Loading video...

Video Failed to Load

Go Home

所以科技平权从Fable 5开始转折了吗？ 以后我们普通人还能用到顶级AI大模型的机会吗？ 感觉Anthropic这条公告官宣的不是模型要恢复，更像是传递一个信号，就是顶级AI全民可用的时代正式结束了😭 最强的网络安全模型Mythos 5，只开放给美国本土的关键基础设施组织。 普通人能用的Fable 5，还在等政府审批，遥遥无期。 以前是花钱订阅就能摸到人类最顶尖的模型能力， 现在是最强的能力，只对特定身份和机构开放， 也就是说分层的墙已经立起来了， 以后普通用户能拿到的，永远是降过级的公开版本， 真正能重构生产力的顶级能力，只会在高墙内流转～

AYi_AInotes's profile picture

AYi

58,794 subscribers

21,080 views • 1 month ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。
0:15

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。

AYi

288,795 views • 24 days ago

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数 AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMind
0:15

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数 AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMind

DD

84,065 views • 7 months ago

Qwen3.8发布了，据官方说仅次于 Fable 5？ 简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。 当然前端能力不能代表全部，但也是最直观能体现出来的能力。 参考图像和提示词⬇️
0:11

Qwen3.8发布了，据官方说仅次于 Fable 5？ 简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。 当然前端能力不能代表全部，但也是最直观能体现出来的能力。 参考图像和提示词⬇️

WY

56,883 views • 1 month ago

上一次用的是可灵的模型，这一次用的是 sd2.0 的模型，角色选取的是我之前生成图片的其中的一个角色。 感觉在情绪把控这方面，真的已经很到位了，很难以想象两年前的AI还不会吃面，现在就已经能够精准的落泪了。 这才720p看着就这么的高清，那4k会是什么样子的
0:15

上一次用的是可灵的模型，这一次用的是 sd2.0 的模型，角色选取的是我之前生成图片的其中的一个角色。 感觉在情绪把控这方面，真的已经很到位了，很难以想象两年前的AI还不会吃面，现在就已经能够精准的落泪了。 这才720p看着就这么的高清，那4k会是什么样子的

南鸢 nuyoah

12,334 views • 19 days ago

很好奇，深圳这次豪宅火灾，其实就是无人机灭火的最好实战机会，结果还是用人。平时无人机整花活摆造型，关键时刻就不见了？更讽刺的是，大疆的总部就在深圳。只能一个解释：高压水枪喷水是AI合成。如果是真的，巨大的反作用力，那几根小风扇片根本稳不住。高空灭火，需要无人机具备强大的飞行稳定性和控制能力，以应对高空复杂的气流和天气变化。此外，灭火设备的重量和体积，限制了无人机的载荷能力，影响灭火效果。所以，对于高层楼房来说，目前普通概念的救援设备，基本上没有意义？
0:13

很好奇，深圳这次豪宅火灾，其实就是无人机灭火的最好实战机会，结果还是用人。平时无人机整花活摆造型，关键时刻就不见了？更讽刺的是，大疆的总部就在深圳。只能一个解释：高压水枪喷水是AI合成。如果是真的，巨大的反作用力，那几根小风扇片根本稳不住。高空灭火，需要无人机具备强大的飞行稳定性和控制能力，以应对高空复杂的气流和天气变化。此外，灭火设备的重量和体积，限制了无人机的载荷能力，影响灭火效果。所以，对于高层楼房来说，目前普通概念的救援设备，基本上没有意义？

超级财经 SuperFinance

467,460 views • 1 year ago

😱 4GB 显存跑 70B 大模型？真的不是在开玩笑！ 刚刷到这个开源神器 AirLLM，直接颠覆了我的认知： ✅ 单卡 4GB 就能跑 Llama3 70B ✅ 8GB 可以上 405B ✅ 甚至 2.8T 的超大模型也能硬刚（最新已支持） ✅ 全程无需量化、蒸馏、剪枝，原汁原味精度 原理超聪明：把模型按层拆开，推理时一次只加载一层到显存，用完就扔。显存占用直接降到只跟「单层大小」有关！ MoE 模型还能只加载当前用到的专家，更省。 现在低配显卡党也能本地玩超大模型了，真的香到爆！ GitHub 直达： 赶紧去 star，低配自由来了！🚀 #AI #大模型 #开源 #AirLLM #LLM
0:17

