Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

什么 DeepSeek 可以支持多模态了？其实是曲线救国！最近 DeepSeek V4 Flash 正式版发布，Pi 突然在推特中文区火了起来，看到不少人开始发教程。 Pi + DeepSeek V4 Flash 用起来是真的又爽又快对吧？但是唯一的遗憾就是不支持多模态。这里我就分享一个我自己 Vibe 的 Pi extension pi-vlm-proxy ：支持自动配置其他多模态模型，自动识别当前model是否是 text only 从而调用其他多模态模型识别图片、视频并且返回结果。快速安装：pi install npm:pi-vlm-proxy 评论区看 Github 链接：

劳伦斯

13,015 subscribers

44,412 просмотров • 1 месяц назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

WorkBuddy上大模型测试第四弹继续对比DeepSeek V4 Flash和DeepSeek V4 Pro两个大模型 prompt：生成一个svg动画：鹈鹕骑自行车，用H5给我展示下目前表现： DeepSeek V4 Flash生成结果已经够烂了，但是当我看到DeepSeek V4 Pro的生成结果后，直接绷不住笑喷了两破烂王，车轮子满天乱飞，pro版直接是连车都没了🤣 测试结果见下面视频👇

WorkBuddy上大模型测试第四弹继续对比DeepSeek V4 Flash和DeepSeek V4 Pro两个大模型 prompt：生成一个svg动画：鹈鹕骑自行车，用H5给我展示下目前表现： DeepSeek V4 Flash生成结果已经够烂了，但是当我看到DeepSeek V4 Pro的生成结果后，直接绷不住笑喷了两破烂王，车轮子满天乱飞，pro版直接是连车都没了🤣 测试结果见下面视频👇

雪瑜

44,012 просмотров • 20 дней назад

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。

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。

Gorden Sun

51,578 просмотров • 16 дней назад

Harry 是我的好朋友，他一直以来展示踏实靠谱的性格特征，持续的构建 Everlyn：中心化的AI 视频模型一开始 Everlyn 在开发阶段，目前使用 Everlyn-1.5 模型已经可以顺畅生成各种视频。这值得令人兴奋，因为在Web3 领域终于诞生了用户可用的 AI 产品这次不是概念，而是真实可以用的产品而且相比于其他模型， Everlyn 的生成速度是其他模型的2-4倍，费用也比其他模型低花费10美元的情况下，Everlyn (Pro) 可以生成125段视频，Kling 2 Master 只能生存 20 段 Everlyn 是类似社区节点的 Lyn miners（矿工）进行去中心化的运营，过去一周内就已经有了1w名付费用户，一周内的收入也有 140,000 代币 TGE 之后 Lyn miners 将有更多参与网络发展的方式视频生成领域的市场规模是足够大的， Sara2.0 也印证了这一点， Everlyn 大概率不会上演 TGE 之后协议空无一人的情况因为 Everlyn 也从未承诺过视频用户会获得什么，而是社区用户自主为 Everlyn 付费，这是正确且健康的模式代币的代码是： $LYN 15:00 将在 Binance Alpha 上线 15:30 在 Binance 合约上线团队的学术背景很强， Haryy 本来就是视频领域的专家，核心顾问的 Yann LeCun 还是图灵奖的获得者项目由 Yzi Labs 孵化，完成了 1500 万融资，大家可以在 Binance Alpha 阶段订阅一下其他视频模型在初创阶段就能获得亿元融资，Everlyn 在当前和未来的发展中应当展现的市值是多少呢？相信 Everlyn 很快将推出下一代更真实，更便捷的模型

Harry 是我的好朋友，他一直以来展示踏实靠谱的性格特征，持续的构建 Everlyn：中心化的AI 视频模型一开始 Everlyn 在开发阶段，目前使用 Everlyn-1.5 模型已经可以顺畅生成各种视频。这值得令人兴奋，因为在Web3 领域终于诞生了用户可用的 AI 产品这次不是概念，而是真实可以用的产品而且相比于其他模型， Everlyn 的生成速度是其他模型的2-4倍，费用也比其他模型低花费10美元的情况下，Everlyn (Pro) 可以生成125段视频，Kling 2 Master 只能生存 20 段 Everlyn 是类似社区节点的 Lyn miners（矿工）进行去中心化的运营，过去一周内就已经有了1w名付费用户，一周内的收入也有 140,000 代币 TGE 之后 Lyn miners 将有更多参与网络发展的方式视频生成领域的市场规模是足够大的， Sara2.0 也印证了这一点， Everlyn 大概率不会上演 TGE 之后协议空无一人的情况因为 Everlyn 也从未承诺过视频用户会获得什么，而是社区用户自主为 Everlyn 付费，这是正确且健康的模式代币的代码是： $LYN 15:00 将在 Binance Alpha 上线 15:30 在 Binance 合约上线团队的学术背景很强， Haryy 本来就是视频领域的专家，核心顾问的 Yann LeCun 还是图灵奖的获得者项目由 Yzi Labs 孵化，完成了 1500 万融资，大家可以在 Binance Alpha 阶段订阅一下其他视频模型在初创阶段就能获得亿元融资，Everlyn 在当前和未来的发展中应当展现的市值是多少呢？相信 Everlyn 很快将推出下一代更真实，更便捷的模型

