Loading video...

Video Failed to Load

Go Home

之前用 Seedance 2 做了个做酸菜鱼的视频， 生成到第10秒的时候，美女的手直接伸进滚烫的锅里搅拌。AI完全不知道那样会烫。 当时觉得好笑，后来越想越觉得，这不只是 bug这么简单，现在的 AI 根本还没到理解物理世界怎么运转这一层。 这半年做了太多AI视频了，每次满心欢喜等它生成，结果经常是人物动作接不上、物体空间瞬移、手还没碰到东西物体就动了，各种幻觉 bug，真的挺折磨。 最近看到黄碧薇教授 Biwei Huang 的 Aether AI 官宣融资，认真看了一下方向，感觉它解释了很多视觉 AI 里反复出现的问题。 Aether AI 做的是因果世界模型。这个词听起来很学术，但放到视频生成里其实很好理解。 今天的视频模型，Sora、即梦、Veo，已经能生成非常真实的画面。杯子掉落、水洒出来、机械臂抓取，看起来越来越像真的。但它们很多时候是在根据海量视频经验预测下一帧，类似画面后面通常会发生什么，就生成什么。 所以桌子高了 2cm，机械臂就可能失效。明明伸过去的角度看起来对，杯子却自己飞起来了。画质够了，数据也不少，但模型没有真正理解这个动作为什么会带来这个结果。 Aether AI想做的，就是让 AI 学到变量之间的底层规律，比如桌子高度变了会带来什么影响，物体受力之后会怎么运动，一个动作会导致什么后果。 这类东西学进去，模型才能在没见过的场景里稳定推演、举一反三。对视频生成、机器人、自动驾驶、3D 世界模拟都会很关键。 视觉 AI 下一阶段的方向，可能就是从生成看起来合理的画面，走向理解画面为什么会这样变化。 黄教授 Biwei Huang 做因果AI 超过 12 年，这次 Aether AI 融资，我觉得是一个值得关注的信号：因果世界模型正在从学术前沿走向产业。 想了解的可以戳一下官网看看：

Adam38363368936's profile picture

Adam也叫吉米

15,415 subscribers

72,562 views • 1 month ago •via X (Twitter)

EducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。 咱们看看这个案例， 零游戏开发经验，两周时间， 一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉， 骑着电动车在城市里穿梭接单， 订单会真实堆叠在后座，掉了就会失败， 还有完整的手机App导航和超市捡货系统， 很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利， 本质是人类品味的胜利， 他没写几行代码， 所有的逻辑模型贴图音乐音效， 全都是AI生成的， 他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的， 最后花两周时间一点点打磨细节， 调参数摆道具改手感， 其实这就是现在大家说的vibe coding， 让AI接管了所有的执行层， 人类只需要负责方向和品味， 以前你得学会编程建模配乐剪辑， 才能做出一个游戏， 现在你只需要知道， 什么东西是好的， 很多人说这是作弊， 但这才是真正的创意民主化呀， 一年前需要一个小团队干几个月的活， 现在一个普通人两周就能搞定， 我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。 这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切， 但它不知道的是 什么东西看起来舒服， 什么东西玩起来爽， 什么东西能让人会心一笑， 比如那些纯AI生成的游戏为什么不好玩， 因为它们只有技术，没有灵魂， 那什么是灵魂呢？ 我理解灵魂就是那个站在AI背后， 做每一个微小选择的人， 就是那个知道什么时候该停手， 什么时候该再改一下的人， 而且我觉得这只是一个开始， 今天是浏览器3D游戏， 那明天可能就是完整的App， 后天甚至是3A级别的游戏原型， 我们正在见证一个全新的创作时代， 任何人都能把自己的脑洞， 变成真正的产品， 游戏链接放在评论区了， 直接浏览器打开就能玩， 建议大家去试试， 你会真切地感受到， 那个属于普通人的创作黄金时代， 真的已经来了！ #AI #游戏开发 #vibecoding
0:14

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。 咱们看看这个案例， 零游戏开发经验，两周时间， 一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉， 骑着电动车在城市里穿梭接单， 订单会真实堆叠在后座，掉了就会失败， 还有完整的手机App导航和超市捡货系统， 很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利， 本质是人类品味的胜利， 他没写几行代码， 所有的逻辑模型贴图音乐音效， 全都是AI生成的， 他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的， 最后花两周时间一点点打磨细节， 调参数摆道具改手感， 其实这就是现在大家说的vibe coding， 让AI接管了所有的执行层， 人类只需要负责方向和品味， 以前你得学会编程建模配乐剪辑， 才能做出一个游戏， 现在你只需要知道， 什么东西是好的， 很多人说这是作弊， 但这才是真正的创意民主化呀， 一年前需要一个小团队干几个月的活， 现在一个普通人两周就能搞定， 我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。 这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切， 但它不知道的是 什么东西看起来舒服， 什么东西玩起来爽， 什么东西能让人会心一笑， 比如那些纯AI生成的游戏为什么不好玩， 因为它们只有技术，没有灵魂， 那什么是灵魂呢？ 我理解灵魂就是那个站在AI背后， 做每一个微小选择的人， 就是那个知道什么时候该停手， 什么时候该再改一下的人， 而且我觉得这只是一个开始， 今天是浏览器3D游戏， 那明天可能就是完整的App， 后天甚至是3A级别的游戏原型， 我们正在见证一个全新的创作时代， 任何人都能把自己的脑洞， 变成真正的产品， 游戏链接放在评论区了， 直接浏览器打开就能玩， 建议大家去试试， 你会真切地感受到， 那个属于普通人的创作黄金时代， 真的已经来了！ #AI #游戏开发 #vibecoding

