Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

再分享一个实用的场景。 Opus 5.5的3D建模能力和理解能力真的强的可怕，我花了一个小时就实现了这个小项目。我只提供了一张户型图，让它按原始户型图的尺寸还原平面，可以在 2D 里摆放家具、测量、拆改墙体、更换地面材料，还能用流畅的过渡动画一键切换到 3D，在鸟瞰和漫游视角下查看设计方案。

WY

17,037 subscribers

328,594 views • 4 days ago •via X (Twitter)

Education Science & Technology

Anya Rossi• Live Now

Private livecam show

11 Comments

WY4 days ago

原始图片和提示词：根据这张户型图，写一个单文件 HTML 装修设计工具： 1、2D 平面：按图上的尺寸标注（mm）还原墙体、门窗和房间，承重墙和普通墙分开画，四周标注尺寸，并自动算出房间面积。 2、家具：放好一套默认布置，家具按真实尺寸绘制，可以拖动、旋转、改尺寸，靠近墙面自动吸附。 4、交互：测量工具、拆改非承重墙、更换地面材料、撤销/重做、保存到本地、导出图片。 4、3D：用 three.js 生成同一套方案的 3D 场景，支持鸟瞰和第一人称漫游。 5、切换：2D/3D 在同一页面切换，要有流畅的过渡动画，两边数据实时同步。

Jhon Dennis4 days ago

户型图丢给它家具怎么摆它先跑完人看一眼就行

Gilfoyle4 days ago

好奇用three.js和blender MCP，哪一个对模型更友好？哪一个更省token？

WY4 days ago

一般是threejs

Donald AI4 days ago

好东西呀，可以分享用一下吗？

WY3 days ago

传到github了

Donald AI3 days ago

可以，Star一个支持一下先

韩牧野4 days ago

求分享和链接

WY3 days ago

代码：在线体验：

Dan akan4 days ago

强啊最近我也在做这个室内图项目可以共享么

WY4 days ago

可以，我明天发个开源仓库和线上体验链接

Related Videos

🚨一张图、一句话，GPT-6 花了 22 分钟，给我做了个可以自由漫游的 3D 白宫。我发了一张白宫照片，提示词就这么一句：「帮我用这个图做一个这个建筑三维的立体页面，可以自由浏览。」建筑、草坪、树木、花坛、喷泉，全给做进去了。可以拖动旋转、缩放，切换正面、背面和鸟瞰视角，还能按 WASD 在庭院里走。连日照时间都能调，光影会跟着变。这些功能，我根本没一项项交代。我只说了可以自由浏览，页面设计、视角导航、漫游控制，甚至日照调节，它就一起做了。照片没拍到的地方是近似补全的。但从我随口说个需求，到打开网页直接在里面逛，一共就 22 分钟。模型进步了多少，自己用这么一次，比看跑分有体感多了。太牛逼了！！！

🚨一张图、一句话，GPT-6 花了 22 分钟，给我做了个可以自由漫游的 3D 白宫。我发了一张白宫照片，提示词就这么一句：「帮我用这个图做一个这个建筑三维的立体页面，可以自由浏览。」建筑、草坪、树木、花坛、喷泉，全给做进去了。可以拖动旋转、缩放，切换正面、背面和鸟瞰视角，还能按 WASD 在庭院里走。连日照时间都能调，光影会跟着变。这些功能，我根本没一项项交代。我只说了可以自由浏览，页面设计、视角导航、漫游控制，甚至日照调节，它就一起做了。照片没拍到的地方是近似补全的。但从我随口说个需求，到打开网页直接在里面逛，一共就 22 分钟。模型进步了多少，自己用这么一次，比看跑分有体感多了。太牛逼了！！！

Max For AI

12,932 views • 28 days ago

太猛了，我都没想到我真能搞定！来看一下配合 Nano Banana 和其他 AI 能力我们普通人可以做到什么东西开局一张平面设计图，最后在 Nano Banana 、Rodin、Cursor 的加持下变成了一个可以自由预览的 3D 模型，点击具体位置还有详细的渲染图可以看

太猛了，我都没想到我真能搞定！来看一下配合 Nano Banana 和其他 AI 能力我们普通人可以做到什么东西开局一张平面设计图，最后在 Nano Banana 、Rodin、Cursor 的加持下变成了一个可以自由预览的 3D 模型，点击具体位置还有详细的渲染图可以看

