Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

Google 开源其扩散架构模型：DiffusionGemma 区别于Transformers 模型像打字机一样逐词一个一个生成 DiffusionGemma 可一次性生成大段或者整篇内容，然后再逐步优化大幅度提高生成的速度：在H100 上可实现 1000+ tokens/s，RTX 5090 上 700+ tokens/s 26B，18GB 显存能跑一次可同时生成 256 个 tokens 自己检查自己，写完还能改：普通 AI 写完一个字就锁死了，不会回头改。就算第 10 个字写错了，到第 100 个字的时候它也改不了前面的。 DiffusionGemma 的生成过程本身就是多轮迭代，每一轮它会重新审视整块文本，发现哪里不对就改掉。就像写作文先打草稿，再通读一遍改错别字，再读一遍调语句，几轮下来质量就上去了。

小互

116,034 subscribers

14,208 görüntüleme • 2 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

无需复杂提示词，小白到大神只需一个P视频智能体只需写一个故事梗概，一次生成一个完整视频但能一句话生成视频，生成视频后还能不跳出流程直接调用AI编辑器，实现改图，改视频，改字幕，改配音，改音效。不仅如此，上传图片，输入：图片修改指令，它还能直接修改图像生成一个你要求的动态视频。这个就是最新的纳米AI最新的P视频智能体，它可以很大程度的减少小白上手难度，很多人不会写复杂提示词也不用担心，Agent会在后台自动分析需求帮你写提示词。

无需复杂提示词，小白到大神只需一个P视频智能体只需写一个故事梗概，一次生成一个完整视频但能一句话生成视频，生成视频后还能不跳出流程直接调用AI编辑器，实现改图，改视频，改字幕，改配音，改音效。不仅如此，上传图片，输入：图片修改指令，它还能直接修改图像生成一个你要求的动态视频。这个就是最新的纳米AI最新的P视频智能体，它可以很大程度的减少小白上手难度，很多人不会写复杂提示词也不用担心，Agent会在后台自动分析需求帮你写提示词。

小互

44,512 görüntüleme • 11 ay önce

我最开始第一个版花了6个小时。现在这个text to CAD 我都只用一个prompt, 就生成这样一个版，继续再改就是fusion里面手动改造，然后慢慢一个部件一个部件的进入打印测试环节。真的不错。

我最开始第一个版花了6个小时。现在这个text to CAD 我都只用一个prompt, 就生成这样一个版，继续再改就是fusion里面手动改造，然后慢慢一个部件一个部件的进入打印测试环节。真的不错。

Susan STEM

13,306 görüntüleme • 1 ay önce

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，对比了抖音上的书单视频，这个能还原 90%，还差一些细节。 1、给标题，要讲的书 2、ai 读情绪，写文案，人再改文案 3、生配音 4、生图和视频 5、组装视频 6、生成视频和剪映草稿里面唯一恶心的就是，生成速度太慢了！

产品经理老王霸

119,795 görüntüleme • 19 gün önce

MiniMax 开源 Music 3.0 一次生成五分钟完整歌，8GB 显存就能跑给它歌词和一段风格描述，一次出一首五分钟的完整歌，前奏副歌桥段都在，32kHz 立体声整个模型开源，单卡 8GB 显存就能跑起来官方还开源了 1000 个模板和一个扩写技能

MiniMax 开源 Music 3.0 一次生成五分钟完整歌，8GB 显存就能跑给它歌词和一段风格描述，一次出一首五分钟的完整歌，前奏副歌桥段都在，32kHz 立体声整个模型开源，单卡 8GB 显存就能跑起来官方还开源了 1000 个模板和一个扩写技能

小互

79,149 görüntüleme • 7 gün önce

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,451 görüntüleme • 2 ay önce

几十分钟，完成百万字长篇小说！！！最近发现了一个长篇写作助手，叫autonovel！基于Ling-2.6-flash 极限速度，可覆盖世界观设定、角色构建、大纲生成到正文创作的全流程，200+ tokens/s的生成速度！实测几十分钟就写完百万字长篇小说！！

几十分钟，完成百万字长篇小说！！！最近发现了一个长篇写作助手，叫autonovel！基于Ling-2.6-flash 极限速度，可覆盖世界观设定、角色构建、大纲生成到正文创作的全流程，200+ tokens/s的生成速度！实测几十分钟就写完百万字长篇小说！！