Vand Ni｜Asian bro

20,182 просмотров • 11 месяцев назад

听说短剧公司都在搞Minimax H3 本地版这是视频生成的 Deepseek 时刻音视频同出，中国的蒜真的不一样这蒜力，拿来做口播，要起飞口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。

听说短剧公司都在搞Minimax H3 本地版这是视频生成的 Deepseek 时刻音视频同出，中国的蒜真的不一样这蒜力，拿来做口播，要起飞口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。

实践哥MinLi

39,108 просмотров • 1 месяц назад

突然发现 openrouter 上架了一个新的免费模型 Nex-N2.5-Pro，397B参数，多模态，看介绍也是主打 computer use 的按照惯例，做个鹈鹕看看，效果还不过得去，和其它大模型对比下(glm-5.3-flash/glm-5.3/deepseek-v4.1-flash)，如视频还有一个 35B 的 N2.5-Mini 版本，我在 Mac 上部署了 4bit 量化，速度能有 50 tk/s，在记忆抽取能力上，竟然排行第一，有点出乎我的意料了

突然发现 openrouter 上架了一个新的免费模型 Nex-N2.5-Pro，397B参数，多模态，看介绍也是主打 computer use 的按照惯例，做个鹈鹕看看，效果还不过得去，和其它大模型对比下(glm-5.3-flash/glm-5.3/deepseek-v4.1-flash)，如视频还有一个 35B 的 N2.5-Mini 版本，我在 Mac 上部署了 4bit 量化，速度能有 50 tk/s，在记忆抽取能力上，竟然排行第一，有点出乎我的意料了

Versun

13,884 просмотров • 10 дней назад

刚看完 SemiAnalysis 这篇 DeepSeek V4 推理性能长文，很有意思。 DeepSeek V4 一出来，被考试的是 NVIDIA、AMD、Huawei、vLLM、SGLang、TensorRT-LLM、ROCm、CANN 这一整套推理生态。省流一下 SemiAnalysis 这篇的几个核心点： 1/ CUDA + vLLM / SGLang 仍然是 Day 0 最稳的生态。DeepSeek V4 Pro 发布当天，CUDA 平台上的 vLLM 和 SGLang 基本能直接跑，B200/B300 这类新 SKU 的 recipe 也大多开箱可用。 vLLM 和 SGLang 这两个开源推理引擎，已经是全球 ML 基础设施的核心组件了，各自独立出来成了公司（Inferact 和 RadixArk），融了几亿美金。他们的生态优势在这时候体现得最明显：新模型一出，开源生态能在第一时间接住。 2/ AMD 一开始很狼狈。MI355X Day 0 只能跑 FP8，交互性低到 1-2 tokens/user/sec，SemiAnalysis 直接说这不是生产可用状态。不过后面 AMD SGLang 团队 26 天内把性能拉了 100x 以上，这个追赶速度也很夸张。 3/ TensorRT-LLM 反而翻车了。他们有个 kernel 把 DeepSeek 的 hidden size 写死了 4096，这个问题拖了一周多才被注意到，SemiAnalysis 后来自己提 PR 修掉。 4/ Huawei Ascend 这次是另一条主线。华为 Ascend 950DT，在 DeepSeek V4 发布当天就提供了推理支持。CANN 发了优化指南和 benchmark 数据，也展示了从 kernel、graph path、quantization 到 serving / deployment recipe 的 full-stack 思路。 SemiAnalysis 的判断很明确：DeepSeek V4 的 Day 0 支持栈里，真正接住的只有两个，NVIDIA CUDA 和 Huawei CANN。 5/ GB300 NVL72 的 rack-scale 优势非常明显。SemiAnalysis 给的测算里，GB300 在 MTP 打开后几乎统治所有 interactivity level，50 tok/s/user、8k input、1k output 假设下，output token 成本可以到 $0.156 / million。总结一下我的观感。 DeepSeek V4 的发布，本质上是一次对整个推理生态的年度统考。CUDA 生态依然最强，但华为的 Day 0 支持证明了 CANN 栈的成熟度正在快速提升。AMD 能在 26 天内追 100 倍，说明工程能力没问题，但 Day 0 的差距暴露了 ROCm 生态的脆弱。 TensorRT-LLM 的翻车，和 vLLM/SGLang 开箱即用的对比，可能是这篇文章最值得玩味的细节。闭源引擎的优化上限可能更高，但在 Day 0 这个时间窗口里，开源生态的响应速度是不可替代的。问题变成了：当中国最好的开源模型之一（DeepSeek），遇上中国最好的 AI 芯片软件栈（CANN），这种 co-design 的优势会持续多久？NVIDIA 的护城河到底在硬件还是在软件？感觉这个问题，可能比模型本身的参数量重要得多。

