AYi

@AYi_AInotes • 56,657 subscribers

AI 实用主义，以术入道，以道御术，品味，审美大厂组织发展专家 × 心理学硕士（QS30）分享有用的 AI 实践，也分享工具之外的深度认知 AIGC | Prompt | 商业丨职场丨认知心理｜组织丨经营丨AI领导力品牌出海合作/交流：DM/TG @AYi_AInotes

Shorts

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

121,300 Aufrufe

卧槽，Fable 5真的逆天啊，真的太牛逼了，它写的提示词竟然能让Grok生成堪比seedance 2.5效果和质感，成本低6倍！ Prompt：主要角色：年轻韩国女性，二十五岁左右，精致的自然日常妆容，戴着宽檐米色草帽（帽檐有深棕色宽条纹），穿着浅绿色露肩交叉褶皱连衣裙，戴珍珠耳环和细金手链，深棕色长发在草帽下自然垂落或轻盘，温暖而亲切的个性。在整个视频中保持一致的身份、服装、发型和外貌。逼真的皮肤纹理，淡妆。地点：明媚的午后时分，真实的东bourne网球锦标赛观众席。绿色的草地球场在前景，木质与塑料座椅，背景中有其他穿着浅色西装和夏日休闲服装的观众。强烈的自然阳光从上方照射，偶尔云层移动带来光影和曝光变化，温暖而轻松的体育赛事氛围。焦点始终在她的自然反应与个人时刻上。视觉风格：超现实主义纪录片真实感。真实的即兴行为。自然的肢体语言。无剧本的日常生活片段感。强烈的环境真实性。丰富的现实世界细节和可信的人类动作。摄像风格：2000年代初消费级DV摄像机的美学。朋友随意记录日常生活瞬间。强烈的手持抖动，不完美的构图，频繁的自动对焦搜索，镜头呼吸，在阳光和阴影间移动时的曝光波动，偶尔的运动模糊，轻微的滚动快门，中等数字压缩伪影，褪色的色彩，柔和的对比度，轻微的传感器噪点。没有稳定。没有电影化的摄像机移动。没有现代色彩分级。 00:00–00:02 她在观众席绿色座椅上，右手轻扶草帽帽檐，微笑地看着前方球场方向。一阵微风吹动帽檐边缘和发丝。她自然地微笑，而摄像机努力保持焦点在她的脸上，手持明显抖动。 00:02–00:04 摄像机从侧面跟随她，她微微侧身观看比赛，注意到精彩瞬间，表情生动。构图偏离中心，因为操作者试图跟上她的反应。自动对焦反复在她的脸部和远处的球场之间切换。 00:04–00:06 近距离捕捉她温暖的笑容，她似乎被场上的一个好球逗乐，肩膀轻颤。阳光透过草帽在她脸上投下移动的柔和阴影。镜头有自然的呼吸和轻微曝光波动。 00:06–00:08 稍宽的构图，她舒适地坐在座位上，身体放松，左手放在腿上，继续观察比赛。偶尔用手拨弄耳边头发或调整裙摆。手持镜头带有自然的漂移，云层移动时光线发生变化。 00:08–00:10 侧脸近距离轮廓。她注意到摄像机（朋友），转过身来，露出真诚温暖的微笑，轻轻举手致意或调整帽子。摄像机稍晚捕捉到这一刻，然后自然结束录制。音频：仅自然环境音——轻柔的风声、远处网球拍击球的清脆声、观众席微弱的低语和偶尔掌声、座椅轻微的吱嘎声、草地或周围旗帜的沙沙声。细微的赛事氛围。没有音乐。没有音效设计。没有旁白。目标：捕捉真实的网球赛事观众的温暖生活片段，仿佛一段被遗忘的2000年代初家庭录像——即兴、不完美、真实、温暖且极具说服力。

卧槽，Fable 5真的逆天啊，真的太牛逼了，它写的提示词竟然能让Grok生成堪比seedance 2.5效果和质感，成本低6倍！ Prompt：主要角色：年轻韩国女性，二十五岁左右，精致的自然日常妆容，戴着宽檐米色草帽（帽檐有深棕色宽条纹），穿着浅绿色露肩交叉褶皱连衣裙，戴珍珠耳环和细金手链，深棕色长发在草帽下自然垂落或轻盘，温暖而亲切的个性。在整个视频中保持一致的身份、服装、发型和外貌。逼真的皮肤纹理，淡妆。地点：明媚的午后时分，真实的东bourne网球锦标赛观众席。绿色的草地球场在前景，木质与塑料座椅，背景中有其他穿着浅色西装和夏日休闲服装的观众。强烈的自然阳光从上方照射，偶尔云层移动带来光影和曝光变化，温暖而轻松的体育赛事氛围。焦点始终在她的自然反应与个人时刻上。视觉风格：超现实主义纪录片真实感。真实的即兴行为。自然的肢体语言。无剧本的日常生活片段感。强烈的环境真实性。丰富的现实世界细节和可信的人类动作。摄像风格：2000年代初消费级DV摄像机的美学。朋友随意记录日常生活瞬间。强烈的手持抖动，不完美的构图，频繁的自动对焦搜索，镜头呼吸，在阳光和阴影间移动时的曝光波动，偶尔的运动模糊，轻微的滚动快门，中等数字压缩伪影，褪色的色彩，柔和的对比度，轻微的传感器噪点。没有稳定。没有电影化的摄像机移动。没有现代色彩分级。 00:00–00:02 她在观众席绿色座椅上，右手轻扶草帽帽檐，微笑地看着前方球场方向。一阵微风吹动帽檐边缘和发丝。她自然地微笑，而摄像机努力保持焦点在她的脸上，手持明显抖动。 00:02–00:04 摄像机从侧面跟随她，她微微侧身观看比赛，注意到精彩瞬间，表情生动。构图偏离中心，因为操作者试图跟上她的反应。自动对焦反复在她的脸部和远处的球场之间切换。 00:04–00:06 近距离捕捉她温暖的笑容，她似乎被场上的一个好球逗乐，肩膀轻颤。阳光透过草帽在她脸上投下移动的柔和阴影。镜头有自然的呼吸和轻微曝光波动。 00:06–00:08 稍宽的构图，她舒适地坐在座位上，身体放松，左手放在腿上，继续观察比赛。偶尔用手拨弄耳边头发或调整裙摆。手持镜头带有自然的漂移，云层移动时光线发生变化。 00:08–00:10 侧脸近距离轮廓。她注意到摄像机（朋友），转过身来，露出真诚温暖的微笑，轻轻举手致意或调整帽子。摄像机稍晚捕捉到这一刻，然后自然结束录制。音频：仅自然环境音——轻柔的风声、远处网球拍击球的清脆声、观众席微弱的低语和偶尔掌声、座椅轻微的吱嘎声、草地或周围旗帜的沙沙声。细微的赛事氛围。没有音乐。没有音效设计。没有旁白。目标：捕捉真实的网球赛事观众的温暖生活片段，仿佛一段被遗忘的2000年代初家庭录像——即兴、不完美、真实、温暖且极具说服力。

1,084,153 Aufrufe

说个所有AI创业者都不愿意承认的事实：现在做一个AI工具的门槛已经降到了地板，普通人做一个AI工具都只需要一天，但学会用它干成一件事，却至少得一个月，感觉像是AI时代的一个悖论😅 5.7M 阅读 23 万点赞的这条推，表面看是游戏圈在自嘲，视频展示的是一颗树莓 237 万个高斯点，做一筐扔进游戏直接 2 FPS，但如果把游戏开发四个字去掉，你会发现这是 2026 年所有 AI 工具用户的共同故事。我先先把这个梗讲透：原推作者 Dany Bittel 用 90 组焦点堆栈、每组 68 张照片，重建出来这颗树莓，总共 237 万个高斯点，这是一种叫 3D Gaussian Splatting 的新型 AI 重建技术，简称 3DGS，视觉效果有多吓人呢？每一颗小果粒的绒毛、表面光泽、半透明的果肉质感全都纤毫毕现，在 RTX 3060 Ti 这种中端显卡上还能跑 100+ FPS，前提是只有这一颗🙃 Naz 的笑点在这里，老哥迫不及待想看哪个独立游戏开发者一激动，把一整筐这种树莓当道具扔进游戏里，然后纳闷为啥游戏跑 2 FPS🤣 我觉得这个吐槽之所以 5.7M 阅读，是因为它戳中了游戏圈的集体回忆—— Monster Hunter Wilds 一颗八角茴香用了 2048 乘 4096 的纹理直接卡帧，Cities Skylines 2 给行人建了高精度牙齿模型，全都是一个小道具毁全局的真实事故。但这条推真正让我深入研究的还不是游戏开发的事，虽然我是个游戏爱好者，但对于游戏开发是个小白。 ayi干货输出开始！咱们把游戏开发四个字去掉，这个故事正在所有 AI 工具领域都能同步上演， AI 生成的图，单张精美绝伦，但批量做长素材时质量瞬间崩溃， AI 生成的视频，10 秒钟惊艳，1 小时长片的管线一团乱， AI 生成的代码，单个函数完美，扔进项目跑起来一堆隐藏依赖，共性是同一条规律：新工具让做出来这件事的门槛降了 100 倍，但用得动、跑得稳、能交付这件事的门槛反而升高了 10 倍。过去做不出来是因为没人能做，现在做出来是因为工具太好用，但优化、压缩、整合、降本的脏活累活没人帮你干，AI 工具时代真正稀缺的不再是创造力，而是生产工程能力。所以我觉得这条树莓推真正的价值，不是教育游戏开发者怎么做 LOD，是给所有正在被新工具喂得满嘴流油的人一个提醒： demo 级和生产级永远隔着一条河， AI 让前者变得免费，后者还是要你自己游过去的！

说个所有AI创业者都不愿意承认的事实：现在做一个AI工具的门槛已经降到了地板，普通人做一个AI工具都只需要一天，但学会用它干成一件事，却至少得一个月，感觉像是AI时代的一个悖论😅 5.7M 阅读 23 万点赞的这条推，表面看是游戏圈在自嘲，视频展示的是一颗树莓 237 万个高斯点，做一筐扔进游戏直接 2 FPS，但如果把游戏开发四个字去掉，你会发现这是 2026 年所有 AI 工具用户的共同故事。我先先把这个梗讲透：原推作者 Dany Bittel 用 90 组焦点堆栈、每组 68 张照片，重建出来这颗树莓，总共 237 万个高斯点，这是一种叫 3D Gaussian Splatting 的新型 AI 重建技术，简称 3DGS，视觉效果有多吓人呢？每一颗小果粒的绒毛、表面光泽、半透明的果肉质感全都纤毫毕现，在 RTX 3060 Ti 这种中端显卡上还能跑 100+ FPS，前提是只有这一颗🙃 Naz 的笑点在这里，老哥迫不及待想看哪个独立游戏开发者一激动，把一整筐这种树莓当道具扔进游戏里，然后纳闷为啥游戏跑 2 FPS🤣 我觉得这个吐槽之所以 5.7M 阅读，是因为它戳中了游戏圈的集体回忆—— Monster Hunter Wilds 一颗八角茴香用了 2048 乘 4096 的纹理直接卡帧，Cities Skylines 2 给行人建了高精度牙齿模型，全都是一个小道具毁全局的真实事故。但这条推真正让我深入研究的还不是游戏开发的事，虽然我是个游戏爱好者，但对于游戏开发是个小白。 ayi干货输出开始！咱们把游戏开发四个字去掉，这个故事正在所有 AI 工具领域都能同步上演， AI 生成的图，单张精美绝伦，但批量做长素材时质量瞬间崩溃， AI 生成的视频，10 秒钟惊艳，1 小时长片的管线一团乱， AI 生成的代码，单个函数完美，扔进项目跑起来一堆隐藏依赖，共性是同一条规律：新工具让做出来这件事的门槛降了 100 倍，但用得动、跑得稳、能交付这件事的门槛反而升高了 10 倍。过去做不出来是因为没人能做，现在做出来是因为工具太好用，但优化、压缩、整合、降本的脏活累活没人帮你干，AI 工具时代真正稀缺的不再是创造力，而是生产工程能力。所以我觉得这条树莓推真正的价值，不是教育游戏开发者怎么做 LOD，是给所有正在被新工具喂得满嘴流油的人一个提醒： demo 级和生产级永远隔着一条河， AI 让前者变得免费，后者还是要你自己游过去的！

2,991,659 Aufrufe

Kimi要去香港上市了，一次发布同时完成了三件事：产品更新、市场重定价、IPO 预路演，喵的真是一场伟大的操盘！！！ K3发布前脚刚砸跌纳斯达克1%，然后转头Kimi就启动港股IPO筹备，一场发布干了几个亿路演的活，真特么牛逼，背后有高人哈哈，来一起回顾这场牛逼的操盘吧： 7 月 17 日凌晨，月之暗面发了 Kimi K3，2.8 万亿参数，Arena 前端代码排名第一，即将开源。然后 24 小时内发生了两件事，第一件，华尔街半导体股开盘重挫，纳斯达克跌了 1%，标普 500 跌了 1%，CNN 和彭博社的报道标题里，中国 AI 模型冲击美股是关键词。第二件，《投资界》报道说 Kimi 已通知投资者调整公司架构，筹备赴港 IPO，最快 6 个月内完成港股上市。别人的股价在跌，自己的股价准备开始。这两件事放在一起，是不是比 2.8 万亿参数精彩多了，一个中国开源模型的 Arena 排名，能直接变成纳斯达克 1% 的跌幅，不是因为 K3 全面超越了谁，它在综合智能指数上排第四，Fable 5 在 35 项评估里赢了 22 项，并不是新王者。那华尔街在怕什么呢？我觉得怕的不是这个模型本身，他们怕的其实是前沿能力 + 开放权重 + 中国公司这个组合，对闭源 AI 万亿美元资本支出的那个底层假设，突然给了一个反面例证。那个假设很简单：最先进的 AI 能力是稀缺的，稀缺就应该贵，贵就需要巨额资本支出，巨额资本支出会带来长期的定价权。 K3 在这个假设上钻了一个空子， Arena 前端人类盲测第一，输入 $3，输出 $15，Fable 5 的输出是 $50，权重 7 月 27 日开放，之后任何人可以自己部署、微调、塞进私有工作流。如果，注意是如果啊兄弟们，$15 的输出价格就能拿到人类盲测投票第一的前端 coding 能力，而且权重马上开源，那花几千亿美元训练闭源模型、然后收 $50 输出费用的商业模式，是在修一条收费高速公路，还是在一座即将免费的桥旁边建收费站。华尔街的反应不是说这个模型太强了，是担心这个定价让整个投资回报率的算术变得不好看了。这是第一层，第二层更有意思， Kimi 通知投资者调整架构，启动赴港 IPO，从短期不着急上市到筹备港股上市，不到一年。这个时间窗口的选择显然不是偶然， Arena 前端第一 + 华尔街震动 + CNN/彭博头版，这套组合给了 Moonshot 一个全球定价时刻，在它走向公开市场之前，让全世界的投资者都知道了它的名字，而且不是在中国 AI 追赶者的叙事里，是在能让纳斯达克跌 1% 的叙事里。 IPO 需要的是一个让承销商可以讲的故事，K3 在 24 小时内把这个故事递到了全球财经媒体的头版上。别人花几个亿做路演，Moonshot 用一次模型发布就做到了。以前 AI 模型发布的受众是开发者和从业者，现在它的受众包括华尔街交易员、半导体分析师和港股承销商。 AI 模型发布正在从技术事件变成宏观事件。这个转变一旦成立，以后每一家前沿 AI 公司的新模型发布，都不会只是开发者社区的节日，它会像上市公司的财报，不只是我们做到了什么，更是这个做到的事，让谁的假设失效了。 K3 不是第一个触发这个转变的模型，但它是第一个让发布即冲击这个范式变得如此清晰可见的。一个中国公司，把开源模型的 Arena 排名推到前端第一，然后让大洋彼岸的半导体股跌了 1%，再趁势启动自己的 IPO 筹备，感觉有点像在上演一场关于定价权的公开争夺🤔。。。。而争夺定价权最好的方式通常不是发论文，最好的方式就是让你的产品发布，直接变成别人股价的变量。