沐阳

83,824 görüntüleme • 3 ay önce

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了

产品经理老王霸

52,551 görüntüleme • 17 gün önce

我靠，有了这个工具，完整的实现了 Office 的自动化。以前做 Office 自动化，AI 能出内容但改不了文件，最后还得人去复制粘贴。OfficeCLI 解决的问题是，让 AI Agent 能直接改 Office 文件。在 AI Agent 工作流里，它的意义更偏基础设施： 1、文档生成 → 可执行写入 2、表格分析 → 可直接回写 Excel 3、PPT 生成 → 结构级编辑而非整页重写 4、多 Agent 协作 → 共享统一文件操作接口 OfficeCLI 把 Word、Excel、PPT 当成结构化对象，AI 可以直接增删改查，不用开 GUI，也不用搭脚本环境。改完就是改完，文件就已经写好了。整体来看，它把AI 会写内容推进到AI可以改真实文件，属于从内容生成到系统执行的一层跃迁。

我靠，有了这个工具，完整的实现了 Office 的自动化。以前做 Office 自动化，AI 能出内容但改不了文件，最后还得人去复制粘贴。OfficeCLI 解决的问题是，让 AI Agent 能直接改 Office 文件。在 AI Agent 工作流里，它的意义更偏基础设施： 1、文档生成 → 可执行写入 2、表格分析 → 可直接回写 Excel 3、PPT 生成 → 结构级编辑而非整页重写 4、多 Agent 协作 → 共享统一文件操作接口 OfficeCLI 把 Word、Excel、PPT 当成结构化对象，AI 可以直接增删改查，不用开 GUI，也不用搭脚本环境。改完就是改完，文件就已经写好了。整体来看，它把AI 会写内容推进到AI可以改真实文件，属于从内容生成到系统执行的一层跃迁。

Vince 聊开发

16,756 görüntüleme • 2 ay önce

又做了另外一个版本，现在我发现问题了。一定要先写脚本故事，分镜，然后再生成图片，不然就会像这个视频一样。有点怪怪的。再次说明，没用api，全是gpt额度跑的。

又做了另外一个版本，现在我发现问题了。一定要先写脚本故事，分镜，然后再生成图片，不然就会像这个视频一样。有点怪怪的。再次说明，没用api，全是gpt额度跑的。

季白羽

13,273 görüntüleme • 1 ay önce

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 görüntüleme • 3 ay önce

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google

karminski-牙医

12,374 görüntüleme • 2 ay önce

Codex也可以生成自己的数字人形象了，这几天研究了在线生成数字人形象终于跑通了，主要分为六步，都是对接API就可以完成，所以难度不大。但是我感觉不好用，把它封装成了软件，方便复现和使用，生成语音、口播稿生成、改写、口播视频生成、文案获取都没问题。整合到了一个软件里面，大家感兴趣可以评论区留言

Codex也可以生成自己的数字人形象了，这几天研究了在线生成数字人形象终于跑通了，主要分为六步，都是对接API就可以完成，所以难度不大。但是我感觉不好用，把它封装成了软件，方便复现和使用，生成语音、口播稿生成、改写、口播视频生成、文案获取都没问题。整合到了一个软件里面，大家感兴趣可以评论区留言

