“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。
Open source AI is the path forward
{"category":"人工智能","title_cn":"开源AI是通往未来的正确道路——Meta创始人深度解析","content":"> 开源AI终将取代闭源模型成为行业标准，就像当年Linux击败闭源Unix一样，Meta正在引领这一进程。\n\n# 开源AI是通往未来的正确道路\n\n原文作者：Mark Zuckerberg（Meta创始人兼CEO）\n\n---\n\n## 一、历史回响：从Unix到Linux的启示\n\n在高性能计算的早期，各大科技公司都投入巨资开发自己闭源版本的Unix系统。在当时看来，很难想象其他方法能开发出如此先进的软件。然而，开源的Linux最终赢得了市场——起初是因为它允许开发者任意修改代码且成本更低，随着时间推移，它变得比任何闭源Unix都更先进、更安全，并且拥有更广泛的生态系统支持更多功能。\n\n如今，Linux已经成为云计算和大多数移动设备操作系统的行业标准基石——我们都因此受益于更优质的产品。\n\n我坚信AI的发展将沿着相似的轨迹演进。\n\n---\n\n## 二、AI领域的现状：开源正在迅速追赶\n\n当前，几家科技公司正在开发领先的闭源模型，但开源正在迅速缩小差距：\n\n- 去年：Llama 2仅能媲美落后于前沿技术的老一代模型。\n- 今年：Llama 3已能与最先进的模型竞争，并在某些领域领先。\n- 明年起：我们预计未来的Llama系列模型将成为业界最先进的模型。\n\n即便在那之前，Llama在开放性、可修改性和成本效率方面已经处于领先地位。\n\n### Llama 3.1 405B的发布\n\n今天，我们正在采取下一步行动，推动开源AI成为行业标准。我们发布了Llama 3.1 405B——首个达到前沿水平的开源AI模型，以及全新改进的Llama 3.1 70B和8B模型。\n\n除了相比闭源模型具有显著更优的成本/性能比外，405B模型的开放性使其成为微调和蒸馏更小模型的最佳选择。\n\n### 生态系统建设\n\n我们正在与一系列公司合作，共同扩展更广泛的生态系统：\n\n- Amazon、Databricks和NVIDIA：推出全套服务，支持开发者微调和蒸馏自己的模型。\n- Groq等创新者：为所有新模型构建了低延迟、低成本的推理服务。\n- 主流云平台：模型将在AWS、Azure、Google、Oracle等所有主要云上可用。\n- Scale.AI、Dell、Deloitte等企业：帮助各类企业采用Llama并使用自己的数据训练定制模型。\n\n随着社区成长和更多公司开发新服务，我们可以共同使Llama成为行业标准，将AI的益处带给每个人。\n\n---\n\n## 三、为什么开源AI对开发者有益\n\n在与全球开发者、CEO和政府官员的交流中，我经常听到几个共同主题：\n\n### 1. 需要训练、微调和蒸馏自己的模型\n\n每个组织都有不同的需求，最好通过不同规模的模型来满足——这些模型需使用其特定数据进行训练或微调。设备端任务和分类任务需要小型模型，而更复杂的任务则需要更大的模型。\n\n现在，开发者可以获取最先进的Llama模型，用自己的数据继续训练，然后蒸馏到理想规模的模型——整个过程我们或其他任何人都无法看到你的数据。\n\n### 2. 需要掌控自己的命运，不被闭源供应商锁定\n\n许多组织不想依赖那些无法自行运行和控制的模型。他们不希望闭源模型提供商更改模型、修改使用条款，甚至完全停止服务。他们也不希望被锁定在拥有模型独家权限的单一云服务商。\n\n开源实现了拥有兼容工具链的广泛生态系统，开发者可以轻松在不同工具链之间迁移。\n\n### 3. 需要保护数据\n\n许多组织处理敏感数据，需要确保安全，无法通过云API发送给闭源模型。其他组织则根本不信任闭源模型提供商会妥善保管数据。\n\n开源通过允许开发者在任何地方运行模型来解决这些问题。众所周知，开源软件往往更安全，因为它的开发过程更加透明。\n\n### 4. 需要高效且经济的模型\n\n开发者在自有基础设施上运行Llama 3.1 405B的推理，无论是面向用户还是离线推理任务，成本约为使用GPT-4o等闭源模型的50%。\n\n### 5. 希望投资于长期将成为标准的生态系统\n\n许多人看到开源的发展速度快于闭源模型，他们希望将系统构建在能够提供长期最大优势的架构之上。\n\n---\n\n## 四、为什么开源AI对Meta有益\n\nMeta的商业模式是为人们构建最佳体验和服务。要做到这一点，我们必须确保始终获得最佳技术，并且不被竞争对手的闭源生态系统所限制。\n\n### 苹果平台的经验教训\n\n我最深刻的成长经历之一，就是在苹果平台允许的范围内构建服务时受到的种种限制。无论是他们对开发者的抽税方式、随意制定的规则，还是阻止上线的创新功能，都清楚地表明：如果能构建自己产品的最佳版本，且不被竞争对手限制，Meta和许多其他公司将能够为人们构建更好的服务。\n\n从哲学层面讲，这正是我如此坚定地相信在AI和AR/VR领域构建开放生态系统的重要原因。\n\n### 为什么开源Llama不会削弱竞争优势\n\n人们经常问我，是否担心开源Llama会放弃技术优势。我认为这忽略了更宏观的图景，原因如下：\n\n第一，生态系统需要规模效应。 为确保长期获得最佳技术且不被闭源生态系统锁定，Llama需要发展成一个完整的生态系统，包含工具、效率改进、芯片优化和其他集成。如果只有我们一家公司在使用Llama，这个生态系统就无法发展，我们也不会比闭源Unix的变体好到哪里去。\n\n第二，AI领域的竞争将持续激烈。 开源任何一个特定模型并不会放弃相对于当时下一代最佳模型的巨大优势。Llama成为行业标准的路径在于一代又一代地持续保持竞争力、高效性和开放性。\n\n第三，Meta与闭源模型提供商的关键区别在于：销售AI模型的访问权不是我们的商业模式。 这意味着公开发布Llama不会像闭源提供商那样削弱我们的收入、可持续性或投资研究的能力。（这也是为何一些闭源提供商一直游说政府反对开源的原因之一。）\n\n---\n\n## 五、核心观点总结\n\n1. 开源AI是必然趋势——历史已证明（Unix→Linux），开放的生态系统终将战胜封闭系统。\n2. 开发者需求已明确——训练自有模型、避免锁定、保护数据、降低成本、押注长期标准。\n3. Meta的利益与开源一致——因为我们的商业模式不是卖模型访问权，开源恰恰强化我们的竞争力。\n4. 现在是关键时刻——Llama 3.1 405B不是终点，而是开源AI走向行业标准的新起点。\n\n---\n\n原文发布于2024年7月23日，Meta新闻室。 \n原文链接：https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/" 1}