歸藏(guizang.ai)

137,340 views • 1 year ago

Qwen3.8正式版上线，能力真的到全球第一梯队了！我从零用Qwen3.8造了个云上3D房间！ 3D这块我是真小白，我是和Qwen3.8一轮轮聊出来的提示词，大概和它一起盘了这样一个制作3D网站的思路： GPT Image 2生成2D户型图→Qwen3.8多模态识别，转化成json户型数据→Qwen3.8校验房门逻辑→自动帮我下载Blender然后导出GLB→Three.js制作网页最后生成的网页可以俯视、环绕和第一视角，自由切换墙面颜色和地板材质，还能调节亮度和移动速度。而且我还加入了家具，可以自由布置房间。也能够切换白天和黑夜，体验云上小居的美～

Qwen3.8正式版上线，能力真的到全球第一梯队了！我从零用Qwen3.8造了个云上3D房间！ 3D这块我是真小白，我是和Qwen3.8一轮轮聊出来的提示词，大概和它一起盘了这样一个制作3D网站的思路： GPT Image 2生成2D户型图→Qwen3.8多模态识别，转化成json户型数据→Qwen3.8校验房门逻辑→自动帮我下载Blender然后导出GLB→Three.js制作网页最后生成的网页可以俯视、环绕和第一视角，自由切换墙面颜色和地板材质，还能调节亮度和移动速度。而且我还加入了家具，可以自由布置房间。也能够切换白天和黑夜，体验云上小居的美～

逸尘

22,991 views • 1 month ago

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

小互

103,841 views • 2 years ago

最近国内几个模型大厂好像摊上事了？也不知道真事假事，还是那个姓A的在碰瓷挑事！吃瓜的时候，突然刷到一个新模型！乍一看Atria ASI，差点看成了是Astra，真的很像，模型代号叫 Atria Dawn Preview！据说背后约三分之二的研发成员还是高校在校学生！！我是真想知道这群学生能把模型做成什么样？所以，找了很久才找到了API，接入下来测试了一下，我用它一句话做个 3D 家装工作台，最后出来的效果居然还可以！！能画户型、拖家具、改尺寸、保存项目、导出截图、还能自由拖放布置家具，其实这个任务倒是不难，主要我一句话说的很笼统，需要它能够理解我的意图，并且准确规划，将这个工作台做的尽可能完善。但其实，写代码还并不是这个模型的主要能力。它的定位，是面向科研和专业工作的智能体模型，擅长把一个复杂任务继续往前推进，最终变成可运行、可检查、可使用的成果。比如从一个问题、一份数据、一段代码或者一篇论文出发，它可以继续完成资料检索、代码实现、实验执行和反馈修正，最后交付研究报告、软件系统、文档表格、演示文稿、三维设计等等。可以用来做科研、写报告、写代码、画CAD！！不知道这个API能用多久，后面我可以再测试一下不同的场景。有兴趣可以持续关注一下！

最近国内几个模型大厂好像摊上事了？也不知道真事假事，还是那个姓A的在碰瓷挑事！吃瓜的时候，突然刷到一个新模型！乍一看Atria ASI，差点看成了是Astra，真的很像，模型代号叫 Atria Dawn Preview！据说背后约三分之二的研发成员还是高校在校学生！！我是真想知道这群学生能把模型做成什么样？所以，找了很久才找到了API，接入下来测试了一下，我用它一句话做个 3D 家装工作台，最后出来的效果居然还可以！！能画户型、拖家具、改尺寸、保存项目、导出截图、还能自由拖放布置家具，其实这个任务倒是不难，主要我一句话说的很笼统，需要它能够理解我的意图，并且准确规划，将这个工作台做的尽可能完善。但其实，写代码还并不是这个模型的主要能力。它的定位，是面向科研和专业工作的智能体模型，擅长把一个复杂任务继续往前推进，最终变成可运行、可检查、可使用的成果。比如从一个问题、一份数据、一段代码或者一篇论文出发，它可以继续完成资料检索、代码实现、实验执行和反馈修正，最后交付研究报告、软件系统、文档表格、演示文稿、三维设计等等。可以用来做科研、写报告、写代码、画CAD！！不知道这个API能用多久，后面我可以再测试一下不同的场景。有兴趣可以持续关注一下！

