字节跳动刚刚开源了那个控制你整个电脑的代理。 100% 本地运行。只看像素。没有外部 API。没有任何东西离开你的机器。 它叫 UI-TARS Desktop。36.4k 星标。Apache-2.0。 它与... Anthropic 的 Computer Use 或 OpenAI 的 Operator 不同的地方： 不检查 DOM。不使用无障碍 API。不需要软件预先准备好以便自动化。 它截取屏幕截图。理解它所见的内容。移动鼠标并输入文字。 完全像人类会做的那样。 你用自然语言告诉它你想做什么，模型会在行动前进行推理。 预订7月15日从马德里到里斯本的最便宜航班。 从这个电子表格中提取所有数据到 CSV。 用客户信息填写这个表单。 它能独立完成。在任何应用中。无需该应用提供任何 API。 ✅ 在 GUI 控制基准测试中超越 Claude 3.7 和 GPT-4o ✅ 7B 参数模型，本地运行 - 无需订阅，无需服务器 ✅ 兼容 Windows、macOS 和 Linux ✅ CLI + Web 界面包含在同一包中 ✅ 核心基于 MCP 构建 - 无需额外胶水即可连接真实世界工具 ✅ 根据任务在视觉分割和 DOM 分析之间切换 ✅ 38 个发布版本。1.109 个提交。3.7k 个 fork。 最让我震惊的部分： 它没有屏幕阅读器。没有无障碍钩子。 它看到你看到的东西。仅此而已。 尽管如此，它在自动化界面方面仍超越了世界上两家最先进的 AI 公司的模型。 链接 👇show more

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

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

深圳有个22岁的学生，用一部900块的红米手机。 就三月份这一个月，这部手机帮他赚了14700美元。他爸妈到现在还以为他在备考。 手机每隔半小时，自动打开六个中文新闻App。自动翻看新闻标题，截屏，然后把摘要扔给Claude。 AI再把这些新闻和Polymarket上的价格做对比，给出投注建议。 Polymarket→ 整个过程，这个学生一行代码都没写。 靠的是一个开源项目叫PhoneDriver。 原理很简单：AI像人一样看手机屏幕，自己判断要点哪、滑到哪。 你只要用大白话把任务描述清楚就行。... 手机不需要开任何API，也不用接触App的底层代码。模型只看你看到的那些像素。 这个学生的玩法，说穿了也简单。中文新闻是用中文发的。什么监管动作、贸易决策、经济数据，路透社翻译出来之前几个小时，早就挂在微博和今日头条上了。 而Polymarket上定价的，是英语世界的交易员。中文新闻出来，到市场反应之间，有20到50分钟的时间差。 他用的六个App里，有三个对爬虫见一个封一个。 但PhoneDriver不解析数据，它就像正常人一样用App，只不过比人快，而且不休息。 96%的移动应用都没有公开的API。但每个应用都有屏幕。对PhoneDriver来说，这就够了。show more

发现一个能把任何电子书变成Claude Code skill的项目，叫 book-to-skill 解决了看书的痛点：你买了本实用的技术书，认真读完，三个月后就忘了讲了什么。 这个项目把整本书变成Claude Code随时能调用的skill，调用它再加上电子书路径，就能自动拆成核心总览、分章节笔记、术语表、速查表。 拆完后这个skill就会以书名命名，你只需要输入书名，它会给你整本书的核心总结 如果你带着具体问题问，它会自动去对应章节里找答案讲给你听。 而且这些章节都是按需加载的，你不问到的部分不会占用上下文。

有人把 Claude Code、Codex、Kimi 这些 AI 全塞进了一个桌面软件里，叫 hermes-desktop。 不用终端，不用记命令。模型切换、工具开关、技能管理全是图形界面，点点就行。 最狠的是它内置了81个技能，能直接操控... iMessage、备忘录、提醒事项这些 macOS 原生应用。你跟它说"翻一下上周的备忘录"，它真能翻。 还有个看板功能，多个 Agent 同时干活的时候在看板上调度，谁在跑、谁卡了、一眼看得到。show more

Pika新推出的Agent，简直炸裂！ 丢一个想法，它就开始干活。 不需要费尽心思的调提示词！ 尤其是生成视频，体感特别丝滑， 只需要跟它对话，告诉它方向， 全程不需要考虑该用什么skill，该用哪个模型，该用什么工作流。 不用管音乐，不用管分镜，连剪辑都不用管。 它会自动调用short ads... skill，几分钟就可以给你30秒的视频！！ 而且，视频是有导演思维和剪辑思维的！ 这个真的有点东西， 官方内置了很多旗舰模型和Skill， Agent在后台按最优路径调用，组织整个工作流， 这是和其他Agent最不一样的地方！ 一个念头，一个视频，我已经停不下来了！Pikashow more

