比Python快9万倍的Mojo开源了 最适合AI编程的语言

比Python快9万倍的Mojo开源了 最适合AI编程的语言 去年5月Mojo刚发布时，Modular宣称，在运行Mandelbrot等算法时它比原始Python快3.5万倍。去年9月，Modular再次表示“Mojo将动态与静态语言的优点结合起来，一举将性能提升达Python的6.8玩倍”。去年10月，Mojo登陆Mac，Modular再次提高了这个对比数据：“比Python快90000倍”。目前人工智能模型通常使用多种编程语言编写，开发者会用易于学习，但运行速度相对较慢的Python实现神经网络最简单的部分。其余部分的代码通常使用C++编写，C++的运行速度比Python更快，但学习难度也更大。而Modular将Mojo定位为一种更方便的替代方案，语法更易于使用且运行速度速度更快，开发者可以借此快速编写AI模型，而无需学习C++等复杂的语言。此前由于不确定开源时间，许多开发者都处于观望状态，然而就在Mojo开源后的短时间内，就已经达到了17.6k颗 star，并有了2.1k分支。同时Mojo团队还向开发者喊话：“如果各位好奇心旺盛并更多面向未来，希望掌握一门可能在未来50年内对AI发展有所助益的语言，那不妨给Mojo个机会！” ... PC版： 手机版：

今天刷推特的感受：我是个麻瓜，连 Python 也没学会。不过或许我可以从 Mojo 开始认真学习 coding？

今天刷推特的感受：我是个麻瓜，连 Python 也没学会。不过或许我可以从 Mojo 开始认真学习 coding？ Mojo： - “AI 时代的编程语言”，一种基于 Python 的新编程语言 文档在这里： - 号称比 Python 快几千几万倍，这篇博客解释了他们为什么快（主要是解释了 Mandelbrot）： - 背后的 Founder，Chris Lattner，Swift 之父，公司上个月融了一亿美元 - 今天发了 llama2.mojo，llama2 inference in a pure Mojo，比 llama.c 快 15-20%： - “Mojo 可能是几十年来最大的编程语言进步”，语出的 Jeremy Howard（他同时也是 Mojo 的顾问）：

GitHub 上最大的算法开源库：，网站收录了 Python、Java、C++、JaScript、Go 等多种主流编程语言的

GitHub 上最大的算法开源库：，网站收录了 Python、Java、C++、JavaScript、Go 等多种主流编程语言的算法代码实现。 其中包含二分查找、快速排序、斐波那契数列等常见算法。开发者也可以依照排序、搜索、动态规划、数据结构等分类进行筛选学习

：一种适用于所有 AI 开发人员的新编程语言。| 由 LLVM、Swift、Clang 作者 Chris Lattner 发布，

：一种适用于所有 AI 开发人员的新编程语言。| 由 LLVM、Swift、Clang 作者 Chris Lattner 发布，被誉为 AI 新时代的编程语言变革者，比 Python 高效 35000 倍。 虽然 Mojo 比 Python 更高效，但在 AI 领域，仍需要与 Python 的核心功能和类库完全兼容，不过这也使得 Mojo 语言的兼容性能让它在 AI 领域得到广泛应用。 该语言运用了 Python 易用性和 C 的性能优势，重构了 AI 基础设施，实现了硬件的无与伦比的可编程性和 AI 模型的可扩展性。 Mojo 语言具有许多特点，如渐进类型、零成本抽象、所有权和借用检查器、可移植参数化算法等。它能充分利用硬件性能，像 C++ 和 CUDA 一样发挥作用。 简单来说，Mojo 语言具有高效、易用、可扩展等特点，未来将为 AI 基础设施的发展提供更多可能性。

，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。

，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。 易于使用，拥有类 SQL 的语法。单一底层引擎支持分布式操作海量数据，玩转数据于弹指之间，引擎支持 K8s 等云上部署，充分利用云上算力和存储。同时也支持 Yarn 等部署模式

Stability AI 发布 AI 编程工具：StableCode

Stability AI 发布 AI 编程工具：StableCode Stability AI 刚刚了他们首个用于编程的生成式 LLM AI 产品 StableCode。该产品旨在帮助程序员完成日常工作，并为新手开发者提供实用的学习工具。 StableCode 提供了一种独特的方式，通过使用三种不同的模型来帮助开发者编写代码，从而提示开发效率。基础模型 (base model) 首先使用来自 BigCode stack-dataset (v1.2) 的多种编程语言进行训练，然后使用 Python、Go、Java、Javascript、C、markdown 和 C++ 等流行语言进行进一步训练。总的来说，他们在 HPC 集群上使用 560B token 的代码训练了模型。 建立好基础模型后，Stability AI 针对特定用例调整指令模型 (instruction model)，以帮助解决复杂的编程任务。为了实现这一结果，他们在基础模型上训练了约 120,000 个 Alpaca 格式的代码指令 / 响应对 (instruction/response)。来源 ， 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot