Loading video...

Video Failed to Load

Go Home

兄弟们，Hyper3D 又放大招了 这次是真的猛... Rodin Gen-2.5发布： 最强 3D 生成模型 4 秒生成百万面模型 全球首个千万面级3D生成 在模型细节上，连毛孔、皮肤微结构这种级别的细节都能还原... 原生贴图纹理，严格对齐几何，涉及到衣物质感和缝线等微小纹理正确，细节和对齐做到正确平衡。 思考模式从低到高，最快 4 秒出稿 - 极低模式 - 4 秒出稿 - 快速制作简易资产、批量测试实验 - 低模式 - 9 秒出稿 - 简约风模型，小型硬表面道具制作 - 中模式 - 20 秒出稿 - 结构与细节表现均衡 - 高模式 - 40 秒出稿 - 高品质资产，结构层次丰富，表面平滑 - 极高模式 - 80 秒出稿...

xiaohu's profile picture

小互

113,913 subscribers

42,777 views • 2 months ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布 可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。 生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。
0:39

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布 可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。 生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

小互

16,399 views • 2 years ago

Rodin 发布 Gen-2 3D模型 🚀 史无前例的百亿级参数量&数据规模 4倍更高的网格质量升级：生成的3D模型更加精细、清晰，细节 最牛P的功能是：递归部件生成 它不是一次性生成整个模型，而是 把一个模型拆成很多小部件，然后用“递归”的方式逐步生成和优化这些部件。 所以模型可以直接拆分成各种“零件” 有点意思😂
0:20

Rodin 发布 Gen-2 3D模型 🚀 史无前例的百亿级参数量&数据规模 4倍更高的网格质量升级：生成的3D模型更加精细、清晰，细节 最牛P的功能是：递归部件生成 它不是一次性生成整个模型，而是 把一个模型拆成很多小部件，然后用“递归”的方式逐步生成和优化这些部件。 所以模型可以直接拆分成各种“零件” 有点意思😂

小互

22,120 views • 10 months ago

字节的Seed3D 2.0 正式发布！ 字节跳动新一代3D生成大模型震撼登场！ 精度更高、可用性更强，几何与纹理材质生成均达SOTA！  几何生成突破：创新解耦“整体结构”与“几何细节”，薄壁结构、复杂拓扑等难题实现重大飞跃  纹理生成升级：统一PBR生成模型，在真实度、材质质量、视觉细节、文字渲染上全面领先  实用创新：支持部件级拆解 + 关节化建模，完美适配交互、仿真，并轻松扩展到场景生成  已在火山方舟体验中心上线（视觉模型 → 3D生成 → Doubao-Seed3D-2.0）！ 看着发挥想象力，搞掂好玩的东西！
0:50

字节的Seed3D 2.0 正式发布！ 字节跳动新一代3D生成大模型震撼登场！ 精度更高、可用性更强，几何与纹理材质生成均达SOTA！  几何生成突破：创新解耦“整体结构”与“几何细节”，薄壁结构、复杂拓扑等难题实现重大飞跃  纹理生成升级：统一PBR生成模型，在真实度、材质质量、视觉细节、文字渲染上全面领先  实用创新：支持部件级拆解 + 关节化建模，完美适配交互、仿真，并轻松扩展到场景生成  已在火山方舟体验中心上线（视觉模型 → 3D生成 → Doubao-Seed3D-2.0）！ 看着发挥想象力，搞掂好玩的东西！

Berryxia.AI

79,309 views • 3 months ago

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程
1:24

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程

小互

44,332 views • 1 year ago

AI界大佬李飞飞眼光和远见是真的超前啊！ 直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。 杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。 但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。 因果结构让世界模型从“看起来像”进化到“真正懂”。 现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。 两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。 这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。 原访谈完整版地址见评论区👇🏻
0:37

AI界大佬李飞飞眼光和远见是真的超前啊！ 直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。 杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。 但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。 因果结构让世界模型从“看起来像”进化到“真正懂”。 现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。 两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。 这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。 原访谈完整版地址见评论区👇🏻

Berryxia.AI

21,422 views • 1 month ago

CAD大模型来啦！ 还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。 今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样 模型地址： 引擎地址：/github.com/ThomasVuNguyen/MakeMe
0:57

CAD大模型来啦！ 还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。 今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样 模型地址： 引擎地址：/github.com/ThomasVuNguyen/MakeMe

karminski-牙医

28,604 views • 9 months ago

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程 以下是GPT4总结的制作流程： 1. 文本到3D生成 在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。 预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型 导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。 调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。 组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。 模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出 应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。 导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑 动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。 相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。 渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理 渲染动画：在Blender中渲染完成的动画，导出为视频文件。 后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。 通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。
18:17

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程 以下是GPT4总结的制作流程： 1. 文本到3D生成 在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。 预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型 导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。 调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。 组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。 模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出 应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。 导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑 动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。 相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。 渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理 渲染动画：在Blender中渲染完成的动画，导出为视频文件。 后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。 通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