小墨同学

59,871 görüntüleme • 1 ay önce

HeyGen这次开源，把AI做视频的最后一道门槛拆没了🤯 他们用Claude Code写代码，做了自己的50秒产品发布视频，然后把整个工具链完整开源给了所有人，致敬开源🫡 以后做视频真的能简单到离谱，给一句话，做一个30秒的产品介绍，给一个PDF，自动生成总结视频，迭代就是改一句话的事，比如把标题放大两倍，第三秒加一个淡入转场等，这个工具叫HyperFrames，本质上就是一个纯HTML转MP4的视频渲染框架。所以其实我们不用学任何剪辑软件，也不用写复杂的React代码，只要写普通HTML，加几个简单的data属性，就能定义视频的每一帧、时间线、动画和音轨。 HyperFrames从第一天起就是为AI代理原生设计的。 AI天生就会写HTML，现在Claude、Cursor、Gemini所有编码Agent，只要装一个skill，立刻就会做视频。这妥妥的降维打击啊，以前Remotion把视频变成了代码，但它需要你会React，需要构建流程，属于开发者专属的玩具。 HyperFrames是把视频变成了纯HTML，零构建，无DSL，不需要任何前置知识。说白了，Remotion是给人写的，HyperFrames是给AI写的。以前AI能写文字，能生成图片，但视频一直是最后一块硬骨头，现在这块骨头也被啃下来了。代理现在能端到端完成一整条内容流水线，调研，写脚本，做设计，加动画，最后直接渲染出成品视频，全程不需要人类碰一下。它还自带50+官方现成组件，社交遮罩、图表、转场，一行命令一键安装。支持GSAP、Lottie、Three.js所有主流动画库，随便混用。也就是说，同一份HTML永远出一样的结果，完美适合自动化流水线。官方甚至把视频语言都标准化了，缓动用snappy，bouncy，转场用能量等级，字幕分Hype/Corporate/Tutorial三种风格。 AI只要学会这套词汇，就能稳定输出专业级视频，这不就是在教AI做导演嘛🤣 这对HeyGen来说也是一步妙棋，他们不再只是一个卖AI头像的SaaS公司，现在能做整个AI视频时代的基础设施了，未来所有AI代理生成的视频都能跑在HyperFrames上。然后再无缝接入HeyGen的头像、语音、翻译能力，形成一个完美的闭环。当然目前也不是完美的，初期输出还有AI味，超过一分钟的复杂长视频，渲染还需要较强算力。但我觉得这都不重要，关键是它第一次把完整的视频生产力交给了AI Agent，相当于AI内容创作时代的又一个里程碑。想试的直接去GitHub搜heygen-com/hyperframes。跑一行npx hyperframes init，然后让Claude帮你做第一个视频。 #HyperFrames #HeyGen #AI视频 #AI代理 #开发者 #内容创作

HeyGen这次开源，把AI做视频的最后一道门槛拆没了🤯 他们用Claude Code写代码，做了自己的50秒产品发布视频，然后把整个工具链完整开源给了所有人，致敬开源🫡 以后做视频真的能简单到离谱，给一句话，做一个30秒的产品介绍，给一个PDF，自动生成总结视频，迭代就是改一句话的事，比如把标题放大两倍，第三秒加一个淡入转场等，这个工具叫HyperFrames，本质上就是一个纯HTML转MP4的视频渲染框架。所以其实我们不用学任何剪辑软件，也不用写复杂的React代码，只要写普通HTML，加几个简单的data属性，就能定义视频的每一帧、时间线、动画和音轨。 HyperFrames从第一天起就是为AI代理原生设计的。 AI天生就会写HTML，现在Claude、Cursor、Gemini所有编码Agent，只要装一个skill，立刻就会做视频。这妥妥的降维打击啊，以前Remotion把视频变成了代码，但它需要你会React，需要构建流程，属于开发者专属的玩具。 HyperFrames是把视频变成了纯HTML，零构建，无DSL，不需要任何前置知识。说白了，Remotion是给人写的，HyperFrames是给AI写的。以前AI能写文字，能生成图片，但视频一直是最后一块硬骨头，现在这块骨头也被啃下来了。代理现在能端到端完成一整条内容流水线，调研，写脚本，做设计，加动画，最后直接渲染出成品视频，全程不需要人类碰一下。它还自带50+官方现成组件，社交遮罩、图表、转场，一行命令一键安装。支持GSAP、Lottie、Three.js所有主流动画库，随便混用。也就是说，同一份HTML永远出一样的结果，完美适合自动化流水线。官方甚至把视频语言都标准化了，缓动用snappy，bouncy，转场用能量等级，字幕分Hype/Corporate/Tutorial三种风格。 AI只要学会这套词汇，就能稳定输出专业级视频，这不就是在教AI做导演嘛🤣 这对HeyGen来说也是一步妙棋，他们不再只是一个卖AI头像的SaaS公司，现在能做整个AI视频时代的基础设施了，未来所有AI代理生成的视频都能跑在HyperFrames上。然后再无缝接入HeyGen的头像、语音、翻译能力，形成一个完美的闭环。当然目前也不是完美的，初期输出还有AI味，超过一分钟的复杂长视频，渲染还需要较强算力。但我觉得这都不重要，关键是它第一次把完整的视频生产力交给了AI Agent，相当于AI内容创作时代的又一个里程碑。想试的直接去GitHub搜heygen-com/hyperframes。跑一行npx hyperframes init，然后让Claude帮你做第一个视频。 #HyperFrames #HeyGen #AI视频 #AI代理 #开发者 #内容创作

