Berryxia.AI's banner

Berryxia.AI

@berryxia • 53,293 subscribers

Building AI tools AI System Prompt Love Design & Coding & Share Prompt！ 📮:[email protected]

Shorts

喜大普奔啊，𝕏 的任何用户都可以开始免费Grok 4.5 了。还没有体验的赶紧试试吧，速度是真的快！地址：

喜大普奔啊，𝕏 的任何用户都可以开始免费Grok 4.5 了。还没有体验的赶紧试试吧，速度是真的快！地址：

130,893 次观看

兄弟们，这几个皮肤收个29.9 一杯咖啡钱不过份吧！岚叔你觉得呢？等你们打钱了~~赶紧扣1~~~

兄弟们，这几个皮肤收个29.9 一杯咖啡钱不过份吧！岚叔你觉得呢？等你们打钱了赶紧扣1~

64,153 次观看

我超，牛逼！目前最大的开源CAD操作数据集放出来了，超过1000小时。 Markov Labs发布了面向Computer-Use的CAD数据集，覆盖SolidWorks、Siemens NX、AutoCAD等主流软件。内容包括屏幕录制、鼠标键盘操作、输入图纸、输出文件、评分标准和旁白讲解。专业CAD软件操作复杂、界面密集，以前很难找到足够规模的真实操作数据来训练Agent。现在有了上千小时的开源数据，做能真正操作CAD的GUI Agent有了更扎实的基础。当工业软件的操作轨迹开始被大规模开源时，Agent进入专业设计工具的速度会加快。你觉得CAD会是下一个被Agent深度攻克的专业软件领域吗？地址：

我超，牛逼！目前最大的开源CAD操作数据集放出来了，超过1000小时。 Markov Labs发布了面向Computer-Use的CAD数据集，覆盖SolidWorks、Siemens NX、AutoCAD等主流软件。内容包括屏幕录制、鼠标键盘操作、输入图纸、输出文件、评分标准和旁白讲解。专业CAD软件操作复杂、界面密集，以前很难找到足够规模的真实操作数据来训练Agent。现在有了上千小时的开源数据，做能真正操作CAD的GUI Agent有了更扎实的基础。当工业软件的操作轨迹开始被大规模开源时，Agent进入专业设计工具的速度会加快。你觉得CAD会是下一个被Agent深度攻克的专业软件领域吗？地址：

62,417 次观看

开始让美女助教卖课了😂 丝滑～

开始让美女助教卖课了😂 丝滑～

99,720 次观看

别吹了！根本不是那么回事！日本的Fugu在日语里面是河豚🐡的意思，就是那个胖嘟嘟很可爱有剧毒的河豚。对比了Fugu、GLM 5.2、Opus 4.8、GPt-5.5 其实实际还是和GLM 5.2 都有很明显的差距，没有到接近。这两天都是在搞营销宣发，这个也是美国VC机构主要投资的日本企业。话说日本在AI这一波中根本就没有赶上，他们可以「蒸馏」出牛逼的模型吗？我不信可以那么快赶超中美。

别吹了！根本不是那么回事！日本的Fugu在日语里面是河豚🐡的意思，就是那个胖嘟嘟很可爱有剧毒的河豚。对比了Fugu、GLM 5.2、Opus 4.8、GPt-5.5 其实实际还是和GLM 5.2 都有很明显的差距，没有到接近。这两天都是在搞营销宣发，这个也是美国VC机构主要投资的日本企业。话说日本在AI这一波中根本就没有赶上，他们可以「蒸馏」出牛逼的模型吗？我不信可以那么快赶超中美。

91,868 次观看

豆包Work的产品经理钰乔说：豆包工作生成PPT更多基于内容理解来生成，而不是简单的套模板。豆姐学习能力牛啊😄

豆包Work的产品经理钰乔说：豆包工作生成PPT更多基于内容理解来生成，而不是简单的套模板。豆姐学习能力牛啊😄

34,330 次观看

华强北大军出击吧，没有任何难度？

华强北大军出击吧，没有任何难度？

65,558 次观看

卧槽！我的MacDuo有应用价值了😄 今天看到这位老哥的这个idea，我没有做AirPods的追踪来判断的模糊效果。我做了用户不看屏幕或者离开电脑就会进行模糊的效果，支持自定义时间以及对应的锁屏密码开启登。只要眼睛不看屏幕就可以模糊，其实可以做个番茄钟模式😁 感兴趣的去试试，GitHub已经刷版。地址：