阿绎 AYi

12,095 views • 3 months ago

生成视频已经满足不了人类的欲望了，生成世界才是未来！地球Online的虚拟世界版要来了。。。​ ​ 以前我们玩游戏都是一个固定好的世界，比如绝地求生、英雄联盟或者王者荣耀。。。但是我曾经还是畅想过在一个完全「未知」的世界升级打怪，不过从来没觉得这会变成现实，但是最近有一个词叫做「世界模型」非常火，我已经不止一次听说过它的名号。​ ​ 世界模型的定义是：一种能够学习并模拟环境状态变化的 AI 模型。 它能根据过去的观察和当前动作，预测：当前状态+动作→下一个状态。例如：汽车当前速度、道路情况、方向盘操作→汽车下一秒的位置和周围环境。​ ​ 也就是说如果置身「世界模型」之内，未来的每一刻都会根据你上一刻的行为而变化，这就很有意思了，如果大家都玩由「世界模型」支撑的游戏，那么每个人的游戏体验都会是独一无二的，这真的有可能颠覆现在的传统行业。​ ​ 之前更多停留在“听说”的阶段，但是 Alaya World 可能真的会让这个想法第一次变为现实，我在它的官网做了一个demo——选择魔法，整个世界为之变色👇。​ ​ Alaya World模型以 720p / 24 FPS 实时流式生成了可探索的世界。而且生成过程中可以自由移动来调整视角，通过提示词随时召唤魔法，并支持超过 1 分钟的稳定长时连续生成。​ ​ 但是除了“好玩”之外，「世界模型」肯定会比单纯生成视频更加烧钱，那为什么这些像Alaya Lab这种顶级实验室都在往里面疯狂砸钱。它到底能通过什么方式变现？我特意查了一下它的应用场景，不查不知道，一查吓一跳，「世界模型」真的是在下一盘大棋：​ ​ 1.帮机器人训练提效降本：在虚拟环境里模拟不同物体、房间和突发情况，让机器人反复练习抓取、行走和操作，不需要在现实中摆放物品，减少设备损坏的风险，从而降低训练成本。​ ​ 2.帮助自动驾驶测试危险场景：模拟行人突然出现、前车急刹、暴雨大雾等现实中很难主动制造的情况，让自动驾驶系统提前进行大量测试，提高安全性。​ ​ 3.帮助游戏和影视生成场景：生成可以移动和互动的虚拟空间，从而减少游戏地图、影视场景和3D内容的制作时间。​ ​ 4.帮助企业提前模拟现实决策。工厂、仓库或建筑公司可以先在虚拟环境中测试设备摆放、生产流程和人员路线，确认方案是否合理后，再在现实中实施，减少试错成本。​ ​ 所以对应的「世界模型」可以通过卖API和算力赚钱、通过软件订阅赚钱、通过企业定制赚钱，简单来说，现在AI视频模型能盈利的渠道它都有，而且甚至能够更广泛。​ ​ 我感觉我每一次赚钱都是抓住了风口，包括Youtube shorts的YPP、小红书虚拟AI产品、X AI自媒体，那下一个关于AI的机会在哪？我很看好「世界模型」，接下来我也会更加仔细研究这个赛道，希望在下一个十年不会下桌🫡​ ​ Alaya Word也已经开源： 相关技术论文感兴趣的朋友也可以去读一下（我是让AI解释的哈哈哈）：
0:17

生成视频已经满足不了人类的欲望了，生成世界才是未来！地球Online的虚拟世界版要来了。。。​ ​ 以前我们玩游戏都是一个固定好的世界，比如绝地求生、英雄联盟或者王者荣耀。。。但是我曾经还是畅想过在一个完全「未知」的世界升级打怪，不过从来没觉得这会变成现实，但是最近有一个词叫做「世界模型」非常火，我已经不止一次听说过它的名号。​ ​ 世界模型的定义是：一种能够学习并模拟环境状态变化的 AI 模型。 它能根据过去的观察和当前动作，预测：当前状态+动作→下一个状态。例如：汽车当前速度、道路情况、方向盘操作→汽车下一秒的位置和周围环境。​ ​ 也就是说如果置身「世界模型」之内，未来的每一刻都会根据你上一刻的行为而变化，这就很有意思了，如果大家都玩由「世界模型」支撑的游戏，那么每个人的游戏体验都会是独一无二的，这真的有可能颠覆现在的传统行业。​ ​ 之前更多停留在“听说”的阶段，但是 Alaya World 可能真的会让这个想法第一次变为现实，我在它的官网做了一个demo——选择魔法，整个世界为之变色👇。​ ​ Alaya World模型以 720p / 24 FPS 实时流式生成了可探索的世界。而且生成过程中可以自由移动来调整视角，通过提示词随时召唤魔法，并支持超过 1 分钟的稳定长时连续生成。​ ​ 但是除了“好玩”之外，「世界模型」肯定会比单纯生成视频更加烧钱，那为什么这些像Alaya Lab这种顶级实验室都在往里面疯狂砸钱。它到底能通过什么方式变现？我特意查了一下它的应用场景，不查不知道，一查吓一跳，「世界模型」真的是在下一盘大棋：​ ​ 1.帮机器人训练提效降本：在虚拟环境里模拟不同物体、房间和突发情况，让机器人反复练习抓取、行走和操作，不需要在现实中摆放物品，减少设备损坏的风险，从而降低训练成本。​ ​ 2.帮助自动驾驶测试危险场景：模拟行人突然出现、前车急刹、暴雨大雾等现实中很难主动制造的情况，让自动驾驶系统提前进行大量测试，提高安全性。​ ​ 3.帮助游戏和影视生成场景：生成可以移动和互动的虚拟空间，从而减少游戏地图、影视场景和3D内容的制作时间。​ ​ 4.帮助企业提前模拟现实决策。工厂、仓库或建筑公司可以先在虚拟环境中测试设备摆放、生产流程和人员路线，确认方案是否合理后，再在现实中实施，减少试错成本。​ ​ 所以对应的「世界模型」可以通过卖API和算力赚钱、通过软件订阅赚钱、通过企业定制赚钱，简单来说，现在AI视频模型能盈利的渠道它都有，而且甚至能够更广泛。​ ​ 我感觉我每一次赚钱都是抓住了风口，包括Youtube shorts的YPP、小红书虚拟AI产品、X AI自媒体，那下一个关于AI的机会在哪？我很看好「世界模型」，接下来我也会更加仔细研究这个赛道，希望在下一个十年不会下桌🫡​ ​ Alaya Word也已经开源： 相关技术论文感兴趣的朋友也可以去读一下（我是让AI解释的哈哈哈）：

逸尘

20,391 views • 26 days ago

看到这个视频前，不是很明白Sora为什么号称ai界的tiktok …… 假期除了擦边， 已经看了几个小时ai合成的视频了 停不下来，根本停不下来 国产模型也许不是第一梯队的，但网友的创意真的好贱，哈哈哈哈哈哈哈
0:12

看到这个视频前，不是很明白Sora为什么号称ai界的tiktok …… 假期除了擦边， 已经看了几个小时ai合成的视频了 停不下来，根本停不下来 国产模型也许不是第一梯队的，但网友的创意真的好贱，哈哈哈哈哈哈哈