Yangyi

25,503 views • 2 years ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,055 views • 3 months ago

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3
2:19

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

karminski-牙医

30,709 views • 11 months ago

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
0:44

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 views • 2 months ago

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。 大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。 它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。 目前还是免费的
1:29

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。 大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。 它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。 目前还是免费的

宝玉

67,355 views • 1 year ago

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。 我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。 主要是该有的模块都有，而且很多细节上面做了特定的优化。 模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。 现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。
0:52

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。 我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。 主要是该有的模块都有，而且很多细节上面做了特定的优化。 模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。 现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

小墨同学

27,520 views • 9 days ago

Codex 5.6 让 3D 建模师压力山大了！ 最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。 接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互 1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图 2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐 3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环 地址：
0:20

Codex 5.6 让 3D 建模师压力山大了！ 最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。 接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互 1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图 2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐 3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环 地址：

爱丽丝呀！

257,742 views • 17 days ago

“用嘴PS”的Gemini2.0五档难度实测！原生多模态做图像生成、修图、抠图、连续对话有多强？Google Gemini OpenAI没做出来的DALLE4被做出来了！ 这次我分五档难度、12个真实案例做了一套AI生图新测试： 1️⃣ 视频分镜创作：一键生成分镜脚本和图片，实现高一致性，并能针对具体某一分镜进行多次修改 2️⃣ 连续一致性：多轮对话中，模型对图片上下文的理解、记忆和一致性维护能力。 3️⃣ 复杂性与细节：模型处理复杂场景、精细物体、以及多重修改的能力。 4️⃣ 创造性与风格化：模型在不同艺术风格、设计理念下的创作能力。 5️⃣ 实用性与专业性：模型在专业领域（如物品设计、建筑设计）的辅助能力。 gemini2.0 X vidu2.0 Vidu AI 做出来的钢铁侠大战超人🦸‍♂️，烂番茄指数🍅99% （1/9）
0:24

“用嘴PS”的Gemini2.0五档难度实测！原生多模态做图像生成、修图、抠图、连续对话有多强？Google Gemini OpenAI没做出来的DALLE4被做出来了！ 这次我分五档难度、12个真实案例做了一套AI生图新测试： 1️⃣ 视频分镜创作：一键生成分镜脚本和图片，实现高一致性，并能针对具体某一分镜进行多次修改 2️⃣ 连续一致性：多轮对话中，模型对图片上下文的理解、记忆和一致性维护能力。 3️⃣ 复杂性与细节：模型处理复杂场景、精细物体、以及多重修改的能力。 4️⃣ 创造性与风格化：模型在不同艺术风格、设计理念下的创作能力。 5️⃣ 实用性与专业性：模型在专业领域（如物品设计、建筑设计）的辅助能力。 gemini2.0 X vidu2.0 Vidu AI 做出来的钢铁侠大战超人🦸‍♂️，烂番茄指数🍅99% （1/9）

卡尔的AI沃茨

71,671 views • 1 year ago

兄弟们 3D Nano Banana 🍌来了 Hyper3D 推出其第二代 AI 3D 生成模型： Rodin Gen-2 Edit 该模型能在不破坏原有 3D 资产结构的前提下，通过语言对 3D 模型进行局部和增量修改。 相当于用嘴在原3D模型上精修、动刀子，任意雕刻成你想要的样 而且牛逼的是支持上传任意第三方 3D 模型都支持再编辑。 主要功能： 1、局部编辑（核心能力）：支持框选模型的指定区域 对选中区域执行三类操作： 添加（Add） 移除（Remove） 修改（Modify） 修改通过自然语言描述完成 2、自然语言驱动的 3D 编辑 - 语言作为编辑指令，而非仅用于生成提示 - 可描述结构变化、替换关系和风格调整 - 适合非专业建模人员参与 3D 修改流程 3、可导出、可用于下游流程 模型可下载继续用于： DCC 软件（Blender 等） 游戏 / 动画管线 3D 打印
0:47

兄弟们 3D Nano Banana 🍌来了 Hyper3D 推出其第二代 AI 3D 生成模型： Rodin Gen-2 Edit 该模型能在不破坏原有 3D 资产结构的前提下，通过语言对 3D 模型进行局部和增量修改。 相当于用嘴在原3D模型上精修、动刀子，任意雕刻成你想要的样 而且牛逼的是支持上传任意第三方 3D 模型都支持再编辑。 主要功能： 1、局部编辑（核心能力）：支持框选模型的指定区域 对选中区域执行三类操作： 添加（Add） 移除（Remove） 修改（Modify） 修改通过自然语言描述完成 2、自然语言驱动的 3D 编辑 - 语言作为编辑指令，而非仅用于生成提示 - 可描述结构变化、替换关系和风格调整 - 适合非专业建模人员参与 3D 修改流程 3、可导出、可用于下游流程 模型可下载继续用于： DCC 软件（Blender 等） 游戏 / 动画管线 3D 打印

小互

24,631 views • 6 months ago

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】 最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。 以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。
1:53