卧槽！我的MacDuo有应用价值了😄 今天看到这位老哥的这个idea，我没有做AirPods的追踪来判断的模糊效果。我做了用户不看屏幕或者离开电脑就会进行模糊的效果，支持自定义时间以及对应的锁屏密码开启登。只要眼睛不看屏幕就可以模糊，其实可以做个番茄钟模式😁 感兴趣的去试试，GitHub已经刷版。地址：

19,706 次观看

🔥Meta 重磅开源神器！纯 Python 就能完整驱动 3D 角色动画，无需任何重型游戏引擎！ 1. 仅用 PyTorch + NumPy 纯 Python 实现，安装简单零依赖 2. 通过神经网络驱动高质量 AI 动作生成和角色动画 3. 动作捕捉处理、训练、推理、实时可视化全部在同一环境完成 4. 彻底告别 Unity / Unreal 的复杂工作流，开发门槛大幅降低 AI 动画和独立游戏开发者福音，开源项目立即冲！ 👇🏻项目地址：

🔥Meta 重磅开源神器！纯 Python 就能完整驱动 3D 角色动画，无需任何重型游戏引擎！ 1. 仅用 PyTorch + NumPy 纯 Python 实现，安装简单零依赖 2. 通过神经网络驱动高质量 AI 动作生成和角色动画 3. 动作捕捉处理、训练、推理、实时可视化全部在同一环境完成 4. 彻底告别 Unity / Unreal 的复杂工作流，开发门槛大幅降低 AI 动画和独立游戏开发者福音，开源项目立即冲！ 👇🏻项目地址：

37,516 次观看

既然你们拿出了4月份压箱底的老货，我不得不拿出来我的神贴了！全网最优雅最美排版最好最好中文版本直接在线学习版本！翻译：宝玉老师宝玉 | 我整理翻译了一下！对于学习提示词入门，我还是非常推荐！

既然你们拿出了4月份压箱底的老货，我不得不拿出来我的神贴了！全网最优雅最美排版最好最好中文版本直接在线学习版本！翻译：宝玉老师宝玉 | 我整理翻译了一下！对于学习提示词入门，我还是非常推荐！

44,994 次观看

兄弟们，看这个AI辅助的头影测量轨迹，直接把我看呆了。干了我一直想干没有干的事儿！即使你完全不懂正畸，也能一眼感受到那种丝滑和精准。 Alberto 这位正畸医生兼macOS原生开发者，把自己的OrthoKit App做成了真·黑科技。以前做一次完整的头影测量，医生得手动点几十个关键标志点，花大半天时间，还容易出错。现在AI直接接管，整个过程自动识别、自动描迹、自动生成报告，几秒钟就出结果。 App已经在App Store上线，Mac、iPhone、iPad全平台支持。前15个患者免费，里面30多个分析项目，一半以上是全AI驱动（Steiner、McNamara、Bjork、Baccetti…）。 AI真正开始把“专业门槛极高”的医疗诊断，从手工活变成了人人能用的智能工具。以前只有顶级诊所能做的精准分析，现在普通正畸医生也能轻松拥有。

兄弟们，看这个AI辅助的头影测量轨迹，直接把我看呆了。干了我一直想干没有干的事儿！即使你完全不懂正畸，也能一眼感受到那种丝滑和精准。 Alberto 这位正畸医生兼macOS原生开发者，把自己的OrthoKit App做成了真·黑科技。以前做一次完整的头影测量，医生得手动点几十个关键标志点，花大半天时间，还容易出错。现在AI直接接管，整个过程自动识别、自动描迹、自动生成报告，几秒钟就出结果。 App已经在App Store上线，Mac、iPhone、iPad全平台支持。前15个患者免费，里面30多个分析项目，一半以上是全AI驱动（Steiner、McNamara、Bjork、Baccetti…）。 AI真正开始把“专业门槛极高”的医疗诊断，从手工活变成了人人能用的智能工具。以前只有顶级诊所能做的精准分析，现在普通正畸医生也能轻松拥有。