Xiangyu 香鱼🐬

43,511 views • 5 months ago

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：
0:10

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：

Viking

133,415 views • 1 year ago

两个最厉害的模型联手 会有什么神奇效果呢？ ChatGPT-image-2 + Seedance 2.0 帮我司拍宣传视频这件事，突然变简单了。 以后大家还想看 Misa 的真人视频么？😭😭 我今天看到特别感兴趣，试了一把 先用 ChatGPT-image-2 生成广告分镜图， 再丢给 Seedance 2.0 去生成视频。 结果是 一个人，已经越来越像一个小型广告团队。 最近小作文大赛不是也有视频赛道吗 大家可以试试用AI辅助！ 下面给大家分享流程～ 1 先别急着做视频，先把广告结构搭出来 很多人一上来就直接文生视频， 但最后出来的东西往往更像炫技，不像广告 因为广告最重要的不是画面会不会动， 而是： 开头怎么抓人 中间怎么展示产品 卖点怎么推进 最后怎么收口 所以我第一步不是生成视频， 而是先把它拆成一个标准 15 秒广告结构： 钩子 产品 功能 信任 CTA 你先把导演思路想清楚， 后面的模型才有东西可执行。 2 用 ChatGPT-image-2 生成一张可拍的分镜图 这一步是关键中的关键。 我不是让它随便生成一张好看的图， 而是让它生成一张 广告 storyboard。 也就是一张图里，直接包含： 5 个镜头 时间轴 人物动作 字幕/台词 转场逻辑 品牌信息 这一步的本质，其实不是“画图”， 而是把你的广告脚本可视化。 以前这事要策划、导演、美术一起干。 现在你一个人就能先把骨架搭出来。 3 固定人物参考，让整条片子更像真人拍摄 如果每个镜头都让 AI 随机生成人物， 出来的视频会非常散。 所以我这次直接用固定参考人物，统一整套画面。 这样做的好处非常明显： 人设不会漂 镜头连续性更强 代入感更强 商业感更完整 说白了，AI 视频最怕的不是“不够真实”， 而是“看起来不属于同一个世界”。 人物一统一，质感马上就不一样了。 4 把分镜图交给 Seedance 2.0，让它把静态脚本变成动态广告 当分镜图已经把逻辑搭好以后， Seedance 2.0 的工作就不是“自由发挥”， 而是把这套脚本执行出来。 它负责补足的是： 动作 微表情 运镜感 镜头衔接 视频节奏 这也是为什么我越来越觉得： 比起直接文生视频，先做分镜图再做视频，会稳得多。 因为前者是在赌博， 后者是在导演。 5 最后不断改字幕、卖点和镜头，形成素材流水线 我觉得最有价值的，不是做出这一条。 而是这个流程一旦跑通， 你就不再是在“做视频”， 你是在搭一个 素材生产系统。 同一个产品，你可以快速改出： 不同开头 不同卖点顺序 不同字幕表达 不同人物风格 不同口号收尾 这意味着广告素材终于可以像产品一样被快速迭代了。 以前做一条片子像开项目。 以后做一条片子，可能更像改 prompt。 AI 并不是在替代视频团队的一两个岗位。 它是在把“整条广告生产链路”压缩到一个人手里。 所以问题可能真的来了： 以后大家还要看 Misa 的真人视频么？😭 #AI #Ai视频 #教程
0:15

两个最厉害的模型联手 会有什么神奇效果呢？ ChatGPT-image-2 + Seedance 2.0 帮我司拍宣传视频这件事，突然变简单了。 以后大家还想看 Misa 的真人视频么？😭😭 我今天看到特别感兴趣，试了一把 先用 ChatGPT-image-2 生成广告分镜图， 再丢给 Seedance 2.0 去生成视频。 结果是 一个人，已经越来越像一个小型广告团队。 最近小作文大赛不是也有视频赛道吗 大家可以试试用AI辅助！ 下面给大家分享流程～ 1 先别急着做视频，先把广告结构搭出来 很多人一上来就直接文生视频， 但最后出来的东西往往更像炫技，不像广告 因为广告最重要的不是画面会不会动， 而是： 开头怎么抓人 中间怎么展示产品 卖点怎么推进 最后怎么收口 所以我第一步不是生成视频， 而是先把它拆成一个标准 15 秒广告结构： 钩子 产品 功能 信任 CTA 你先把导演思路想清楚， 后面的模型才有东西可执行。 2 用 ChatGPT-image-2 生成一张可拍的分镜图 这一步是关键中的关键。 我不是让它随便生成一张好看的图， 而是让它生成一张 广告 storyboard。 也就是一张图里，直接包含： 5 个镜头 时间轴 人物动作 字幕/台词 转场逻辑 品牌信息 这一步的本质，其实不是“画图”， 而是把你的广告脚本可视化。 以前这事要策划、导演、美术一起干。 现在你一个人就能先把骨架搭出来。 3 固定人物参考，让整条片子更像真人拍摄 如果每个镜头都让 AI 随机生成人物， 出来的视频会非常散。 所以我这次直接用固定参考人物，统一整套画面。 这样做的好处非常明显： 人设不会漂 镜头连续性更强 代入感更强 商业感更完整 说白了，AI 视频最怕的不是“不够真实”， 而是“看起来不属于同一个世界”。 人物一统一，质感马上就不一样了。 4 把分镜图交给 Seedance 2.0，让它把静态脚本变成动态广告 当分镜图已经把逻辑搭好以后， Seedance 2.0 的工作就不是“自由发挥”， 而是把这套脚本执行出来。 它负责补足的是： 动作 微表情 运镜感 镜头衔接 视频节奏 这也是为什么我越来越觉得： 比起直接文生视频，先做分镜图再做视频，会稳得多。 因为前者是在赌博， 后者是在导演。 5 最后不断改字幕、卖点和镜头，形成素材流水线 我觉得最有价值的，不是做出这一条。 而是这个流程一旦跑通， 你就不再是在“做视频”， 你是在搭一个 素材生产系统。 同一个产品，你可以快速改出： 不同开头 不同卖点顺序 不同字幕表达 不同人物风格 不同口号收尾 这意味着广告素材终于可以像产品一样被快速迭代了。 以前做一条片子像开项目。 以后做一条片子，可能更像改 prompt。 AI 并不是在替代视频团队的一两个岗位。 它是在把“整条广告生产链路”压缩到一个人手里。 所以问题可能真的来了： 以后大家还要看 Misa 的真人视频么？😭 #AI #Ai视频 #教程