沐阳

37,855 views • 17 days ago

Pi 用久了，接模型这件事越来越麻烦。每家模型平台都有自己的账号和 Key，余额散在几个地方。想把同一个任务换个模型再跑一遍，又要重新配置、充值和查账。模型接得越多，配置也越乱。这次我把 ZenMux 接进 Pi，只维护一个 provider 和一把 Key。 GPT-6 Astra 上线后，我直接在 Pi 里选择 openai/gpt-6-astra，然后做了几个测试测试模型的真实性。 1、模型名称，看看是不是真的GPT-6 2、模型的写作能力，看看最新模型在写作上的提升 3、修改一个代码里面的Bug，测试真实的能力以后想用同一个任务对比其他模型，直接在 Pi 里切换模型即可。实际 token 和花费也能放在同一处看，省掉了到处找 Key、查余额的麻烦。 GPT-6 Astra 面向复杂 agent 工作流。这次我主要看它能不能把跨文件任务做完整，以及输出里有多少内容可以直接使用。官推提到它通常会减少输出 token，录屏里的实际数字会更有参考价值。 ZenMux 本场还有 7 天限时充值活动。充 $50 得 $70 充 $100 得 $150 每个账号限兑一次原本就准备跑 API 的，可以趁这次多留一点测试额度。 GPT-6 Astra

Pi 用久了，接模型这件事越来越麻烦。每家模型平台都有自己的账号和 Key，余额散在几个地方。想把同一个任务换个模型再跑一遍，又要重新配置、充值和查账。模型接得越多，配置也越乱。这次我把 ZenMux 接进 Pi，只维护一个 provider 和一把 Key。 GPT-6 Astra 上线后，我直接在 Pi 里选择 openai/gpt-6-astra，然后做了几个测试测试模型的真实性。 1、模型名称，看看是不是真的GPT-6 2、模型的写作能力，看看最新模型在写作上的提升 3、修改一个代码里面的Bug，测试真实的能力以后想用同一个任务对比其他模型，直接在 Pi 里切换模型即可。实际 token 和花费也能放在同一处看，省掉了到处找 Key、查余额的麻烦。 GPT-6 Astra 面向复杂 agent 工作流。这次我主要看它能不能把跨文件任务做完整，以及输出里有多少内容可以直接使用。官推提到它通常会减少输出 token，录屏里的实际数字会更有参考价值。 ZenMux 本场还有 7 天限时充值活动。充 $50 得 $70 充 $100 得 $150 每个账号限兑一次原本就准备跑 API 的，可以趁这次多留一点测试额度。 GPT-6 Astra

小墨同学

20,221 views • 23 days ago

兄弟们，我真觉得目前 AI 还是被低估了，模型代码能力变强，能实现的效果太多了：视觉理解、3D、动画、可交互的东西，都是代码能表达的我之前接过一个 AI + 庭院设计的需求，他们需要细节效果图和渲染图，那会我用 image-2 配合代码实现 3D 效果，但空间感很差，具体的比例等细节把控不好，很难达到生产场景这次我直接拿一张户型图让 AI 做出装修后的 3D 效果，出来的效果确实不错：第一人称漫游，切俯视图和图纸一模一样，连每扇门往哪边开都没错。而且可以非常精细化去做修改。以前这种 3D 展示外包出去又贵周期又长，现在就是几块钱 token 的事，效果还比之前好得多。这只是一个 demo，后续再往上叠生图模型、视频模型做质感，庭院设计、装修方案、样板间展示，这一整类需求的想象空间很大。视频是这次的实录效果👇：

兄弟们，我真觉得目前 AI 还是被低估了，模型代码能力变强，能实现的效果太多了：视觉理解、3D、动画、可交互的东西，都是代码能表达的我之前接过一个 AI + 庭院设计的需求，他们需要细节效果图和渲染图，那会我用 image-2 配合代码实现 3D 效果，但空间感很差，具体的比例等细节把控不好，很难达到生产场景这次我直接拿一张户型图让 AI 做出装修后的 3D 效果，出来的效果确实不错：第一人称漫游，切俯视图和图纸一模一样，连每扇门往哪边开都没错。而且可以非常精细化去做修改。以前这种 3D 展示外包出去又贵周期又长，现在就是几块钱 token 的事，效果还比之前好得多。这只是一个 demo，后续再往上叠生图模型、视频模型做质感，庭院设计、装修方案、样板间展示，这一整类需求的想象空间很大。视频是这次的实录效果👇：