18,110 次观看

卧槽！老马的现金流奶牛简直了！开启印钞机模式了，买Cursor岂不是洒洒水啊！ SpaceX现在每个月光靠给AI公司提供算力，就能收到23.2亿美元。根据这个爆料，SpaceX和三家AI公司签了大规模算力协议： - Anthropic每月支付12.5亿美元 - Google每月支付9.2亿美元 - Reflection每月支付1.5亿美元加起来一个月约23.2亿，一年接近280亿的跑率，而且这还只是AI算力这一个业务线。这说明SpaceX已经不只是在造火箭和发卫星了。他们正在把轨道计算能力和全球低延迟网络，直接转化成AI时代的基础设施生意。 AI公司需要海量、稳定、分布式的算力，而SpaceX正好有这个独特优势。以前大家觉得SpaceX的收入主要来自NASA合同和Starlink用户，现在AI算力已经成了一个增长极快的新赛道，而且规模已经相当可观。 SpaceX正在从“航天公司”往“AI+航天基础设施公司”转型，这条路走得比很多人想象的更快。 PS：助力还得涨一波吧～叙事拉满了

卧槽！老马的现金流奶牛简直了！开启印钞机模式了，买Cursor岂不是洒洒水啊！ SpaceX现在每个月光靠给AI公司提供算力，就能收到23.2亿美元。根据这个爆料，SpaceX和三家AI公司签了大规模算力协议： - Anthropic每月支付12.5亿美元 - Google每月支付9.2亿美元 - Reflection每月支付1.5亿美元加起来一个月约23.2亿，一年接近280亿的跑率，而且这还只是AI算力这一个业务线。这说明SpaceX已经不只是在造火箭和发卫星了。他们正在把轨道计算能力和全球低延迟网络，直接转化成AI时代的基础设施生意。 AI公司需要海量、稳定、分布式的算力，而SpaceX正好有这个独特优势。以前大家觉得SpaceX的收入主要来自NASA合同和Starlink用户，现在AI算力已经成了一个增长极快的新赛道，而且规模已经相当可观。 SpaceX正在从“航天公司”往“AI+航天基础设施公司”转型，这条路走得比很多人想象的更快。 PS：助力还得涨一波吧～叙事拉满了

14,636 次观看

兄弟们！这套电商Agent真的不错哦！支持任意主题、任意内容、任意素材、文本、图片均可进行制作属于你的专属电商网站、独立站、图片素材包。非常的方便，一次制作完Agent，一劳永逸，可反复用。地址见评论区，进行制作体验，另外需要提示词的我明天统一给留言的朋友们发送！这套东西我直接开源，希望大家可以一键三连。

兄弟们！这套电商Agent真的不错哦！支持任意主题、任意内容、任意素材、文本、图片均可进行制作属于你的专属电商网站、独立站、图片素材包。非常的方便，一次制作完Agent，一劳永逸，可反复用。地址见评论区，进行制作体验，另外需要提示词的我明天统一给留言的朋友们发送！这套东西我直接开源，希望大家可以一键三连。

19,289 次观看

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

兄弟们，千呼万唤始出来！大家期待已久的数字人教程升级版来了。爆肝数周消耗数千美金的保姆小白可上手的数字人教程终于可自动化，可稳定输出了。我已经将这个Skills 打包在GitHub上，开源免费直接可以使用。数字资产部分是全程使用了Renoise AI，你也可以根据自己的资源进行调整或者使用，但是建议直接一条龙的它来完成。不废话地址放评论区，记得给我Star ，图文版晚点更新给大家～

兄弟们，千呼万唤始出来！大家期待已久的数字人教程升级版来了。爆肝数周消耗数千美金的保姆小白可上手的数字人教程终于可自动化，可稳定输出了。我已经将这个Skills 打包在GitHub上，开源免费直接可以使用。数字资产部分是全程使用了Renoise AI，你也可以根据自己的资源进行调整或者使用，但是建议直接一条龙的它来完成。不废话地址放评论区，记得给我Star ，图文版晚点更新给大家～

322,788 次观看 • 5 天前

🎉兄弟们，定咚叮咚弄咚哐！给大家说的Vibe 知识大赏的解说的Skills，开源了！这2天已经调整数次，学习和参考、分析了很多优秀的项目，包括Lemomo、huashu、yihui等老师们的项目，也已经在项目中申明引用情况。我已经将这个Skills 打包在GitHub上，开源免费直接可以使用。包括0积分和增强版的模式，自己选择就行，你也可以根据自己的资源进行调整或者使用，但是建议直接一条龙的它来完成。不废话地址放评论区，记得给我Star 。