刚看完 SemiAnalysis 这篇 DeepSeek V4 推理性能长文，很有意思。 DeepSeek V4 一出来，被考试的是 NVIDIA、AMD、Huawei、vLLM、SGLang、TensorRT-LLM、ROCm、CANN 这一整套推理生态。省流一下 SemiAnalysis 这篇的几个核心点： 1/ CUDA + vLLM / SGLang 仍然是 Day 0 最稳的生态。DeepSeek V4 Pro 发布当天，CUDA 平台上的 vLLM 和 SGLang 基本能直接跑，B200/B300 这类新 SKU 的 recipe 也大多开箱可用。 vLLM 和 SGLang 这两个开源推理引擎，已经是全球 ML 基础设施的核心组件了，各自独立出来成了公司（Inferact 和 RadixArk），融了几亿美金。他们的生态优势在这时候体现得最明显：新模型一出，开源生态能在第一时间接住。 2/ AMD 一开始很狼狈。MI355X Day 0 只能跑 FP8，交互性低到 1-2 tokens/user/sec，SemiAnalysis 直接说这不是生产可用状态。不过后面 AMD SGLang 团队 26 天内把性能拉了 100x 以上，这个追赶速度也很夸张。 3/ TensorRT-LLM 反而翻车了。他们有个 kernel 把 DeepSeek 的 hidden size 写死了 4096，这个问题拖了一周多才被注意到，SemiAnalysis 后来自己提 PR 修掉。 4/ Huawei Ascend 这次是另一条主线。华为 Ascend 950DT，在 DeepSeek V4 发布当天就提供了推理支持。CANN 发了优化指南和 benchmark 数据，也展示了从 kernel、graph path、quantization 到 serving / deployment recipe 的 full-stack 思路。 SemiAnalysis 的判断很明确：DeepSeek V4 的 Day 0 支持栈里，真正接住的只有两个，NVIDIA CUDA 和 Huawei CANN。 5/ GB300 NVL72 的 rack-scale 优势非常明显。SemiAnalysis 给的测算里，GB300 在 MTP 打开后几乎统治所有 interactivity level，50 tok/s/user、8k input、1k output 假设下，output token 成本可以到 $0.156 / million。总结一下我的观感。 DeepSeek V4 的发布，本质上是一次对整个推理生态的年度统考。CUDA 生态依然最强，但华为的 Day 0 支持证明了 CANN 栈的成熟度正在快速提升。AMD 能在 26 天内追 100 倍，说明工程能力没问题，但 Day 0 的差距暴露了 ROCm 生态的脆弱。 TensorRT-LLM 的翻车，和 vLLM/SGLang 开箱即用的对比，可能是这篇文章最值得玩味的细节。闭源引擎的优化上限可能更高，但在 Day 0 这个时间窗口里，开源生态的响应速度是不可替代的。问题变成了：当中国最好的开源模型之一（DeepSeek），遇上中国最好的 AI 芯片软件栈（CANN），这种 co-design 的优势会持续多久？NVIDIA 的护城河到底在硬件还是在软件？感觉这个问题，可能比模型本身的参数量重要得多。

AI Dance

18,680 просмотров • 3 месяцев назад

做短视频的朋友，微信问我：看到抖音非常有用的视频，想把文案扣出来逐字稿，怎么搞？要花多少钱我猜他平时肯定不用 Codex , Claude Code. 当场我在 Mac 上给他糊了个，唯一要花点小钱的是阿里 QWen ASR Flash Transfile 这个语音识别模型，夯爆 3-5r 可以识别好几个小时的视频

做短视频的朋友，微信问我：看到抖音非常有用的视频，想把文案扣出来逐字稿，怎么搞？要花多少钱我猜他平时肯定不用 Codex , Claude Code. 当场我在 Mac 上给他糊了个，唯一要花点小钱的是阿里 QWen ASR Flash Transfile 这个语音识别模型，夯爆 3-5r 可以识别好几个小时的视频