AYi

36,713 görüntüleme • 4 ay önce

用一小时在本地从0复现了一个Typeless 个别的单词有识别不准确的情况，长文本分段需要自己个性化调优，其他的几乎和原版98%一致现在看，Typeless 底层大概率并不是什么神秘牛逼的模型，更像是高性价比语音转写模型 + 一整套工程化后处理真正拉开体验差距的，不一定是ASR本身，还可能是：分段、断句、术语词典、上下文 prompt、口语清洗、改口修正、LLM 重写等等也就是说，复现Typeless的关键不是找个更强的模型，而是把 ASR + context + rewrite 这条链路打磨到位

用一小时在本地从0复现了一个Typeless 个别的单词有识别不准确的情况，长文本分段需要自己个性化调优，其他的几乎和原版98%一致现在看，Typeless 底层大概率并不是什么神秘牛逼的模型，更像是高性价比语音转写模型 + 一整套工程化后处理真正拉开体验差距的，不一定是ASR本身，还可能是：分段、断句、术语词典、上下文 prompt、口语清洗、改口修正、LLM 重写等等也就是说，复现Typeless的关键不是找个更强的模型，而是把 ASR + context + rewrite 这条链路打磨到位

Laughing🪁

18,956 görüntüleme • 4 ay önce

昨天刷到个视频，image2杀死了比赛！现在真的能一句话让gpt-image2直接做出可以编辑的psd文件！我们群里好几个设计师为此感叹，天这会是真的要变了以前要好好长时间做的工作，现在一句话就可以搞定，提质增效得不要不要的！操作步骤也是so easy：先让 image-2 生成设计图，然后多轮对话调整，拆分分成若干图像，生成单独一个独立图像，需求进行精确收窄差不多定稿后，让它直接分层生成png素材，最后整图拼合成 psd 文件！唰的一下，整个压缩包下载下来最后，直接交付，或者 PhotoShop 里精调一下！！ perfect！！！不过，目前这个算是新东西，可能，现阶段生成的psd文件可能不会很精细，分层或许不太精确。其未来可期，下一个版本迭代就不好说是什么样恐怖的存在了

昨天刷到个视频，image2杀死了比赛！现在真的能一句话让gpt-image2直接做出可以编辑的psd文件！我们群里好几个设计师为此感叹，天这会是真的要变了以前要好好长时间做的工作，现在一句话就可以搞定，提质增效得不要不要的！操作步骤也是so easy：先让 image-2 生成设计图，然后多轮对话调整，拆分分成若干图像，生成单独一个独立图像，需求进行精确收窄差不多定稿后，让它直接分层生成png素材，最后整图拼合成 psd 文件！唰的一下，整个压缩包下载下来最后，直接交付，或者 PhotoShop 里精调一下！！ perfect！！！不过，目前这个算是新东西，可能，现阶段生成的psd文件可能不会很精细，分层或许不太精确。其未来可期，下一个版本迭代就不好说是什么样恐怖的存在了