卧槽！TopviewAI 刚刚首发了海螺 AI 的 MiniMax H3！ 这个模型最让我在意的不是它有多强，而是它的定价策略——只有 Seedance 2.0... 的 30% 价格 对于我们这些需要批量生成视频内容的人来说，这意味着同样的预算，可以做出 3 倍的内容量！！ 或者说，同样的内容产出，成本直接砍到三分之一！ 这才是真正的生产力革命！！ MiniMax H3 的三个核心能力： 原生多模态理解 不用再把文本、图片、音频分开处理，一个模型全搞定，创意不会在多个工具之间被割裂 精准的多模态控制 用自然语言就能指挥主体、产品、文字、风格、运镜、声音，不需要学复杂的参数调教 商业级内容生成 原生 2K 分辨率，15 秒片段，直接能用在广告、电商、品牌内容里 我测试了几个 demo 视频，质量确实扎实 如果你也在用 AI 做视频内容，或者你的团队需要批量生产视频素材 这个工具值得你现在就去试试，Ultra Annual 用户还有 60 天无限使用 视频演示👇 TopviewAIshow more

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。 原因甚至不是 Grok 有多聪明。... 是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。 听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。 比如我每天都要刷 X。 以前让我用 AI 帮忙看 X，工作流通常是这样的： 我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。 我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。 它就真的去操作浏览器了。 网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。 这才是 Agent 真正重要的一步。 过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。 我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。 名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。 等它跑完，把结果拿回来，然后继续完成后面的事情。 到这里整个关系就开始发生变化了。 以前是我管理五个 Agent。 现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。 而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。 我觉得这才是真正让我兴奋的地方。 过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。 电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。 这和在聊天框下面再塞十个按钮，完全是两种产品感受。 只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。 几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。 现在这个人，第一次可以不是我了。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

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意：... 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。show more

每次去问那些大模型某个项目怎么样，得到的回复永远是那种模棱两可的万金油——“项目有潜力，但请注意市场波动”。听君一席话，如听一席话，完全不敢拿真金白银去信它。 但这两天仔细看了下 Sentient 的逻辑，尤其是那个 SERA 架构，我是真觉得有点意思。它没想着用一套通用的语料库来“忽悠”你，而是老老实实地在做“拆解”。 你问它 DOGE 的风险，它不是在那瞎编，而是像个老练的研究员一样，先把问题拆成几个维度：经济模型是不是通胀的？链上流动性池子够不够深？大户是不是在集中出货？它有一套自己的索引库，先找工具，再抓实时数据，最后才给你写结论。... 这给我的感觉是，它终于不再是一个只会陪聊的机器人，而是一个懂得去查证、去推理的 Agent。在币圈这种信息满天飞、真假难辨的地方，我们需要的就是这种能把“情绪”和“事实”剥离开的能力。如果不解决“可信度”这个问题，AI 在 Web3 永远只是个玩具，但 Sentient 似乎找到了打破这个僵局的锤子。show more

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🚀show more

医疗机器人就在市中心逃离警察 机器人被设计来服从命令。这个机器人却自行转身逃跑了。 这不是摆拍。这不是演示。 摄像头实时捕捉到了这一幕。一辆警车和一辆救护车已经在现场。身穿蓝色医疗袍的机器人冲过步行区，径直穿过咖啡馆的桌子。 它在椅子间躲闪。它绕过人群而不减速。它从未失去平衡。 步行的警员无法跟上步伐。步速、平衡、障碍反应，全都实时运行。没有人提前编写这个场景的脚本。 自主性不是代码中的故障。它是一个身体终于学会自行移动的基本布线。