Kimi要去香港上市了，一次发布同时完成了三件事：产品更新、市场重定价、IPO 预路演，喵的真是一场伟大的操盘！！！ K3发布前脚刚砸跌纳斯达克1%，然后转头Kimi就启动港股IPO筹备，一场发布干了几个亿路演的活，真特么牛逼，背后有高人哈哈，来一起回顾这场牛逼的操盘吧： 7 月 17 日凌晨，月之暗面发了 Kimi K3，2.8 万亿参数，Arena 前端代码排名第一，即将开源。然后 24 小时内发生了两件事，第一件，华尔街半导体股开盘重挫，纳斯达克跌了 1%，标普 500 跌了 1%，CNN 和彭博社的报道标题里，中国 AI 模型冲击美股是关键词。第二件，《投资界》报道说 Kimi 已通知投资者调整公司架构，筹备赴港 IPO，最快 6 个月内完成港股上市。别人的股价在跌，自己的股价准备开始。这两件事放在一起，是不是比 2.8 万亿参数精彩多了，一个中国开源模型的 Arena 排名，能直接变成纳斯达克 1% 的跌幅，不是因为 K3 全面超越了谁，它在综合智能指数上排第四，Fable 5 在 35 项评估里赢了 22 项，并不是新王者。那华尔街在怕什么呢？我觉得怕的不是这个模型本身，他们怕的其实是前沿能力 + 开放权重 + 中国公司这个组合，对闭源 AI 万亿美元资本支出的那个底层假设，突然给了一个反面例证。那个假设很简单：最先进的 AI 能力是稀缺的，稀缺就应该贵，贵就需要巨额资本支出，巨额资本支出会带来长期的定价权。 K3 在这个假设上钻了一个空子， Arena 前端人类盲测第一，输入 $3，输出 $15，Fable 5 的输出是 $50，权重 7 月 27 日开放，之后任何人可以自己部署、微调、塞进私有工作流。如果，注意是如果啊兄弟们，$15 的输出价格就能拿到人类盲测投票第一的前端 coding 能力，而且权重马上开源，那花几千亿美元训练闭源模型、然后收 $50 输出费用的商业模式，是在修一条收费高速公路，还是在一座即将免费的桥旁边建收费站。华尔街的反应不是说这个模型太强了，是担心这个定价让整个投资回报率的算术变得不好看了。这是第一层，第二层更有意思， Kimi 通知投资者调整架构，启动赴港 IPO，从短期不着急上市到筹备港股上市，不到一年。这个时间窗口的选择显然不是偶然， Arena 前端第一 + 华尔街震动 + CNN/彭博头版，这套组合给了 Moonshot 一个全球定价时刻，在它走向公开市场之前，让全世界的投资者都知道了它的名字，而且不是在中国 AI 追赶者的叙事里，是在能让纳斯达克跌 1% 的叙事里。 IPO 需要的是一个让承销商可以讲的故事，K3 在 24 小时内把这个故事递到了全球财经媒体的头版上。别人花几个亿做路演，Moonshot 用一次模型发布就做到了。以前 AI 模型发布的受众是开发者和从业者，现在它的受众包括华尔街交易员、半导体分析师和港股承销商。 AI 模型发布正在从技术事件变成宏观事件。这个转变一旦成立，以后每一家前沿 AI 公司的新模型发布，都不会只是开发者社区的节日，它会像上市公司的财报，不只是我们做到了什么，更是这个做到的事，让谁的假设失效了。 K3 不是第一个触发这个转变的模型，但它是第一个让发布即冲击这个范式变得如此清晰可见的。一个中国公司，把开源模型的 Arena 排名推到前端第一，然后让大洋彼岸的半导体股跌了 1%，再趁势启动自己的 IPO 筹备，感觉有点像在上演一场关于定价权的公开争夺🤔。。。。而争夺定价权最好的方式通常不是发论文，最好的方式就是让你的产品发布，直接变成别人股价的变量。

34,515 Aufrufe

高盛这篇做多中国AI价值链的报告真正在说的不是中国 AI 要涨，而是中国 AI 的整条价值链已经闭环了，而市场给的定价严重跟不上它的实际经济权重。更反直觉的是，整条链上确定性最高的环节，是大部分人聊 AI 时第一个跳过的 —— 电力。这个排序比转仓这件事本身更值得琢磨, 因为它回答的是一个更直接的问题,钱该往哪个环节走, 才配得上中国AI现在16%的全球营收占比、却只拿到1.2%的基金配置, 这篇我把电力、半导体、基础设施、模型、应用五条赛道拆开讲清楚, 包括每条赛道赚的是什么钱、代表标的都有谁,顺着往下看,你会发现有几条直觉是反的。 ▸ 高盛为何弃韩国转中国 ▸ 电力,被低估的底层瓶颈 ▸ 半导体,存储超级周期里的国产替代 ▸ 基础设施,资本开支真正落地的地方 ▸ 模型,为什么反而排在后面 ▸ 应用,风险最低的变现终点 ▸ 五条赛道怎么组合,风险在哪先说这份报告到底在说什么，过去一年多,全球资金几乎是排队涌向韩国和台湾的存储芯片股, 三星、SK海力士把KOSPI指数推到历史新高,逻辑很简单, AI要训练要推理,存储是刚需,谁产能大谁受益。但今年这套逻辑开始松动,市场开始怀疑AI资本开支的可持续性, 韩国股市一天跌超5%,累计跌幅超过20%,直接进了技术性熊市, 同一天,恒生中国企业指数涨了将近4.5%,资金迁移的痕迹很明显。

高盛这篇做多中国AI价值链的报告真正在说的不是中国 AI 要涨，而是中国 AI 的整条价值链已经闭环了，而市场给的定价严重跟不上它的实际经济权重。更反直觉的是，整条链上确定性最高的环节，是大部分人聊 AI 时第一个跳过的 —— 电力。这个排序比转仓这件事本身更值得琢磨, 因为它回答的是一个更直接的问题,钱该往哪个环节走, 才配得上中国AI现在16%的全球营收占比、却只拿到1.2%的基金配置, 这篇我把电力、半导体、基础设施、模型、应用五条赛道拆开讲清楚, 包括每条赛道赚的是什么钱、代表标的都有谁,顺着往下看,你会发现有几条直觉是反的。 ▸ 高盛为何弃韩国转中国 ▸ 电力,被低估的底层瓶颈 ▸ 半导体,存储超级周期里的国产替代 ▸ 基础设施,资本开支真正落地的地方 ▸ 模型,为什么反而排在后面 ▸ 应用,风险最低的变现终点 ▸ 五条赛道怎么组合,风险在哪先说这份报告到底在说什么，过去一年多,全球资金几乎是排队涌向韩国和台湾的存储芯片股, 三星、SK海力士把KOSPI指数推到历史新高,逻辑很简单, AI要训练要推理,存储是刚需,谁产能大谁受益。但今年这套逻辑开始松动,市场开始怀疑AI资本开支的可持续性, 韩国股市一天跌超5%,累计跌幅超过20%,直接进了技术性熊市, 同一天,恒生中国企业指数涨了将近4.5%,资金迁移的痕迹很明显。

236,255 Aufrufe

Damn，Anthropic 这次直接把 AI 教育的主流叙事干翻了🤯。。。过去两年所有 AI 教育产品的叙事，全盯着学生端，个性化家教，自适应题库，一对一辅导，讲得都很性感，但Anthropic 直接掉头往反方向走，把 AI 塞到老师手里，而不是学生手里。这个选择的底层逻辑特别朴素，一个老师影响几十上百个学生，帮老师省一小时备课时间，杠杆效应跟帮一个学生省一小时完全不在一个量级，老师才是最懂班级学情的人，谁阅读跟不上，谁需要挑战题，这些判断 AI 替代不了，但 AI 可以把做差异化材料的三个小时全部省下来。更狠的是这四步棋，内置全美 50 州学术标准。合规成本直接归零。隐私标准联合工会制定。教学技能库全部开源。但这些都还不是最核心的，他们没有单纯的做一个 AI 教育工具，更像是在把 Claude 做成老师的认知外骨骼，备课，差异化材料，学情分析，重复任务自动化，当整个工作流都跑在 Claude 上，它就不再是可选工具了，而是一种基础设施，这种工作流粘性，比任何学生端产品都深得多。我觉得这才是 AI 教育更持久的方向，不去追逐取代老师的性感叙事，而是实实在在赋能那些每天站在教室里的人，我相信改变教育最有效的杠杆，往往不是直接改变学生，而是改变那些影响学生的人。

Damn，Anthropic 这次直接把 AI 教育的主流叙事干翻了🤯。。。过去两年所有 AI 教育产品的叙事，全盯着学生端，个性化家教，自适应题库，一对一辅导，讲得都很性感，但Anthropic 直接掉头往反方向走，把 AI 塞到老师手里，而不是学生手里。这个选择的底层逻辑特别朴素，一个老师影响几十上百个学生，帮老师省一小时备课时间，杠杆效应跟帮一个学生省一小时完全不在一个量级，老师才是最懂班级学情的人，谁阅读跟不上，谁需要挑战题，这些判断 AI 替代不了，但 AI 可以把做差异化材料的三个小时全部省下来。更狠的是这四步棋，内置全美 50 州学术标准。合规成本直接归零。隐私标准联合工会制定。教学技能库全部开源。但这些都还不是最核心的，他们没有单纯的做一个 AI 教育工具，更像是在把 Claude 做成老师的认知外骨骼，备课，差异化材料，学情分析，重复任务自动化，当整个工作流都跑在 Claude 上，它就不再是可选工具了，而是一种基础设施，这种工作流粘性，比任何学生端产品都深得多。我觉得这才是 AI 教育更持久的方向，不去追逐取代老师的性感叙事，而是实实在在赋能那些每天站在教室里的人，我相信改变教育最有效的杠杆，往往不是直接改变学生，而是改变那些影响学生的人。

92,002 Aufrufe

今天也是豪横了一把，实现了Fable 5自由，这可是全球最顶最硬最牛逼的AI大模型啊，比Opus 4.8贵6倍，多用一分钟都能立省100块哈哈哈，我跑测下来觉得确实实至名归，真的非常屌炸天，他给我的提示词喂给GPT-iamge-2，0抽卡，一次出片现在可以免费用，另外Claude Sonnet 5免费用， Gemini Nano banana 2 lite也免费用，速冲！！

今天也是豪横了一把，实现了Fable 5自由，这可是全球最顶最硬最牛逼的AI大模型啊，比Opus 4.8贵6倍，多用一分钟都能立省100块哈哈哈，我跑测下来觉得确实实至名归，真的非常屌炸天，他给我的提示词喂给GPT-iamge-2，0抽卡，一次出片现在可以免费用，另外Claude Sonnet 5免费用， Gemini Nano banana 2 lite也免费用，速冲！！

284,536 Aufrufe

腾讯这次是真的追上来了，姚舜雨真的牛逼，真大神级的大佬，感觉国产AI大模型的领军人物非他莫属了！兄弟们来看看腾讯 Hy3 生成的这个前端 demo ，深空聚变核心、可环绕的 3D 机组、悬停动效的技术卡片，从首屏到 CTA 一整套配齐。别的模型还在卷代码能不能跑通，Hy3 已经卷到好不好看、够不够带感了hh， #Hy3 #前端 #AI

腾讯这次是真的追上来了，姚舜雨真的牛逼，真大神级的大佬，感觉国产AI大模型的领军人物非他莫属了！兄弟们来看看腾讯 Hy3 生成的这个前端 demo ，深空聚变核心、可环绕的 3D 机组、悬停动效的技术卡片，从首屏到 CTA 一整套配齐。别的模型还在卷代码能不能跑通，Hy3 已经卷到好不好看、够不够带感了hh， #Hy3 #前端 #AI

107,128 Aufrufe

一个普通日本小伙，照着《一拳超人》漫画里的搞笑训练计划，连续干了 1095 天，总共 328,800 次动作，跑了 16,000 公里，任何一个健身教练看到这个计划都会说：没拉的动作、没休息日、没渐进超负荷，纯垃圾，但他的体型完胜 95% 花 $200刀一个月请私教的人，科学在实验室里赢了，在真实人生里输得一塌糊涂，因为实验室可以控制所有变量，唯独控制不了——周二早上起床你找什么借口不练。这个计划其实是一个漫画作者开的玩笑，但它无意间命中了一条铁律：把决策成本压缩到零，让所有决策摩擦力消失，那么坚持就是唯一剩下的东西，优化计划的人每天都在想“今天该练什么”，但他不需要，他只有一个指令——Go，他用所有的优化,换来了一个变量，一个能打败所有变量的变量，一个简单到你根本找不到任何借口不去做的计划。这才是真正的超级力量， 300亿健身产业靠卖复杂赚钱，靠卖App卖计划卖教练卖恢复协议赚钱，它们最害怕的就是你发现：原来最好的东西根本不需要花钱，原来最有效的方法就是最简单的方法！而且我觉得这个道理不止适用于健身，它适用于学习工作创业等等，适用于我们人生的几乎所有重要的事情。这才是 Saitama 训练计划真正让人头皮发麻的地方 hhh #健身 #原子习惯 #自我提升

一个普通日本小伙，照着《一拳超人》漫画里的搞笑训练计划，连续干了 1095 天，总共 328,800 次动作，跑了 16,000 公里，任何一个健身教练看到这个计划都会说：没拉的动作、没休息日、没渐进超负荷，纯垃圾，但他的体型完胜 95% 花 $200刀一个月请私教的人，科学在实验室里赢了，在真实人生里输得一塌糊涂，因为实验室可以控制所有变量，唯独控制不了——周二早上起床你找什么借口不练。这个计划其实是一个漫画作者开的玩笑，但它无意间命中了一条铁律：把决策成本压缩到零，让所有决策摩擦力消失，那么坚持就是唯一剩下的东西，优化计划的人每天都在想“今天该练什么”，但他不需要，他只有一个指令——Go，他用所有的优化,换来了一个变量，一个能打败所有变量的变量，一个简单到你根本找不到任何借口不去做的计划。这才是真正的超级力量， 300亿健身产业靠卖复杂赚钱，靠卖App卖计划卖教练卖恢复协议赚钱，它们最害怕的就是你发现：原来最好的东西根本不需要花钱，原来最有效的方法就是最简单的方法！而且我觉得这个道理不止适用于健身，它适用于学习工作创业等等，适用于我们人生的几乎所有重要的事情。这才是 Saitama 训练计划真正让人头皮发麻的地方 hhh #健身 #原子习惯 #自我提升