Soran

74,069 görüntüleme • 3 ay önce

🔥 AI 任务终于看得见了！Flowtrace 把复杂工作变成可视 Trace：一步步走、每步可查、可追溯、可复用、还能持续进化！我每天用 Claude、Cursor 干活：写报告、研究股票、做方案、优化简历…… 用得越多越崩溃： - 今天花几个小时跟 AI 聊出来的东西，明天想再用一次，又得从头重新说一遍 - AI 给的答案看起来很专业，但我根本不知道它哪来的依据，靠不靠谱心里没底 - 好不容易调教出一个好 Prompt，下次就作废了，全是沉没成本 - 改一个想法，整个对话就乱套，得全部重来 - 领导问“你这个结论怎么来的？”我只能尴尬地说……AI 说的真的太没有安全感了，用完就忘，越用越焦虑。直到我刷到 Flowtrace 这个开源项目，它直接解决了我这些痛点。现在我做事情时，AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容，而是： - 整个过程一步一步清清楚楚，我全程看得见 - 每一步都有单独的文件，想查哪步就点哪步，依据一目了然 - 做完一次以后，下次直接复用，改改输入就能出新结果 - 只想改哪里，就只重新跑哪里，不用全部重来 - 做完之后心里特别踏实，因为每一步都有痕迹、有证据最打动我的是：AI 终于不再是一次性聊天工具，而是变成了我真正能掌控、能重复使用、越用越强的个人助手。现在做股票分析、写周报、准备方案，都会用它跑一遍，心里安心多了，不再担心“明天又得重来”。作为一个普通人，我完全不需要懂技术。把仓库丢给 AI，说一句“帮我安装并跑 tailored-resume 示例”就能立刻上手。项目自带 9 个现成例子，普通用户也能马上感受到巨大差别： - 股票投资决策：完整研究报告 + 图表 + 依据，最后生成可引用 PDF - SaaS 尽职调查：多维度分析，每一步证据链完整 - 定制简历生成：一步步优化，轻松复用 - 行业深度报告、Bug 修复循环、周报、广告优化…… - 甚至能把别人的 Skill / Chat Log 直接转成 Trace！如果你也和我一样，天天靠 AI 干正事，却总觉得不踏实、怕沉没成本，真的强烈推荐你去试试！

🔥 AI 任务终于看得见了！Flowtrace 把复杂工作变成可视 Trace：一步步走、每步可查、可追溯、可复用、还能持续进化！我每天用 Claude、Cursor 干活：写报告、研究股票、做方案、优化简历…… 用得越多越崩溃： - 今天花几个小时跟 AI 聊出来的东西，明天想再用一次，又得从头重新说一遍 - AI 给的答案看起来很专业，但我根本不知道它哪来的依据，靠不靠谱心里没底 - 好不容易调教出一个好 Prompt，下次就作废了，全是沉没成本 - 改一个想法，整个对话就乱套，得全部重来 - 领导问“你这个结论怎么来的？”我只能尴尬地说……AI 说的真的太没有安全感了，用完就忘，越用越焦虑。直到我刷到 Flowtrace 这个开源项目，它直接解决了我这些痛点。现在我做事情时，AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容，而是： - 整个过程一步一步清清楚楚，我全程看得见 - 每一步都有单独的文件，想查哪步就点哪步，依据一目了然 - 做完一次以后，下次直接复用，改改输入就能出新结果 - 只想改哪里，就只重新跑哪里，不用全部重来 - 做完之后心里特别踏实，因为每一步都有痕迹、有证据最打动我的是：AI 终于不再是一次性聊天工具，而是变成了我真正能掌控、能重复使用、越用越强的个人助手。现在做股票分析、写周报、准备方案，都会用它跑一遍，心里安心多了，不再担心“明天又得重来”。作为一个普通人，我完全不需要懂技术。把仓库丢给 AI，说一句“帮我安装并跑 tailored-resume 示例”就能立刻上手。项目自带 9 个现成例子，普通用户也能马上感受到巨大差别： - 股票投资决策：完整研究报告 + 图表 + 依据，最后生成可引用 PDF - SaaS 尽职调查：多维度分析，每一步证据链完整 - 定制简历生成：一步步优化，轻松复用 - 行业深度报告、Bug 修复循环、周报、广告优化…… - 甚至能把别人的 Skill / Chat Log 直接转成 Trace！如果你也和我一样，天天靠 AI 干正事，却总觉得不踏实、怕沉没成本，真的强烈推荐你去试试！

