Ollama 上的 Gemma 4 12B 能直接听语音吗？
一次在测试机上对 gemma4:12b 音频输入能力的实测记录：模型元数据声明支持 audio，但 Ollama 原生 /api/chat 不能可靠接收音频；真正可用的是 OpenAI 兼容接口里的 input_audio。
更多推荐
最新文章
全部文章-
Ollama 上的 Gemma 4 12B 能直接听语音吗？
一次在测试机上对 gemma4:12b 音频输入能力的实测记录：模型元数据声明支持 audio，但 Ollama 原生 /api/chat 不能可靠接收音频；真正可用的是 OpenAI 兼容接口里的 input_audio。
原创 · 阅读 — -
程序员量化交易实战：专栏路线图
这是一套围绕真实 GitHub 项目推进的量化交易工程实战路线图：从 Python 项目骨架、A 股规则、数据层、因子、回测、模拟盘到提醒、每日运行和运维闭环，每篇文章都要求代码可运行。
原创 · 阅读 — -
Ollama 上的 Gemma 4 12B 能直接读视频吗？
一次从官方资料到本地实测的记录：Gemma 4 12B 具备帧序列视频理解能力，但 Ollama 当前不能直接接收 MP4，稳定做法是先抽帧再多图输入。
原创 · 阅读 — -
接口服务里的 A/B Test：从灰度开关到可信实验
A/B test 不只是前端页面实验。接口服务里的策略、排序、限流、供应商选择和成本控制同样需要实验纪律：稳定分桶、真实曝光、跨请求归因、护栏指标和实验收尾。
原创 · 阅读 — -
怎么用 AI 预测世界杯：别问冠军是谁，先问概率怎么来
世界杯预测不是让大模型猜一个冠军。更靠谱的做法，是把历史赛果、球队强弱、进球分布、赛程模拟和临场信息放进同一套概率框架里，再诚实地展示不确定性。
原创 · 阅读 — -
浏览器 Agent 能做事以后，第一件事不是放权
浏览器 Agent 从能看网页走到能点按钮、填表单、提交操作，产品价值变大了，误操作和越权风险也同步变大。守护栏要比自动化能力先成熟。
原创 · 阅读 — -
从 Prompt 到 Context Engineering：Agent 开发真正难的是给上下文
Agent 系统不再只是写一段提示词。真正决定效果的，是如何选择、裁剪、排序和验证上下文，让模型在每一步拿到刚好够用的信息。
原创 · 阅读 — -
-
AI Gateway 上线之后：推理流量为什么需要自己的网关
LLM 推理不是普通 HTTP 流量。GPU 资源、上下文长度、流式响应、队列延迟和模型版本，会让传统网关的负载均衡策略很快失效。
原创 · 阅读 — -
-
MCP 真正要补的课：不是接上工具，而是画清安全边界
MCP 让 AI 应用接工具变得统一，但工具一旦能读文件、查数据库、发请求，安全问题就从接口规范变成了权限、身份、审计和供应链问题。
原创 · 阅读 — -
-
-