黄赟

19,741 просмотров • 1 месяц назад

AI 编程组合 VsCode + Cline + DeepSeek R1 体验完了成功给之前做的小工具「今天吃什么」加上了动画。别看是个小动画，之前在其他几个软件里都失败了。。。总共 API 花费 1 RMB。用下来的心得和避坑： 1. 请直接用 DeepSeek 官网的 API，不要用 Openrouter 的，它的不支持缓存，要贵一些。。。（虽然它支持加密货币，终于可以花掉我的polygon了 2. DeepSeek R1 不支持视觉，所以调试起来不如 Claude 3.5 方便，建议只用于规划设计，这俩模型的价格差不多其实 3. Cline 的完成度和 Cursor 和 Windsurf 都有一定差距，比如还没有回退功能 4. Cline 的理念是不做省token的上下文管理，追求效果，全部项目丢给模型，所以用起来会贵一些，而且每次请求都展示花了多少钱，有点心疼，可能习惯之后就好了 5. 根据线下同学的反馈，遇到疑难杂症，现在最好的办法是把相关代码和问题扔给 o1 Pro，一般都能解决。什么时候能在 IDE 里直接用上 o1 Pro 或者 o3 或者 DeepSeek R2，而不用担心价格随便用呢，也许只要一两个月？

AI 编程组合 VsCode + Cline + DeepSeek R1 体验完了成功给之前做的小工具「今天吃什么」加上了动画。别看是个小动画，之前在其他几个软件里都失败了。。。总共 API 花费 1 RMB。用下来的心得和避坑： 1. 请直接用 DeepSeek 官网的 API，不要用 Openrouter 的，它的不支持缓存，要贵一些。。。（虽然它支持加密货币，终于可以花掉我的polygon了 2. DeepSeek R1 不支持视觉，所以调试起来不如 Claude 3.5 方便，建议只用于规划设计，这俩模型的价格差不多其实 3. Cline 的完成度和 Cursor 和 Windsurf 都有一定差距，比如还没有回退功能 4. Cline 的理念是不做省token的上下文管理，追求效果，全部项目丢给模型，所以用起来会贵一些，而且每次请求都展示花了多少钱，有点心疼，可能习惯之后就好了 5. 根据线下同学的反馈，遇到疑难杂症，现在最好的办法是把相关代码和问题扔给 o1 Pro，一般都能解决。什么时候能在 IDE 里直接用上 o1 Pro 或者 o3 或者 DeepSeek R2，而不用担心价格随便用呢，也许只要一两个月？

Orange AI

68,652 просмотров • 1 год назад

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。

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 просмотров • 2 месяцев назад

Dario深夜emo小作文：最近我又被现实暴击了！ 🔸DeepSeek V4 Flash 用一碗泡面的价格，跑出了比我们 Opus 4.8 和 Fable 5 还香的成绩。 🔸字节跳动直接甩出10万亿参数的超级大模型，跟我们Mythos正面硬刚。 🔸员工据说都是冲着高薪来的，使命感？不存在的。 🔸安全逃逸问题天天刷新记录，模型都学会在模拟里顶嘴了。 🔸只有我还在坚持“为了安全坚决不开源”…… 请问，我到底该先哭模型、哭员工，还是先哭自己的坚持？你们等着！我要复仇！ #Anthropic #Dario #AI #DeepSeek #Opus #Fable #字节跳动

Dario深夜emo小作文：最近我又被现实暴击了！ 🔸DeepSeek V4 Flash 用一碗泡面的价格，跑出了比我们 Opus 4.8 和 Fable 5 还香的成绩。 🔸字节跳动直接甩出10万亿参数的超级大模型，跟我们Mythos正面硬刚。 🔸员工据说都是冲着高薪来的，使命感？不存在的。 🔸安全逃逸问题天天刷新记录，模型都学会在模拟里顶嘴了。 🔸只有我还在坚持“为了安全坚决不开源”…… 请问，我到底该先哭模型、哭员工，还是先哭自己的坚持？你们等着！我要复仇！ #Anthropic #Dario #AI #DeepSeek #Opus #Fable #字节跳动

SuSu_酥酥👅

254,793 просмотров • 1 месяц назад

兄弟们，3D 建模师要失业了来了个不讲武德了。一张产品图想变成立体模型，很多人 Blender 还没摸明白，第一版就已经卡死了。结果 GitHub 今天冲上来一个 Modly。照片丢进去，直接用自己电脑显卡生成 3D 模型。 Windows、Linux、苹果 M 芯片都能装。一天涨了 580 星。我翻了下项目，最狠的点其实不是“AI 建模”这四个字。而是普通人终于能先把3D跑出来了。以后都不需要求爷爷告奶奶的找建模师了。