余温

18,538 views • 2 months ago

#分享跑了 Fable 10 十几个小时(中途限 limit 4 个小时导致什么活都干不了)，跑了四个有意思的 Demo 1. 从杭州出发，旅游去哪里灵光一现的想法，然后就让 Fable 实现了。这个 Demo 的主要考察 Agent 在 deep research、数学和视觉的执行深度。有意思的是，当我跟同事演示选中了南昌：看到没有直达南昌的飞机。我不信，怀疑数据错了，结果一查，打脸了。可以在这里玩： Prompt: 我希望你制作一张经过充分研究且美观的旅行地图项目，让我可以选择中国不同城市，地图上要用可爱的元素标记每个城市可玩的经典，我居住在杭州, 基于真实数据查看实际的等时线。我希望设计风格独特。你需要考虑机场（以及往返机场的交通时间）、火车、步行和驾车。数据不需要实时更新，但必须基于你的研究和真实数据。你可以从几个城市开始，但越全面越好，这应该是一个全新的项目.当选择一个城市时, 需要给出推荐的出行方式和旅游路线攻略 2. CityWork Idea 来源于昨天在推上看到有人分享的这个应用 ( 给 Fible 一个别人录制的 Flip。看看 Fible 能不能实现。不过整个下午就只在公司楼下取了个咖啡，所以打开的区域很小。这个应用，我感觉 Fible 其实很好地实现了。 Prompt: 一个通过通过你在城市里走动来解锁虚拟地图上的区域, demo 参考 DEMO.mp4 . IOS app, only support ios 26, liquid glass style. 杭州是你第一个选择实现的城市. 完整应用, 全新项目. 3. Markdown Live Preview Obsidian 的 Live Preview 用习惯了，但有个不爽的点是无法直接打开任意 markdown 文档。这个项目很难，因为真的涉及到代码底层的能力实现，而不是能够依赖外部、社区实现来解决。之前试过 Opus 4.8 / ChatGPT 5.5 反正都失败了。Fible 实现得比前两者都要好，目前测试下来，没有太大的问题。厉害 👍 Prompt: 实现跟 obsidian live preview 能力一致的 macOS 应用, 底层使用 CodeMirror6, 支持打开单个 .md 文件, 这是一个全新的项目。 4. 再现三体游戏 RPG 游戏这是我最期待的一个 Demo 了，给 Fible 一些三体中关于三体游戏的原文，让它生成一个 RPC 游戏。跑了 4 个多小时（有 superpower 的加持），一次运行成功。里面有些用 canvas 画的小设计还挺有意思，但整体感觉简单，可玩性不高。 Prompt: 实现三体小说(the three-body novel) 中提到的三体游戏, 小说中有关游戏的内容节选 MIGUEL ANGEL*-excerpt.txt , 游戏总结概要 SOAR NUDAH-summarize.txt. 实现一个 RPC 游戏, 让登录用户有沉浸 --- 社区都在夸 Fible 的设计美学又升级了，效果确实经验。我的初体验是： - 适合做 deep research - 视觉能力（多模态）能力有所增强 - 长任务模型顶流