Misa_OKX💚

66,832 views • 3 months ago

第一个使用 Claude 驱动的视频生成产品来了， Higgsfield 刚刚推出了 Vibe-Motion，由 Claude 模型驱动。 他们把 Vibe Coding 那套逻辑，直接放到了视频生成里。 以前做 AI 视频是把提示词写好，点生成，如果不满意还要改个词重来，之前的神态、光影全变了。 接入 Claude 后的 Higgsfield Vibe-Motion，直接把 AI 视频从生成器变成了编辑器，现在用它生成视频能够： 1. 深入理解创作意图：比如 “让这个视频看起来高端”，它能够自动调整几十个参数来匹配你的意图。 2. 实时掌握世界知识：比如你只要上传品牌素材，无需解释就能理解当前品牌参考、相关风格，自动应用到视频里。 3. 持续上下文：Claude 会记住你的对话，只需要对视频提出修改意见，能够自动推理你要修改哪个细节，不会把已经确定好的视频风格搞乱。 4. 更强大的一致性：通过 Claude 它能够自动推理出视频要修改的时间、布局、层级关系，自动维护视频的一致性。 Vibe Video 已来，先生成 Demo，再通过对话不断微调细节。
0:15

第一个使用 Claude 驱动的视频生成产品来了， Higgsfield 刚刚推出了 Vibe-Motion，由 Claude 模型驱动。 他们把 Vibe Coding 那套逻辑，直接放到了视频生成里。 以前做 AI 视频是把提示词写好，点生成，如果不满意还要改个词重来，之前的神态、光影全变了。 接入 Claude 后的 Higgsfield Vibe-Motion，直接把 AI 视频从生成器变成了编辑器，现在用它生成视频能够： 1. 深入理解创作意图：比如 “让这个视频看起来高端”，它能够自动调整几十个参数来匹配你的意图。 2. 实时掌握世界知识：比如你只要上传品牌素材，无需解释就能理解当前品牌参考、相关风格，自动应用到视频里。 3. 持续上下文：Claude 会记住你的对话，只需要对视频提出修改意见，能够自动推理你要修改哪个细节，不会把已经确定好的视频风格搞乱。 4. 更强大的一致性：通过 Claude 它能够自动推理出视频要修改的时间、布局、层级关系，自动维护视频的一致性。 Vibe Video 已来，先生成 Demo，再通过对话不断微调细节。

耳朵

37,338 views • 6 months ago

很多人看 Inference Labs ， 第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。 但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。 在传统的 AI 世界里，模型方就是绝对的老大。 模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。 算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。 但 Inference Labs 正在把这套逻辑给彻底拆掉。 在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。 一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。 这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。 再来看看算力。 很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。 算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。 这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。 那么，真正的权力流向哪儿了。 答案是验证者。 验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。 他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。 它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。 这种变化的影响会非常深远。 以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。 而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。 因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。 所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。 其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。 它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。 我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。 那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。 在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。 这才是它最被低估的地方。 它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITO
0:14

很多人看 Inference Labs ， 第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。 但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。 在传统的 AI 世界里，模型方就是绝对的老大。 模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。 算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。 但 Inference Labs 正在把这套逻辑给彻底拆掉。 在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。 一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。 这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。 再来看看算力。 很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。 算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。 这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。 那么，真正的权力流向哪儿了。 答案是验证者。 验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。 他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。 它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。 这种变化的影响会非常深远。 以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。 而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。 因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。 所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。 其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。 它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。 我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。 那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。 在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。 这才是它最被低估的地方。 它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITO

比克大魔王

29,048 views • 7 months ago

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。
0:15

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。

科技俊 | Tech Jun

33,295 views • 1 month ago

为什么刘震云是刘震云？ 因为他能把一个人一辈子都绕不过去的事，写成一句最普通的家常话。 电影《一句顶一万句》，改编自刘震云的同名小说。 里面有一句话，特别轻。 轻到你第一次听见，可能都不会停下来。 但这句话在原著里出现了两次。 一部作品里，一句话反复出现，就不是随便写的。 它是刘震云真正看透日子以后，说出来的话： “过日子是过以后，不是过以前。” 这句话，不只是写给曹青娥的，也不只是写给牛爱国的，它就是刘震云自己的觉醒。 一个人要活到一定年纪，经历过很多绕不过去的事，才会明白： 人这一生，最难的不是吃苦。 最难的是，别一直困在以前的苦里。 年轻的时候，总觉得有些事必须想明白。 为什么当初会那样？ 为什么那个人要那么对我？ 为什么那条路走错了？ 为什么明明已经很努力，结果还是不如人意？ 想来想去，日子还是一天一天过。 只是人慢慢被过去拖沉了。 后来才知道，过去的事，真的没法重新过一遍。 你再不甘，它也发生了。 你再后悔，它也改不了。 你再放不下，明天还是会来。 所以刘震云这句话狠就狠在这里。 它不是劝你忘了过去。 忘不了。 真正经历过的人都知道，有些事不是说放下就能放下。 它是在告诉你： 别再拿以前，继续过今天。 以前吃过的苦，留下教训就够了。 以前走错的路，认了、改了就够了。 以前离开的人，走远了也就走远了。 人这一生，真正能过的，永远是后面的日子。 身体要往后养。 心要慢慢放宽。 路也还得继续走。 刘震云厉害的地方就在这儿。 他不是站在高处讲道理。 他是把人活着最朴素、最疼、也最难做到的事，写成了一句家常话。 过日子是过以后，不是过以前。 这句话，表面是写人物。 其实是他自己过人生的方式。 人到了一定年纪，真要学会这一点： 别总回头。 后面的日子，才是真正要过的日子。
0:14