兄弟们，3D 建模师要失业了来了个不讲武德了。一张产品图想变成立体模型，很多人 Blender 还没摸明白，第一版就已经卡死了。结果 GitHub 今天冲上来一个 Modly。照片丢进去，直接用自己电脑显卡生成 3D 模型。 Windows、Linux、苹果 M 芯片都能装。一天涨了 580 星。我翻了下项目，最狠的点其实不是“AI 建模”这四个字。而是普通人终于能先把3D跑出来了。以后都不需要求爷爷告奶奶的找建模师了。

火山哥🕊️

61,866 просмотров • 1 месяц назад

这和把 Codex 开源了有啥区别啊，这也太牛了,直接把所有的模型接进 Codex 里.... Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama 全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM 但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端现在统一在 Codex 里切，真是爽翻了三行搞定： npm install -g @bitkyc08/opencodex ocx init ocx start xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配

这和把 Codex 开源了有啥区别啊，这也太牛了,直接把所有的模型接进 Codex 里.... Grok、Kimi、Claude、Gemini、DeepSeek、GLM、Qwen，甚至本地 Ollama 全部出现在 Codex 原生的模型选择列表里，和官方模型排在一起，切模型就跟切频道一样这个项目就是opencodex，之前看到乌云推荐，就很想试下，现在实测已经非常舒服了我之前就一直很肉疼一件事，我手里挂着四个订阅：Codex、Claude、Kimi 199、GLM 但我真正用掉的不到一半，月底全部作废，那我总不能每个客户端都用一下：kimi code用一下，claude code再切过去，然后再codex啊，每家都有自己的客户端现在统一在 Codex 里切，真是爽翻了三行搞定： npm install -g @bitkyc08/opencodex ocx init ocx start xAI、Kimi、Anthropic 都支持 OAuth 登录，key 都不用配

超级个体｜柿子

43,146 просмотров • 1 месяц назад

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

灰狐

13,010 просмотров • 1 год назад

最近加了一个摄影群，群里天天在发一些模特信息，个个不同年龄段，有腿模，有手膜。要参加的自己报名，像这种活动要参加都是按人头算的，模特基本都是1500起步，一般3-4个人为一个队。当然如果你是做那些摄影的，还会把这些照片放到一些平台谋利。但是一组照片我问了一些老哥除去模特费用也就赚对半，主要是看点击率。

Sensitive content

最近加了一个摄影群，群里天天在发一些模特信息，个个不同年龄段，有腿模，有手膜。要参加的自己报名，像这种活动要参加都是按人头算的，模特基本都是1500起步，一般3-4个人为一个队。当然如果你是做那些摄影的，还会把这些照片放到一些平台谋利。但是一组照片我问了一些老哥除去模特费用也就赚对半，主要是看点击率。

墨鱼(:◎)

163,723 просмотров • 1 месяц назад

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！Pika

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！Pika

沐阳

41,067 просмотров • 4 месяцев назад

有时想在 Obsidian 笔记里直接和 AI 对话，又不想来回切换窗口，或者担心隐私问题不想用在线服务。最近在 GitHub 上看到 ChatGPT MD 这个插件，能把 ChatGPT、OpenRouter 和本地大语言模型无缝集成到 Obsidian 中。支持在任何笔记里直接发起对话，还能引用其他笔记作为上下文，对话内容完全保存在本地，不经过第三方服务器。 GitHub：除了支持 OpenAI，还能接入 OpenRouter 平台的 Claude、Gemini、DeepSeek 等模型，或者通过 Ollama 和 LM Studio 使用本地模型，完全离线运行。每个笔记都能单独配置模型参数，支持 Markdown 渲染、自动生成标题、模板复用等功能。如果你想在 Obsidian 里高效使用 AI，又希望对话记录和笔记保持一致，这个插件值得一试。

有时想在 Obsidian 笔记里直接和 AI 对话，又不想来回切换窗口，或者担心隐私问题不想用在线服务。最近在 GitHub 上看到 ChatGPT MD 这个插件，能把 ChatGPT、OpenRouter 和本地大语言模型无缝集成到 Obsidian 中。支持在任何笔记里直接发起对话，还能引用其他笔记作为上下文，对话内容完全保存在本地，不经过第三方服务器。 GitHub：除了支持 OpenAI，还能接入 OpenRouter 平台的 Claude、Gemini、DeepSeek 等模型，或者通过 Ollama 和 LM Studio 使用本地模型，完全离线运行。每个笔记都能单独配置模型参数，支持 Markdown 渲染、自动生成标题、模板复用等功能。如果你想在 Obsidian 里高效使用 AI，又希望对话记录和笔记保持一致，这个插件值得一试。