说实话，现在的 AI 赛道像极了早期的互联网泡沫 大家都在疯狂造车、飙车，却没几个人在乎制动系统。 如果你现在去聊 AI 项目，最受追捧的无非两类。 一类是像 AI... Agent 这种，能立刻上手帮你自动交易、写代码、发推特，让大家觉得未来已来 另一类是卖算力、卖推理额度的，收益率写在脸上，代币叙事极其丝滑。 Inference Labs 刚好哪边都不占。它既不给你提供现成的智能助理，也不大张旗鼓地卖算力。 它的这种冷淡，让它在当下的喧嚣中显得有些被低估。 但如果你静下心来琢磨一下它的底层逻辑，你会发现，它不是不重要，而是走得太靠前了。 它不解决怎么更聪明，它解决怎么不骗人 大多数 AI 项目都有一个心照不宣的默认前提 只要模型足够强大，输出的结果就是圣旨，我们就该信任它。 Inference Labs 偏偏不信邪。它的逻辑刚好相反：不管你模型多强，只要不可验证，就不该被信任。 这听起来很抽象，甚至有点杠精。 但在金融、治理、预言机这些动辄涉及真金白银的领域，这简直是命门。 当 AI 开始替你管理资产、替你做决策时，你真的敢只凭一句模型很强就放权吗？ 万一它黑箱操作了呢？万一它的逻辑跑偏了呢？ Inference Labs 卖的不是结果，而是约束。 在一个崇尚野蛮生长的阶段，卖约束的人肯定不如卖兴奋剂的人受欢迎。 但从系统演化的角度看，当行业进入深水区，约束层的价值永远高于应用层。 嵌进巨人的肩膀：Subnet 2 与验证逻辑 很多人看 Inference Labs 觉得它是实验室里的 Demo，但这其实是最大的误读。 看看它落脚的地方 Bittensor 和 EigenLayer。 这些不是什么空气实验室，而是已经有巨大经济体量的实战系统。 以 Subnet 2 为例，它构建了一个真实的博弈网络。在这里，矿工不能随随便便交个答案就领钱，他们必须提交一套可验证的推理证明。 验证者如果想偷懒直接复制别人的结果，系统的惩罚机制会瞬间教他做人。 这套逻辑不性感，甚至有点枯燥，但它极其重要。 它解决了 AI 网络规模化的一个核心矛盾：你没法靠信任去扩展一个由机器组成的网络。 如果没有这套问责机制，AI 世界永远只是个脆弱的草台班子。 它的价值，不在 DAU 里 Inference Labs 之所以容易被忽略，是因为它的成败并不体现在 DAU或者短期交易量上。 它的爆发点在于一个临界点 当一个 DeFi 协议决定引入 AI 策略时，它必须要求策略可验证 当一个预言机需要提交数据时，它必须要求推理路径可审计 当成千上万个 Agent 开始自动签署合约时，它们需要一个公允的底层证明。 到了那个时候，Inference Labs 才会真正站到舞台中央。它不是为当下的市场设计的，它是为那个系统面临失控风险的下一阶段提前准备的防弹衣。 在 Kaito 的社交热度排行榜上，这类项目往往排名靠后，因为它们讨论门槛高，不适合做快消内容的传播。 但我总觉得，时间是站在 Inference Labs 这一边的。 它属于那种迟到但不可替代的类型。 历史上所有关键的基础设施，其实都不是被大家追捧出来的，而是当老路走不通、当问题爆发到不得不解决时，被硬生生地推到历史高位上的。 真正的问题从来不是它会不会被用到，而是当所有人意识到非它不可的时候，市场还没给观望者留下上车的机会。 现在的沉默，或许正是它最好的掩护。 Inference Labs #inference #KAITOAIshow more

昨天一觉醒来，账户里硬生生多了 $23,472。 更离谱的是，其中一个测试仓，仅仅用了一晚上的时间，就把 $100 滚到了 $2,411。 整个系统的平均胜率，死死稳定在 71%。 这不是因为我有什么内幕消息，也不是我盘感有多好。... 事实上，我早就放弃用肉身去对抗这个市场了。 我把所有的精力，都用来打造一个没有感情的杀手机器——OpenClaw。 在这个名为 Polymarket 的黑暗森林里，绝大多数人还在凭直觉下注，被情绪来回拉扯。 而 OpenClaw 的底层逻辑，是纯粹的“降维打击”： 它把人类交易员的盘感和专业知识，全部拆解成了冰冷的代码，封装成一个个独立的“技能包”。 什么是“技能包”？ 你可以把它理解为沉睡的特种兵。 为了节省算力和资源，平时它只维持最低限度的感知（渐进式上下文加载）。 但只要市场一旦出现特定的“猎物气息”——比如异常的订单流波动、突发的宏观新闻情绪、或者极端的波动率——对应的“技能包”就会瞬间苏醒。 苏醒后的几毫秒内，它会完成一套连招： 1⃣ 锁定实时盘面，扫描订单薄深处的秘密； 2⃣ 调动机器学习模型，疯狂咀嚼全网的新闻情绪； 3⃣ 瞬间完成历史回测，并计算出胜率因子； 4⃣ 严格按照风控模型分配仓位，甚至自动拆分订单进场。 没有任何犹豫，没有任何因为“害怕”或“贪婪”导致的动作变形。 放弃幻想吧，人类的情绪在机器的一致性面前，不堪一击。 不要每次都在复杂的市场里临时想策略，那只会让你漏洞百出。 真正的赢家，是把被验证过的逻辑固化成工作流，然后在成千上万次的交易中无情地重复。 一个月前，这套系统启动时的本金，只有区区 $500。 现在的它？每天稳定切割 $2,300 的利润。 而今天早上的晨报显示，单日利润已经冲到了 $71,452。 它 24 小时全自动运行，像一个不知疲倦的扫地机器人。 只不过，它扫的是美金。 如果不想再被机器无情收割，从这里开始建立你的优势： 👇 Polymarket 官方入口： 🤖 懒得自己写代码？试试同款 24 小时自动寻猎机器人，跟着聪明钱赚钱：show more