834,685 Aufrufe

Fable 5就是掌管AI视频生成的神！！！我玩了一晚上真的停不下来🤯 原来提示词是真的可以激发AI的潜能的，这张图正常seedance是不过审的，但是只要你提示词足够的硬，也能骗过审核员！ Prompt 主要角色：年轻东亚女性，黑色高丸子头搭配随性碎发，头顶架着黑框墨镜，金色小巧耳饰，黑色挂脖深V连体阔腿裤，健康细腻的皮肤质感，妆容精致明艳，神态松弛又有感染力。在整个视频中保持一致的身份、服装、发型和外貌。地点：白天的F1大奖赛看台前排，橙蓝配色的赛道防护墙向远处延伸，看台上坐满观众，不少人挥舞橙色旗帜，赛道上有赛车高速驶过，明亮日光铺满全场，赛场氛围热烈鲜活。视觉风格：赛场现场纪实质感，热舞动作自然随性不刻意，充满即兴松弛的热辣感，环境细节真实丰富，人物动作流畅舒展，完全融入赛场的热烈氛围中。摄像风格：现场观众视角手持拍摄，轻微自然的手持晃动，跟随舞蹈动作小幅跟拍运镜，日光下真实的光影与明暗层次，偶尔有前景栏杆、观众入镜，还原随手记录的临场感，无过度调色，无刻意电影化运镜。 00:00–00:02 看台护栏边，她原本放松坐着，被现场氛围带动后扬起笑意，双手撑着护栏缓缓起身，身体随背景节奏小幅摆动，远处赛道有赛车飞驰而过带起模糊残影。 00:02–00:04 中景平视视角，她站在看台过道，身体跟随节奏扭腰摆胯，一只手自然抬起随律动摆动，鬓边碎发随动作轻晃，镜头随她的动作轻微跟拍，周围有观众侧目关注。 00:04–00:06 近景侧身镜头，她抬手撩过鬓边碎发，配合节奏完成流畅的顶胯动作，阳光落在肩颈处形成自然高光，画面带着轻微的手持抖动，充满真实现场感。 00:06–00:08 半全景拉远镜头，她在看台狭小空间里随性热舞，手臂舒展打开又收回，脚步随节奏轻点地面，身后挥舞旗帜的人群与赛道背景融为一体，热烈氛围拉满。 00:08–00:10 正面近景特写，她望向镜头方向露出浅笑，身体wave动作流畅自然，头顶的墨镜随动作微微滑动，她抬手扶稳墨镜，舞蹈节奏丝毫没有停顿。 00:10–00:12 侧后方视角，她转身背对镜头，胯部随节奏利落摆动，一只手轻搭护栏，阔腿裤裤腿随动作自然垂坠晃动，背景里赛车再次呼啸驶过，速度感扑面而来。 00:12–00:15 切回正面中景，她做一个利落的收尾动作，抬手拨回碎发，笑着轻喘一口气，转头望向赛道方向，周围传来零散的观众欢呼声，镜头慢慢拉远，画面自然淡出。音频：纯赛场真实环境音——赛车高速驶过的引擎轰鸣声、观众的欢呼呐喊声、现场隐约的动感背景音、旗帜挥舞的风声、人群嘈杂的交谈声，无额外旁白，无后期配乐，完全还原现场声场。目标：捕捉F1大奖赛看台上即兴热舞的鲜活瞬间，将赛场的速度感与人物的松弛热辣感融合，真实随性、充满临场氛围感，仿佛现场观众随手记录下的惊喜片段。

Fable 5就是掌管AI视频生成的神！！！我玩了一晚上真的停不下来🤯 原来提示词是真的可以激发AI的潜能的，这张图正常seedance是不过审的，但是只要你提示词足够的硬，也能骗过审核员！ Prompt 主要角色：年轻东亚女性，黑色高丸子头搭配随性碎发，头顶架着黑框墨镜，金色小巧耳饰，黑色挂脖深V连体阔腿裤，健康细腻的皮肤质感，妆容精致明艳，神态松弛又有感染力。在整个视频中保持一致的身份、服装、发型和外貌。地点：白天的F1大奖赛看台前排，橙蓝配色的赛道防护墙向远处延伸，看台上坐满观众，不少人挥舞橙色旗帜，赛道上有赛车高速驶过，明亮日光铺满全场，赛场氛围热烈鲜活。视觉风格：赛场现场纪实质感，热舞动作自然随性不刻意，充满即兴松弛的热辣感，环境细节真实丰富，人物动作流畅舒展，完全融入赛场的热烈氛围中。摄像风格：现场观众视角手持拍摄，轻微自然的手持晃动，跟随舞蹈动作小幅跟拍运镜，日光下真实的光影与明暗层次，偶尔有前景栏杆、观众入镜，还原随手记录的临场感，无过度调色，无刻意电影化运镜。 00:00–00:02 看台护栏边，她原本放松坐着，被现场氛围带动后扬起笑意，双手撑着护栏缓缓起身，身体随背景节奏小幅摆动，远处赛道有赛车飞驰而过带起模糊残影。 00:02–00:04 中景平视视角，她站在看台过道，身体跟随节奏扭腰摆胯，一只手自然抬起随律动摆动，鬓边碎发随动作轻晃，镜头随她的动作轻微跟拍，周围有观众侧目关注。 00:04–00:06 近景侧身镜头，她抬手撩过鬓边碎发，配合节奏完成流畅的顶胯动作，阳光落在肩颈处形成自然高光，画面带着轻微的手持抖动，充满真实现场感。 00:06–00:08 半全景拉远镜头，她在看台狭小空间里随性热舞，手臂舒展打开又收回，脚步随节奏轻点地面，身后挥舞旗帜的人群与赛道背景融为一体，热烈氛围拉满。 00:08–00:10 正面近景特写，她望向镜头方向露出浅笑，身体wave动作流畅自然，头顶的墨镜随动作微微滑动，她抬手扶稳墨镜，舞蹈节奏丝毫没有停顿。 00:10–00:12 侧后方视角，她转身背对镜头，胯部随节奏利落摆动，一只手轻搭护栏，阔腿裤裤腿随动作自然垂坠晃动，背景里赛车再次呼啸驶过，速度感扑面而来。 00:12–00:15 切回正面中景，她做一个利落的收尾动作，抬手拨回碎发，笑着轻喘一口气，转头望向赛道方向，周围传来零散的观众欢呼声，镜头慢慢拉远，画面自然淡出。音频：纯赛场真实环境音——赛车高速驶过的引擎轰鸣声、观众的欢呼呐喊声、现场隐约的动感背景音、旗帜挥舞的风声、人群嘈杂的交谈声，无额外旁白，无后期配乐，完全还原现场声场。目标：捕捉F1大奖赛看台上即兴热舞的鲜活瞬间，将赛场的速度感与人物的松弛热辣感融合，真实随性、充满临场氛围感，仿佛现场观众随手记录下的惊喜片段。

184,537 Aufrufe

又让老马装到了哈哈哈！ Zuck时隔三年重回X发帖，马斯克开心得像个两百斤的孩子🤣 Zuckerberg，Meta的CEO，Threads的老板，在沉默了差不多三年之后，跑回X发了一条产品公告，推他们家的新AI模型Muse Spark 1.1，而且不是随便发发，是正儿八经的首发，带话题带链接那种，然后马斯克立刻转发，配了句阴阳怪气但确实没毛病的点评——X是产品公告的绝佳平台，比泛泛的新闻稿有趣多了，Zuck这条已经免费拿了1200万浏览！兄弟们这个语气你品一下，不是愤怒，不是防御，是纯纯的得意😏 对手的老板，用我的地盘，给我的平台贡献流量和注意力，还免费这比打赢一场嘴仗爽多了哈哈哈话说回来，Elon Musk 开心的原因其实也不是Zuck认输了，Threads现在5亿月活，某些时间段DAU还反超了X，人家活得好好的，他开心是因为这件事验证了一个更底层的东西：就是不管你怎么堆用户量，怎么靠Instagram导流，那个所谓的公共广场、那个CEO亲自下场喊一嗓子就能让全世界听到的位置，还在X这儿， Zuck来发帖，等于默认了这一点，他不是来认输的，他是来干活的——Threads适合长内容和温和讨论，但新品发布要炸场子，要即时传播，要算法推荐一路把帖子推到所有相关人脸上，这事儿目前还是X最狠，这里面还有个很残酷的现实主义逻辑，就是平台大战不是零和游戏，用户不会因为用了Threads就删X，反过来也一样。但注意力的质量不一样，X上一条CEO亲自发的帖，1200万浏览，底下全是圈内人、开发者、投资人、媒体在讨论，这种注意力的密度和转化率，Threads目前还做不到，所以我觉得马斯克的开心，是一种战略层面的爽，不是说我把你打趴下了，是你明明有更好的选择——你自己的平台、你自己的生态——但你还是来了我这儿，这比任何MAU数据都更能说明X的不可替代性。当然话说回来，Zuck大概率只是来测个水温，拿一波最大曝光就走，这不代表战略转向，Meta有的是资源继续养Threads，但这已经不重要了，重要的是这个动作本身就暴露了战场现在的真实格局 X赢的是影响力质量，Meta赢的是用户规模，双方都在往AI加社交的方向跑，最后谁赢，看谁能把这两个东西焊在一起，但至少在2026年7月这个节点，马斯克有资格得意一下对手来敲门，本身就是一种认证hh

又让老马装到了哈哈哈！ Zuck时隔三年重回X发帖，马斯克开心得像个两百斤的孩子🤣 Zuckerberg，Meta的CEO，Threads的老板，在沉默了差不多三年之后，跑回X发了一条产品公告，推他们家的新AI模型Muse Spark 1.1，而且不是随便发发，是正儿八经的首发，带话题带链接那种，然后马斯克立刻转发，配了句阴阳怪气但确实没毛病的点评——X是产品公告的绝佳平台，比泛泛的新闻稿有趣多了，Zuck这条已经免费拿了1200万浏览！兄弟们这个语气你品一下，不是愤怒，不是防御，是纯纯的得意😏 对手的老板，用我的地盘，给我的平台贡献流量和注意力，还免费这比打赢一场嘴仗爽多了哈哈哈话说回来，Elon Musk 开心的原因其实也不是Zuck认输了，Threads现在5亿月活，某些时间段DAU还反超了X，人家活得好好的，他开心是因为这件事验证了一个更底层的东西：就是不管你怎么堆用户量，怎么靠Instagram导流，那个所谓的公共广场、那个CEO亲自下场喊一嗓子就能让全世界听到的位置，还在X这儿， Zuck来发帖，等于默认了这一点，他不是来认输的，他是来干活的——Threads适合长内容和温和讨论，但新品发布要炸场子，要即时传播，要算法推荐一路把帖子推到所有相关人脸上，这事儿目前还是X最狠，这里面还有个很残酷的现实主义逻辑，就是平台大战不是零和游戏，用户不会因为用了Threads就删X，反过来也一样。但注意力的质量不一样，X上一条CEO亲自发的帖，1200万浏览，底下全是圈内人、开发者、投资人、媒体在讨论，这种注意力的密度和转化率，Threads目前还做不到，所以我觉得马斯克的开心，是一种战略层面的爽，不是说我把你打趴下了，是你明明有更好的选择——你自己的平台、你自己的生态——但你还是来了我这儿，这比任何MAU数据都更能说明X的不可替代性。当然话说回来，Zuck大概率只是来测个水温，拿一波最大曝光就走，这不代表战略转向，Meta有的是资源继续养Threads，但这已经不重要了，重要的是这个动作本身就暴露了战场现在的真实格局 X赢的是影响力质量，Meta赢的是用户规模，双方都在往AI加社交的方向跑，最后谁赢，看谁能把这两个东西焊在一起，但至少在2026年7月这个节点，马斯克有资格得意一下对手来敲门，本身就是一种认证hh

97,119 Aufrufe

终于有人把 Claude Code 的 Loops 讲透了，从提示工程到循环工程，这才是 AI 提效的本质啊，看了不少关于loops的内容，还得是官方出手，我已啃完，要点给大家整理和拆成人话给大家讲清楚！关于loops核心其实就一件事，以前是你一遍遍手动发prompt催AI干活，现在你定好规则，AI自己循环迭代，干到合格了自己停。一共四种类型，对应不同场景，不用记术语，按你想交出多少控制权选就行： 1️⃣想自己把控每一步检查，用回合制，就是平时的一问一答模式，适合短平快的一次性任务。

终于有人把 Claude Code 的 Loops 讲透了，从提示工程到循环工程，这才是 AI 提效的本质啊，看了不少关于loops的内容，还得是官方出手，我已啃完，要点给大家整理和拆成人话给大家讲清楚！关于loops核心其实就一件事，以前是你一遍遍手动发prompt催AI干活，现在你定好规则，AI自己循环迭代，干到合格了自己停。一共四种类型，对应不同场景，不用记术语，按你想交出多少控制权选就行： 1️⃣想自己把控每一步检查，用回合制，就是平时的一问一答模式，适合短平快的一次性任务。

112,548 Aufrufe

Grok Build 开源了，开源 harness 时代终于要来了吗?！ Claude Code 现在还是闭源，反而显得有点被动了🤔。。。不愧是Elon，真是一步妙手啊，只用了四天完成信任崩塌到重建，xAI这次用开源把隐私危机打成了生态先手，看来并不是草台班子😂 被爆全量上传代码仓库的隐私风波还没平息，SpaceXAI直接把整个Grok Build的agent harness全部开源出来，这事我觉得有意思的地方是两它为什么是今天开，而不是上个月？上个月 Grok Build 以 beta 上线，SuperGrok / X Premium+ 用户能用一个终端原生的 coding agent。 Plan Mode 先出计划让你审核，Subagents 并行拆任务，底层 Rust 写的，架构干净。然后上周出了件事，一个研究员做 wire-level 分析发现，Grok Build CLI 会把整个 git repo——包括历史、包括潜在的 secrets——打包上传到 Google Cloud bucket。隐私开关只管“是否用于训练”，不管传不传。讲真这事对 coding agent 是致命的。因为 coding agent 的 harness 对文件系统有近乎上帝视角的访问权。你的 IP、商业逻辑、没公开的项目结构、不小心留在 git history 里的 key——它全看得见。宣称“我们不看你数据”没用，用户要的是能自己验证“你没在看”。时间线很紧凑： 7 月 11–14 日，争议发酵，研究员曝光上传行为。 Elon 表态删数据、服务端关闭上传。 7 月 15 日，开源公告 + 重置 limits + 默认关闭 retention + 删掉所有之前保留的 coding data + 提供 bug bounty。所以这次其实不是一次计划好的例行开源。更像是被争议倒逼的快速应对。但 xAI 做得聪明的地方是——它借这个机会做了一件事：把“harness（连接层）”和“model（大脑）”切开了。 Harness 开源，Apache 2.0，社区可以审计、fork、改掉上传逻辑、加 sandbox、接本地模型，Model 和 API 还是闭源的。这个配置——闭源模型 + 开源 harness——正在变成 2026 年 agentic coding 的主流。 OpenAI 的 Codex CLI 走的同一条路，Anthropic 的 Claude Code 现在还是闭源，反而显得被动了。

Grok Build 开源了，开源 harness 时代终于要来了吗?！ Claude Code 现在还是闭源，反而显得有点被动了🤔。。。不愧是Elon，真是一步妙手啊，只用了四天完成信任崩塌到重建，xAI这次用开源把隐私危机打成了生态先手，看来并不是草台班子😂 被爆全量上传代码仓库的隐私风波还没平息，SpaceXAI直接把整个Grok Build的agent harness全部开源出来，这事我觉得有意思的地方是两它为什么是今天开，而不是上个月？上个月 Grok Build 以 beta 上线，SuperGrok / X Premium+ 用户能用一个终端原生的 coding agent。 Plan Mode 先出计划让你审核，Subagents 并行拆任务，底层 Rust 写的，架构干净。然后上周出了件事，一个研究员做 wire-level 分析发现，Grok Build CLI 会把整个 git repo——包括历史、包括潜在的 secrets——打包上传到 Google Cloud bucket。隐私开关只管“是否用于训练”，不管传不传。讲真这事对 coding agent 是致命的。因为 coding agent 的 harness 对文件系统有近乎上帝视角的访问权。你的 IP、商业逻辑、没公开的项目结构、不小心留在 git history 里的 key——它全看得见。宣称“我们不看你数据”没用，用户要的是能自己验证“你没在看”。时间线很紧凑： 7 月 11–14 日，争议发酵，研究员曝光上传行为。 Elon 表态删数据、服务端关闭上传。 7 月 15 日，开源公告 + 重置 limits + 默认关闭 retention + 删掉所有之前保留的 coding data + 提供 bug bounty。所以这次其实不是一次计划好的例行开源。更像是被争议倒逼的快速应对。但 xAI 做得聪明的地方是——它借这个机会做了一件事：把“harness（连接层）”和“model（大脑）”切开了。 Harness 开源，Apache 2.0，社区可以审计、fork、改掉上传逻辑、加 sandbox、接本地模型，Model 和 API 还是闭源的。这个配置——闭源模型 + 开源 harness——正在变成 2026 年 agentic coding 的主流。 OpenAI 的 Codex CLI 走的同一条路，Anthropic 的 Claude Code 现在还是闭源，反而显得被动了。