为什么刘震云是刘震云？ 因为他能把一个人一辈子都绕不过去的事，写成一句最普通的家常话。 电影《一句顶一万句》，改编自刘震云的同名小说。 里面有一句话，特别轻。 轻到你第一次听见，可能都不会停下来。 但这句话在原著里出现了两次。 一部作品里，一句话反复出现，就不是随便写的。 它是刘震云真正看透日子以后，说出来的话： “过日子是过以后，不是过以前。” 这句话，不只是写给曹青娥的，也不只是写给牛爱国的，它就是刘震云自己的觉醒。 一个人要活到一定年纪，经历过很多绕不过去的事，才会明白： 人这一生，最难的不是吃苦。 最难的是，别一直困在以前的苦里。 年轻的时候，总觉得有些事必须想明白。 为什么当初会那样？ 为什么那个人要那么对我？ 为什么那条路走错了？ 为什么明明已经很努力，结果还是不如人意？ 想来想去，日子还是一天一天过。 只是人慢慢被过去拖沉了。 后来才知道，过去的事，真的没法重新过一遍。 你再不甘，它也发生了。 你再后悔，它也改不了。 你再放不下，明天还是会来。 所以刘震云这句话狠就狠在这里。 它不是劝你忘了过去。 忘不了。 真正经历过的人都知道，有些事不是说放下就能放下。 它是在告诉你： 别再拿以前，继续过今天。 以前吃过的苦，留下教训就够了。 以前走错的路，认了、改了就够了。 以前离开的人，走远了也就走远了。 人这一生，真正能过的，永远是后面的日子。 身体要往后养。 心要慢慢放宽。 路也还得继续走。 刘震云厉害的地方就在这儿。 他不是站在高处讲道理。 他是把人活着最朴素、最疼、也最难做到的事，写成了一句家常话。 过日子是过以后，不是过以前。 这句话，表面是写人物。 其实是他自己过人生的方式。 人到了一定年纪，真要学会这一点： 别总回头。 后面的日子，才是真正要过的日子。

杨高能

36,417 views • 2 months ago

Claude Fable 5 经过1个月紧急下架后再回归，我这两天也重新去测试了一下。 正好一直刷到赛博斗蛐蛐的视频，正好拿来测试一下，看看能不能做个同款出来。 给大伙看看fable 5 的效果：视频1 再来对比一下GPT-5.5的效果，老实说有点拉了，为什么把restart按钮直接盖住了屏幕啊？不是很理解：视频2 最后再来看看国产Deepseek V4 Pro的效果，物理效果感觉还是不行，有点迟钝的感觉：视频3 Fable 5的整体效果是最接近我刷到的小视频的效果的。 虽然效果很强，但是现在fable 5最大的问题在于，官方在6月22日以后，订阅套餐不能用Fable，只能走API。 但是价格实在是遭不住：每 M 输出 50 美元的定价让社区吐槽声不断！我推荐用Zenmux，这个省一些。目前有个加赠20%的活动，每人最高可享 300刀 ！ 官网在这里： RPM、不限流。可调用全平台 200+ 模型（含 Claude Fable 5），非常适合做这种评测、并排对比和长期开发。
0:12

Claude Fable 5 经过1个月紧急下架后再回归，我这两天也重新去测试了一下。 正好一直刷到赛博斗蛐蛐的视频，正好拿来测试一下，看看能不能做个同款出来。 给大伙看看fable 5 的效果：视频1 再来对比一下GPT-5.5的效果，老实说有点拉了，为什么把restart按钮直接盖住了屏幕啊？不是很理解：视频2 最后再来看看国产Deepseek V4 Pro的效果，物理效果感觉还是不行，有点迟钝的感觉：视频3 Fable 5的整体效果是最接近我刷到的小视频的效果的。 虽然效果很强，但是现在fable 5最大的问题在于，官方在6月22日以后，订阅套餐不能用Fable，只能走API。 但是价格实在是遭不住：每 M 输出 50 美元的定价让社区吐槽声不断！我推荐用Zenmux，这个省一些。目前有个加赠20%的活动，每人最高可享 300刀 ！ 官网在这里： RPM、不限流。可调用全平台 200+ 模型（含 Claude Fable 5），非常适合做这种评测、并排对比和长期开发。

雪踏乌云

48,569 views • 1 month ago

兄弟盟，AI 女友真的要来了～ 刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。 它想做的事情其实很简单： 做一个真正活着的 AI 虚拟角色。 不是普通的聊天机器人， 而是一个 AI 虚拟伙伴 / AI VTuber。 你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目 完全开源，而且可以自己部署。 也就是说，你可以拥有一个： 会聊天、会记住你、还能互动的 AI 数字人。 技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型 未来的 AI Companion，大概率就是这个形态。 如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品 这个项目真的值得去看看。
0:11

兄弟盟，AI 女友真的要来了～ 刚在 GitHub 看到一个挺有意思的 AI 项目，叫 AIRI。 它想做的事情其实很简单： 做一个真正活着的 AI 虚拟角色。 不是普通的聊天机器人， 而是一个 AI 虚拟伙伴 / AI VTuber。 你可以和她： - 语音聊天 - 一起看视频 - 一起玩游戏 - 甚至让她帮你打 Minecraft 关键是这个项目 完全开源，而且可以自己部署。 也就是说，你可以拥有一个： 会聊天、会记住你、还能互动的 AI 数字人。 技术也挺硬核： - WebGPU + WebAssembly - 支持 OpenAI / Claude / Gemini 等大模型 - 还能接 Live2D、VRM 角色模型 未来的 AI Companion，大概率就是这个形态。 如果你在关注： AI Agent AI 虚拟人 AI 陪伴产品 这个项目真的值得去看看。

开发者Hailey

34,171 views • 5 months ago

一直在琢磨一件事：如果把全球最强生图模型和最强视频模型接到同一条工作流里，会是什么结果？ GPT-Image 2（beta） + Seedance 2.0，这两个摆一起就是王炸。 结果 Topview 先做了。 他们的工作流逻辑很简单：GPT-Image 2（beta） 先出分镜(Storyboard)，确认故事版之后，再交给 Seedance 2.0 去跑长视频。 我觉得这才是 AI 视频该有的打开方式。 以前做 AI 视频基本靠抽卡，一条片子烧掉大把 token，还得等很久，不满意就刷新重来，算力和时间都在白白浪费。 现在可以先在分镜阶段把故事定死，图层面的问题图层面解决，视频层面的算力只花在已经确认好的镜头上。可控性的差距不是一个量级。 目前开通Ultra Plan可以365 天无限使用，两个最强模型无限跑。真的是很划算了，我接下来准备把英文视频账号的批量生产全切到这套工作流上。 这不就是我一直想要的么~ TopviewAI
0:15