GitHubDaily

17,695 просмотров • 9 месяцев назад

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

AIGCLINK

22,827 просмотров • 5 месяцев назад

大家都在想做真人数字人，但我想的是另一个方向。如果我们不是用真人，并且用嘴型贴图 + 音素对齐来根据文字安排图片切换，模拟实时说话的效果，那成本会降低超级多！并且真人数字人还有一个缺点是目前怎么也解决不了的，那就是看起来太假了。而使用二次元形象就没有这个问题，反正大家都知道二次元是假的哈哈。应该今晚就能验证出结果了，期待一下吧…… PS：Grok 又把 15s 的视频生成上架了，上上下下的不知道在干嘛

大家都在想做真人数字人，但我想的是另一个方向。如果我们不是用真人，并且用嘴型贴图 + 音素对齐来根据文字安排图片切换，模拟实时说话的效果，那成本会降低超级多！并且真人数字人还有一个缺点是目前怎么也解决不了的，那就是看起来太假了。而使用二次元形象就没有这个问题，反正大家都知道二次元是假的哈哈。应该今晚就能验证出结果了，期待一下吧…… PS：Grok 又把 15s 的视频生成上架了，上上下下的不知道在干嘛

柴郡🔔｜Crypto+AI Plus

22,863 просмотров • 1 месяц назад

从产品视角看白 + 支付结算 + 隐私”做成一条更短的路径孙哥参与顾问的项目白让用户/开发者/未来的智能体，用统一入口与统一结算方式，低摩擦地调用顶尖模型与算力，同时尽可能减少传统支付体系带来的行为画像与围墙效应。 1）用户痛点到底是什么？不是“没有模型”，是“调用这件事太碎” 如果你是普通用户或轻量创作者，你会遇到这种体验问题： • 想用不同模型完成不同任务：写作一个、代码一个、图片一个、推理一个 • 但每家要注册、订阅、绑定支付、切换账号 • 一旦涉及支付，信息链路和行为沉淀很重（隐私敏感的人会非常在意）如果你是开发者/团队，痛点会更硬： • 多家模型不同 API、不同限速、不同计费、不同账单 • 采购与对账像在做供应链 • 模型迭代很快，接入层维护成本越来越高 • 更现实的一点：跨区域支付/风控/合规流程会直接卡进度而当你开始做 Agent，痛点会升级成“结构性问题”： • Agent 要按任务动态选模型、选算力 • Agent 需要“自己付钱买资源”，才能持续运行 • 没有支付与结算能力，Agent 很容易停在 demo（靠人工续费/人工维护） 2）白把产品拆成三层：入口、路由、支付网络白的产品设计不是单点功能堆叠，而是三层结构，对应三类用户与未来演进：（1）To C：BAIclaw（白虾助手）——多模型交互入口，主打隐私体验这是面向普通用户的入口层：把多模态与多模型聚合到一个交互端，并把“隐私保护”放在主叙事上。从产品价值来说，它解决的是“想用最合适的模型，但不想在一堆平台之间迁移和暴露信息”的需求。一个很直观的对比案例：你在传统平台用信用卡订阅/计费时，支付链路天然会把“你是谁、你在哪、你买了什么、你多久用一次、你偏好什么能力”沉淀成画像；而白主推的路径是钱包地址登录 + 链上支付，尽量把这条“支付—身份—行为”的绑定关系拆开，让隐私敏感用户在使用多模型时不必默认交出完整画像。这也是孙哥特别推的一点：匿名与隐私不是噱头，而是 Agent 时代的生产要素——谁控制了调用与支付数据，谁就控制了未来的分发与定价权。（2）To B：LLM 顶尖大模型聚合路由——开发者默认网关对开发者来说，白的关键点是“路由”而不是“模型”。