AI 金句日刊 Vol.72：一套模型怎样变成可用的 AI

四条近两日公开原话，从模型规格的编译方式、开发者平台的组成，到采用率的衡量和输出多样性，追问一套模型怎样进入真实使用。

Andrej Karpathy 在回复 Chris McCormick 时，把模型规格说明比作高层程序：模型之外的许多工作，最终都可以交给编译过程；他还指出，PyTorch 这类工具更像一个并不理想的中间表示。原帖

Perplexity 联合创始人 Aravind Srinivas 讨论开发者平台时，强调平台需要同时提供前沿模型、主力模型，以及部署到生产负载所需的工具。这条原帖引用了 Perplexity Developers 的产品说明，后者介绍了 41 个模型、9 家提供方和内置工具。Aravind 原帖 · 被引用的产品说明

开放模型研究者 Nathan Lambert 介绍 RAM score：把模型发布后 30 天的累计下载量，与同尺寸类别历史前十模型的下载量相除，再看大型 MoE 的采用情况。原帖

沃顿商学院教授 Ethan Mollick 讨论生成式 AI 的多样性时说，只调整 temperature 和 top-p 还不够，输出仍会带有相似性；科学研究和新想法需要更丰富的变化。原帖

卡片中的英文均为原帖连续摘录，中文为对应翻译。卡片时间按北京时间标注。