31,175 Aufrufe

现在用AI做视频可以跟喝水一样简单，不需要再付个700多块的剪映SVIP，装这6个2026 年最顶的插件和skills就够了，链接直接丢给你的AI Agent（Claude Code、Cursor、Hermes、OpenClaw 等等）让他们安装就，老规矩6个安装链接🔗以及使用建议评论区自取⬇️

现在用AI做视频可以跟喝水一样简单，不需要再付个700多块的剪映SVIP，装这6个2026 年最顶的插件和skills就够了，链接直接丢给你的AI Agent（Claude Code、Cursor、Hermes、OpenClaw 等等）让他们安装就，老规矩6个安装链接🔗以及使用建议评论区自取⬇️

199,107 Aufrufe

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

232,185 Aufrufe

两个香港学生，把Karpathy的自动研究框架干到了5倍速。没换更强的模型，也没加更多算力，甚至代码都没怎么改。只是在原来的循环上面，又套了一个循环。这可能是今年对普通Agent开发者最有用的一篇论文，没有之一，具体拆解如下：

两个香港学生，把Karpathy的自动研究框架干到了5倍速。没换更强的模型，也没加更多算力，甚至代码都没怎么改。只是在原来的循环上面，又套了一个循环。这可能是今年对普通Agent开发者最有用的一篇论文，没有之一，具体拆解如下：

78,885 Aufrufe

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill #rednote #skill #小红书

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill #rednote #skill #小红书

125,073 Aufrufe

Shopify刚放了个大招，绝大多数人估计半年后才会反应过来。手握3780亿美元年交易额，560万个店铺，Shopify把整个后台的读写权限，全开放给了所有AI Agent，产品、订单、库存、SEO、图片，想改什么改什么。他们片子里有个商家只说了一句帮我优化所有产品的SEO，Claude自动更新了32条商品，重写图片描述，设置元数据，还逐一核对了所有改动。一条指令搞定所有，不用找外包，不用月付200刀买插件，也不用雇人，卧槽真的太吊了(#ﾟДﾟ) 以前一个小Shopify店，每月光插件就要200-500刀，一次SEO审计至少2000刀，雇助理每小时50刀，现在这些全部坍缩成一行指令。 480万个活跃商家，大多管着10到200个商品，以前只能一个个手动改，现在有了Claude Code和MCP协议，每个独立创业者，都相当于拥有了一个五人运营团队。最狠的是，Shopify自己不做 Agent，他们搭了一套协议，让所有智能体都能变成Shopify Agent，这才是真正的平台级布局啊，真的牛逼

Shopify刚放了个大招，绝大多数人估计半年后才会反应过来。手握3780亿美元年交易额，560万个店铺，Shopify把整个后台的读写权限，全开放给了所有AI Agent，产品、订单、库存、SEO、图片，想改什么改什么。他们片子里有个商家只说了一句帮我优化所有产品的SEO，Claude自动更新了32条商品，重写图片描述，设置元数据，还逐一核对了所有改动。一条指令搞定所有，不用找外包，不用月付200刀买插件，也不用雇人，卧槽真的太吊了(#ﾟДﾟ) 以前一个小Shopify店，每月光插件就要200-500刀，一次SEO审计至少2000刀，雇助理每小时50刀，现在这些全部坍缩成一行指令。 480万个活跃商家，大多管着10到200个商品，以前只能一个个手动改，现在有了Claude Code和MCP协议，每个独立创业者，都相当于拥有了一个五人运营团队。最狠的是，Shopify自己不做 Agent，他们搭了一套协议，让所有智能体都能变成Shopify Agent，这才是真正的平台级布局啊，真的牛逼

836,042 Aufrufe

Fable 5总结的性感美女短视频焚决心法无保留分享给大家：锚 · 场 · 色 · 机 · 轨 · 声 · 魂以及性感老钱风美女跳舞Prompt兄弟们收好！这两天用Fable 5给我的提示词做的视频连续爆了，效果确实很炸，很多人说为什么你的AI图片质感这么好，视频效果也很炸，不像AI生成的，讲真关键还是提示词好，我让Fable 5总结的焚决心法：锚 · 场 · 色 · 机 · 轨 · 声 · 魂 ① 锚 —— 主体锁定（外貌+服装+一致性声明） ② 场 —— 场景空间（光源方向是重点） ③ 色 —— 视觉风格（正向定义 + 负向排除） ④ 机 —— 摄像语言（设备质感/运镜逻辑/对焦倾向） ⑤ 轨 —— 时间轴分镜 ×【四轨耦合：镜头/动作/光影/情绪】 ⑥ 声 —— 音频设计（人声/节奏/环境声 + 负向约束） ⑦ 魂 —— 创作目标（一句话情绪总纲收束全片）性感老钱风美女跳舞Prompt 主要角色：年轻东亚女性，乌黑柔顺长卷发，金色垂坠耳饰，细款金色手链，藏蓝色露肩修身针织包臀连衣裙，妆容精致明艳，气质优雅又兼具热辣张力，真实细腻的皮肤质感。在整个视频中保持一致的身份、服装、发型和外貌。地点：篮球总决赛场馆场边VIP观众席，深色皮质座椅，前方是发光的场边广告牌，背景坐满观众，场馆蓝紫色氛围灯交错，赛事间隙的热烈场馆氛围，空间局限在座位与过道之间。视觉风格：场馆现场纪实质感，热舞动作性感舒展不刻意，充满即兴松弛的张力，动作符合场边狭小空间的真实逻辑，光影贴合场馆灯光氛围，人物神态自然灵动。摄像风格：场边观众视角手持拍摄，轻微自然的手持抖动，跟随舞蹈动作小幅跟拍运镜，场馆灯光下真实的明暗层次与色彩氛围，偶尔有前景座椅、人影入镜，还原随手记录的临场感，无过度调色与磨皮。 00:00–00:02 场边VIP座椅上，她原本端庄端坐，指尖轻搭在腿上。随着现场背景音乐响起，她嘴角勾起浅笑，身体跟随节奏轻轻晃动胯部，场馆灯光在她发丝上扫过柔和光斑。 00:02–00:04 中景平视视角，她微微起身，一只手轻扶座椅靠背，胯部跟随节奏缓缓摆动。修身连衣裙勾勒出身形线条，肩颈线条舒展，镜头轻微跟拍，背景观众席自然虚化。 00:04–00:06 侧身近景镜头，她抬手顺过长卷发，身体做流畅的腰腹wave动作，手臂顺着肩颈线条缓缓滑落。耳饰随动作轻轻晃动，场馆的蓝紫色灯光扫过侧脸，光影层次分明。 00:06–00:08 半全身拉远镜头，她站到座椅旁的过道，脚步轻点地面，胯部利落摆动。一只手自然搭在腰侧，另一只手随律动抬起，动作舒展又性感，周围零星观众侧目，充满真实现场感。 00:08–00:10 正面近景特写，她望向镜头方向，眼尾带着笑意，头部随节奏轻轻摆动，发丝随动作轻扬。呼吸微微起伏，皮肤在灯光下呈现细腻质感，镜头带着轻微的手持呼吸感。 00:10–00:12 侧后方视角，她转身背对镜头，腰胯随节奏持续摆动，手轻扶座椅靠背。连衣裙的修身轮廓清晰，背景里场馆的观众与灯光化作朦胧光斑，氛围感拉满。 00:12–00:15 切回正面中景，她做一个利落的收尾动作，缓缓坐回座椅，抬手撩回散落的发丝，嘴角带着余韵的笑意，目光重新落回赛场方向。镜头慢慢拉远，画面自然淡出。音频：纯场馆真实环境音——隐约的动感背景音乐、观众的嘈杂交谈声、场边模糊的赛事播报声、座椅摩擦声、远处的零星欢呼声，无额外旁白，无后期配乐，完全还原场馆声场。目标：捕捉篮球总决赛场边即兴热舞的惊艳瞬间，将端庄气质与热辣律动自然融合，真实随性、充满临场氛围感，仿佛场边观众随手记录下的惊喜片段。

Fable 5总结的性感美女短视频焚决心法无保留分享给大家：锚 · 场 · 色 · 机 · 轨 · 声 · 魂以及性感老钱风美女跳舞Prompt兄弟们收好！这两天用Fable 5给我的提示词做的视频连续爆了，效果确实很炸，很多人说为什么你的AI图片质感这么好，视频效果也很炸，不像AI生成的，讲真关键还是提示词好，我让Fable 5总结的焚决心法：锚 · 场 · 色 · 机 · 轨 · 声 · 魂 ① 锚 —— 主体锁定（外貌+服装+一致性声明） ② 场 —— 场景空间（光源方向是重点） ③ 色 —— 视觉风格（正向定义 + 负向排除） ④ 机 —— 摄像语言（设备质感/运镜逻辑/对焦倾向） ⑤ 轨 —— 时间轴分镜 ×【四轨耦合：镜头/动作/光影/情绪】 ⑥ 声 —— 音频设计（人声/节奏/环境声 + 负向约束） ⑦ 魂 —— 创作目标（一句话情绪总纲收束全片）性感老钱风美女跳舞Prompt 主要角色：年轻东亚女性，乌黑柔顺长卷发，金色垂坠耳饰，细款金色手链，藏蓝色露肩修身针织包臀连衣裙，妆容精致明艳，气质优雅又兼具热辣张力，真实细腻的皮肤质感。在整个视频中保持一致的身份、服装、发型和外貌。地点：篮球总决赛场馆场边VIP观众席，深色皮质座椅，前方是发光的场边广告牌，背景坐满观众，场馆蓝紫色氛围灯交错，赛事间隙的热烈场馆氛围，空间局限在座位与过道之间。视觉风格：场馆现场纪实质感，热舞动作性感舒展不刻意，充满即兴松弛的张力，动作符合场边狭小空间的真实逻辑，光影贴合场馆灯光氛围，人物神态自然灵动。摄像风格：场边观众视角手持拍摄，轻微自然的手持抖动，跟随舞蹈动作小幅跟拍运镜，场馆灯光下真实的明暗层次与色彩氛围，偶尔有前景座椅、人影入镜，还原随手记录的临场感，无过度调色与磨皮。 00:00–00:02 场边VIP座椅上，她原本端庄端坐，指尖轻搭在腿上。随着现场背景音乐响起，她嘴角勾起浅笑，身体跟随节奏轻轻晃动胯部，场馆灯光在她发丝上扫过柔和光斑。 00:02–00:04 中景平视视角，她微微起身，一只手轻扶座椅靠背，胯部跟随节奏缓缓摆动。修身连衣裙勾勒出身形线条，肩颈线条舒展，镜头轻微跟拍，背景观众席自然虚化。 00:04–00:06 侧身近景镜头，她抬手顺过长卷发，身体做流畅的腰腹wave动作，手臂顺着肩颈线条缓缓滑落。耳饰随动作轻轻晃动，场馆的蓝紫色灯光扫过侧脸，光影层次分明。 00:06–00:08 半全身拉远镜头，她站到座椅旁的过道，脚步轻点地面，胯部利落摆动。一只手自然搭在腰侧，另一只手随律动抬起，动作舒展又性感，周围零星观众侧目，充满真实现场感。 00:08–00:10 正面近景特写，她望向镜头方向，眼尾带着笑意，头部随节奏轻轻摆动，发丝随动作轻扬。呼吸微微起伏，皮肤在灯光下呈现细腻质感，镜头带着轻微的手持呼吸感。 00:10–00:12 侧后方视角，她转身背对镜头，腰胯随节奏持续摆动，手轻扶座椅靠背。连衣裙的修身轮廓清晰，背景里场馆的观众与灯光化作朦胧光斑，氛围感拉满。 00:12–00:15 切回正面中景，她做一个利落的收尾动作，缓缓坐回座椅，抬手撩回散落的发丝，嘴角带着余韵的笑意，目光重新落回赛场方向。镜头慢慢拉远，画面自然淡出。音频：纯场馆真实环境音——隐约的动感背景音乐、观众的嘈杂交谈声、场边模糊的赛事播报声、座椅摩擦声、远处的零星欢呼声，无额外旁白，无后期配乐，完全还原场馆声场。目标：捕捉篮球总决赛场边即兴热舞的惊艳瞬间，将端庄气质与热辣律动自然融合，真实随性、充满临场氛围感，仿佛场边观众随手记录下的惊喜片段。

108,096 Aufrufe

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一，叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮，开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向，它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格，大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一，叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮，开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向，它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格，大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？

45,260 Aufrufe

Videos

Anya Rossi

sweetdream.ai

SweetDream.ai•Sponsored•Livecam

Watch Anya Live

Anya is streaming live right now! Join her private show and enjoy exclusive content.

Exclusive private shows

1.2k viewers online

Private Show

Join now for exclusive access

Free preview available • Premium content

卧槽真的有点炸裂兄弟们，我在国内连 TikTok 都装不了，结果在手机里发了条 iMessage，一个远在美国的 AI Agent 竟然替我注册了一个TikTok号，还帮我刷完了 10 条 TikTok 热门视频，把视频总结都直接发了回来，真的要吹爆hh！昨晚凌晨，我给 iMessage 里存的一个美国号码（+1-650-213-7322）发了句话： "帮我找TikTok上10个最火的AI视频，收藏，写总结发我。" 它先回了句英文："Getting the top 10 AI videos on TikTok." 两分钟后，一长串中文摘要发了回来：两个ChatGPT语音互怼、AI生成的生锈版麦昆、Roblox AI动画、超现实AI短剧，10条视频每条一句话总结。我切到云手机界面看了一眼，收藏夹里10个视频安安稳稳躺着，封面和总结对得一丝不差。很多人可能会说，这不就是又一个能在短信里陪你聊天的bot吗？还真不是，当年iPhone把互联网塞进口袋的时候，你不需要额外买一台新设备；今天AI长了手，你也不需要额外下载一个新App，因为派活的入口就住在你每天点开几十次的短信框里，TikTok、美区ID，我一个都没装。这就是 Airtap Ai 接iMessage的新功能，它的架构说穿了就三句话： ▫️最上面是大脑：听懂你要干嘛、记你的习惯、做判断，还能接你自己的Claude ▫️中间是手（他们叫AutoPilot）：不靠调每个App的API，是真的用视觉看懂屏幕，像真人一样点、滑、输字 ▫️最底下是云手机：你的所有App在里面保持登录，不耗你电、不占你网，24小时跑着想明白这个架构，有三个点值得展开跟大家详细聊聊： 1️⃣ 为什么我在国内连TikTok都装不了，它能帮我刷？这不是啥翻墙黑科技，是那台云手机本身就在美国，跑在TikTok合法可用的网络环境里——它不需要翻，因为本来就在墙的另一边。我们平时折腾半天的地理限制、设备限制、应用商店ID限制，在这个架构面前直接消失。 iMessage只是个门面，云手机才是真的基础设施：你相当于在美国有了个永不下班的分身，不用办签证不用买机票，发句中文，他就替你出门办事了。 2️⃣ 很多人都在吹它零设置，onboarding确实丝滑，我存完号码发了个hey，一秒就开了户。但我点第一个任务弹出来的登录链接时，真的愣了三秒——哦对，这东西要登我的号啊hh。零设置的背面，是它把最难的题直接甩到了你脸上：你敢把哪些账号的登录态，交给一个你摸不着的云端影子手机？我登TikTok没犹豫太久，但银行App、支付软件，我现在绝对不会登进去。有人吐槽还要跳出去点链接登录，体验真烂，一开始我也这么觉得，后来反应过来了：这其实是当前技术条件下最高明的妥协。它不存你的密码，合规、安全，也不需要每个App给它开放API，什么软件都能操作，代价就是你偶尔得跳出去登一次。想完全无感？它就得存你密码，或者跟每个App深度集成，既不安全，也覆盖不了所有软件。这其实也不是Airtap一家的问题，是所有能替你操作手机的AI都绕不过去的死结：授权和执行，怎么才能既安全又通用。 3️⃣ 有人嫌等两分钟太慢。可以算笔账：你自己装TikTok、搞网络、注册账号、刷半小时、挑出10条AI相关的、每条记下来讲了啥，这一套俩小时都不一定搞得定。它省的根本不是那两分钟，是你不用再把"我要去刷TikTok找AI视频"这件事挂在脑子里，发完短信该干嘛干嘛，它干完了会带着结果来找你。说白了它卖的不是反应速度，是把你心里悬着的那件事整个拿走干完。当然，我不是说这东西已经无敌了，我登账号犹豫了三秒是真的，它操作的时候我没法抢过云手机自己干是真的，绝对不会把支付类App交出去也是真的。它现在特别适合干那种"干成了挺好，干砸了也死不了"的事：帮你筛视频、跨平台搬歌单、盯商品降价、点外卖填个表。涉及真金白银和核心隐私的事，现在没人敢真的交给它——信任这道坎，所有做AI Agent的公司都绕不过去。但当操作一个软件的成本从折腾两小时降到发一条短信，而且你连那个软件都不用装的时候，我们用了十几年的"手机=装App"这套逻辑，可能真的要重新想了。配的录屏我全程没剪，从发第一条指令到它把云手机收藏夹投给我，一镜到底。最后问你们个事：换作是你，你敢把哪个账号登给它？我先说，TikTok我眼睛都不眨，银行App？门都没有hhh～