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】 最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。 以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,277 views • 7 months ago

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.
1:26

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

karminski-牙医

14,175 views • 7 months ago

今天在Producthunt发现一个AI模型Kombai，可以理解Figma的界面设计并生成对应的前端代码，下面是他们官网的演示视频。 从演示来看生成的代码还是不错的，它的优势在于他不要求设计稿的格式、层级和是否使用组件，无论你怎么嵌套和画出的界面它都能理解。 这比之前通过传统工程化思路从设计稿生成代码要强多了。之前的一些工具要不是处理不了复杂样式，要不就是对设计师的设计稿格式有非常严格的要求。 同时这个模型也支持通过自然语言生成前端界面的代码。 官网链接：
2:32

今天在Producthunt发现一个AI模型Kombai，可以理解Figma的界面设计并生成对应的前端代码，下面是他们官网的演示视频。 从演示来看生成的代码还是不错的，它的优势在于他不要求设计稿的格式、层级和是否使用组件，无论你怎么嵌套和画出的界面它都能理解。 这比之前通过传统工程化思路从设计稿生成代码要强多了。之前的一些工具要不是处理不了复杂样式，要不就是对设计师的设计稿格式有非常严格的要求。 同时这个模型也支持通过自然语言生成前端界面的代码。 官网链接：

歸藏(guizang.ai)

78,671 views • 3 years ago

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,278 views • 2 months ago

国产最新的多模态模型来了！！ 前两周我刚体验过国产的阶跃星辰大模型，没想到这么快他们的新模型 Step 3.7 Flash 就出了。 现在大模型一发布必卷 benchmark 分数，但真正做 Agent 的人都清楚：跑分高 ≠ 能把活干完。 所以这次阶跃星辰的新模型 Step 3.7 Flash 它再不追求单点最聪明、也不只是单次最快，而是主打“生产任务端到端执行效率”。 一个真实的 Agent 任务从来不是一次问答，而是规划 → 搜索 → 工具调用 → 代码生成 → 多模态理解 → 反复校验的完整闭环，Step 3.7 Flash 这次升级的重点是整条链路的效率，而不是某个孤立指标。 提几个我觉得挺务实的点： 1. 原生多模态模型：它可以直接处理 UI 截图、图表、仪表盘、文档，原生读懂并转成结构化输出和可执行步骤，不需要像一些模型那样外挂视觉理解 MCP，而且现在多模态是顶级模型的标配。 2. 推理加入搜索和视觉检索：网页搜索、图像搜索、视觉验证、多源信息比对，让 Agent 在开放任务里边查边验证边行动，而不是事后再接个外部工具。 3. 198B MoE、约 11B 激活参数，最高 400 TPS：稀疏激活 + 这个速度，意味着高频交互、多步工作流、反复工具调用的场景下，单位任务的成本和延迟都压得很低——快和省是一起来的。 4. 开源、可部署：生产环境要的不只是 API，还有透明度、可控性和部署灵活性。 如果你在做 AI Agent、coding 工作流、搜索类应用或多模态系统，值得用 StepFun 试试这款新模型的能力。 想看更进阶的平台能力，可以了解 Step Plan。 海外平台： 国内平台：
4:53

国产最新的多模态模型来了！！ 前两周我刚体验过国产的阶跃星辰大模型，没想到这么快他们的新模型 Step 3.7 Flash 就出了。 现在大模型一发布必卷 benchmark 分数，但真正做 Agent 的人都清楚：跑分高 ≠ 能把活干完。 所以这次阶跃星辰的新模型 Step 3.7 Flash 它再不追求单点最聪明、也不只是单次最快，而是主打“生产任务端到端执行效率”。 一个真实的 Agent 任务从来不是一次问答，而是规划 → 搜索 → 工具调用 → 代码生成 → 多模态理解 → 反复校验的完整闭环，Step 3.7 Flash 这次升级的重点是整条链路的效率，而不是某个孤立指标。 提几个我觉得挺务实的点： 1. 原生多模态模型：它可以直接处理 UI 截图、图表、仪表盘、文档，原生读懂并转成结构化输出和可执行步骤，不需要像一些模型那样外挂视觉理解 MCP，而且现在多模态是顶级模型的标配。 2. 推理加入搜索和视觉检索：网页搜索、图像搜索、视觉验证、多源信息比对，让 Agent 在开放任务里边查边验证边行动，而不是事后再接个外部工具。 3. 198B MoE、约 11B 激活参数，最高 400 TPS：稀疏激活 + 这个速度，意味着高频交互、多步工作流、反复工具调用的场景下，单位任务的成本和延迟都压得很低——快和省是一起来的。 4. 开源、可部署：生产环境要的不只是 API，还有透明度、可控性和部署灵活性。 如果你在做 AI Agent、coding 工作流、搜索类应用或多模态系统，值得用 StepFun 试试这款新模型的能力。 想看更进阶的平台能力，可以了解 Step Plan。 海外平台： 国内平台：

耳朵

12,197 views • 2 months ago