#分享跑了 Fable 10 十几个小时(中途限 limit 4 个小时导致什么活都干不了)，跑了四个有意思的 Demo 1. 从杭州出发，旅游去哪里灵光一现的想法，然后就让 Fable 实现了。这个 Demo 的主要考察 Agent 在 deep research、数学和视觉的执行深度。有意思的是，当我跟同事演示选中了南昌：看到没有直达南昌的飞机。我不信，怀疑数据错了，结果一查，打脸了。可以在这里玩： Prompt: 我希望你制作一张经过充分研究且美观的旅行地图项目，让我可以选择中国不同城市，地图上要用可爱的元素标记每个城市可玩的经典，我居住在杭州, 基于真实数据查看实际的等时线。我希望设计风格独特。你需要考虑机场（以及往返机场的交通时间）、火车、步行和驾车。数据不需要实时更新，但必须基于你的研究和真实数据。你可以从几个城市开始，但越全面越好，这应该是一个全新的项目.当选择一个城市时, 需要给出推荐的出行方式和旅游路线攻略 2. CityWork Idea 来源于昨天在推上看到有人分享的这个应用 ( 给 Fible 一个别人录制的 Flip。看看 Fible 能不能实现。不过整个下午就只在公司楼下取了个咖啡，所以打开的区域很小。这个应用，我感觉 Fible 其实很好地实现了。 Prompt: 一个通过通过你在城市里走动来解锁虚拟地图上的区域, demo 参考 DEMO.mp4 . IOS app, only support ios 26, liquid glass style. 杭州是你第一个选择实现的城市. 完整应用, 全新项目. 3. Markdown Live Preview Obsidian 的 Live Preview 用习惯了，但有个不爽的点是无法直接打开任意 markdown 文档。这个项目很难，因为真的涉及到代码底层的能力实现，而不是能够依赖外部、社区实现来解决。之前试过 Opus 4.8 / ChatGPT 5.5 反正都失败了。Fible 实现得比前两者都要好，目前测试下来，没有太大的问题。厉害 👍 Prompt: 实现跟 obsidian live preview 能力一致的 macOS 应用, 底层使用 CodeMirror6, 支持打开单个 .md 文件, 这是一个全新的项目。 4. 再现三体游戏 RPG 游戏这是我最期待的一个 Demo 了，给 Fible 一些三体中关于三体游戏的原文，让它生成一个 RPC 游戏。跑了 4 个多小时（有 superpower 的加持），一次运行成功。里面有些用 canvas 画的小设计还挺有意思，但整体感觉简单，可玩性不高。 Prompt: 实现三体小说(the three-body novel) 中提到的三体游戏, 小说中有关游戏的内容节选 MIGUEL ANGEL*-excerpt.txt , 游戏总结概要 SOAR NUDAH-summarize.txt. 实现一个 RPC 游戏, 让登录用户有沉浸 --- 社区都在夸 Fible 的设计美学又升级了，效果确实经验。我的初体验是： - 适合做 deep research - 视觉能力（多模态）能力有所增强 - 长任务模型顶流

nazha

17,516 views • 3 months ago

这次我用 Qwen3.8-Max 完成了三个代码项目，其中最直观的是一个类似《我的世界》的网页游戏。游戏已经具备完整的可玩性：角色可以移动、跳跃和探索地图，也可以挖掘、放置方块、切换物品，并使用背包与合成系统。地形能够自动生成，基础的生存机制也已经实现。另外两个项目分别是可交互的 3D AI 芯片展示，以及读取19个真实来源的多模态供应商评审系统。 Qwen3.8-Max 还是个开源模型，国产模型真是越来越强了。

这次我用 Qwen3.8-Max 完成了三个代码项目，其中最直观的是一个类似《我的世界》的网页游戏。游戏已经具备完整的可玩性：角色可以移动、跳跃和探索地图，也可以挖掘、放置方块、切换物品，并使用背包与合成系统。地形能够自动生成，基础的生存机制也已经实现。另外两个项目分别是可交互的 3D AI 芯片展示，以及读取19个真实来源的多模态供应商评审系统。 Qwen3.8-Max 还是个开源模型，国产模型真是越来越强了。

雪踏乌云

68,246 views • 2 months ago

可灵今天更新了 2.1 的首尾帧视频模型提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量模型测评和提示词在下面👇：

可灵今天更新了 2.1 的首尾帧视频模型提示词理解和遵循能力大幅提升，即使好不相关的图片也可以实现自然过渡可以看我做的这个视频的效果，所有分镜都是一次生成没有抽卡，就是素材拼接没有剪辑我还打磨了一套提示词和工作流帮你降低抽卡频率提高生成质量模型测评和提示词在下面👇：

歸藏(guizang.ai)

58,198 views • 1 year ago

AGI怕是真的要来了！！现在所有3D建模师都可以下岗了！我宣布，GPT-6 Astra 就是3D建模唯一的神！！事情是这样的：我给GPT-6 Astra提供了几张我在澳洲留学时住的宿舍房间照片，让他建立了一个loop循环，使用three.js和blender来设计一个交互式3d场景，并把场景做成一个演示视频，展示我的作品。二十几分钟后我得到了这个视频！！！😮

AGI怕是真的要来了！！现在所有3D建模师都可以下岗了！我宣布，GPT-6 Astra 就是3D建模唯一的神！！事情是这样的：我给GPT-6 Astra提供了几张我在澳洲留学时住的宿舍房间照片，让他建立了一个loop循环，使用three.js和blender来设计一个交互式3d场景，并把场景做成一个演示视频，展示我的作品。二十几分钟后我得到了这个视频！！！😮

Rion Wu

126,388 views • 27 days 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.