😱 4GB 显存跑 70B 大模型？真的不是在开玩笑！ 刚刷到这个开源神器 AirLLM，直接颠覆了我的认知： ✅ 单卡 4GB 就能跑 Llama3 70B ✅ 8GB 可以上 405B ✅ 甚至 2.8T 的超大模型也能硬刚（最新已支持） ✅ 全程无需量化、蒸馏、剪枝，原汁原味精度 原理超聪明：把模型按层拆开，推理时一次只加载一层到显存，用完就扔。显存占用直接降到只跟「单层大小」有关！ MoE 模型还能只加载当前用到的专家，更省。 现在低配显卡党也能本地玩超大模型了，真的香到爆！ GitHub 直达： 赶紧去 star，低配自由来了！🚀 #AI #大模型 #开源 #AirLLM #LLM

DeFi狙击手 | Ai🕊️｜Gate美股0费率

34,702 views • 19 days ago

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。 这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线 关键是，这只是一个 prompt 生成的代码。 以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。 现在 AI 直接写 Three.js 代码，浏览器就能跑。 这已经不是"辅助编程"了，这是直接替代了一整个工作流。 你们觉得这种 3D 建模能力，能用在哪些场景？
0:14

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。 这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线 关键是，这只是一个 prompt 生成的代码。 以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。 现在 AI 直接写 Three.js 代码，浏览器就能跑。 这已经不是"辅助编程"了，这是直接替代了一整个工作流。 你们觉得这种 3D 建模能力，能用在哪些场景？

Vincent

16,645 views • 2 months ago

我的天，Higgsfield已经进化到这种程度了吗？ 一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。 ​ ​ 在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！​ ​ 这件事放在以前真的很难想象。​ ​ 过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。 ​ ​ 但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。​ ​ 比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。​ ​ 所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。
0:15

我的天，Higgsfield已经进化到这种程度了吗？ 一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。 ​ ​ 在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！​ ​ 这件事放在以前真的很难想象。​ ​ 过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。 ​ ​ 但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。​ ​ 比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。​ ​ 所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。

逸尘

31,674 views • 2 months ago

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。 对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一， 叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。 这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮， 开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。 但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。 大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。 顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。 更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。 我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向， 它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格， 大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。 当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？
0:10

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。 对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一， 叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。 这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮， 开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。 但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。 大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。 顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。 更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。 我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向， 它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格， 大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。 当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？

AYi

45,544 views • 1 month ago

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。 从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。 这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。 更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。 当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI
0:10

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。 从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。 这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。 更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。 当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