🎉兄弟们，定咚叮咚弄咚哐！给大家说的Vibe 知识大赏的解说的Skills，开源了！这2天已经调整数次，学习和参考、分析了很多优秀的项目，包括Lemomo、huashu、yihui等老师们的项目，也已经在项目中申明引用情况。我已经将这个Skills 打包在GitHub上，开源免费直接可以使用。包括0积分和增强版的模式，自己选择就行，你也可以根据自己的资源进行调整或者使用，但是建议直接一条龙的它来完成。不废话地址放评论区，记得给我Star 。

34,507 次观看 • 2 天前

兄弟们，最近国内爆火的 #Vibe知识大赏，我把整套做法拆成了一个 skill，今天下午发保姆教程！说一个选题，它就给你出一条有旁白、每句有出处的精品知识短片： 43 套风格、8 个家族：东方 / 暗场 / 明亮 / 印刷 / 图解 / 纪实 / 电影感 / 游戏 6 种讲法模板：猜谜、两难选择、痛点原理、一条主线、闯关、六面轮转两档制作：纯代码 0 积分能出片，想要写实镜头再加 AI 生图有手就行系列。skills 免费开源，可以接入 Claude、Codex、WorkBuddy、豆包、纳米 Work、千问 Work 等 Agent。记得关注，别错过下午的教程～

兄弟们，最近国内爆火的 #Vibe知识大赏，我把整套做法拆成了一个 skill，今天下午发保姆教程！说一个选题，它就给你出一条有旁白、每句有出处的精品知识短片： 43 套风格、8 个家族：东方 / 暗场 / 明亮 / 印刷 / 图解 / 纪实 / 电影感 / 游戏 6 种讲法模板：猜谜、两难选择、痛点原理、一条主线、闯关、六面轮转两档制作：纯代码 0 积分能出片，想要写实镜头再加 AI 生图有手就行系列。skills 免费开源，可以接入 Claude、Codex、WorkBuddy、豆包、纳米 Work、千问 Work 等 Agent。记得关注，别错过下午的教程～

35,285 次观看 • 3 天前

这下金庸本人不得佩服的五体投地！万万没想到有一天和AI搭嘎了～这天龙八部Dario Amodei 看了不得兴奋，Sam Altman 奥特曼看了不得大喜哈哈😂 最后还得靠梁祖来拯救你们… 不行了，真的太好笑了。你们一定看完，视频作者赛博奇哥们太有才了。

这下金庸本人不得佩服的五体投地！万万没想到有一天和AI搭嘎了～这天龙八部Dario Amodei 看了不得兴奋，Sam Altman 奥特曼看了不得大喜哈哈😂 最后还得靠梁祖来拯救你们… 不行了，真的太好笑了。你们一定看完，视频作者赛博奇哥们太有才了。

432,856 次观看 • 2 个月前

卧槽，成功开通Muse 不到1分钟。刚刚刷到老杨说使用Google Gemini 来开通Muse. 赶紧去搞啊，可以送10亿token啊！【Muse AI开通教程】试了一下，做了一个视频教程。核心关键：大家首先要准备2个东西。 1. 要有Google的Gemini Pro账号 2. 登录Pro账号后，点击对应的Spark Beta版本测试版登录进去后，给它发送一句话：“帮我使用远程桌面打开Google官网，首页或者之类的这种就都可以。” 输入对应的Muse AI官网，然后使用谷歌邮箱登录，输验证码，就可以了，很简单。

卧槽，成功开通Muse 不到1分钟。刚刚刷到老杨说使用Google Gemini 来开通Muse. 赶紧去搞啊，可以送10亿token啊！【Muse AI开通教程】试了一下，做了一个视频教程。核心关键：大家首先要准备2个东西。 1. 要有Google的Gemini Pro账号 2. 登录Pro账号后，点击对应的Spark Beta版本测试版登录进去后，给它发送一句话：“帮我使用远程桌面打开Google官网，首页或者之类的这种就都可以。” 输入对应的Muse AI官网，然后使用谷歌邮箱登录，输验证码，就可以了，很简单。

228,485 次观看 • 1 个月前

我擦！！！Google Gemini 4 这个效果太顶了吧~ 这个质量绝对可以啊~可以和Kimi k3 掰掰手腕了~ 据说已经开始灰度了，有人说上下文长度突破1m哈哈

我擦！！！Google Gemini 4 这个效果太顶了吧~ 这个质量绝对可以啊~可以和Kimi k3 掰掰手腕了~ 据说已经开始灰度了，有人说上下文长度突破1m哈哈