开发者Hailey

13,330 görüntüleme • 2 ay önce

Cursor 推出炼蛊模式！一口气能开8个代理！给大家带来 Cursor 2.0 更新内容！这个分量的确够得上一个大版本更新。首先，推出了炼蛊模式，你最多可以开8个 Agent 并行运行同一个任务，然后矬子里面拔大个，选你觉得AI生成的最好的结果。其次，cursor 早就传出内部在炼大模型，终于推出了！目前宣传点是生成速度，这个我一会儿会单独放出这个模型的评测视频！然后！可以在Cursor里面直接打开浏览器了！这叫一个真套娃了，本身就是 Electron，又套个 chromium。跑题了，这个最大的作用其实是为大模型进行视觉设计或debug铺平道路。是个非常不错的功能。就是不知道大家内存抗不扛得住。还有！现在支持语音输入了，终于可以真的当老板了用嘴命令它干活了。剩下就是一些小改进了，包括可以在一个chat里面看多个文件的修改啦，其实跟github的合并pr的模式差不多。命令可以运行在安全沙箱，再也不用担心输入了个波浪线，大模型灭门事件了。团队配置集中管理啦，可以在后代运行多个 plan mode，玩田忌赛马等等等等。总之，请确保你的订阅套餐够烧

Cursor 推出炼蛊模式！一口气能开8个代理！给大家带来 Cursor 2.0 更新内容！这个分量的确够得上一个大版本更新。首先，推出了炼蛊模式，你最多可以开8个 Agent 并行运行同一个任务，然后矬子里面拔大个，选你觉得AI生成的最好的结果。其次，cursor 早就传出内部在炼大模型，终于推出了！目前宣传点是生成速度，这个我一会儿会单独放出这个模型的评测视频！然后！可以在Cursor里面直接打开浏览器了！这叫一个真套娃了，本身就是 Electron，又套个 chromium。跑题了，这个最大的作用其实是为大模型进行视觉设计或debug铺平道路。是个非常不错的功能。就是不知道大家内存抗不扛得住。还有！现在支持语音输入了，终于可以真的当老板了用嘴命令它干活了。剩下就是一些小改进了，包括可以在一个chat里面看多个文件的修改啦，其实跟github的合并pr的模式差不多。命令可以运行在安全沙箱，再也不用担心输入了个波浪线，大模型灭门事件了。团队配置集中管理啦，可以在后代运行多个 plan mode，玩田忌赛马等等等等。总之，请确保你的订阅套餐够烧

karminski-牙医

21,725 görüntüleme • 9 ay önce

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,373 görüntüleme • 7 ay önce

PM学编程第6天：开发一个MCP server 昨天安装测试不少MCP （如Fetch、Obsidian、sequential-thinking、brave search、playwright等）惊叹的同时，很想自己做一个。仅需说话就能完成复杂任务，确实是件很酷的事情。过程比想象中简单，甚至不用看官方文档。只需VS安装Cline 或 Roo Code插件，然后说：我要做一个xxx的MCP，然后描述功能需求。 AI会自动生成代码，读取修改MCP 配置文件，不断修改测试就能完成。做了一个海螺音频的MCP。只需要说，用xx声音，朗读“xxx”（可以是文字也可以文件名），就会自动调用MCP，把文本用这个音色生成一个MP3文件。优势：每个MCP 可以跟其他MCP工作流整合，比如直接说抓取Paulgraham 的第3篇，生成双语对照，然后用中年男生朗读。感受：像Coze、Dify这类工具要尽快演化，否则很容易被各种 MCP 取代，拖拽连线成本太高了。普通用户未来可能只是安装了一堆MCP插件，只需要用语言描述任务即可。

PM学编程第6天：开发一个MCP server 昨天安装测试不少MCP （如Fetch、Obsidian、sequential-thinking、brave search、playwright等）惊叹的同时，很想自己做一个。仅需说话就能完成复杂任务，确实是件很酷的事情。过程比想象中简单，甚至不用看官方文档。只需VS安装Cline 或 Roo Code插件，然后说：我要做一个xxx的MCP，然后描述功能需求。 AI会自动生成代码，读取修改MCP 配置文件，不断修改测试就能完成。做了一个海螺音频的MCP。只需要说，用xx声音，朗读“xxx”（可以是文字也可以文件名），就会自动调用MCP，把文本用这个音色生成一个MP3文件。优势：每个MCP 可以跟其他MCP工作流整合，比如直接说抓取Paulgraham 的第3篇，生成双语对照，然后用中年男生朗读。感受：像Coze、Dify这类工具要尽快演化，否则很容易被各种 MCP 取代，拖拽连线成本太高了。普通用户未来可能只是安装了一堆MCP插件，只需要用语言描述任务即可。

向阳乔木

37,569 görüntüleme • 1 yıl önce