你從未輸入的問題
我認爲，人們在使用 AI 時之所以猶豫，實際上有兩種不同的原因。
最明顯的一個是模型可能會拒絕回答。
你問一些敏感、具有爭議，或高度具體的問題，然後你立刻撞上“牆”。所有人都會注意到這個過濾器，因爲它是可見的。
第二種過濾更安靜。
它發生在你根本還沒來得及輸入第一個問題之前。
我不止一次在做加密研究時發現自己在這麼想：一個交易想法；某個協議風險；以及一個我寧願不要被永久記錄在某個賬號裏的情境。
AI 或許完全可以給出很好的回答。
但在我按下回車之前，我就已經在思考：那條提示詞之後會被送到哪裏。
這也是爲什麼我覺得 OpenGradient 特別有意思。
大多數 AI 產品似乎只解決其中一個問題，卻忽略了另一個。你可以找到限制更少的模型，但它們往往運行在需要信任的基礎設施之上。你也能看到隱私方面的宣稱，但實際體驗通常仍然被大量過濾。
OpenGradient 正在嘗試把方程的兩邊結合起來：既提供像 Hermes 4 405B 這樣強大的開放模型，又構建了圍繞加密請求和基於 TEE 的執行所打造的、注重隱私的基礎設施。
讓我注意到這一點的是：目標並不只是獲得答案。
而是減少人們不敢追問真正問題的理由。
我無法獨立覈實系統背後所有的隱私相關宣稱。
但我確實認爲：在回答你的問題和讓你感到足夠安心、從而願意首先提出那個問題之間，存在着實質性的差別。
@OpenGradient $SYN $BAS $OPG #OPG
我認爲，人們在使用 AI 時之所以猶豫，實際上有兩種不同的原因。
最明顯的一個是模型可能會拒絕回答。
你問一些敏感、具有爭議，或高度具體的問題，然後你立刻撞上“牆”。所有人都會注意到這個過濾器，因爲它是可見的。
第二種過濾更安靜。
它發生在你根本還沒來得及輸入第一個問題之前。
我不止一次在做加密研究時發現自己在這麼想：一個交易想法；某個協議風險；以及一個我寧願不要被永久記錄在某個賬號裏的情境。
AI 或許完全可以給出很好的回答。
但在我按下回車之前，我就已經在思考：那條提示詞之後會被送到哪裏。
這也是爲什麼我覺得 OpenGradient 特別有意思。
大多數 AI 產品似乎只解決其中一個問題，卻忽略了另一個。你可以找到限制更少的模型，但它們往往運行在需要信任的基礎設施之上。你也能看到隱私方面的宣稱，但實際體驗通常仍然被大量過濾。
OpenGradient 正在嘗試把方程的兩邊結合起來：既提供像 Hermes 4 405B 這樣強大的開放模型，又構建了圍繞加密請求和基於 TEE 的執行所打造的、注重隱私的基礎設施。
讓我注意到這一點的是：目標並不只是獲得答案。
而是減少人們不敢追問真正問題的理由。
我無法獨立覈實系統背後所有的隱私相關宣稱。
但我確實認爲：在回答你的問題和讓你感到足夠安心、從而願意首先提出那個問題之間，存在着實質性的差別。
@OpenGradient $SYN $BAS $OPG #OPG