卧槽真的有点炸裂兄弟们，我在国内连 TikTok 都装不了，结果在手机里发了条 iMessage，一个远在美国的 AI Agent 竟然替我注册了一个TikTok号，还帮我刷完了 10 条 TikTok 热门视频，把视频总结都直接发了回来，真的要吹爆hh！昨晚凌晨，我给 iMessage 里存的一个美国号码（+1-650-213-7322）发了句话： "帮我找TikTok上10个最火的AI视频，收藏，写总结发我。" 它先回了句英文："Getting the top 10 AI videos on TikTok." 两分钟后，一长串中文摘要发了回来：两个ChatGPT语音互怼、AI生成的生锈版麦昆、Roblox AI动画、超现实AI短剧，10条视频每条一句话总结。我切到云手机界面看了一眼，收藏夹里10个视频安安稳稳躺着，封面和总结对得一丝不差。很多人可能会说，这不就是又一个能在短信里陪你聊天的bot吗？还真不是，当年iPhone把互联网塞进口袋的时候，你不需要额外买一台新设备；今天AI长了手，你也不需要额外下载一个新App，因为派活的入口就住在你每天点开几十次的短信框里，TikTok、美区ID，我一个都没装。这就是 Airtap Ai 接iMessage的新功能，它的架构说穿了就三句话： ▫️最上面是大脑：听懂你要干嘛、记你的习惯、做判断，还能接你自己的Claude ▫️中间是手（他们叫AutoPilot）：不靠调每个App的API，是真的用视觉看懂屏幕，像真人一样点、滑、输字 ▫️最底下是云手机：你的所有App在里面保持登录，不耗你电、不占你网，24小时跑着想明白这个架构，有三个点值得展开跟大家详细聊聊： 1️⃣ 为什么我在国内连TikTok都装不了，它能帮我刷？这不是啥翻墙黑科技，是那台云手机本身就在美国，跑在TikTok合法可用的网络环境里——它不需要翻，因为本来就在墙的另一边。我们平时折腾半天的地理限制、设备限制、应用商店ID限制，在这个架构面前直接消失。 iMessage只是个门面，云手机才是真的基础设施：你相当于在美国有了个永不下班的分身，不用办签证不用买机票，发句中文，他就替你出门办事了。 2️⃣ 很多人都在吹它零设置，onboarding确实丝滑，我存完号码发了个hey，一秒就开了户。但我点第一个任务弹出来的登录链接时，真的愣了三秒——哦对，这东西要登我的号啊hh。零设置的背面，是它把最难的题直接甩到了你脸上：你敢把哪些账号的登录态，交给一个你摸不着的云端影子手机？我登TikTok没犹豫太久，但银行App、支付软件，我现在绝对不会登进去。有人吐槽还要跳出去点链接登录，体验真烂，一开始我也这么觉得，后来反应过来了：这其实是当前技术条件下最高明的妥协。它不存你的密码，合规、安全，也不需要每个App给它开放API，什么软件都能操作，代价就是你偶尔得跳出去登一次。想完全无感？它就得存你密码，或者跟每个App深度集成，既不安全，也覆盖不了所有软件。这其实也不是Airtap一家的问题，是所有能替你操作手机的AI都绕不过去的死结：授权和执行，怎么才能既安全又通用。 3️⃣ 有人嫌等两分钟太慢。可以算笔账：你自己装TikTok、搞网络、注册账号、刷半小时、挑出10条AI相关的、每条记下来讲了啥，这一套俩小时都不一定搞得定。它省的根本不是那两分钟，是你不用再把"我要去刷TikTok找AI视频"这件事挂在脑子里，发完短信该干嘛干嘛，它干完了会带着结果来找你。说白了它卖的不是反应速度，是把你心里悬着的那件事整个拿走干完。当然，我不是说这东西已经无敌了，我登账号犹豫了三秒是真的，它操作的时候我没法抢过云手机自己干是真的，绝对不会把支付类App交出去也是真的。它现在特别适合干那种"干成了挺好，干砸了也死不了"的事：帮你筛视频、跨平台搬歌单、盯商品降价、点外卖填个表。涉及真金白银和核心隐私的事，现在没人敢真的交给它——信任这道坎，所有做AI Agent的公司都绕不过去。但当操作一个软件的成本从折腾两小时降到发一条短信，而且你连那个软件都不用装的时候，我们用了十几年的"手机=装App"这套逻辑，可能真的要重新想了。配的录屏我全程没剪，从发第一条指令到它把云手机收藏夹投给我，一镜到底。最后问你们个事：换作是你，你敢把哪个账号登给它？我先说，TikTok我眼睛都不眨，银行App？门都没有hhh～

317,356 Aufrufe • vor 4 Tagen

这可能是你这辈子能见到的最顶级的安保力量。就是这个北京街头刷屏的车队，拍摄的路人全程在喊卧槽，一长串黑色重型SUV，警灯闪烁，绵延几百米。全网都在刷这个场面有多夸张，但其实90%的人都看错了，这根本不是特朗普的主车队。只是整个安保体系里，最不起眼的后勤支援部分。这次特朗普访华， 7架C-17环球霸王提前飞抵北京，运来了500多吨物资和全部车辆。 2017年他第一次来，只来了3架。特勤局直接调动了100-200名精锐特工，贴身环绕的钻石阵型，重武装的反突击队，部署在所有高点的反狙击手，还有专门的电子战和反无人机小队。每一辆你看到的Suburban，都是8英寸厚装甲的移动堡垒，能扛AK-47和火箭筒，轮胎打爆了还能高速跑几公里，自带核生化密封舱和独立空气系统。以前的安保是保护人，现在的安保是移动的堡垒。是一整套能独立运行的作战系统。这还只是冰山一角，真正的主车队里，那辆9吨重的The Beast，连车窗玻璃都打不开，里面有总统专属血库，氧气，还有一整套武器库。 #特朗普访华 #安保

这可能是你这辈子能见到的最顶级的安保力量。就是这个北京街头刷屏的车队，拍摄的路人全程在喊卧槽，一长串黑色重型SUV，警灯闪烁，绵延几百米。全网都在刷这个场面有多夸张，但其实90%的人都看错了，这根本不是特朗普的主车队。只是整个安保体系里，最不起眼的后勤支援部分。这次特朗普访华， 7架C-17环球霸王提前飞抵北京，运来了500多吨物资和全部车辆。 2017年他第一次来，只来了3架。特勤局直接调动了100-200名精锐特工，贴身环绕的钻石阵型，重武装的反突击队，部署在所有高点的反狙击手，还有专门的电子战和反无人机小队。每一辆你看到的Suburban，都是8英寸厚装甲的移动堡垒，能扛AK-47和火箭筒，轮胎打爆了还能高速跑几公里，自带核生化密封舱和独立空气系统。以前的安保是保护人，现在的安保是移动的堡垒。是一整套能独立运行的作战系统。这还只是冰山一角，真正的主车队里，那辆9吨重的The Beast，连车窗玻璃都打不开，里面有总统专属血库，氧气，还有一整套武器库。 #特朗普访华 #安保

4,890,929 Aufrufe • vor 2 Monaten

Damn，有点炸裂啊，一颗葡萄用了6660张宏观照片训练3DGS，模型只有43万个高斯点，压缩完不到50MB，但你可以在手机上看它360度旋转，连果肉里透出来的光都还原了，更炸的是老哥回复里那句话，有人问底部怎么拍到的，他甩了张gif说“Like this”，但玩笑归玩笑，真正重要的信息其实都藏在技术参数里： 90个焦点堆栈，每个74张，全角度覆盖，底部也拍进去了，半透明物体是3DGS最难搞的测试对象，他偏偏选了最难的那个，逻辑也很简单：最难的通了，比它简单的任何东西就已经在射程之内了，我理解这颗葡萄的本质不是炫技，而是一份写在技术参数里的产品化路线图，下一个被数字化的可能不是葡萄，可以是任何你舍不得让它烂掉的东西逻辑很简单，如果连葡萄这种最难的都跑通了，比它简单的任何东西，手办、珠宝、人脸、文物，都已经在射程之内，以前做这种级别的3D数字资产，需要专业扫描仪加建模师加后期手动修，成本和时间劝退绝大多数人，现在这套流程是，宏观镜头加照片堆，进3DGS自动训练，出来就是20到50MB的可分发模型，门槛从专业团队降到了一个人加一台相机，这是我觉得真正炸的地方， Dany自己还在开发miqula工具，明显在把这套流程进一步封装成产品，他用一颗葡萄，相当于给整个行业画了一张产品化路线图。

Damn，有点炸裂啊，一颗葡萄用了6660张宏观照片训练3DGS，模型只有43万个高斯点，压缩完不到50MB，但你可以在手机上看它360度旋转，连果肉里透出来的光都还原了，更炸的是老哥回复里那句话，有人问底部怎么拍到的，他甩了张gif说“Like this”，但玩笑归玩笑，真正重要的信息其实都藏在技术参数里： 90个焦点堆栈，每个74张，全角度覆盖，底部也拍进去了，半透明物体是3DGS最难搞的测试对象，他偏偏选了最难的那个，逻辑也很简单：最难的通了，比它简单的任何东西就已经在射程之内了，我理解这颗葡萄的本质不是炫技，而是一份写在技术参数里的产品化路线图，下一个被数字化的可能不是葡萄，可以是任何你舍不得让它烂掉的东西逻辑很简单，如果连葡萄这种最难的都跑通了，比它简单的任何东西，手办、珠宝、人脸、文物，都已经在射程之内，以前做这种级别的3D数字资产，需要专业扫描仪加建模师加后期手动修，成本和时间劝退绝大多数人，现在这套流程是，宏观镜头加照片堆，进3DGS自动训练，出来就是20到50MB的可分发模型，门槛从专业团队降到了一个人加一台相机，这是我觉得真正炸的地方， Dany自己还在开发miqula工具，明显在把这套流程进一步封装成产品，他用一颗葡萄，相当于给整个行业画了一张产品化路线图。

2,858,243 Aufrufe • vor 2 Monaten

强烈推荐大家都去看这个跟workbudy产品负责人Jason的深度对谈播客，另外关于腾讯workbudy，我说个暴论，你看100篇那些AI写的教程文章，都不如抽1个小时好好看看腾讯官方出品的这期播客，太他么深度了，干货拉满！ Jason分享了一个关键判断让我印象特别深：2021年他曾计划培养孩子学习编程，到2026年发现这个方向已经失效了，在AI的加持下编程本身不再是稀缺技能，洞察力、审美品味、逻辑清晰的语言表达能力，才是AI时代真正的核心竞争力。还有这个文科生的故事，英语文学专业的前媒体人，一行代码都不会写，就因为自己攒了7000多首杜比全景声的歌，Excel卡到打不开，找外包又说不清楚需求，被逼得没办法开始摸AI编程工具。你以为是AI两下给他把App生成出来了？根本不是，他说前前后后开了40多个对话窗口，文件拆得乱七八糟，环境部署从头啃，踩了无数坑，磨了好几个月，才真的把那个杜比音乐App做出来，现在都更新到3.2版本，正经上架App Store了。那他为什么没放弃？他说AI会在他做对一点点的时候，蹦出来一句“你这个思路很清晰，像个成熟的产品经理”。卧槽，就这一下兄弟们应该懂吧，我们这种在否定式教育里长大的东亚小孩，太吃这一套了。很多时候你不敢开始，其实不是懒也不是笨，是脑子里那个“你不行”的声音太大了。咱们从小到大做什么都先被挑错，刚迈出一步就有人说你这不对那不好，久了你自己都信了，你就是做不成事。但是AI不judge你，不骂你，不会翻个白眼说这都不会，你做对一点它就真心实意夸你，直接把那个压了你几十年的声音盖过去了。播客里WorkBuddy的产品负责人Jason说，2021年他还在规划以后要送孩子学编程，2026年回头看，这个想法已经不成立了。我以前以为，只是因为写代码的门槛被AI踏平了，现在才懂，被踏平的根本不止是代码门槛。以前我们想做个东西，不仅要会写代码，还要有颗大心脏——被bug卡一周，被前辈骂写的什么垃圾，被环境配置搞到崩溃，90%的人在第一步就被劝退了。现在AI不仅帮你写代码、查bug，还给你当啦啦队，把你那点被打击了几十年、碎得渣都不剩的信心，一点点给你拼回来。你看现在满屏都是MCP、Agent、Vibe Coding这些新名词，好像你三天不背就要被时代抛弃，大家课买了一堆，一个工具都不敢打开，但实际上哪有那么玄乎啊🤣 当然了，如果你从小在夸奖里长大，内心强大到根本不需要别人给你托底，可能get不到这个点。但如果你和我一样，总怕自己做不好，怕出错被笑话，迟迟不敢迈出第一步，真的不用上来就想做个上架的App，不如今天就花半小时，让AI帮你写个批量改文件名的小脚本，或者整理下你乱了半年的文件夹。你会发现，你根本不是不行，只是之前从来没人，在你做对一点点的时候，认认真真跟你说一句“你做得真棒”🥹🥹 焦虑这东西，站在岸边看永远觉得水很深，脚伸下去才知道，原来不仅水不深，还有人在旁边扶着你，跟大家共勉！评论区是我对51分钟的文字版总结👇

强烈推荐大家都去看这个跟workbudy产品负责人Jason的深度对谈播客，另外关于腾讯workbudy，我说个暴论，你看100篇那些AI写的教程文章，都不如抽1个小时好好看看腾讯官方出品的这期播客，太他么深度了，干货拉满！ Jason分享了一个关键判断让我印象特别深：2021年他曾计划培养孩子学习编程，到2026年发现这个方向已经失效了，在AI的加持下编程本身不再是稀缺技能，洞察力、审美品味、逻辑清晰的语言表达能力，才是AI时代真正的核心竞争力。还有这个文科生的故事，英语文学专业的前媒体人，一行代码都不会写，就因为自己攒了7000多首杜比全景声的歌，Excel卡到打不开，找外包又说不清楚需求，被逼得没办法开始摸AI编程工具。你以为是AI两下给他把App生成出来了？根本不是，他说前前后后开了40多个对话窗口，文件拆得乱七八糟，环境部署从头啃，踩了无数坑，磨了好几个月，才真的把那个杜比音乐App做出来，现在都更新到3.2版本，正经上架App Store了。那他为什么没放弃？他说AI会在他做对一点点的时候，蹦出来一句“你这个思路很清晰，像个成熟的产品经理”。卧槽，就这一下兄弟们应该懂吧，我们这种在否定式教育里长大的东亚小孩，太吃这一套了。很多时候你不敢开始，其实不是懒也不是笨，是脑子里那个“你不行”的声音太大了。咱们从小到大做什么都先被挑错，刚迈出一步就有人说你这不对那不好，久了你自己都信了，你就是做不成事。但是AI不judge你，不骂你，不会翻个白眼说这都不会，你做对一点它就真心实意夸你，直接把那个压了你几十年的声音盖过去了。播客里WorkBuddy的产品负责人Jason说，2021年他还在规划以后要送孩子学编程，2026年回头看，这个想法已经不成立了。我以前以为，只是因为写代码的门槛被AI踏平了，现在才懂，被踏平的根本不止是代码门槛。以前我们想做个东西，不仅要会写代码，还要有颗大心脏——被bug卡一周，被前辈骂写的什么垃圾，被环境配置搞到崩溃，90%的人在第一步就被劝退了。现在AI不仅帮你写代码、查bug，还给你当啦啦队，把你那点被打击了几十年、碎得渣都不剩的信心，一点点给你拼回来。你看现在满屏都是MCP、Agent、Vibe Coding这些新名词，好像你三天不背就要被时代抛弃，大家课买了一堆，一个工具都不敢打开，但实际上哪有那么玄乎啊🤣 当然了，如果你从小在夸奖里长大，内心强大到根本不需要别人给你托底，可能get不到这个点。但如果你和我一样，总怕自己做不好，怕出错被笑话，迟迟不敢迈出第一步，真的不用上来就想做个上架的App，不如今天就花半小时，让AI帮你写个批量改文件名的小脚本，或者整理下你乱了半年的文件夹。你会发现，你根本不是不行，只是之前从来没人，在你做对一点点的时候，认认真真跟你说一句“你做得真棒”🥹🥹 焦虑这东西，站在岸边看永远觉得水很深，脚伸下去才知道，原来不仅水不深，还有人在旁边扶着你，跟大家共勉！评论区是我对51分钟的文字版总结👇