AYi

156,336 views • 1 month ago

Kimi要去香港上市了，一次发布同时完成了三件事：产品更新、市场重定价、IPO 预路演，喵的真是一场伟大的操盘！！！ K3发布前脚刚砸跌纳斯达克1%，然后转头Kimi就启动港股IPO筹备，一场发布干了几个亿路演的活，真特么牛逼，背后有高人哈哈，来一起回顾这场牛逼的操盘吧： 7 月 17 日凌晨，月之暗面发了 Kimi K3，2.8 万亿参数，Arena 前端代码排名第一，即将开源。 然后 24 小时内发生了两件事， 第一件，华尔街半导体股开盘重挫，纳斯达克跌了 1%，标普 500 跌了 1%，CNN 和彭博社的报道标题里，中国 AI 模型冲击美股是关键词。 第二件，《投资界》报道说 Kimi 已通知投资者调整公司架构，筹备赴港 IPO，最快 6 个月内完成港股上市。 别人的股价在跌，自己的股价准备开始。 这两件事放在一起，是不是比 2.8 万亿参数精彩多了， 一个中国开源模型的 Arena 排名，能直接变成纳斯达克 1% 的跌幅，不是因为 K3 全面超越了谁，它在综合智能指数上排第四，Fable 5 在 35 项评估里赢了 22 项，并不是新王者。 那华尔街在怕什么呢？ 我觉得怕的不是这个模型本身，他们怕的其实是前沿能力 + 开放权重 + 中国公司这个组合，对闭源 AI 万亿美元资本支出的那个底层假设，突然给了一个反面例证。 那个假设很简单：最先进的 AI 能力是稀缺的，稀缺就应该贵，贵就需要巨额资本支出，巨额资本支出会带来长期的定价权。 K3 在这个假设上钻了一个空子， Arena 前端人类盲测第一，输入 $3，输出 $15，Fable 5 的输出是 $50，权重 7 月 27 日开放，之后任何人可以自己部署、微调、塞进私有工作流。 如果，注意是如果啊兄弟们，$15 的输出价格就能拿到人类盲测投票第一的前端 coding 能力，而且权重马上开源，那花几千亿美元训练闭源模型、然后收 $50 输出费用的商业模式，是在修一条收费高速公路，还是在一座即将免费的桥旁边建收费站。 华尔街的反应不是说这个模型太强了，是担心这个定价让整个投资回报率的算术变得不好看了。 这是第一层，第二层更有意思， Kimi 通知投资者调整架构，启动赴港 IPO，从短期不着急上市到筹备港股上市，不到一年。 这个时间窗口的选择显然不是偶然， Arena 前端第一 + 华尔街震动 + CNN/彭博头版，这套组合给了 Moonshot 一个全球定价时刻，在它走向公开市场之前，让全世界的投资者都知道了它的名字，而且不是在中国 AI 追赶者的叙事里，是在能让纳斯达克跌 1% 的叙事里。 IPO 需要的是一个让承销商可以讲的故事，K3 在 24 小时内把这个故事递到了全球财经媒体的头版上。 别人花几个亿做路演，Moonshot 用一次模型发布就做到了。 以前 AI 模型发布的受众是开发者和从业者，现在它的受众包括华尔街交易员、半导体分析师和港股承销商。 AI 模型发布正在从技术事件变成宏观事件。 这个转变一旦成立，以后每一家前沿 AI 公司的新模型发布，都不会只是开发者社区的节日，它会像上市公司的财报，不只是我们做到了什么，更是这个做到的事，让谁的假设失效了。 K3 不是第一个触发这个转变的模型，但它是第一个让发布即冲击这个范式变得如此清晰可见的。 一个中国公司，把开源模型的 Arena 排名推到前端第一，然后让大洋彼岸的半导体股跌了 1%，再趁势启动自己的 IPO 筹备，感觉有点像在上演一场关于定价权的公开争夺🤔。。。。 而争夺定价权最好的方式通常不是发论文，最好的方式就是让你的产品发布，直接变成别人股价的变量。
0:10