刚去小米店摸了下它的折叠机有感，大家有没有注意到在安卓这边折叠机都叫“Fold”，而苹果选了“Duo”。 其实从字面意思来看，Fold就是折叠，强调这个动作，很直观，但苹果使用了Duo这个从拉丁语来的词，它其实是有一组，一对的意思，是个组合。重点从“能折”转到“两种体验（一个手机两个形态，手机+iPad）是一对、能一起用合二为一，强调的是体验。 现在在回过头来看苹果的那个折叠动画，就解释了这个Duo，它从手机形态打开到iPad形态，或者反过来闭合起来，动画是连续的，强调只是变了形态，从人的大脑认知来看也是一样，你看到的东西没有消失后又出现一次。并没有安卓那样，从一个形态关闭后，又重新打开了另一个形态，中间过程不连续，是断开的。所有安卓折叠机都是这样，你在外屏打开一个app，在展开的时候，内屏是从黑到重新打开app的一个过程。所以并不能简单理解苹果的和其它安卓在这方面，就是多做了个过场动画那么表面。 另外苹果在这个时候推出Duo，一个呢，当然也是供应链技术发展到了苹果认为相对成熟的时候，二呢，也是它的AI布局，目前Apple Intelligence在今年也会迎来大更新，苹果相信在手机+iPad这个二合一的组合形态下，人们可以更好的体验AI的各种操作。简单的任务可以在手机形态下进行，复杂点的比如Codex和Claude这样的编程任务，也方便在iPad这个形态下进行。 如果说安卓或者是更早的微软Surface Duo开启了折叠这个形态，那么Apple可以说是重新定义了它。后续发展会更有意思，感谢自己处在这个科技飞速发展的时代，可以亲自见证这些迭代的过程。 当然我个人现在并不会买第一代的Duo，毕竟它相机过于拉胯了，这个是我个人非常看重的一个工具。 大家Enjoy！😊

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型;... 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：show more

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件... 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：show more

昨晚我请 Claude Code 帮我写一个简单的脚本：从 Polymarket 拉取链上数据，并按中奖率对钱包进行排序。 没什么雄心壮志。只是想看看究竟是谁在15分钟比特币市场中赚钱。 终端大约20分钟就处理完了。几百个地址，一列列数字，没什么有趣的。 然后，一个钱包吸引了我的目光。... 每天交易超过200笔，每周稳定盈利，时机精准得近乎外科手术。我反复读了三遍这句话。正常人不会这样交易。 我把地址输入回 Claude Code，让它分析模式。半小时后，我的屏幕上出现了完整的策略重构结果。 这个机器人（它绝对是个机器人）每 100 毫秒向币安和 Bybit 发送一次 ping 请求，监控比特币的波动率压缩情况。当波动率压缩低于 0.08% 时，它会同时以每份 25 到 35 美分的价格买入上涨和下跌合约。这是一个纯粹的跨式期权交易。一方价格下跌，另一方价格飙升至 1 美元。如果以 30 美分的价格入场，那么每份合约的收益将是 3 到 4 倍。 就这样周而复始，一天发生几十次。 我坐在那里盯着它看了大约10分钟。 仅凭一个钱包，每日就能赚取 1.3 万至 2.5 万美元的利润。这并非出自凭直觉的交易员之手，也非内幕消息人士。而是一个算法，它找到了市场机制中的漏洞，并有条不紊地从中牟利。 您可以自行查看交易历史记录： 之后我去找找看有没有其他人也在追踪这个钱包。结果发现确实有。我找到一个 Telegram 机器人，它能追踪这类钱包并自动复制它们的交易。 我把它连接到同一个地址，只是为了看看上面的条目是否与我终端显示的内容一致。结果完全匹配。 目前仍在以最低量进行测试： 但事实上，一年前，你根本无法想象自己能实时地站在这样的算法旁边。show more