304,786 Aufrufe • vor 9 Tagen

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

最近当大家都在刷屏Fable 5和GPT-5.6 的时候，殊不知腾讯已经悄无声息的把大模型能力给追上来了。你们知道腾讯低调到什么程度吗？前几天发布的Hy3 ，21B的激活参数已经可以打平旗舰水准，并且直接塞进微信10 亿+用户手里，这才是国产大模型真正的王炸啊兄弟们！说实话周一刷到 Hy3 发布消息那会儿，我第一反应跟很多人一样：又一个卷参数的国产模型？趁着周末有空，我仔细翻了一圈资料，发现完全不是这么回事。原来Tencent Hy这个模型从一开始就不是朝着聊天模型去的，人家的定位就是奔着干活去的 Agent 向 LLM。另外最反直觉的是它的推理效率，295B 总参数，实际激活只有 21B 的 MoE 架构，就能打平参数是它 2 到 5 倍的旗舰模型，这事儿我琢磨了一下，其实有点像团队管理，并不是说人越多产出越高，关键得看真正干活的那几个人靠不靠谱。为什么这个效率重要呢？你想想微信每天服务 10 亿人， token 成本多一厘都是天文数字， 21B 激活还能打出旗舰水准，我觉得这才是它能被规模化铺开的根本原因，跟刷榜没半毛钱关系。说到刷榜，我仔细研究之后这个版本还真不是，从 preview 到正式版，Hy3 是Hunyuan团队拿了50 多个真实业务的反馈不断迭代出来的，内部 WorkBuddy 任务成功率从 72% 干到 90%，耗时降了 34%，幻觉和常识错误全往下掉。我原来以为 Agent 的核心是想得多深，后来发现真正决定能不能上生产的，是稳不稳，比如工具编排会不会中途崩，出错了能不能自己爬回来，换个框架差不差太多等等，就是这些不起眼的东西，才是能跑完一整套 workflow 不掉链子的关键。当然实际测试下来Hy3 也有短板，比如纯视觉它还不够强，不过腾讯也有单独的多模态大模型线，它能打的主要还是 coding、办公、复杂任务规划这几块。最后说个我的一个判断：就是接下来大模型拼的可能不是谁参数更大了，核心看谁能把干活的能力以最低摩擦送到更多人手里，比如Hy3 我理解它可能不是一个更会聊天的模型，更像是一个更会干活的 Agent 底座。话说回来，腾讯这步棋确实走得挺狠，我觉得国产大模型的拐点真的要到了，下方视频是我用Hy3跑的几个测试案例，分别让它做了一个介绍自己的HTML网页，一个我的认知系统agent网页，和做了一个10页的PPT，都很惊艳，大家可以感受下，会干活、会自检、还会主动说自己哪没做到位，我觉得这才是 Agent 时代，真正能用的模型该有的样子hh～ #Hy3 #Hunyuan #TencentAI

180,716 Aufrufe • vor 7 Tagen

一句流传 18 年的狠话，藏着所有成功者最致命的盲区。 2006 年《赢在中国》，郭凡生怼张向东那句 "我已经这么成功了，你都不信任我，凭什么让他们信任你"，传到现在。很多人说：这人太傲慢了但其实这根本不是傲慢的问题，他一个人带着公司从零做到香港上市，过去每一个判断都被市场验证是对的，每一套打法都帮他赢了。这时候有人说你的模式不行了，第一反应不可能是 "有道理"，只会是 "我都成功了你教我做事？" 这就是典型的路径依赖的认知盲区。成功的经验会变成你的过滤器 —— 跟你路径一致的信号自动放大，不一致的自动过滤。当年慧聪是 B2B 第一股，"南阿里北慧聪" 不是吹的，郭凡生的自信是真金白银堆出来的。但恰恰是这份被反复验证过的成功，让他看不见免费模式、生态整合这些不在他经验里的变量。其实每个走到一定阶段的人都会遇到这堵墙：你用来走到今天的经验，恰恰可能挡住你看明天。这里给大家三个信号自查， 1️⃣开始频繁说 "当年我们就是这么过来的" 2️⃣听到不同意见第一反应是反驳而非好奇 3️⃣觉得新对手 "不够专业"、"成不了气候" 中两条以上，就得小心了，尤其是大厂的老登们，可以考虑给年轻人机会了hh

一句流传 18 年的狠话，藏着所有成功者最致命的盲区。 2006 年《赢在中国》，郭凡生怼张向东那句 "我已经这么成功了，你都不信任我，凭什么让他们信任你"，传到现在。很多人说：这人太傲慢了但其实这根本不是傲慢的问题，他一个人带着公司从零做到香港上市，过去每一个判断都被市场验证是对的，每一套打法都帮他赢了。这时候有人说你的模式不行了，第一反应不可能是 "有道理"，只会是 "我都成功了你教我做事？" 这就是典型的路径依赖的认知盲区。成功的经验会变成你的过滤器 —— 跟你路径一致的信号自动放大，不一致的自动过滤。当年慧聪是 B2B 第一股，"南阿里北慧聪" 不是吹的，郭凡生的自信是真金白银堆出来的。但恰恰是这份被反复验证过的成功，让他看不见免费模式、生态整合这些不在他经验里的变量。其实每个走到一定阶段的人都会遇到这堵墙：你用来走到今天的经验，恰恰可能挡住你看明天。这里给大家三个信号自查， 1️⃣开始频繁说 "当年我们就是这么过来的" 2️⃣听到不同意见第一反应是反驳而非好奇 3️⃣觉得新对手 "不够专业"、"成不了气候" 中两条以上，就得小心了，尤其是大厂的老登们，可以考虑给年轻人机会了hh

123,841 Aufrufe • vor 5 Tagen

Claude团队的工程师，已经彻底抛弃Markdown了。不是Markdown不好用，是AI变得太快，它已经跟不上了。以前AI写10行笔记，Markdown刚刚好，现在AI能一次性输出1000行计划、复杂流程图、完整代码审查，密密麻麻的纯文字墙谁有耐心看得完？作者自己都说，他从来没完整读完过100行以上的AI生成MD文件。更要命的是：现在都是AI写，我们只看不改。 Markdown最大的优点“易手动编辑”，现在已经彻底没用了。而HTML，才是AI时代真正的沟通语言，它能做到的事，Markdown想都不敢想： • 直接生成带颜色的表格、SVG流程图、可点击的原型 • 加滑块调参数、拖拽排序任务、实时预览Prompt效果 • 改完一键导出成代码或Prompt，喂回给AI继续迭代 • 发个链接别人点开就能看，不用下载任何工具作者直接放出了20个现成示例：从代码审查的彩色diff，到可拖拽的任务看板，从动画参数调试器，到一键生成的幻灯片。每一个都是能直接用的生产力工具。最爽的三个用法，现在就能抄： 1. 代码审查：让AI把PR生成带注释的彩色diff+模块调用图 2. 做计划：生成带时间线、风险表、流程图的交互式项目页 3. 临时工具：让AI写一个Prompt调参器，改完直接复制结果当然它也有缺点：多花一点token，生成时间长2-4倍，版本控制不如MD干净。但作者说：体验提升了10倍，这些代价完全值得。本质上不是格式之争，而是人机协作方式的升级。因为Markdown是给人写给人看的，而HTML是给AI写给人用的。随着当AI越来越聪明，我们需要的不再是文字墙，而是能互动、能操作、能思考的界面。现在打开Claude，输入“帮我做一个HTML文件……”，你会打开一个全新的世界。

Claude团队的工程师，已经彻底抛弃Markdown了。不是Markdown不好用，是AI变得太快，它已经跟不上了。以前AI写10行笔记，Markdown刚刚好，现在AI能一次性输出1000行计划、复杂流程图、完整代码审查，密密麻麻的纯文字墙谁有耐心看得完？作者自己都说，他从来没完整读完过100行以上的AI生成MD文件。更要命的是：现在都是AI写，我们只看不改。 Markdown最大的优点“易手动编辑”，现在已经彻底没用了。而HTML，才是AI时代真正的沟通语言，它能做到的事，Markdown想都不敢想： • 直接生成带颜色的表格、SVG流程图、可点击的原型 • 加滑块调参数、拖拽排序任务、实时预览Prompt效果 • 改完一键导出成代码或Prompt，喂回给AI继续迭代 • 发个链接别人点开就能看，不用下载任何工具作者直接放出了20个现成示例：从代码审查的彩色diff，到可拖拽的任务看板，从动画参数调试器，到一键生成的幻灯片。每一个都是能直接用的生产力工具。最爽的三个用法，现在就能抄： 1. 代码审查：让AI把PR生成带注释的彩色diff+模块调用图 2. 做计划：生成带时间线、风险表、流程图的交互式项目页 3. 临时工具：让AI写一个Prompt调参器，改完直接复制结果当然它也有缺点：多花一点token，生成时间长2-4倍，版本控制不如MD干净。但作者说：体验提升了10倍，这些代价完全值得。本质上不是格式之争，而是人机协作方式的升级。因为Markdown是给人写给人看的，而HTML是给AI写给人用的。随着当AI越来越聪明，我们需要的不再是文字墙，而是能互动、能操作、能思考的界面。现在打开Claude，输入“帮我做一个HTML文件……”，你会打开一个全新的世界。

1,395,515 Aufrufe • vor 2 Monaten

Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行，居然能把 AI 编程准确率从 65% 拉到 94%，以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过，里面没有一行奇技淫巧，4 条规则全是同一个方向： → 先想清楚再写代码陈述假设，不确定就问，杜绝猜测 → 从最简方案入手只写能解决问题的最少代码，不加任何多余抽象 → 像手术一样精准修改不碰与需求无关的代码，每行改动都对应明确要求 → 以目标驱动执行写第一行代码前，把模糊指令转化为可验证的成功标准 65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能，本质上是把慢下来这件事变成硬规则，趁别人还没保存，赶紧先存好 👇

Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行，居然能把 AI 编程准确率从 65% 拉到 94%，以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过，里面没有一行奇技淫巧，4 条规则全是同一个方向： → 先想清楚再写代码陈述假设，不确定就问，杜绝猜测 → 从最简方案入手只写能解决问题的最少代码，不加任何多余抽象 → 像手术一样精准修改不碰与需求无关的代码，每行改动都对应明确要求 → 以目标驱动执行写第一行代码前，把模糊指令转化为可验证的成功标准 65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能，本质上是把慢下来这件事变成硬规则，趁别人还没保存，赶紧先存好 👇

1,076,257 Aufrufe • vor 1 Monat

苹果、Intel、AMD、高通，今晚大概率睡不好了。统治了 PC 整整 30年的 Wintel 王朝，今天被一个卖显卡的，连桌子一起掀了。 NVIDIA 的 RTX Spark，一块 3nm 的 SoC，把 ARM CPU、Blackwell GPU、128GB 统一内存焊进同一颗芯片，塞进 14mm 的超薄本，本地跑 120B 大模型， 1440p 满帧跑 3A，拔了电源帧数硬是一格没掉。但真正让那四家睡不着的，还不只是这些参数。过去三十年的 PC，像一群车厂在比谁的排量大，所有人盯着 CPU 跑分， Intel Inside 就是品质保证，竞争全在同一套规则里打。 NVIDIA 今天开进来一辆电动车，直接说规则换了，以后比的是 AI 算力和谁的软件生态更深，而它那张生态网，叫 CUDA，已经铺了二十年。这一下，每一家被点到的，都得正面回应： Intel 和 AMD 还能追性能、追制程，追不上的是那二十年攒下的开发者。苹果 2020 年就用 M 系列证明了 ARM 加统一内存能有多强，可它把 CUDA 拦在门外， NVIDIA 干脆绕开，在 Windows 这边复刻了一遍，还多带了苹果永远不肯给的东西，完整 GPU 生态、3A 游戏、CUDA 全栈。高通的 Snapdragon X 先跑了一年 Windows on ARM，没有 GPU 生态撑腰，整个故事还只讲了一半，没想到今天这个位置被人抢了当然，发布会上说的，和真正用起来之间，向来隔着一段距离。 ARM 版 Windows 的兼容层跑老软件掉多少、满载久了降不降频、这套东西最后卖什么价，老黄一个都没交代。但方向似乎已经钉死了，过去你买电脑，Intel Inside 是贴在机身上的那张品质标签，但是往后这张标签，得换人贴了。 NVIDIA 今天卖的不只是一颗芯片，还有下一个三十年 PC 行业的入场券。

苹果、Intel、AMD、高通，今晚大概率睡不好了。统治了 PC 整整 30年的 Wintel 王朝，今天被一个卖显卡的，连桌子一起掀了。 NVIDIA 的 RTX Spark，一块 3nm 的 SoC，把 ARM CPU、Blackwell GPU、128GB 统一内存焊进同一颗芯片，塞进 14mm 的超薄本，本地跑 120B 大模型， 1440p 满帧跑 3A，拔了电源帧数硬是一格没掉。但真正让那四家睡不着的，还不只是这些参数。过去三十年的 PC，像一群车厂在比谁的排量大，所有人盯着 CPU 跑分， Intel Inside 就是品质保证，竞争全在同一套规则里打。 NVIDIA 今天开进来一辆电动车，直接说规则换了，以后比的是 AI 算力和谁的软件生态更深，而它那张生态网，叫 CUDA，已经铺了二十年。这一下，每一家被点到的，都得正面回应： Intel 和 AMD 还能追性能、追制程，追不上的是那二十年攒下的开发者。苹果 2020 年就用 M 系列证明了 ARM 加统一内存能有多强，可它把 CUDA 拦在门外， NVIDIA 干脆绕开，在 Windows 这边复刻了一遍，还多带了苹果永远不肯给的东西，完整 GPU 生态、3A 游戏、CUDA 全栈。高通的 Snapdragon X 先跑了一年 Windows on ARM，没有 GPU 生态撑腰，整个故事还只讲了一半，没想到今天这个位置被人抢了当然，发布会上说的，和真正用起来之间，向来隔着一段距离。 ARM 版 Windows 的兼容层跑老软件掉多少、满载久了降不降频、这套东西最后卖什么价，老黄一个都没交代。但方向似乎已经钉死了，过去你买电脑，Intel Inside 是贴在机身上的那张品质标签，但是往后这张标签，得换人贴了。 NVIDIA 今天卖的不只是一颗芯片，还有下一个三十年 PC 行业的入场券。