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 • 9 months 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。

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

37,326 views • 4 months ago

卧槽，Hypit 这次确实有点意思。把它接进 Codex，丢一条参考视频过去，再说一句“帮我 Clone”，它就能把原片拆成可编辑的视频工程。人物能换、服装能换、色卡能换。原片的构图、镜头节奏、字幕、转场和画面层级，会尽量保留下来。我这次用 Codex 跑了 Hypit，复刻了两条短视频。一个是「豆包帮我清理桌面」的场景创意 yanhua，一个是 @陶阿狗君的旅行变装。它先把视频拆成一个可编辑的 workflow。谁在说话、哪一段用什么图、字幕怎么排、画面怎么动，都变成工程里的零件。流程很简单： 1、给 Codex 装上 Hypit Skill npx skills add hypit-ai/hypit -g 2、配好视频模型 API 我这里用即梦 CLI 调 Seedance，先确认模型能正常出片。 3、把参考视频和人物图交给 Codex 告诉它保留原片构图和分镜节奏，把人物换成参考图角色，再生成新的色卡和服装。 4、先确认图片，再生成动态镜头图片、视频和声音可以分阶段处理。图片不满意先改，确认后再调视频模型出片。我觉得 Hypit 最有意思的地方，是它把视频制作从一次性「抽卡」，变成可以持续修改的项目。你能一边预览成片，一边看对应素材和源码。想换人、改字、调镜头节奏，都有地方下手。工具是开源的，模型和 API 费用各自另算。想用 AI Agent 做视频 Clone 的，可以自己装了试试，效果因模型和参考片差异会比较大。官方仓库（开源）：

卧槽，Hypit 这次确实有点意思。把它接进 Codex，丢一条参考视频过去，再说一句“帮我 Clone”，它就能把原片拆成可编辑的视频工程。人物能换、服装能换、色卡能换。原片的构图、镜头节奏、字幕、转场和画面层级，会尽量保留下来。我这次用 Codex 跑了 Hypit，复刻了两条短视频。一个是「豆包帮我清理桌面」的场景创意 yanhua，一个是 @陶阿狗君的旅行变装。它先把视频拆成一个可编辑的 workflow。谁在说话、哪一段用什么图、字幕怎么排、画面怎么动，都变成工程里的零件。流程很简单： 1、给 Codex 装上 Hypit Skill npx skills add hypit-ai/hypit -g 2、配好视频模型 API 我这里用即梦 CLI 调 Seedance，先确认模型能正常出片。 3、把参考视频和人物图交给 Codex 告诉它保留原片构图和分镜节奏，把人物换成参考图角色，再生成新的色卡和服装。 4、先确认图片，再生成动态镜头图片、视频和声音可以分阶段处理。图片不满意先改，确认后再调视频模型出片。我觉得 Hypit 最有意思的地方，是它把视频制作从一次性「抽卡」，变成可以持续修改的项目。你能一边预览成片，一边看对应素材和源码。想换人、改字、调镜头节奏，都有地方下手。工具是开源的，模型和 API 费用各自另算。想用 AI Agent 做视频 Clone 的，可以自己装了试试，效果因模型和参考片差异会比较大。官方仓库（开源）：

行者AI视频

158,144 views • 13 days ago

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 views • 4 months ago

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为

Jackywine

27,966 views • 3 years ago

👏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

27,519 views • 4 months ago

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快, 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARP

karminski-牙医

23,813 views • 9 months ago

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平，解决了了一个比较复杂的更新功能。体感上看，接近claude-opus-4-6 ，只能说是接近4.6的版本，我觉得还有点差距，不过我已经很好了，已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了。国内用户下载trace 使用以下是我个人测试的情况

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平，解决了了一个比较复杂的更新功能。体感上看，接近claude-opus-4-6 ，只能说是接近4.6的版本，我觉得还有点差距，不过我已经很好了，已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了。国内用户下载trace 使用以下是我个人测试的情况

Mr Panda

28,028 views • 3 months ago