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

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

41,771 subscribers

68,246 просмотров • 5 дней назад •via X (Twitter)

Искусство Наука и технологии Игры

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,172 просмотров • 1 год назад

不是，这就搞定了一个内容实时生成的AI漫剧游戏嘛？灵感来自向阳乔木和 Roi，可以将任何剧本生成类似于 Galagame 的游戏。有TTS阅读对话，同时呢还会自动生成背景图，自动生成每个角色的人物立绘。感觉这玩意儿都能直接做一个产品了，我操。你有剧情，你就可以生成对应的漫剧或者是对话游戏。

不是，这就搞定了一个内容实时生成的AI漫剧游戏嘛？灵感来自向阳乔木和 Roi，可以将任何剧本生成类似于 Galagame 的游戏。有TTS阅读对话，同时呢还会自动生成背景图，自动生成每个角色的人物立绘。感觉这玩意儿都能直接做一个产品了，我操。你有剧情，你就可以生成对应的漫剧或者是对话游戏。

歸藏(guizang.ai)

69,001 просмотров • 8 месяцев назад

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

Berryxia.AI

70,728 просмотров • 2 месяцев назад

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

Ashlyn He

11,311 просмотров • 7 дней назад

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能支持跨平台、低延迟、实时渲染另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能支持跨平台、低延迟、实时渲染另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播

AIGCLINK

47,683 просмотров • 1 год назад

大佬huangserva 开源的这个项目很有可玩性。只花了不到2个小时就重新搭建了一个3D汉服的网站。方法简单介绍一下： 1/ 将大佬的开源项目地址扔给CodeX或者Agent，告诉它：请先阅读一下这个Github项目，然后模仿这个项目，帮我做一个3D汉服展示的网站，功能要求与原项目一致，语言改成中文，并重新调整复合汉服审美的UI。 2/ 在混元3D网站上将图片生成3D模型GLB文件并下载。地址： 3/ 将下载的GLB文件上传到你已经开发好的网站就可以了。效果可能没有原项目好，但做项目展示够用了。

大佬huangserva 开源的这个项目很有可玩性。只花了不到2个小时就重新搭建了一个3D汉服的网站。方法简单介绍一下： 1/ 将大佬的开源项目地址扔给CodeX或者Agent，告诉它：请先阅读一下这个Github项目，然后模仿这个项目，帮我做一个3D汉服展示的网站，功能要求与原项目一致，语言改成中文，并重新调整复合汉服审美的UI。 2/ 在混元3D网站上将图片生成3D模型GLB文件并下载。地址： 3/ 将下载的GLB文件上传到你已经开发好的网站就可以了。效果可能没有原项目好，但做项目展示够用了。

李岳

52,233 просмотров • 2 месяцев назад

跟GPT5相比，谷歌Deepmind新发布的世界模型Genie3更值得关注。什么是世界模型？世界模型生成的不是视频，而是“世界”。所谓的“世界”，就是要足够逼真，用户可以探索这个世界，可以跟这个世界互动，并且在探索和互动的过程中，这个世界的各个细节都遵从物理常识，符合逻辑，从而保持逼真。世界模型会让游戏和影视的制作成本大幅下降，也会大幅提升机器人的训练效率。这都是巨大的商业机会。详细+更加生动的讲解，请见视频。

跟GPT5相比，谷歌Deepmind新发布的世界模型Genie3更值得关注。什么是世界模型？世界模型生成的不是视频，而是“世界”。所谓的“世界”，就是要足够逼真，用户可以探索这个世界，可以跟这个世界互动，并且在探索和互动的过程中，这个世界的各个细节都遵从物理常识，符合逻辑，从而保持逼真。世界模型会让游戏和影视的制作成本大幅下降，也会大幅提升机器人的训练效率。这都是巨大的商业机会。详细+更加生动的讲解，请见视频。

Ben X

19,107 просмотров • 11 месяцев назад

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

歸藏(guizang.ai)

127,166 просмотров • 7 месяцев назад

这两天Claude Fable 5 不是回归了吗一直想重新测试一下它的功能看看它长任务的解决能力，所以我直接丢了一个要求：做一款完整的中文网页游戏《韭菜修仙：牛市生存模拟器》参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸熊市黑客爆仓升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。而是我突然意识到一件事。以前总觉得这种割草小游戏开发成本应该很高。但 AI 把整个流程跑完之后，我发现：真正复杂的并不是玩法。而是素材、美术、数值和平衡。如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右）基本相当于让模型完整规划、设计并生成了一整个小游戏。也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度）我下一步准备试一个更大的任务不是做游戏而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。如果效果不错，再来分享全过程

这两天Claude Fable 5 不是回归了吗一直想重新测试一下它的功能看看它长任务的解决能力，所以我直接丢了一个要求：做一款完整的中文网页游戏《韭菜修仙：牛市生存模拟器》参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸熊市黑客爆仓升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。而是我突然意识到一件事。以前总觉得这种割草小游戏开发成本应该很高。但 AI 把整个流程跑完之后，我发现：真正复杂的并不是玩法。而是素材、美术、数值和平衡。如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右）基本相当于让模型完整规划、设计并生成了一整个小游戏。也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度）我下一步准备试一个更大的任务不是做游戏而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。如果效果不错，再来分享全过程