269,753 次观看 • 1 个月前

数字人制作开源项目预热ing~~ Case 1 # 数字人卖课广告Demo 这课咱就说买不买吧，兄弟们？

数字人制作开源项目预热ing~~ Case 1 # 数字人卖课广告Demo 这课咱就说买不买吧，兄弟们？

19,077 次观看 • 5 天前

Stanford 这堂 2 小时 AI 系统构建课，直接把 Claude 所有教程和 Prompting Thread 秒了！强烈推荐： “比你刷过的所有 Claude 教程都实用 10 倍” 里面讲的不是 prompt 技巧，而是 Stanford 真正教工程师如何从零构建可靠 AI 系统的完整方法论。周末就刷这一个，绝对是你这周最有生产力的事！我已经将其翻译为中英文双语视频直接戳这里👇

Stanford 这堂 2 小时 AI 系统构建课，直接把 Claude 所有教程和 Prompting Thread 秒了！强烈推荐： “比你刷过的所有 Claude 教程都实用 10 倍” 里面讲的不是 prompt 技巧，而是 Stanford 真正教工程师如何从零构建可靠 AI 系统的完整方法论。周末就刷这一个，绝对是你这周最有生产力的事！我已经将其翻译为中英文双语视频直接戳这里👇

603,456 次观看 • 6 个月前

兄弟们，感觉3D建模 CAD “要死啊”？ Kimi 3直接吊打头部的模型了！这个质感和交互都是一气呵成，根本不需要你搞很负责的Prompt. 不废话，直接看视频。👇🏻

兄弟们，感觉3D建模 CAD “要死啊”？ Kimi 3直接吊打头部的模型了！这个质感和交互都是一气呵成，根本不需要你搞很负责的Prompt. 不废话，直接看视频。👇🏻

274,087 次观看 • 3 个月前

卧槽，我把小时候玩的《是男人就下18层》，搓成能和朋友联机玩的版本了😂 主要使用 Codex 的 GPT-6 Sol + Combos CLI Combos Fun by Converge.AI 搓成了能和朋友联机的《真男人就下18层》开头我只给 Codex 一个想法：“做个大家一起往下跳、失误就淘汰的小游戏。” 后面边玩边口喷：角色得丑萌、跳跃要有动作、下深了要打 Boss，还得有道具、AI 对手和真人联机。它就一轮轮接着改。素材这块挺好玩，非常的方便。 Combos CLI 里能调用图像和像素素材模型做角色、场景、道具、动作帧；3D 有 Tripo、Meshy；打击音效、角色配音、BGM 也有 ElevenLabs、Suno 等模型可选。再把联机能力接上、部署到 Combos，朋友打开链接就能进来玩。想自己试，先把 CLI 页面发给 Codex、Claude ，让它帮你安装：真不是“一句话秒出完整游戏”。最爽的是从一句话开工，你负责不断挑毛病，AI 负责把它改到真的能玩。视频里就是这次从想法到发布的过程👇 游戏也放这儿，看看你能下几层评论区就可以玩：是男人，就来下18层！别在评论区先吹牛了😄

卧槽，我把小时候玩的《是男人就下18层》，搓成能和朋友联机玩的版本了😂 主要使用 Codex 的 GPT-6 Sol + Combos CLI Combos Fun by Converge.AI 搓成了能和朋友联机的《真男人就下18层》开头我只给 Codex 一个想法：“做个大家一起往下跳、失误就淘汰的小游戏。” 后面边玩边口喷：角色得丑萌、跳跃要有动作、下深了要打 Boss，还得有道具、AI 对手和真人联机。它就一轮轮接着改。素材这块挺好玩，非常的方便。 Combos CLI 里能调用图像和像素素材模型做角色、场景、道具、动作帧；3D 有 Tripo、Meshy；打击音效、角色配音、BGM 也有 ElevenLabs、Suno 等模型可选。再把联机能力接上、部署到 Combos，朋友打开链接就能进来玩。想自己试，先把 CLI 页面发给 Codex、Claude ，让它帮你安装：真不是“一句话秒出完整游戏”。最爽的是从一句话开工，你负责不断挑毛病，AI 负责把它改到真的能玩。视频里就是这次从想法到发布的过程👇 游戏也放这儿，看看你能下几层评论区就可以玩：是男人，就来下18层！别在评论区先吹牛了😄