一直在琢磨一件事：如果把全球最强生图模型和最强视频模型接到同一条工作流里，会是什么结果？ GPT-Image 2（beta） + Seedance 2.0，这两个摆一起就是王炸。 结果 Topview 先做了。 他们的工作流逻辑很简单：GPT-Image 2（beta） 先出分镜(Storyboard)，确认故事版之后，再交给 Seedance 2.0 去跑长视频。 我觉得这才是 AI 视频该有的打开方式。 以前做 AI 视频基本靠抽卡，一条片子烧掉大把 token，还得等很久，不满意就刷新重来，算力和时间都在白白浪费。 现在可以先在分镜阶段把故事定死，图层面的问题图层面解决，视频层面的算力只花在已经确认好的镜头上。可控性的差距不是一个量级。 目前开通Ultra Plan可以365 天无限使用，两个最强模型无限跑。真的是很划算了，我接下来准备把英文视频账号的批量生产全切到这套工作流上。 这不就是我一直想要的么~ TopviewAI

鱼总聊AI

102,685 views • 3 months ago

我去！image2和seedance2.0简直绝配 还记得在视频号上「流量上百万」靠流量日入过千的机器人变形视频吗 现在又有羊毛可以薅了 而且光变现就有两种方式，第一种直接发布这种视频，我能赚流量的钱 第二种，那通过这个视频会有很多的商家来找我给他们做，一单200，这个是我验证过的 而且获客也很简单，发两条在自己的视频号上就可以了，土老板很喜欢这个，做出来的视频样式就在下面 而且这个平台是「字节官方开白名单的平台」我一定要推荐一下！ 就是之前我推GPT会员购买的GamsGo做出来的rita 真的一定要去试一下，链接我放下面了，而且这是我实际接到的第一个需求，后面还有一个需求，我下一条就马上写出来给你。真的AI赚钱很轻松 而且 Rita 不只是视频生成这一个功能，它一站式集成了 Seedance 2.0、Kling、Runway 这些视频模型，还有 Midjourney、Flux 、image2这些生图模型，Claude、GPT、Gemini 这些对话模型 一个平台搞定全部，不用在五六个工具之间反复横跳，效率真的不是提升一点 还有一点很实在：新人注册直接送 100 积分，Seedance 2.0 可以先体验再决定要不要付费 Mega 套餐 $11.99 一个月，1200 积分，算下来比官方便宜不少，试错成本低很多。 想试试的直接点这个链接，有什么问题直接评论区反馈给我！：
0:15

我去！image2和seedance2.0简直绝配 还记得在视频号上「流量上百万」靠流量日入过千的机器人变形视频吗 现在又有羊毛可以薅了 而且光变现就有两种方式，第一种直接发布这种视频，我能赚流量的钱 第二种，那通过这个视频会有很多的商家来找我给他们做，一单200，这个是我验证过的 而且获客也很简单，发两条在自己的视频号上就可以了，土老板很喜欢这个，做出来的视频样式就在下面 而且这个平台是「字节官方开白名单的平台」我一定要推荐一下！ 就是之前我推GPT会员购买的GamsGo做出来的rita 真的一定要去试一下，链接我放下面了，而且这是我实际接到的第一个需求，后面还有一个需求，我下一条就马上写出来给你。真的AI赚钱很轻松 而且 Rita 不只是视频生成这一个功能，它一站式集成了 Seedance 2.0、Kling、Runway 这些视频模型，还有 Midjourney、Flux 、image2这些生图模型，Claude、GPT、Gemini 这些对话模型 一个平台搞定全部，不用在五六个工具之间反复横跳，效率真的不是提升一点 还有一点很实在：新人注册直接送 100 积分，Seedance 2.0 可以先体验再决定要不要付费 Mega 套餐 $11.99 一个月，1200 积分，算下来比官方便宜不少，试错成本低很多。 想试试的直接点这个链接，有什么问题直接评论区反馈给我！：

叫我阿杭

60,231 views • 3 months ago

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO
0:13

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO

阿川

147,843 views • 7 months ago

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。
0:18

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。

DeFi狙击手 | Ai🕊️

17,513 views • 24 days ago

我不准备把 BerryCode 做成最便宜的中转站。 现在市面上有 0.06 倍、0.1 倍、0.2 倍的渠道，我知道这些价格看起来非常诱人，但我现在只能做到 GPT 官网口径 0.28X，也就是 0.4 折，用 1 M token, 综合下来大约在 0.4~0.6 人民币；换句话说，它不是最低价那一档。 但我能保证一件事：BerryCode 现在只做纯 GPT。 坦诚讲，我的能力还撑不起 Claude 中转。 Claude 封号太严，我承担不起这个风险，也不想为了多卖一个模型，把一个自己都没把握的东西塞给用户。后面我会自己体验一批价格合适、稳定性还不错的 Claude 中转站，如果真的好用，我会直接推荐给大家。 但 GPT 对我来说，是另一回事。 我现在用 Pro 账号做号池，配合一部分补充渠道去填 token 缺口，即便不卷到全网最低价，毛利润率依然能做到 30% 左右，这个数字对我来说已经够了。 我有一个暴论： **你现在能看到的大部分 AI 机会，其实都已经开始走下坡路了。** 中转站最近在推特被骂得很惨，卖数据、掺水、跑路，大家骂得不算冤，因为这个行业确实混进来了太多只想短期收割的人。 而且后面中转站这个生意只会越来越不稳定。 官方会持续封控各种渠道，低价货源会越来越少，成本会越来越高，如果一个站唯一的竞争力就是便宜，那它迟早会遇到一个问题： 成本涨了以后怎么办？ 2C 用户对价格很敏感，你今天用低价把人吸进来，明天成本上升你要涨价，用户凭什么继续用你？ 所以我现在越来越确定一件事： **中转站最后拼的不是谁便宜，而是谁值得被信任。** 信任从哪里来？我有几个思考： 第一，你得有自己的个人 IP。 如果一个完全匿名的站跑路，用户连骂谁都不知道；但我这个账号就在这里，几千个关注我的人也都在这里，BerryCode 真出了问题，我不可能装作没发生过。 第二，你不能什么模型都往上写。 我现在不碰自己没把握的 Claude，不碰我无法承担封控风险的渠道，只做我能解释清楚成本、稳定性和边界的 GPT。 第三，你得承认自己不是万能的。 我不说 BerryCode 永远不出问题，也不说它多便宜，我只能说我会把每一次问题都摊开讲，把修复过程讲出来，把我能做到的稳定性做到极致。 真正长期使用中转站的人，需求和轻量用户是不一样的。 轻量用户可能只看今天谁便宜 20%，但那些每天要跑 Codex、Vibe Coding、自动化任务、长上下文任务的人，他们更关心的是： 会不会突然跑路？ 会不会掺模型？ 会不会偷偷改请求？ 会不会跑到一半没额度？ 出了问题有没有人处理？ 尤其是国内那些真的在用 AI 做业务的人，他们并不只是想省几块钱，他们想要的是一个能长期放在工作流里的入口。 这也是我为什么选择用更稳的方式做 BerryCode。 一个 Pro 账号 1400 左右，我拿它做号池，成本不低，但我心里踏实；我宁愿少赚一点，也不想把整个站建在自己都解释不清楚的便宜渠道上。 坦诚讲，我为什么要做中转站？ 第一，肯定是赚钱。 去年炒币负债以后，我现在确实很需要现金流，这个没什么好装的，来推特的人也不是为了单纯装逼，大家都要吃饭。 第二，我的推特一个月涨了 4200 个粉，但我前阵子很迷茫，不知道该把这些流量导向哪里。 推特上很多商业模式，本质还是拉人头，做应用也好，做服务也好，很多钱来得快，但不一定长久。 中转站当然也不是一个完美的行业，但只要我不赚那些没良心的钱，只要我真的能给用户提供稳定、透明、可用的服务，那这个钱我觉得可以由我来赚。 第三，这一个礼拜搭 BerryCode，我认识了很多以前接触不到的人。 有做政务网站的，有用 AI Vibe Coding 做产品的，有自己搭工作流的，有在公司里偷偷把 AI 引进业务流程的。 我每天通宵改代码、测接口、修登录、修支付、修人机验证，虽然累，但我很久没有这么强烈地感觉到，自己正站在一个还在生长的行业里。 这个感觉有点像早年的币圈。 混乱是真的混乱，但开放也是真的开放；风险是真的风险，但机会也是真的机会。 所以从今天开始，BerryCode 正式进入压力测试和拉新阶段。 活动很简单： 充 20，送 10 平台额度； 充 200，送 100 平台额度； 最高充 2000，送 1000 平台额度。 我需要通过真实用户的使用，知道服务器、号池、支付、监控、客服到底要做到什么程度，才算是一个能长期运营的站。 如果你只是想找全网最低价，那 BerryCode 大概率不是最适合你的。 但如果你想找一个价格不离谱、模型边界讲清楚、出了问题有人处理、愿意长期把信任一点点攒起来的 GPT 中转站，可以来试试。 后面这个群也不叫 BerryCode 交流群了。 我想把它叫做： 才谷和他的朋友们。 欢迎体验，也欢迎挑毛病。 我现在最需要的不是一句“支持”，而是真实用户把问题砸到我脸上，然后我一个一个修掉。
0:15

