar 通过 CompactifAI API 提供给开发者，用户可以无需自行搭建基础设施，直接注册并发送请求。Multiverse Computing 的核心优势在于“AI 效率与可部署性”，这次将这一经验带到了 400B+ 参数规模的模型上。作者表示，更进一步的更新将陆续到来。
思考：欧洲 AI 的位置
尽管 Quasar 在欧洲模型中拔尖，但距离 Claude Opus 5（63分）仍有 20 分的差距。这种差距集中在哪些维度？原文并未细说，但结合 Terminal-Bench 的差距，可能是在复杂代码生成和多步骤工具调用上。不过，考虑到 Quasar 首次发布已达此水平，且速度优势明显，它已经为欧洲 AI 阵营赢得了一席地。对于企业级用户而言，若需要兼顾性能与响应时间，Quasar 是一个极其有力的选择。
原文链接：https://multiversecomputing.com/resources/introducing-quasar-438b-europe-s-leading-ai-model