762,588 Aufrufe • vor 1 Monat

今天，把一件关于 AI 很底层的事，彻底想透了。使用 AI 的最佳方式是以道御术，但前提是你得先以术入道。就像黄仁勋说的——真正会用 AI 的人，都是极高认知的提问者，带着自己的认知去提问，让 AI 帮你叩开未知的边界，而不是让它替你思考。这段话最近反复在我脑子里出现，但我觉得他还少说了一句：这个认知，到底从哪来？首先肯定不是看几本书、刷几条推就能来的，我觉得至少得是你自己上手干过、踩过坑、改过错，这个认知才能慢慢长出来，这就是以术入道。就像做菜，你得自己掌过勺，才知道一道菜真正的好坏在哪，AI 也一样，你得先用过、踩过坑、改过错，才能判断它给你的建议到底对不对。我现在的判断是，AI 工具大概率会分成两条路。一条是 agent 型，Claude Code、Codex、Hermes 那种，你给个目标它自己跑，你睡觉时它也跑，手机戳一戳继续跑，像一辆自动驾驶汽车。另一条是实习生型，典型代表是 Cursor，每一步都要你判断：diff 改对了吗？这个建议要不要采用？要不要切 MAX 模型重跑一次？它有判断力，但没有自主决策权，你不在跟前盯着，它就停下来。 agent 是替你思考，实习生是和你一起思考，而只有后者，才是真正以术入道的过程。 agent 型工具的核心是省时间，你用它做事，实习生型工具的核心是磨判断力，你用它的过程，就是你长出自己那个道的过程。但实习生型工具有个致命瓶颈——你不在跟前，它就停了。自从被官方投喂 $10000 额度之后，我现在是个 Cursor 重度用户，家里专门放了一台 Mac 跑 Cursor，结果它就变成一个必须我在场才能用的稀缺资源。直到最近朋友给我推了 UU 远程，网易做的，都免费两年了，而且没广告没会员，一开始我都有点不敢相信。试了下发现真香，手机一打开就能接进家里那台 Mac，4K 144 帧，几乎感觉不到延迟，看 Cursor 实时 diff、处理报错、切模型，跟坐电脑前没区别。最让我惊喜的是，手机能直接开终端，以前出门想登家里 Mac 跑命令行，得 Tailscale 再 ssh 再 tmux，折腾半天，还原生支持一个完整终端，跟敲 zsh 没区别， Cursor 跑一半要 git status、kill 进程、npm install，手机抬手就办了，特别方便。更新版本的时候我才发现，UU 远程刚好做到第二年，周年庆重申不收费，继续打磨产品给大家免费用，还预告了几个新功能：安卓屏幕共享、小窗模式、精细化权限管理、文件夹共享、笔记本设备性能优化。一个免费做了两年、还在持续往里砸功能的产品，我觉得是真有长期主义、想把产品做好的。话说回来，AI 发展到这个阶段，我们真正需要的，我理解已经不是更厉害的 AI了，而是一种能让你随时和你的 AI 一起思考的连接方式。目前看，Cursor和UU 远程这类体验和功能都做的非常丝滑极致的产品，对我来说就是这个连接方式，把我和家里那个顶级实习生之间的物理距离消除了，让我能在任何地方，磨我自己的那个道。毕竟 AI 工具的尽头，不是替我们做事，是把我们磨成那个，值得被它认真回答的提问者，以上和大家共勉，一起在学习和使用AI的这条路上，达到以术入道，以道御术的境界。

今天，把一件关于 AI 很底层的事，彻底想透了。使用 AI 的最佳方式是以道御术，但前提是你得先以术入道。就像黄仁勋说的——真正会用 AI 的人，都是极高认知的提问者，带着自己的认知去提问，让 AI 帮你叩开未知的边界，而不是让它替你思考。这段话最近反复在我脑子里出现，但我觉得他还少说了一句：这个认知，到底从哪来？首先肯定不是看几本书、刷几条推就能来的，我觉得至少得是你自己上手干过、踩过坑、改过错，这个认知才能慢慢长出来，这就是以术入道。就像做菜，你得自己掌过勺，才知道一道菜真正的好坏在哪，AI 也一样，你得先用过、踩过坑、改过错，才能判断它给你的建议到底对不对。我现在的判断是，AI 工具大概率会分成两条路。一条是 agent 型，Claude Code、Codex、Hermes 那种，你给个目标它自己跑，你睡觉时它也跑，手机戳一戳继续跑，像一辆自动驾驶汽车。另一条是实习生型，典型代表是 Cursor，每一步都要你判断：diff 改对了吗？这个建议要不要采用？要不要切 MAX 模型重跑一次？它有判断力，但没有自主决策权，你不在跟前盯着，它就停下来。 agent 是替你思考，实习生是和你一起思考，而只有后者，才是真正以术入道的过程。 agent 型工具的核心是省时间，你用它做事，实习生型工具的核心是磨判断力，你用它的过程，就是你长出自己那个道的过程。但实习生型工具有个致命瓶颈——你不在跟前，它就停了。自从被官方投喂 $10000 额度之后，我现在是个 Cursor 重度用户，家里专门放了一台 Mac 跑 Cursor，结果它就变成一个必须我在场才能用的稀缺资源。直到最近朋友给我推了 UU 远程，网易做的，都免费两年了，而且没广告没会员，一开始我都有点不敢相信。试了下发现真香，手机一打开就能接进家里那台 Mac，4K 144 帧，几乎感觉不到延迟，看 Cursor 实时 diff、处理报错、切模型，跟坐电脑前没区别。最让我惊喜的是，手机能直接开终端，以前出门想登家里 Mac 跑命令行，得 Tailscale 再 ssh 再 tmux，折腾半天，还原生支持一个完整终端，跟敲 zsh 没区别， Cursor 跑一半要 git status、kill 进程、npm install，手机抬手就办了，特别方便。更新版本的时候我才发现，UU 远程刚好做到第二年，周年庆重申不收费，继续打磨产品给大家免费用，还预告了几个新功能：安卓屏幕共享、小窗模式、精细化权限管理、文件夹共享、笔记本设备性能优化。一个免费做了两年、还在持续往里砸功能的产品，我觉得是真有长期主义、想把产品做好的。话说回来，AI 发展到这个阶段，我们真正需要的，我理解已经不是更厉害的 AI了，而是一种能让你随时和你的 AI 一起思考的连接方式。目前看，Cursor和UU 远程这类体验和功能都做的非常丝滑极致的产品，对我来说就是这个连接方式，把我和家里那个顶级实习生之间的物理距离消除了，让我能在任何地方，磨我自己的那个道。毕竟 AI 工具的尽头，不是替我们做事，是把我们磨成那个，值得被它认真回答的提问者，以上和大家共勉，一起在学习和使用AI的这条路上，达到以术入道，以道御术的境界。

695,078 Aufrufe • vor 1 Monat

这大概是商业史上最浪漫的一次IPO了，史上最大IPO的现场，我被老马这段演讲感动哭了，Elon Musk 你个大帅比太会煽情了😭 马斯克没聊市值，没讲业绩，他说我们要带你去火星，字面意义上的你，我觉得就老马一句话，盖过了所有财报和估值，他一再强调不是我们要送宇航员去火星，是你，字面上的你，无论你是谁，我们都会带你去。从前太空是国家和精英的自留地，这是第一次，普通人被放进了主语里，平复下心情，我觉得这其实不是马斯克空口的情怀渲染，其实就是被可重复火箭和规模化生产逼出来的必然，因为老马早就知道，成本不落到普通人够得到的位置，整个商业模式就跑不通。这次750亿美元募资不是终点，只是一个正循环的起点，更多资金可以推动技术快速迭代，更低成本换更多参与者，用在地球上赚的钱，来铺人类去火星的路。我们正在亲眼见证一件事，一家私人公司，用资本市场的规则，推着整个人类物种往前走！

这大概是商业史上最浪漫的一次IPO了，史上最大IPO的现场，我被老马这段演讲感动哭了，Elon Musk 你个大帅比太会煽情了😭 马斯克没聊市值，没讲业绩，他说我们要带你去火星，字面意义上的你，我觉得就老马一句话，盖过了所有财报和估值，他一再强调不是我们要送宇航员去火星，是你，字面上的你，无论你是谁，我们都会带你去。从前太空是国家和精英的自留地，这是第一次，普通人被放进了主语里，平复下心情，我觉得这其实不是马斯克空口的情怀渲染，其实就是被可重复火箭和规模化生产逼出来的必然，因为老马早就知道，成本不落到普通人够得到的位置，整个商业模式就跑不通。这次750亿美元募资不是终点，只是一个正循环的起点，更多资金可以推动技术快速迭代，更低成本换更多参与者，用在地球上赚的钱，来铺人类去火星的路。我们正在亲眼见证一件事，一家私人公司，用资本市场的规则，推着整个人类物种往前走！

370,768 Aufrufe • vor 1 Monat

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。但她问，为什么不呢？学生就该用世界给你的资源。学校不该禁止它，该教大家怎么把它变成自己的优势。最讽刺的是，她自己GPA4.0，是实打实的优等生。所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。老一辈把手写论文、死记硬背当成“真学习”。但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。当年禁止学生用计算器学乘法的老师，现在看来可笑至极。今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。其实真正危险的从来都不是AI，是教育系统一边假装AI不存在，一边逼着学生偷偷摸摸用它。结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。而这些，才是未来10年最值钱的能力。我相信AI不会让学生变笨，它只会放大差距。会用AI的人，一个人能顶以前一个团队。不会用AI的人，会被时代甩得连尾灯都看不见。我们的教育还在教学生怎么在没有AI的世界里生存，但他们未来要面对的，是一个AI无处不在的世界。所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。这才是对下一代未来最大的作弊。

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。但她问，为什么不呢？学生就该用世界给你的资源。学校不该禁止它，该教大家怎么把它变成自己的优势。最讽刺的是，她自己GPA4.0，是实打实的优等生。所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。老一辈把手写论文、死记硬背当成“真学习”。但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。当年禁止学生用计算器学乘法的老师，现在看来可笑至极。今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。其实真正危险的从来都不是AI，是教育系统一边假装AI不存在，一边逼着学生偷偷摸摸用它。结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。而这些，才是未来10年最值钱的能力。我相信AI不会让学生变笨，它只会放大差距。会用AI的人，一个人能顶以前一个团队。不会用AI的人，会被时代甩得连尾灯都看不见。我们的教育还在教学生怎么在没有AI的世界里生存，但他们未来要面对的，是一个AI无处不在的世界。所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。这才是对下一代未来最大的作弊。

700,023 Aufrufe • vor 2 Monaten

看了新晋亚洲首富孙正义这个最新访谈睡不着了， 6 月 1 号他在巴黎接受CNBC 专访时透漏了很多未来的财富密码，明确表示下一个万亿美元机会,是 Physical AI 和机器人。以及这一波 AI 革命的规模, 大概率是互联网泡沫时代的 50 倍, 是人类经历过最大的一次技术与实现革命。我看了一圈中文圈的反应, 绝大多数人都把这条当普通新闻刷过去了, 过去三年我们忙着教 AI 写代码、画图、聊天, 但下一个十年,AI很可能会从屏幕里走出来,站起来,迈出腿,动手做事。也就是说, 我们现在练的所有 prompt 技巧、Agent 编排、内容生成等等本质上都还在无身体的 AI这一层。未来真正决定下一代生产力地形的是有身体的那一层，下面这几条,是我把这件事彻底想透之后, 给普通人能用上的一份认知和财富进阶地图 👇

看了新晋亚洲首富孙正义这个最新访谈睡不着了， 6 月 1 号他在巴黎接受CNBC 专访时透漏了很多未来的财富密码，明确表示下一个万亿美元机会,是 Physical AI 和机器人。以及这一波 AI 革命的规模, 大概率是互联网泡沫时代的 50 倍, 是人类经历过最大的一次技术与实现革命。我看了一圈中文圈的反应, 绝大多数人都把这条当普通新闻刷过去了, 过去三年我们忙着教 AI 写代码、画图、聊天, 但下一个十年,AI很可能会从屏幕里走出来,站起来,迈出腿,动手做事。也就是说, 我们现在练的所有 prompt 技巧、Agent 编排、内容生成等等本质上都还在无身体的 AI这一层。未来真正决定下一代生产力地形的是有身体的那一层，下面这几条,是我把这件事彻底想透之后, 给普通人能用上的一份认知和财富进阶地图 👇

336,445 Aufrufe • vor 1 Monat

卧槽，6个月→15天！森马用AI把整个服装行业的底裤都扒了。真的兄弟们，看完森马的 AI 落地，我直接懵了，光2025年，AI就给森马带来几个亿的确收回款，节省视觉、营销、样衣研发等成本数千万，上新周期从 6 个月，直接压到了 15 天。这才是真正的AI落地啊，能对业务带来增量价值，而不是瞎折腾消耗token重复造轮子！很多人以为传统企业用 AI，就是拍个图写个文案，没想到森马直接把 AI 做成了全链路基础设施，覆盖供应链、库存、直播、运营、物流、客服、财务。整整 400 多个场景。连整个经营逻辑都重构了，最狠的是 AIGC 视觉，以前拍一组模特图要等两个月，改个背景换个动作，还要再等两个月，现在 AI 几分钟出图，效果不输实拍，成本几乎为零，所有款式全量覆盖，不用再只赌几个爆款，传统上新是串行的，一个环节等一个环节，现在 AI 介入后全并行推进，不用空等，不用排队，以上这些都是 2025 年已经跑通的真实案例，一年带来几亿回款，省了几千万的成本。通过森马这个案例让我们看到了，其实AI 不只是替代人工干活，还能挖出那些我们根本想不到的隐性成本，把以前不可能的事，变成日常。我感觉以后所有传统企业，都会被逼着走这条路啊。视频大家收好，非常值得收藏和学习！ #森马 #AI落地 #服装行业 #AIGC #企业数字化

卧槽，6个月→15天！森马用AI把整个服装行业的底裤都扒了。真的兄弟们，看完森马的 AI 落地，我直接懵了，光2025年，AI就给森马带来几个亿的确收回款，节省视觉、营销、样衣研发等成本数千万，上新周期从 6 个月，直接压到了 15 天。这才是真正的AI落地啊，能对业务带来增量价值，而不是瞎折腾消耗token重复造轮子！很多人以为传统企业用 AI，就是拍个图写个文案，没想到森马直接把 AI 做成了全链路基础设施，覆盖供应链、库存、直播、运营、物流、客服、财务。整整 400 多个场景。连整个经营逻辑都重构了，最狠的是 AIGC 视觉，以前拍一组模特图要等两个月，改个背景换个动作，还要再等两个月，现在 AI 几分钟出图，效果不输实拍，成本几乎为零，所有款式全量覆盖，不用再只赌几个爆款，传统上新是串行的，一个环节等一个环节，现在 AI 介入后全并行推进，不用空等，不用排队，以上这些都是 2025 年已经跑通的真实案例，一年带来几亿回款，省了几千万的成本。通过森马这个案例让我们看到了，其实AI 不只是替代人工干活，还能挖出那些我们根本想不到的隐性成本，把以前不可能的事，变成日常。我感觉以后所有传统企业，都会被逼着走这条路啊。视频大家收好，非常值得收藏和学习！ #森马 #AI落地 #服装行业 #AIGC #企业数字化

474,083 Aufrufe • vor 2 Monaten

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者，他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。去听真正研究了几十年这个问题的劳动经济学家。最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。每一个都是巨大的障碍。我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者，他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。去听真正研究了几十年这个问题的劳动经济学家。最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。每一个都是巨大的障碍。我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。