96,956 次观看 • 1 个月前

你说这个效果的PROMPT简单到不能简单： “比如你以美女主播介绍什么是Skills为例来做一个9：16的口播视频” 这个效果你自己做要多久才可以做出来，算算时间成本就知道就懂了。

你说这个效果的PROMPT简单到不能简单： “比如你以美女主播介绍什么是Skills为例来做一个9：16的口播视频” 这个效果你自己做要多久才可以做出来，算算时间成本就知道就懂了。

14,200 次观看 • 5 天前

Claude Opus 5.5 的发布，受到最大的冲击的不是GPT-6，而是视频模型哈哈！！一句话就可以做出这样宣传片~~ 今天真是被Opus 5.5 硬控的一天，不接受反驳！！!

Claude Opus 5.5 的发布，受到最大的冲击的不是GPT-6，而是视频模型哈哈！！一句话就可以做出这样宣传片~~ 今天真是被Opus 5.5 硬控的一天，不接受反驳！！!

77,938 次观看 • 1 个月前

兄弟们，别羡慕别人的iPhone Duo了！我给你免费把玩来~~~ 不用羡慕iPhone Duo ，我直接看老薛那天分享的一个网站我就从新复刻做了一个iPhone Duo交互的网站。主要功能如下： 1、支持用户自定义上传图片，多张照片和多个场景图。 2、支持上传视频就可以展示其交互效果。 3、支持用户输入网站生成抓取对应的图片Beta版本，这个还有点问题。 4、支持导出交互演示视频，多国语言支持。体验地址：

兄弟们，别羡慕别人的iPhone Duo了！我给你免费把玩来~~~ 不用羡慕iPhone Duo ，我直接看老薛那天分享的一个网站我就从新复刻做了一个iPhone Duo交互的网站。主要功能如下： 1、支持用户自定义上传图片，多张照片和多个场景图。 2、支持上传视频就可以展示其交互效果。 3、支持用户输入网站生成抓取对应的图片Beta版本，这个还有点问题。 4、支持导出交互演示视频，多国语言支持。体验地址：

96,351 次观看 • 1 个月前

卧槽，真的被Kimi 3搞服了！真牛逼。感觉是吊打Kimi 2.7啊！我们先看看上一代2.7模型同样的Prompt 实现的测试。

卧槽，真的被Kimi 3搞服了！真牛逼。感觉是吊打Kimi 2.7啊！我们先看看上一代2.7模型同样的Prompt 实现的测试。

166,403 次观看 • 3 个月前

你敢信？这是我单靠一张嘴撸出来的啊！你可要知道这个东西之前JigSpace就靠这个发家致富的啊～太特么细腻和细节到位了…

你敢信？这是我单靠一张嘴撸出来的啊！你可要知道这个东西之前JigSpace就靠这个发家致富的啊～太特么细腻和细节到位了…

143,286 次观看 • 3 个月前

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

152,388 次观看 • 4 个月前

兄弟们，都已经2026年了！强烈推荐了~ 但最荒谬的是-顶级AI公司里不少工程师，每天调提示词、刷benchmark。却对LLM到底怎么从零构建出来的了解，远不如斯坦福这堂2小时公开课。它把ChatGPT、Claude这类大模型的完整诞生过程，从Transformer架构到训练技巧、Scaling law、数据配比、甚至最底层的优化细节，全都拆得清清楚楚。抖音快手短视频能让你放松2小时，斯坦福这堂课却能让你在2小时内，真正看懂整个AI时代的底层核心要素。免费、公开、含金量夯到爆啊！。很多在OpenAI、Anthropic工作的人，都没系统学过这么多。真正想懂AI的人，现在就把抖音关掉，打开这个视频开干。

兄弟们，都已经2026年了！强烈推荐了~ 但最荒谬的是-顶级AI公司里不少工程师，每天调提示词、刷benchmark。却对LLM到底怎么从零构建出来的了解，远不如斯坦福这堂2小时公开课。它把ChatGPT、Claude这类大模型的完整诞生过程，从Transformer架构到训练技巧、Scaling law、数据配比、甚至最底层的优化细节，全都拆得清清楚楚。抖音快手短视频能让你放松2小时，斯坦福这堂课却能让你在2小时内，真正看懂整个AI时代的底层核心要素。免费、公开、含金量夯到爆啊！。很多在OpenAI、Anthropic工作的人，都没系统学过这么多。真正想懂AI的人，现在就把抖音关掉，打开这个视频开干。