我不准备把 BerryCode 做成最便宜的中转站。 现在市面上有 0.06 倍、0.1 倍、0.2 倍的渠道，我知道这些价格看起来非常诱人，但我现在只能做到 GPT 官网口径 0.28X，也就是 0.4 折，用 1 M token, 综合下来大约在 0.4~0.6 人民币；换句话说，它不是最低价那一档。 但我能保证一件事：BerryCode 现在只做纯 GPT。 坦诚讲，我的能力还撑不起 Claude 中转。 Claude 封号太严，我承担不起这个风险，也不想为了多卖一个模型，把一个自己都没把握的东西塞给用户。后面我会自己体验一批价格合适、稳定性还不错的 Claude 中转站，如果真的好用，我会直接推荐给大家。 但 GPT 对我来说，是另一回事。 我现在用 Pro 账号做号池，配合一部分补充渠道去填 token 缺口，即便不卷到全网最低价，毛利润率依然能做到 30% 左右，这个数字对我来说已经够了。 我有一个暴论： **你现在能看到的大部分 AI 机会，其实都已经开始走下坡路了。** 中转站最近在推特被骂得很惨，卖数据、掺水、跑路，大家骂得不算冤，因为这个行业确实混进来了太多只想短期收割的人。 而且后面中转站这个生意只会越来越不稳定。 官方会持续封控各种渠道，低价货源会越来越少，成本会越来越高，如果一个站唯一的竞争力就是便宜，那它迟早会遇到一个问题： 成本涨了以后怎么办？ 2C 用户对价格很敏感，你今天用低价把人吸进来，明天成本上升你要涨价，用户凭什么继续用你？ 所以我现在越来越确定一件事： **中转站最后拼的不是谁便宜，而是谁值得被信任。** 信任从哪里来？我有几个思考： 第一，你得有自己的个人 IP。 如果一个完全匿名的站跑路，用户连骂谁都不知道；但我这个账号就在这里，几千个关注我的人也都在这里，BerryCode 真出了问题，我不可能装作没发生过。 第二，你不能什么模型都往上写。 我现在不碰自己没把握的 Claude，不碰我无法承担封控风险的渠道，只做我能解释清楚成本、稳定性和边界的 GPT。 第三，你得承认自己不是万能的。 我不说 BerryCode 永远不出问题，也不说它多便宜，我只能说我会把每一次问题都摊开讲，把修复过程讲出来，把我能做到的稳定性做到极致。 真正长期使用中转站的人，需求和轻量用户是不一样的。 轻量用户可能只看今天谁便宜 20%，但那些每天要跑 Codex、Vibe Coding、自动化任务、长上下文任务的人，他们更关心的是： 会不会突然跑路？ 会不会掺模型？ 会不会偷偷改请求？ 会不会跑到一半没额度？ 出了问题有没有人处理？ 尤其是国内那些真的在用 AI 做业务的人，他们并不只是想省几块钱，他们想要的是一个能长期放在工作流里的入口。 这也是我为什么选择用更稳的方式做 BerryCode。 一个 Pro 账号 1400 左右，我拿它做号池，成本不低，但我心里踏实；我宁愿少赚一点，也不想把整个站建在自己都解释不清楚的便宜渠道上。 坦诚讲，我为什么要做中转站？ 第一，肯定是赚钱。 去年炒币负债以后，我现在确实很需要现金流，这个没什么好装的，来推特的人也不是为了单纯装逼，大家都要吃饭。 第二，我的推特一个月涨了 4200 个粉，但我前阵子很迷茫，不知道该把这些流量导向哪里。 推特上很多商业模式，本质还是拉人头，做应用也好，做服务也好，很多钱来得快，但不一定长久。 中转站当然也不是一个完美的行业，但只要我不赚那些没良心的钱，只要我真的能给用户提供稳定、透明、可用的服务，那这个钱我觉得可以由我来赚。 第三，这一个礼拜搭 BerryCode，我认识了很多以前接触不到的人。 有做政务网站的，有用 AI Vibe Coding 做产品的，有自己搭工作流的，有在公司里偷偷把 AI 引进业务流程的。 我每天通宵改代码、测接口、修登录、修支付、修人机验证，虽然累，但我很久没有这么强烈地感觉到，自己正站在一个还在生长的行业里。 这个感觉有点像早年的币圈。 混乱是真的混乱，但开放也是真的开放；风险是真的风险，但机会也是真的机会。 所以从今天开始，BerryCode 正式进入压力测试和拉新阶段。 活动很简单： 充 20，送 10 平台额度； 充 200，送 100 平台额度； 最高充 2000，送 1000 平台额度。 我需要通过真实用户的使用，知道服务器、号池、支付、监控、客服到底要做到什么程度，才算是一个能长期运营的站。 如果你只是想找全网最低价，那 BerryCode 大概率不是最适合你的。 但如果你想找一个价格不离谱、模型边界讲清楚、出了问题有人处理、愿意长期把信任一点点攒起来的 GPT 中转站，可以来试试。 后面这个群也不叫 BerryCode 交流群了。 我想把它叫做： 才谷和他的朋友们。 欢迎体验，也欢迎挑毛病。 我现在最需要的不是一句“支持”，而是真实用户把问题砸到我脸上，然后我一个一个修掉。

