Atria Dawn Preview：上海 AI 实验室与多所高校联合开源的模型 面向科研工作者、开发者和专业知识工作者的智能体模型，给它一个研究问题、一段代码或者一份数据，它能够自己查找资料、调用各种工具并运行测试，最后直接交出可以使用的成果。比如写出有据可查的研究报告、跑通的软件程序、能够直接编辑的文档表格，甚至可以做出 3D 机械零件模型和能玩的小游戏。 我用Atria... Dawn Preview做了GPT 6 Astra的经典案例3D模型飞机，效果非常不错，这个模型没有视觉能力，纯靠代码也能拼出非常精准且美观的飞机。Atria ASI 官网： API接入： 模型：show more

我来说一个GTP 6 Astra结合Blender的正确用法。 目前让GPT 6直接建3D模型还是太勉强了，尤其设计人物造型的时候。 明明生成3D模型有更好的方法，就是用图片生成3D的AI模型来直接生成（请来个模型商赞助我，后续出个详细教程），生成的是一个整体模型，但是细节和品质都很高。 生成一个glb模型后，再让GPT把这个模型拆分成组件，加上骨骼，然后就能做动画了。 请看效果视频。

太牛了，Codex 能直接做 3D 了！！！ 这位大佬用 GPT-5.6 Sol 做了一个 Codex... 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。 关键是完全免费，已经开源了，人人都能用。show more

3D 圈的人看到这个应该会沉默几秒 3D 模型再次进化 Hyper3D 这个 BANG to Parts功能有点牛P... 你丢给它一个完整的 3D 模型，AI 会自动帮你把它拆解成一个个独立的、完整的的3D零件 也就是可以将任何完整的 3D 模型自动拆解成多个3D的零件 拆好的零件可以直接用来做动画、改材质、甚至去 3D 打印 这能帮 3D 设计师省下大把“手动擦屁股（清理模型）”的时间 更狠的是：拆完还能接着拆 整车 → 拆出车轮 → 车轮再拆出轮毂、轮胎、螺丝。 理论上你想拆多细拆多细。 而且每个零件都是独立完整的 3D 模型：单独换材质、单独改形状、甚至单独重新生成一个新的换上去 3D 模型第一次变成了“乐高”，而不只是“手办” 还有一个关键点是：拆出来的每个零件都是完整、独立、可编辑的 3D 模型。换材质、改造型、缩放变形、甚至整个重新生成一个换上去,都行 借助目前Codex和Claude code的强大能力，打造一个 3D 模型/开发工作流，非常牛Pshow more

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。 这不是简单的画图，而是用 Three.js 写的完整... 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线 关键是，这只是一个 prompt 生成的代码。 以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。 现在 AI 直接写 Three.js 代码，浏览器就能跑。 这已经不是"辅助编程"了，这是直接替代了一整个工作流。 你们觉得这种 3D 建模能力，能用在哪些场景？show more

AccuRIG 可能是我目前使用过最好的3D模型绑骨软件 它的效果要比 Mixamo 好得多，绑好后基本没有穿模现象，人类模型的五指、头部、脚部都能够很好地适配 不过有俩缺点：只能绑定人类模型的骨骼，动作素材的售价比较贵（这可能是我的缺点）

字节新视频模型Seedance1.5 pro有个很牛🍺的点，目前只有它能做。 可以一句话复刻经典影视片段、热门片段，做出同款名场面效果，甚至人物的动作和台词都能直接复用，比如我做的这个经典你过来啊（沈腾熊猫版） 我还测试了X个cases （1/4）

