昨天 @grass 和 @inference_net 发布了一个 12B 视频注释模型，成本比封闭模型便宜 15 倍，并且超越或匹配 GPT-4.1 和 Claude 4 Sonnet 的性能。 这真是太疯狂了，尤其是它是基于 Grass 的网络上 100 万个视频帧进行训练的。 我也非常期待这个网络的产品化。 想象一下，随着 Grass/Inference 继续合作，Grass 抓取整个互联网的前进状态来训练模型，这些模型会变得多么优秀。 想象一下🌱