不到10秒时间几千个易拉罐就被压缩成一个正方体。 非常高效。

TikTok 上 很火的一个视频 川普发动对中国的贸易战时， 没有考虑到一个非常重要的方面

Grok 4.5怎么能这么快，关键质量非常不错 上传了我个人网站的 prd 后，3min 就生成了，整体效果非常的不错

警告‼️：大哥警告你，个人存款千万不要超过10个亿，一旦超过了10个亿，你会非常非常的痛苦～～😂

前几天看到一个非常丝滑的动画效果，MotionNumber 很常见，之前看到很多网站都在用，就是数字在切换的时候会有一个滚动的效果，层级自己写了一个在切换的时候发现没有这个那么顺滑。 这个非常适合用到 landing page 上，展示各种数据等等的场景，它是用 Framer Motion 编写的，抽象成了一个... React 组件，我觉得这种效果很值得收藏未来是用一下。 Github 地址在这里：show more

喝完的雪碧易拉罐不要扔，用两个就可以做出好玩的小茶壶。

主打一个拉不上去就S 高层窗外疯狂引体向上！

汽车挂档原理，十几秒就看懂了 这个视频非常清晰明了！

OKX 可真有钱啊，他们居然专门做了 AI 交易 Bot，这个会秒杀前段时间炒作的 AI 交易产品 一个交易产品到底是不是在认真做就看他做不做“回测” 因为“回测”只有真正需要严谨交易的用户才会需要... 主要就几个点： - 使用自然语言设计策略 - 可以获取 RSI 等各种数据 - 重要的是可以回测（无敌了这个）show more

18个月的宝宝第一次到海边，不料下一秒就被浪花放倒！！

那我就不得不说一下，我特调了几个月的效果了

8.16 成都，金丰高架三环往绕城方向高架桥，一个货垃垃在捆绳子，一个烂宝马飞快的从九里堤方向出来，撞到货拉司机，货拉拉司机人体分割，手和脚都断了，宝马车上的脚不知道是谁的，货拉拉司机当时还有意识 #车祸

很多基础设施讨论的都是“最终结果”， 但在真实使用中，更影响体验的是：从你产生一个操作意图，到结果真正生效，中间隔了多久。 这段时间越不可控，系统就越难被放进复杂流程里。 不确定的等待，会直接放大风险判断，也会压缩操作空间。 从这个角度看 Plasma 它关注的并不是把结果推到极限，而是缩短并稳定这段“意图到生效”的路径。 当行为反馈更清晰、时间预期更稳定，使用者才敢连续操作，而不是每一步都重新评估风险。 也正因为如此... $XPL 更像是一种对操作确定性和系统响应质量的判断。 真正可被反复使用的基础设施，往往不是最耀眼的， 而是让你不用反复确认“这一步会不会出问题”的那一个。 #plasmashow more

转） 3抉銭让一个人跑3千米給我送外卖， 10块钱让一个人开车送我到10千米外， 我就知道这个地方没救了， 这个社会是有多残酷多可怕。。🫣

这世间总有那么几个让你一看到就觉得好笑的人。 ​这世界总有那么几个让你一想到就觉得值得尊敬的人。

37.2摄氏度，在医学上是人体正常体温的极限温度，这个温度，有一个听起来有点矫情但是形象的比喻，正常以上，高烧未满，微红微热，是刚刚爱上一个人时候的体温。

小时候反手随便十几个 大一体测正手还能做8个 现在区完了

#观察 短剧的制作门槛本就不高，AI让这一行的成本压缩得更低。

谁之前问过我用AI做软开训练视频来的？我说现在还不能做到太完美。转载了几个其它平台有人用AI生成的软开训练视频。具体效果好不好我就不评价了，大家就看个新鲜吧。 #软开 #AI #压腿

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