Kimi要去香港上市了，一次发布同时完成了三件事：产品更新、市场重定价、IPO 预路演，喵的真是一场伟大的操盘！！！ K3发布前脚刚砸跌纳斯达克1%，然后转头Kimi就启动港股IPO筹备，一场发布干了几个亿路演的活，真特么牛逼，背后有高人哈哈，来一起回顾这场牛逼的操盘吧： 7 月 17 日凌晨，月之暗面发了 Kimi K3，2.8 万亿参数，Arena 前端代码排名第一，即将开源。 然后 24 小时内发生了两件事， 第一件，华尔街半导体股开盘重挫，纳斯达克跌了 1%，标普 500 跌了 1%，CNN 和彭博社的报道标题里，中国 AI 模型冲击美股是关键词。 第二件，《投资界》报道说 Kimi 已通知投资者调整公司架构，筹备赴港 IPO，最快 6 个月内完成港股上市。 别人的股价在跌，自己的股价准备开始。 这两件事放在一起，是不是比 2.8 万亿参数精彩多了， 一个中国开源模型的 Arena 排名，能直接变成纳斯达克 1% 的跌幅，不是因为 K3 全面超越了谁，它在综合智能指数上排第四，Fable 5 在 35 项评估里赢了 22 项，并不是新王者。 那华尔街在怕什么呢？ 我觉得怕的不是这个模型本身，他们怕的其实是前沿能力 + 开放权重 + 中国公司这个组合，对闭源 AI 万亿美元资本支出的那个底层假设，突然给了一个反面例证。 那个假设很简单：最先进的 AI 能力是稀缺的，稀缺就应该贵，贵就需要巨额资本支出，巨额资本支出会带来长期的定价权。 K3 在这个假设上钻了一个空子， Arena 前端人类盲测第一，输入 $3，输出 $15，Fable 5 的输出是 $50，权重 7 月 27 日开放，之后任何人可以自己部署、微调、塞进私有工作流。 如果，注意是如果啊兄弟们，$15 的输出价格就能拿到人类盲测投票第一的前端 coding 能力，而且权重马上开源，那花几千亿美元训练闭源模型、然后收 $50 输出费用的商业模式，是在修一条收费高速公路，还是在一座即将免费的桥旁边建收费站。 华尔街的反应不是说这个模型太强了，是担心这个定价让整个投资回报率的算术变得不好看了。 这是第一层，第二层更有意思， Kimi 通知投资者调整架构，启动赴港 IPO，从短期不着急上市到筹备港股上市，不到一年。 这个时间窗口的选择显然不是偶然， Arena 前端第一 + 华尔街震动 + CNN/彭博头版，这套组合给了 Moonshot 一个全球定价时刻，在它走向公开市场之前，让全世界的投资者都知道了它的名字，而且不是在中国 AI 追赶者的叙事里，是在能让纳斯达克跌 1% 的叙事里。 IPO 需要的是一个让承销商可以讲的故事，K3 在 24 小时内把这个故事递到了全球财经媒体的头版上。 别人花几个亿做路演，Moonshot 用一次模型发布就做到了。 以前 AI 模型发布的受众是开发者和从业者，现在它的受众包括华尔街交易员、半导体分析师和港股承销商。 AI 模型发布正在从技术事件变成宏观事件。 这个转变一旦成立，以后每一家前沿 AI 公司的新模型发布，都不会只是开发者社区的节日，它会像上市公司的财报，不只是我们做到了什么，更是这个做到的事，让谁的假设失效了。 K3 不是第一个触发这个转变的模型，但它是第一个让发布即冲击这个范式变得如此清晰可见的。 一个中国公司，把开源模型的 Arena 排名推到前端第一，然后让大洋彼岸的半导体股跌了 1%，再趁势启动自己的 IPO 筹备，感觉有点像在上演一场关于定价权的公开争夺🤔。。。。 而争夺定价权最好的方式通常不是发论文，最好的方式就是让你的产品发布，直接变成别人股价的变量。

AYi

88,771 views • 1 month ago

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀
0:10

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

AYi

233,278 views • 2 months ago

所有人都以为OpenAI的护城河是AI大模型， 今天他们证明了，真正的胜负手在硅片里。 和博通合作，九个月从设计到流片， 首款自研AI芯片Jalapeño，专门面向大模型推理。 不做训练，只负责用户对话时的响应计算， 每瓦性能，明显优于当前最先进水平。 有几个反常识的结论跟大家分享， 第一个反常识， 为什么先切推理，不做更酷的训练芯片。 训练是一次性烧钱，烧完就结束， 推理是每天几亿用户持续消耗，是真正的成本大头。 把推理成本打下来三成到五成，规模上来就是天文数字的利润， 这其实是最务实的商业选择。 第二个反常识， 九个月流片意味着什么， 传统高性能芯片，两到三年才是正常设计周期。 他们用大模型，辅助设计跑大模型的芯片。 AI造AI硬件的自循环一旦跑通， 整个半导体的迭代速度，都会被彻底改写。 最本质的战略意图是 OpenAI不想再当英伟达的超级客户了， 他们要走全栈路线，从硅片到模型到产品全部自控， 说白了谁掌握底层算力，谁就掌握定价权和利润空间。 模型权重很重要，算力的话语权同样致命。 以前是人类造硬件，硬件跑AI， 以后是AI辅助人类造更好的硬件，硬件再跑出更强的AI， 这个自增强的循环，才是真正的奇点序章。
0:10