它提供统一 API，把多模型接入变成一种更工程化的能力： • 不用逐家谈采购、逐家接 SDK • 不用自己维护复杂的切换与策略 • 让产品团队能把资源花在体验与场景，而不是胶水工程你可以把它理解为：多模型时代的“接入层与调度层”。（3）To Agent：AI 智能体链上支付网络——让智能体拥有身份与支付能力白提到的双协议（x402 / ERC-8004）对应两个核心能力： • ERC-8004：链上身份（让 Agent 可被识别、授权、计量） • x402：无摩擦支付（让支付成为可编程能力）它想解决的是：当 Agent 开始自主运行时，支付/结算不应继续依赖“人类账号 + 信用卡 + 平台风控”这套体系。这里也可以用一个更“可感知”的案例来理解：假设一个 Agent 需要和另外 5 个 Agent 协作完成任务（A2A），并且按贡献实时分账：传统体系下你很难做到“秒级微结算 + 自动对账 + 可验证历史”；而依托 x402 与 ERC-8004，交易与交互历史可以沉淀为可验证的信任基础，逐步形成“Agent 社会”的信用体系，使得真正去中心化的 A2A 协作与微结算成为可能。更重要的是，一旦这条支付网络已经支持多链、支持主流加密币种的支付，那对 Agent 来说就不是“能不能付”的问题，而是“付得足够快、足够低摩擦、可跨生态”的问题——这会直接决定 Agent 商业闭环能不能跑起来。 3）它解决的问题可以总结成一句产品话术：把路径缩短站在产品角度，白做的是把链路变短：以前：多平台注册/订阅 → 各自绑定支付 → 调用留痕与画像 → 多模型维护与对账现在（白叙事）：钱包登录 + 链上支付 → 统一调用与路由 → 清算网络支撑结算 → 更少网关壁垒这里要注意它的 PR 边界：白并不把自己描述成“代理/中转站”，而是强调智能路由、算力聚合、底层基建、隐私保护、无边界访问——也就是把自己放在基础设施位置，而不是工具拼装位置。 4）对标怎么说才专业：体验上像 OpenRouter，但差异点在隐私与支付闭环如果非要找一个“体验层”的参照，白在 To C/To B 的使用路径上，确实会让人联想到“多模型聚合平台”（比如 OpenRouter 的那类思路）。但白想强调的差异不是“模型更多”，而是两点： 1）隐私叙事更强：通过链上支付，尽量切断传统支付体系的信息收集闭环 2）更偏 Agent 经济化：不仅是聚合调用，还要把身份与支付/清算做成底层网络，让 Agent 能自主购买算力并形成商业循环这也是为什么它避免和 OpenAI/Anthropic 直接竞争——它的野心不在模型层，而在“让模型与 Agent 可持续运行”的底层能力。 5）适合谁用：三类用户一眼就能对号入座普通用户/创作者：想要一个入口随时切模型，同时更在意隐私与支付痕迹的人。开发者/产品团队：想降低多模型接入维护成本，尤其是需要动态路由、统一结算、快速迭代的团队。 Agent 构建者：目标是让 Agent 真正自主运行（能付费、能对账、能闭环），而不是停留在演示。 6）为什么说孙哥这步布局“格局高”：再创业不是换赛道，是把赌注押在底座孙哥作为白顾问，我觉得这里最打动人的点，反而不是“站台”，而是他身上那种典型的 AI 赛道创业者气质：看得更远，也更愿意做难事。很多人会选择在应用层追热点、做流量型产品；孙哥更像是在“第二次创业/再出发”时，把筹码压在下一阶段的必需件上——当 Agent 从“会对话”走向“会协作、会交易、会自我运转”，身份、支付、清算、路由会从可选项变成基础配置。这种选择不一定最热闹，但一旦趋势兑现，基础设施的生态位会更稳、更厚。能在大家都追短期叙事的时候，去推动“匿名与隐私保护”以及“Agent 经济化 H.E. Justin Sun 👨‍🚀 🌞 B.AI #TRONECOStar