自己修行的才谷

10,497 views • 3 months ago

之前看到这个 3D教学建模的视频觉得很生动，就很想复现一下，现在终于有空搓出来了。发现没有想象中那么难，只需要 4 步，快的话 20 分钟就能搞定。
0:14

之前看到这个 3D教学建模的视频觉得很生动，就很想复现一下，现在终于有空搓出来了。发现没有想象中那么难，只需要 4 步，快的话 20 分钟就能搞定。

XinGPT🐶

40,962 views • 3 months ago

今年 AI 视频最卷的就是模型迭代，几乎每隔一阵就有新一代出来，谁能第一时间用上，谁就多一个身位 这次是 MiniMax 的海螺 H3 刚发，Topview 已经是最早一批能直接上手的平台之一 我一直觉得，模型好不好，光看官方 demo 没用，得看放进真实工作流里能不能出活 看了下附的这条视频，H3 这版的进步很实在：画面稳定度上来了，运镜更自然，材质和光影的质感也更耐看，做营销片、带货短视频、UGC 风格的内容，都够能打 对做出海和电商的人来说，价值不在「又出了个新模型」，在于 Topview 本来那套从产品链接到成片的流程已经很顺，现在底层直接换上更强的 H3，等于同样几步操作，出片质量又往上抬了一档 模型在飞快变强，工具在飞快跟进 留给创作者的功课，就是尽早上手，把手感练出来，等别人还在观望，你的号已经在跑量了 想第一时间玩上海螺 H3 的，直接去 TopviewAI，附的视频就是 H3 跑出来的
0:15

今年 AI 视频最卷的就是模型迭代，几乎每隔一阵就有新一代出来，谁能第一时间用上，谁就多一个身位 这次是 MiniMax 的海螺 H3 刚发，Topview 已经是最早一批能直接上手的平台之一 我一直觉得，模型好不好，光看官方 demo 没用，得看放进真实工作流里能不能出活 看了下附的这条视频，H3 这版的进步很实在：画面稳定度上来了，运镜更自然，材质和光影的质感也更耐看，做营销片、带货短视频、UGC 风格的内容，都够能打 对做出海和电商的人来说，价值不在「又出了个新模型」，在于 Topview 本来那套从产品链接到成片的流程已经很顺，现在底层直接换上更强的 H3，等于同样几步操作，出片质量又往上抬了一档 模型在飞快变强，工具在飞快跟进 留给创作者的功课，就是尽早上手，把手感练出来，等别人还在观望，你的号已经在跑量了 想第一时间玩上海螺 H3 的，直接去 TopviewAI，附的视频就是 H3 跑出来的

Jason Zhu

34,015 views • 15 days ago

每个熊孩子背后都至少有一个熊家长！ 这是在高铁上发生的一幕，本来小孩子之间的大闹也不是什么大事，但是这段视频明显超出了正常范围，从事后小女孩的反应来看，这对她而言应该是司空见惯的现象，因为正常的小孩肯定会告状，而她没有这个举动，就说明告状没用（甚至可能还会有反作用！）。 这是怎样的家庭啊？ 感觉就是后妈才会如此！ 其实也会误了这个男孩，让他在没有约束的溺爱中成长，长大以后再去遭受社会的铁拳。
0:15

每个熊孩子背后都至少有一个熊家长！ 这是在高铁上发生的一幕，本来小孩子之间的大闹也不是什么大事，但是这段视频明显超出了正常范围，从事后小女孩的反应来看，这对她而言应该是司空见惯的现象，因为正常的小孩肯定会告状，而她没有这个举动，就说明告状没用（甚至可能还会有反作用！）。 这是怎样的家庭啊？ 感觉就是后妈才会如此！ 其实也会误了这个男孩，让他在没有约束的溺爱中成长，长大以后再去遭受社会的铁拳。

风轻云淡

38,034 views • 12 days ago

Gemini Omni：全新视频模型。 看这个视频模型演示，最惊奇的不是画面清晰度，而是黑板文字的连续性。 过去 AI 视频最容易露馅的地方，就是文字。 第一帧还能看，镜头一动，字母开始融化，公式变成乱码，黑板像被梦境污染过。 但这段演示里，粉笔书写、手部运动、黑板痕迹和公式结构，在时间线上保持了相对稳定。 这意味着 AI 视频正在跨过一个很关键的门槛： 它开始不只是生成每一帧好看的画面，它开始维持一个连续世界。 人、手、粉笔、公式、黑板，不再是随机拼出来的视觉碎片，而是同一个场景里持续存在的对象。
0:10

Gemini Omni：全新视频模型。 看这个视频模型演示，最惊奇的不是画面清晰度，而是黑板文字的连续性。 过去 AI 视频最容易露馅的地方，就是文字。 第一帧还能看，镜头一动，字母开始融化，公式变成乱码，黑板像被梦境污染过。 但这段演示里，粉笔书写、手部运动、黑板痕迹和公式结构，在时间线上保持了相对稳定。 这意味着 AI 视频正在跨过一个很关键的门槛： 它开始不只是生成每一帧好看的画面，它开始维持一个连续世界。 人、手、粉笔、公式、黑板，不再是随机拼出来的视觉碎片，而是同一个场景里持续存在的对象。

KK.aWSB

72,005 views • 3 months ago