所有人都以为OpenAI的护城河是AI大模型， 今天他们证明了，真正的胜负手在硅片里。 和博通合作，九个月从设计到流片， 首款自研AI芯片Jalapeño，专门面向大模型推理。 不做训练，只负责用户对话时的响应计算， 每瓦性能，明显优于当前最先进水平。 有几个反常识的结论跟大家分享， 第一个反常识， 为什么先切推理，不做更酷的训练芯片。 训练是一次性烧钱，烧完就结束， 推理是每天几亿用户持续消耗，是真正的成本大头。 把推理成本打下来三成到五成，规模上来就是天文数字的利润， 这其实是最务实的商业选择。 第二个反常识， 九个月流片意味着什么， 传统高性能芯片，两到三年才是正常设计周期。 他们用大模型，辅助设计跑大模型的芯片。 AI造AI硬件的自循环一旦跑通， 整个半导体的迭代速度，都会被彻底改写。 最本质的战略意图是 OpenAI不想再当英伟达的超级客户了， 他们要走全栈路线，从硅片到模型到产品全部自控， 说白了谁掌握底层算力，谁就掌握定价权和利润空间。 模型权重很重要，算力的话语权同样致命。 以前是人类造硬件，硬件跑AI， 以后是AI辅助人类造更好的硬件，硬件再跑出更强的AI， 这个自增强的循环，才是真正的奇点序章。

AYi

51,052 views • 2 months ago

很多人吐槽自媒体们（包括我）只展示Gemini 3.0的前端能力，非常片面。确实是这样，在社交平台，视觉化的、尤其是能动起来的东西才能吸引注意力。 但对于一个非程序员用户来说，前端能力很重要。我们日常的交互原型是用Gemini或者Cursor做的，临时给博物馆做个静态网站用的是Trae，我闺女科学课上的一些复杂概念我也会写个动态的演示页面，辅助讲解。 下面是给我闺女做的演示案例，之前要用5～8轮才可以完成，用新模型一次就搞定了。
0:14

很多人吐槽自媒体们（包括我）只展示Gemini 3.0的前端能力，非常片面。确实是这样，在社交平台，视觉化的、尤其是能动起来的东西才能吸引注意力。 但对于一个非程序员用户来说，前端能力很重要。我们日常的交互原型是用Gemini或者Cursor做的，临时给博物馆做个静态网站用的是Trae，我闺女科学课上的一些复杂概念我也会写个动态的演示页面，辅助讲解。 下面是给我闺女做的演示案例，之前要用5～8轮才可以完成，用新模型一次就搞定了。

陈言Linkc-Chen

50,180 views • 9 months ago

尝试了下Seedance 2.0 上传真实人脸不可以了，我只能先把自拍转化成卡通形象在投喂给即梦，人物五官还是回不来了，下午都还可以的，证明技术是 OK 的，我不再关心它的算力是多少 TFLOPS，我只关心这种“低成本造梦”的生意什么时候能普及到每个人。
0:15

尝试了下Seedance 2.0 上传真实人脸不可以了，我只能先把自拍转化成卡通形象在投喂给即梦，人物五官还是回不来了，下午都还可以的，证明技术是 OK 的，我不再关心它的算力是多少 TFLOPS，我只关心这种“低成本造梦”的生意什么时候能普及到每个人。

Selenevea

33,899 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

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。
0:16

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

产品经理老王霸

52,217 views • 1 month 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

太牛了，Codex 能直接做 3D 了！！！ 这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。 关键是完全免费，已经开源了，人人都能用。
0:13

太牛了，Codex 能直接做 3D 了！！！ 这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。 关键是完全免费，已经开源了，人人都能用。

zhouluobo

36,158 views • 1 month ago