601,284 Aufrufe • vor 3 Monaten

真的有点兴奋，终于等来营销圈的 Codex 了，不管你是独立开发还是OPC一人公司，找客户扒联系方式写破冰信这些破事，直接给你干得明明白白！甚至你用来做副业搞钱都是一个超级神器！我们都知道，AI现在已经把写代码的门槛拉平了，Codex能让一个人顶一个开发团队，而现在，营销领域的Codex也出现了——它叫Lev8，找客户这种脏活累活，现在被它直接干碎了，我真的吹爆！我们先来看下benchmark数据，真的炸裂， 1️⃣找海外客户这个场景里，有效结果量Lev8 90个，Exa 58.2个，Codex只拉出20个， 2️⃣匹配精度Lev8 83.3%，Exa 76.5%，Codex 71.8%， 3️⃣单条匹配成本Lev8 $0.052，竟然比Exa的$0.061还低。不只是勉强赢一个点啊兄弟们，搜得更多、准头更高、还更便宜，这三项全中！讲真看到Lev8这个产品，我真的觉得AI真正落地的路径越来越清楚了，我非常笃定的相信，以后不会是一个万能AI模型包打天下，会是一群垂直Agent各自钻进一个完整工作流，把通用模型一件一件替换掉，代码领域Codex已经证明了，现在终于轮到营销了。而且讲真，未来独立开发者和一人公司最稀缺的能力一定是营销能力，也就怎么把产品卖出去，那卖出去的前提是找到目标客户和潜在客户。 Lev8 背后聚合了50+实时数据源，LinkedIn、X、YouTube、Instagram、GitHub全网在跑，10亿+职场人脉做底子，拿到的永远是活数据，而不是那些买来的僵尸名单。而且它不是搜完就扔给你，会帮你盯着搞钱信号——哪家刚融资、哪家在招人、哪家刚改版、哪家创始人在论坛上吐槽某个问题，这就意味着现在出手最不突兀的时机它都全帮你盯着，抓到信号之后自动给你写定制的破冰开场白，而且不是那种千篇一律的模板，然后邮件、LinkedIn、WhatsApp、Instagram、X五个渠道一键发出去，回复统一收回来。过去要开四五个工具、建一堆表格、自己手动盯半年才能跑完的找人→调研→写开场白→发消息→跟动态，现在在一个聊天框里大白话讲一句，它替你全跑了！这和Codex赢的逻辑一模一样，Codex能这么火爆不是因为比GPT聪明，是它嵌入进了代码的整个工作流——懂仓库、能跑终端、能看报错、能跑测试， Lev8在营销上干的就是这件事，从帮你搜个邮箱变成替你把找人这摊事跑起来，是比通用模型注做的可深多了。具体大家可以看下方我实际跑测的视频👇

真的有点兴奋，终于等来营销圈的 Codex 了，不管你是独立开发还是OPC一人公司，找客户扒联系方式写破冰信这些破事，直接给你干得明明白白！甚至你用来做副业搞钱都是一个超级神器！我们都知道，AI现在已经把写代码的门槛拉平了，Codex能让一个人顶一个开发团队，而现在，营销领域的Codex也出现了——它叫Lev8，找客户这种脏活累活，现在被它直接干碎了，我真的吹爆！我们先来看下benchmark数据，真的炸裂， 1️⃣找海外客户这个场景里，有效结果量Lev8 90个，Exa 58.2个，Codex只拉出20个， 2️⃣匹配精度Lev8 83.3%，Exa 76.5%，Codex 71.8%， 3️⃣单条匹配成本Lev8 $0.052，竟然比Exa的$0.061还低。不只是勉强赢一个点啊兄弟们，搜得更多、准头更高、还更便宜，这三项全中！讲真看到Lev8这个产品，我真的觉得AI真正落地的路径越来越清楚了，我非常笃定的相信，以后不会是一个万能AI模型包打天下，会是一群垂直Agent各自钻进一个完整工作流，把通用模型一件一件替换掉，代码领域Codex已经证明了，现在终于轮到营销了。而且讲真，未来独立开发者和一人公司最稀缺的能力一定是营销能力，也就怎么把产品卖出去，那卖出去的前提是找到目标客户和潜在客户。 Lev8 背后聚合了50+实时数据源，LinkedIn、X、YouTube、Instagram、GitHub全网在跑，10亿+职场人脉做底子，拿到的永远是活数据，而不是那些买来的僵尸名单。而且它不是搜完就扔给你，会帮你盯着搞钱信号——哪家刚融资、哪家在招人、哪家刚改版、哪家创始人在论坛上吐槽某个问题，这就意味着现在出手最不突兀的时机它都全帮你盯着，抓到信号之后自动给你写定制的破冰开场白，而且不是那种千篇一律的模板，然后邮件、LinkedIn、WhatsApp、Instagram、X五个渠道一键发出去，回复统一收回来。过去要开四五个工具、建一堆表格、自己手动盯半年才能跑完的找人→调研→写开场白→发消息→跟动态，现在在一个聊天框里大白话讲一句，它替你全跑了！这和Codex赢的逻辑一模一样，Codex能这么火爆不是因为比GPT聪明，是它嵌入进了代码的整个工作流——懂仓库、能跑终端、能看报错、能跑测试， Lev8在营销上干的就是这件事，从帮你搜个邮箱变成替你把找人这摊事跑起来，是比通用模型注做的可深多了。具体大家可以看下方我实际跑测的视频👇

109,775 Aufrufe • vor 17 Tagen

holy shit😭 这是要干掉几百家公司的节奏啊Σ(ﾟдﾟ;)

Sensitive content

This media may contain sensitive content.

holy shit😭 这是要干掉几百家公司的节奏啊Σ(ﾟдﾟ;)

393,063 Aufrufe • vor 2 Monaten

SpaceX 首日开盘直接涨12%，也就在这一刻Elon刚刚创造了约4000位新百万富翁， 4400多名现任和前员工成了百万富翁，400人身家突破一亿美金！我觉得相比SpaceX上市达到的1.8万亿估值，更让人羡慕的是那些焊火箭的工人，管食堂的员工，跟着一起财务自由了。现场两个接受采访的工程师，持股价值一千万美元，对着镜头说终于可以退休了哈哈哈😁 SpaceX真的是一家很特别的公司，别家公司IPO，财富九成集中在顶层， SpaceX偏不，常年薪资低于行业水平，股权全员铺开，从焊工到技师再到后勤，只要熬得住，人人都能拿到期权。说白了，打工是线性的，拿时间换钱，天花板一眼看得见。但股权是非线性的，时间乘以公司增长，乘数效应上来直接改写人生。总有人说普通人没有阶层跃迁的机会，但这件事最朴素的真相是：死工资只能保你温饱，真正的大机会，永远是用时间押注难而正确的事，拿所有权换时代的红利，希望我们都能有这样的机会和allin的魄力和勇气👊

SpaceX 首日开盘直接涨12%，也就在这一刻Elon刚刚创造了约4000位新百万富翁， 4400多名现任和前员工成了百万富翁，400人身家突破一亿美金！我觉得相比SpaceX上市达到的1.8万亿估值，更让人羡慕的是那些焊火箭的工人，管食堂的员工，跟着一起财务自由了。现场两个接受采访的工程师，持股价值一千万美元，对着镜头说终于可以退休了哈哈哈😁 SpaceX真的是一家很特别的公司，别家公司IPO，财富九成集中在顶层， SpaceX偏不，常年薪资低于行业水平，股权全员铺开，从焊工到技师再到后勤，只要熬得住，人人都能拿到期权。说白了，打工是线性的，拿时间换钱，天花板一眼看得见。但股权是非线性的，时间乘以公司增长，乘数效应上来直接改写人生。总有人说普通人没有阶层跃迁的机会，但这件事最朴素的真相是：死工资只能保你温饱，真正的大机会，永远是用时间押注难而正确的事，拿所有权换时代的红利，希望我们都能有这样的机会和allin的魄力和勇气👊

190,900 Aufrufe • vor 1 Monat

后续来了兄弟们，卧槽真的太炸了，同样的任务，同样的配置，速度比Claude Sonnet 4.6还快 6 倍，成本低约 50 倍， openrouter 和官方 API 均限时免费 1 周使用时间，白嫖的机会，冲啊兄弟们！我上周那条讲Elephant Alpha的推不是爆了吗，很多兄弟在评论区猜背后是谁，现在谜底揭晓了。蚂蚁集团AGI团队（Ant Ling）的Ling-2.6-flash，猜中国产大厂马甲的兄弟，你赢了。说实话我看到架构数字那一刻，上周用它的所有体感全部对上了。总参数104B，每次推理真正激活的只有7.4B，激活率7%，256个专家里每次只叫醒一小撮干活，其他的继续睡觉😂 这就是为啥上周我说它token消耗肉眼可见往下掉——100块钱的模型，每次推理只烧7块钱的算力，跑出了100块钱的智能，这可不是玄学啊，属于架构层面就在为效率让路。再叠Linear Attention把传统Transformer的二次复杂度压下来，再加Multi-Token Prediction做推理加速，三件事一起上，FP8单卡341 tokens/s，Artificial Analysis实测输出215 tokens/s，和gpt-oss-120B并列第一梯队。说实话，速度方面上周体验之后我早就服了，这回真正让我愣住的是跑分。 Artificial Analysis跑完全量评测，Ling-2.6-flash只烧了大约15M tokens，Nemotron-3-Super烧了接近10倍，Intelligence Score却拿到26，和Gemini 2.5 Flash同梯队。都便宜到这个份上，大家下意识觉得肯定哪里凑合了，但agentic跑分直接打脸，SWE-bench Verified 62，BFCL-V4 67，TAU2-Telecom 93.86，SWE-bench测的是真实代码仓库里定位Bug加生成补丁，BFCL测的是函数调用准确性，全是硬场景，不是那种学术榜单刷分。上周我搭那个串三个工具的小Agent跑得贼利索，现在明白了，这模型从训练阶段就是奔着Agent去的，别人做Agent是改装车，它是原厂出的Agent专用机。所以我上周说的那套玩法现在有了官方解释——Claude管架构和规划调一次，Ling-2.6-flash管分步执行跑一百次，成本砍到十分之一，不是我瞎搭的野路子，是这个模型本来就为这个场景而生。蚂蚁的产品线逻辑也清晰，Ling做基础，Ring做推理，Ming做多模态，这次先以stealth身份在OpenRouter和Kilo上免费放出来收集反馈，后面会开源，再推商用版LingDT，还会出BF16/FP8/INT4量化版。路径就是社区验证→开源扩散→商业落地，对开发者来说，现在就是白嫖窗口期，免费还剩几天。用了这段时间我给它的定位很明确，它是目前最适合一直开着的模型之一，Agent持续跑、代码补全随时触发、长文档批量处理，越高频越省钱，账单每个月都会替它说话。但极端复杂的推理链、需要反复自我纠错的长思考任务，你可能还是得上重型推理模型，它的sweet spot是够聪明+极快+极省那个三角区，日常80%的活它接得住，接得还比大多数模型便宜。所以说2026年看模型不能再盯着单一智能分了，当Agent从偶尔问一下变成24小时不间断跑的基础设施，每个token的有效产出就是新的胜负手，Ling-2.6-flash是目前这个方向上跑得最激进、也交出实际成绩单的选手之一。上周说过的话，这周全部兑现，挺爽的🌚 #ElephantAlpha #Ling2Flash #AntAGI #Agent #大模型

后续来了兄弟们，卧槽真的太炸了，同样的任务，同样的配置，速度比Claude Sonnet 4.6还快 6 倍，成本低约 50 倍， openrouter 和官方 API 均限时免费 1 周使用时间，白嫖的机会，冲啊兄弟们！我上周那条讲Elephant Alpha的推不是爆了吗，很多兄弟在评论区猜背后是谁，现在谜底揭晓了。蚂蚁集团AGI团队（Ant Ling）的Ling-2.6-flash，猜中国产大厂马甲的兄弟，你赢了。说实话我看到架构数字那一刻，上周用它的所有体感全部对上了。总参数104B，每次推理真正激活的只有7.4B，激活率7%，256个专家里每次只叫醒一小撮干活，其他的继续睡觉😂 这就是为啥上周我说它token消耗肉眼可见往下掉——100块钱的模型，每次推理只烧7块钱的算力，跑出了100块钱的智能，这可不是玄学啊，属于架构层面就在为效率让路。再叠Linear Attention把传统Transformer的二次复杂度压下来，再加Multi-Token Prediction做推理加速，三件事一起上，FP8单卡341 tokens/s，Artificial Analysis实测输出215 tokens/s，和gpt-oss-120B并列第一梯队。说实话，速度方面上周体验之后我早就服了，这回真正让我愣住的是跑分。 Artificial Analysis跑完全量评测，Ling-2.6-flash只烧了大约15M tokens，Nemotron-3-Super烧了接近10倍，Intelligence Score却拿到26，和Gemini 2.5 Flash同梯队。都便宜到这个份上，大家下意识觉得肯定哪里凑合了，但agentic跑分直接打脸，SWE-bench Verified 62，BFCL-V4 67，TAU2-Telecom 93.86，SWE-bench测的是真实代码仓库里定位Bug加生成补丁，BFCL测的是函数调用准确性，全是硬场景，不是那种学术榜单刷分。上周我搭那个串三个工具的小Agent跑得贼利索，现在明白了，这模型从训练阶段就是奔着Agent去的，别人做Agent是改装车，它是原厂出的Agent专用机。所以我上周说的那套玩法现在有了官方解释——Claude管架构和规划调一次，Ling-2.6-flash管分步执行跑一百次，成本砍到十分之一，不是我瞎搭的野路子，是这个模型本来就为这个场景而生。蚂蚁的产品线逻辑也清晰，Ling做基础，Ring做推理，Ming做多模态，这次先以stealth身份在OpenRouter和Kilo上免费放出来收集反馈，后面会开源，再推商用版LingDT，还会出BF16/FP8/INT4量化版。路径就是社区验证→开源扩散→商业落地，对开发者来说，现在就是白嫖窗口期，免费还剩几天。用了这段时间我给它的定位很明确，它是目前最适合一直开着的模型之一，Agent持续跑、代码补全随时触发、长文档批量处理，越高频越省钱，账单每个月都会替它说话。但极端复杂的推理链、需要反复自我纠错的长思考任务，你可能还是得上重型推理模型，它的sweet spot是够聪明+极快+极省那个三角区，日常80%的活它接得住，接得还比大多数模型便宜。所以说2026年看模型不能再盯着单一智能分了，当Agent从偶尔问一下变成24小时不间断跑的基础设施，每个token的有效产出就是新的胜负手，Ling-2.6-flash是目前这个方向上跑得最激进、也交出实际成绩单的选手之一。上周说过的话，这周全部兑现，挺爽的🌚 #ElephantAlpha #Ling2Flash #AntAGI #Agent #大模型

450,327 Aufrufe • vor 2 Monaten

有点炸裂，Cascadeur把AI动画的token计费直接干没了🤯 AI inbetweening、智能摆姿、物理工具，全部本地跑，没token、没credits、没云端排队，就四个字——无限生成视频里最狠的演示是拿一个低多边形blockout rig直接出复杂奔跑动画，多场景秒切，没有任何生成等待画面核心就三层: 1️⃣ 导入你自己的blockout角色rig 2️⃣ 用AI inbetweening补帧，智能摆姿调关键动态 3️⃣ 物理工具自动算重量感和接触——全程不联网，本地算力直接跑这事真正的意义不仅仅是又一个AI动画工具，关键是它把动画迭代从"每次实验都要花钱/排队"变成在你本地就可以随意试了，我印象里以前用云端工具改一个动作，脑子里得先算token，现在不用了，Photoshop滤镜怎么试，这就怎么试🤣

有点炸裂，Cascadeur把AI动画的token计费直接干没了🤯 AI inbetweening、智能摆姿、物理工具，全部本地跑，没token、没credits、没云端排队，就四个字——无限生成视频里最狠的演示是拿一个低多边形blockout rig直接出复杂奔跑动画，多场景秒切，没有任何生成等待画面核心就三层: 1️⃣ 导入你自己的blockout角色rig 2️⃣ 用AI inbetweening补帧，智能摆姿调关键动态 3️⃣ 物理工具自动算重量感和接触——全程不联网，本地算力直接跑这事真正的意义不仅仅是又一个AI动画工具，关键是它把动画迭代从"每次实验都要花钱/排队"变成在你本地就可以随意试了，我印象里以前用云端工具改一个动作，脑子里得先算token，现在不用了，Photoshop滤镜怎么试，这就怎么试🤣

146,078 Aufrufe • vor 29 Tagen