178,506 次观看 • 5 个月前

兄弟们，3D资产生成彻底要起飞了。 Cambridge大学助理教授Elliott Wu（前Stanford、Oxford背景）团队刚放出了Articraft——一个真正的agentic coding系统。它不是简单生成静态3D模型，就可以让AI agent自己写代码、自己执行、自己接收物理验证反馈，不断迭代，最终输出带零件、关节、真实运动的可交互3D资产，直接就能扔进机器人仿真和物理AI场景里用。以前做一套高质量articulated asset要花几天甚至几周，现在agent全自动跑通，整个过程高效到离谱。他们顺便还开源了Articraft-10K数据集：超过1万个跨250个类别的articulated 3D物体，全部可交互、仿真就绪，彻底把大规模机器人训练和物理世界AI的资产门槛拉到了新低。物理AI和机器人仿真的“数据饥渴”问题，被这个agentic pipeline直接干掉了一大半。项目页面在这里：完整代码和数据集也在GitHub开源。如果你在做机器人、仿真、物理AI或者3D内容生成，这波开源值得立刻去试。 PS：还未实测，待后续测评！

兄弟们，3D资产生成彻底要起飞了。 Cambridge大学助理教授Elliott Wu（前Stanford、Oxford背景）团队刚放出了Articraft——一个真正的agentic coding系统。它不是简单生成静态3D模型，就可以让AI agent自己写代码、自己执行、自己接收物理验证反馈，不断迭代，最终输出带零件、关节、真实运动的可交互3D资产，直接就能扔进机器人仿真和物理AI场景里用。以前做一套高质量articulated asset要花几天甚至几周，现在agent全自动跑通，整个过程高效到离谱。他们顺便还开源了Articraft-10K数据集：超过1万个跨250个类别的articulated 3D物体，全部可交互、仿真就绪，彻底把大规模机器人训练和物理世界AI的资产门槛拉到了新低。物理AI和机器人仿真的“数据饥渴”问题，被这个agentic pipeline直接干掉了一大半。项目页面在这里：完整代码和数据集也在GitHub开源。如果你在做机器人、仿真、物理AI或者3D内容生成，这波开源值得立刻去试。 PS：还未实测，待后续测评！

140,270 次观看 • 5 个月前

这个开源视频制作工作流真爽啊！单日斩获3000 Star，真的牛～又一个把AI coding agent直接变成视频制作工作室的项目开源了，叫OpenMontage。它把整个视频生产流程拆成12条结构化pipeline（动画解说、纪录片蒙太奇、电影感、Talking Head等），内置52个工具和500+个agent skills。用户只需要用自然语言描述需求，agent就能完成调研、脚本、素材生成、剪辑合成全流程。最硬核的是它同时支持AI生成内容和真实素材工作流，还做了生产级的质量把控（预合成验证、后渲染自检、预算控制）。渲染引擎用了Remotion和自研的HyperFrames，能输出高质量的动态视频。本质上它是把“视频制作”这件事彻底agent化了，让普通人也能通过对话让agent产出接近专业水准的视频内容。

这个开源视频制作工作流真爽啊！单日斩获3000 Star，真的牛～又一个把AI coding agent直接变成视频制作工作室的项目开源了，叫OpenMontage。它把整个视频生产流程拆成12条结构化pipeline（动画解说、纪录片蒙太奇、电影感、Talking Head等），内置52个工具和500+个agent skills。用户只需要用自然语言描述需求，agent就能完成调研、脚本、素材生成、剪辑合成全流程。最硬核的是它同时支持AI生成内容和真实素材工作流，还做了生产级的质量把控（预合成验证、后渲染自检、预算控制）。渲染引擎用了Remotion和自研的HyperFrames，能输出高质量的动态视频。本质上它是把“视频制作”这件事彻底agent化了，让普通人也能通过对话让agent产出接近专业水准的视频内容。

107,580 次观看 • 4 个月前

尼玛，现在GPT-6 已经可以干到这种程度了。 ChatGPT 每进入一个行业，都会从新洗牌。这换做一年前也不敢想可以干到这种程度啊~~

尼玛，现在GPT-6 已经可以干到这种程度了。 ChatGPT 每进入一个行业，都会从新洗牌。这换做一年前也不敢想可以干到这种程度啊~~

47,892 次观看 • 1 个月前