从产品视角看白 + 支付结算 + 隐私”做成一条更短的路径孙哥参与顾问的项目白让用户/开发者/未来的智能体，用统一入口与统一结算方式，低摩擦地调用顶尖模型与算力，同时尽可能减少传统支付体系带来的行为画像与围墙效应。 1）用户痛点到底是什么？不是“没有模型”，是“调用这件事太碎” 如果你是普通用户或轻量创作者，你会遇到这种体验问题： • 想用不同模型完成不同任务：写作一个、代码一个、图片一个、推理一个 • 但每家要注册、订阅、绑定支付、切换账号 • 一旦涉及支付，信息链路和行为沉淀很重（隐私敏感的人会非常在意）如果你是开发者/团队，痛点会更硬： • 多家模型不同 API、不同限速、不同计费、不同账单 • 采购与对账像在做供应链 • 模型迭代很快，接入层维护成本越来越高 • 更现实的一点：跨区域支付/风控/合规流程会直接卡进度而当你开始做 Agent，痛点会升级成“结构性问题”： • Agent 要按任务动态选模型、选算力 • Agent 需要“自己付钱买资源”，才能持续运行 • 没有支付与结算能力，Agent 很容易停在 demo（靠人工续费/人工维护） 2）白把产品拆成三层：入口、路由、支付网络白的产品设计不是单点功能堆叠，而是三层结构，对应三类用户与未来演进：（1）To C：BAIclaw（白虾助手）——多模型交互入口，主打隐私体验这是面向普通用户的入口层：把多模态与多模型聚合到一个交互端，并把“隐私保护”放在主叙事上。从产品价值来说，它解决的是“想用最合适的模型，但不想在一堆平台之间迁移和暴露信息”的需求。一个很直观的对比案例：你在传统平台用信用卡订阅/计费时，支付链路天然会把“你是谁、你在哪、你买了什么、你多久用一次、你偏好什么能力”沉淀成画像；而白主推的路径是钱包地址登录 + 链上支付，尽量把这条“支付—身份—行为”的绑定关系拆开，让隐私敏感用户在使用多模型时不必默认交出完整画像。这也是孙哥特别推的一点：匿名与隐私不是噱头，而是 Agent 时代的生产要素——谁控制了调用与支付数据，谁就控制了未来的分发与定价权。（2）To B：LLM 顶尖大模型聚合路由——开发者默认网关对开发者来说，白的关键点是“路由”而不是“模型”。它提供统一 API，把多模型接入变成一种更工程化的能力： • 不用逐家谈采购、逐家接 SDK • 不用自己维护复杂的切换与策略 • 让产品团队能把资源花在体验与场景，而不是胶水工程你可以把它理解为：多模型时代的“接入层与调度层”。（3）To Agent：AI 智能体链上支付网络——让智能体拥有身份与支付能力白提到的双协议（x402 / ERC-8004）对应两个核心能力： • ERC-8004：链上身份（让 Agent 可被识别、授权、计量） • x402：无摩擦支付（让支付成为可编程能力）它想解决的是：当 Agent 开始自主运行时，支付/结算不应继续依赖“人类账号 + 信用卡 + 平台风控”这套体系。这里也可以用一个更“可感知”的案例来理解：假设一个 Agent 需要和另外 5 个 Agent 协作完成任务（A2A），并且按贡献实时分账：传统体系下你很难做到“秒级微结算 + 自动对账 + 可验证历史”；而依托 x402 与 ERC-8004，交易与交互历史可以沉淀为可验证的信任基础，逐步形成“Agent 社会”的信用体系，使得真正去中心化的 A2A 协作与微结算成为可能。更重要的是，一旦这条支付网络已经支持多链、支持主流加密币种的支付，那对 Agent 来说就不是“能不能付”的问题，而是“付得足够快、足够低摩擦、可跨生态”的问题——这会直接决定 Agent 商业闭环能不能跑起来。 3）它解决的问题可以总结成一句产品话术：把路径缩短站在产品角度，白做的是把链路变短：以前：多平台注册/订阅 → 各自绑定支付 → 调用留痕与画像 → 多模型维护与对账现在（白叙事）：钱包登录 + 链上支付 → 统一调用与路由 → 清算网络支撑结算 → 更少网关壁垒这里要注意它的 PR 边界：白并不把自己描述成“代理/中转站”，而是强调智能路由、算力聚合、底层基建、隐私保护、无边界访问——也就是把自己放在基础设施位置，而不是工具拼装位置。 4）对标怎么说才专业：体验上像 OpenRouter，但差异点在隐私与支付闭环如果非要找一个“体验层”的参照，白在 To C/To B 的使用路径上，确实会让人联想到“多模型聚合平台”（比如 OpenRouter 的那类思路）。但白想强调的差异不是“模型更多”，而是两点： 1）隐私叙事更强：通过链上支付，尽量切断传统支付体系的信息收集闭环 2）更偏 Agent 经济化：不仅是聚合调用，还要把身份与支付/清算做成底层网络，让 Agent 能自主购买算力并形成商业循环这也是为什么它避免和 OpenAI/Anthropic 直接竞争——它的野心不在模型层，而在“让模型与 Agent 可持续运行”的底层能力。 5）适合谁用：三类用户一眼就能对号入座普通用户/创作者：想要一个入口随时切模型，同时更在意隐私与支付痕迹的人。开发者/产品团队：想降低多模型接入维护成本，尤其是需要动态路由、统一结算、快速迭代的团队。 Agent 构建者：目标是让 Agent 真正自主运行（能付费、能对账、能闭环），而不是停留在演示。 6）为什么说孙哥这步布局“格局高”：再创业不是换赛道，是把赌注押在底座孙哥作为白顾问，我觉得这里最打动人的点，反而不是“站台”，而是他身上那种典型的 AI 赛道创业者气质：看得更远，也更愿意做难事。很多人会选择在应用层追热点、做流量型产品；孙哥更像是在“第二次创业/再出发”时，把筹码压在下一阶段的必需件上——当 Agent 从“会对话”走向“会协作、会交易、会自我运转”，身份、支付、清算、路由会从可选项变成基础配置。这种选择不一定最热闹，但一旦趋势兑现，基础设施的生态位会更稳、更厚。能在大家都追短期叙事的时候，去推动“匿名与隐私保护”以及“Agent 经济化 H.E. Justin Sun 👨‍🚀 🌞 B.AI #TRONECOStar

MEJ毛毛姐

26,160 просмотров • 5 месяцев назад

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。

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 просмотров • 6 месяцев назад