牛逼，我真没想到，Dethink 居然把 Claude Code、Codex、各种大模型、不同的 Harness 还有 X、抖音、小红书、YouTube、SEO 的实时数据，甚至电商和金融数据，全塞进一个工作台了？？？ 一个窗口解决所有问题，随时切模型、切... harness，支持 BYOK 自己配置模型 Dethink 可以跑通这整个流程： 1、先接 X、抖音、小红书、YouTube、Instagram、Semrush 等实时数据，查趋势、关键词、竞品和用户反馈。 2、然后随时切 Claude、GPT、Grok、Gemini、DeepSeek、Kimi，同一窗口调用不同模型分析、写作、改方案、做图。 3、你还可以直接切 Claude Code 或 Codex 等不同的 Harness，并且同一窗口，前面的文件和上下文还在。 一条内容从找题、研究、成稿到配图，全在一个地方跑完。开发任务也一样，你可以随时切换不同的 Harness： Claude Code、Codex等，还能随时切换不同的模型，比如 Claude 规划、Codex 实现、Grok 来做快速任务...... 这个组合确实有点牛逼，还能稳定使用的 Claude Code / Codex 官方订阅，支持国内支付方式，🔗和优惠码放评论区show more

我快速看了Jev的一些公开帖子和官方文档说明以及例子，终于有人AI模型关心速度，幻觉和成本，而且Jev不是一个大语言模型，这是它能做到这么极致的原因！ 官方也给出了好几个例子，比如模型路由和LLM安全护栏。 所以在大语言模型狂奔3年后，AI模型的新的分叉出现了： 不是大尺寸，不是语言模型，极低的幻觉，成本，极快的速度和准确率，没有太多的推理。 几乎每一条都是和LLM反着来的。 不得不多，这个方向真的非常对，希望早点体验到它。 下面这个视频来自官方demo一个并行化的例子，真的快如闪电，成本极低！ 这几篇来自官方的文章一定要看看：

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码 内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战 适合想系统补齐大模型知识的人

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者... Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。show more

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？show more

🚨突发新闻：这个网站让你可以用自己的提示词，比较包括GPT、Claude、DeepSeek、Grok在内的20多个模型的响应结果——并排展示。 如果你用AI来写作、编码或研究……这简直是作弊码：

Qwen3.8发布了，据官方说仅次于 Fable 5？ 简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。 当然前端能力不能代表全部，但也是最直观能体现出来的能力。 参考图像和提示词⬇️

卧槽 影眸科技（Hyper3D） 发布的世界生成模型 WorldGen 有点东西 它和其他可交互世界模型有不一样，它可以从一张 2D 图片，生成是一个完整的自带物理规律 3D... 场景 更牛P的是： 每个物体都是独立的：就是场景里的桌子、椅子、小道具都能单独拉出来拆解成科移动、替换或微调的子3D模型。 自带物理规律：模型能理解空间摆放关系，并自动推断出碰撞、质量、摩擦力等属性。 直接对接生产管线：生成的资产可以无缝导入 Blender、Unity 或团结引擎，直接用于游戏关卡搭建、影视制作、XR 内容以及具身智能（机器人/机械臂）仿真训练show more

测试了 Apodex Apodex-1.0 这个深度研究模型，还真的有点东西。 我问它租用 B300 服务器部署 GLM-5.2 怎样才能盈利，分析过程和产出结果都比直接问... Claude Code 好太多了。 它不是常规的模型，而是主打开放式研究问题，比较适合来做行业投研、金融分析、生物医药等领域。 趁着现在还免费使劲蹬，可能过不久就要收费了。show more

卧槽，答案终于揭晓了！ 那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。 用过AI来完成前端开发的朋友肯定懂： 要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。 但这种界面一旦看多了，就会陷入审美疲劳。 原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。... 最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。 它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。 但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。 它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？ 小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。 跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。 用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2） 目前在Openrouter中可以免费体验该模型。 选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。 期待大家都能快速做出让人眼前一亮的作品！show more

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：

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过... 1,000 Token 的速度。 同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。 藏师傅提前试了一下，做了三个测试，确实爽。 第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。 这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。 第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。 这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。 第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。 这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果 这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒 官方测试平台下面有个数据展示，会显示相关信息 在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的 之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象 最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式 在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率： 如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间 这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的 毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的 希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型show more