小森🔶BNB

29,096 просмотров • 22 дней назад

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。

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 просмотров • 2 лет назад

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,013 просмотров • 3 месяцев назад

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI应用在虚拟世界中完成低成本却又高效的训练。我现在正好在听苏姿丰的演讲，他们完全选了两个方向，一个在强调物理AI，另一个再着重聊AIGC、游戏等应用。

傅盛

37,583 просмотров • 6 месяцев назад

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

karminski-牙医

35,854 просмотров • 6 месяцев назад

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做, 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程

karminski-牙医

29,929 просмотров • 8 месяцев назад

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 просмотров • 1 год назад

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

Yihui

74,834 просмотров • 8 месяцев назад

视频生成模型的下一站，可能不是更长、更清晰的片子。而是一个你能走进去，并亲手改变的世界。过去两年，AI 视频已经能生成足够惊艳的画面。但无论视频多逼真，观众依然只能按下播放键：镜头往哪里走，早已决定；街角后面有什么，你无法靠近；画面里出现什么，你也不能临时改变。生成结束的那一刻，所有可能性也结束了。 Alaya Lab 刚刚开源的 AlayaWorld，试图把这件事反过来。它不是先生成一段完整视频，再让你观看。你可以用一张图片开启世界，推动摇杆改变镜头和移动方向；画面会随着操作继续生成。探索途中还能切换提示词，召唤火焰、凤凰、巨兽，或者让新的事件直接发生在当前场景里。这意味着，AI 生成的内容第一次不只是“成片”，而开始接近一个可以进入、探索和影响的环境。目前公开的几个核心指标： • 15B 参数 • 720p 分辨率 • 24 FPS 实时生成 • 支持 60 秒以上的连续探索 • 支持实时镜头控制与提示词切换但真正困难的还不只是生成速度。视频模型一旦连续运行，误差会逐帧累积：向前走了一段，再回头看，刚才的建筑可能已经变形；人物、道路和空间关系也会慢慢漂移。这也是“生成视频”和“生成世界”的分水岭。视频只要下一帧看起来合理。世界却必须记得：东西在哪里、刚才发生过什么，以及你离开后再回来时，它是否还是原来的样子。 AlayaWorld 为此加入了两种互补的记忆：一个显式 3D cache，用来保存空间位置；一个压缩的帧历史，用来维持时间连续性。再配合针对漂移历史的训练和 Error Bank，尽量阻止误差在长时间生成中不断放大。所以这项工作的重点，不是“又一个画质更好的视频模型”。而是把交互、空间记忆、长时稳定和实时生成，塞进同一个可以运行的系统里。它现在当然还不是一款普通玩家打开电脑就能玩的游戏，也不能直接替代成熟的游戏引擎。但它展示了一种很值得关注的方向：未来的虚拟世界，未必需要把每栋建筑、每条道路和每个事件提前制作完成。一部分世界，可能会在玩家移动和行动的同时，被模型实时生成出来。这会影响的不只是游戏。 AI 原生玩法原型、影视预演、虚拟勘景、动态故事板，甚至机器人与智能体的训练环境，都可能从这种“可交互的生成世界”中长出来。更难得的是，AlayaWorld 不只发布了 Demo。模型权重与推理代码已经开放。你可以直接查看它如何处理实时交互、空间记忆和长时间生成，也可以下载权重进行研究与复现。如果你正在关注世界模型、AI 游戏或交互式生成，这个项目值得拆一遍： Alaya Lab

视频生成模型的下一站，可能不是更长、更清晰的片子。而是一个你能走进去，并亲手改变的世界。过去两年，AI 视频已经能生成足够惊艳的画面。但无论视频多逼真，观众依然只能按下播放键：镜头往哪里走，早已决定；街角后面有什么，你无法靠近；画面里出现什么，你也不能临时改变。生成结束的那一刻，所有可能性也结束了。 Alaya Lab 刚刚开源的 AlayaWorld，试图把这件事反过来。它不是先生成一段完整视频，再让你观看。你可以用一张图片开启世界，推动摇杆改变镜头和移动方向；画面会随着操作继续生成。探索途中还能切换提示词，召唤火焰、凤凰、巨兽，或者让新的事件直接发生在当前场景里。这意味着，AI 生成的内容第一次不只是“成片”，而开始接近一个可以进入、探索和影响的环境。目前公开的几个核心指标： • 15B 参数 • 720p 分辨率 • 24 FPS 实时生成 • 支持 60 秒以上的连续探索 • 支持实时镜头控制与提示词切换但真正困难的还不只是生成速度。视频模型一旦连续运行，误差会逐帧累积：向前走了一段，再回头看，刚才的建筑可能已经变形；人物、道路和空间关系也会慢慢漂移。这也是“生成视频”和“生成世界”的分水岭。视频只要下一帧看起来合理。世界却必须记得：东西在哪里、刚才发生过什么，以及你离开后再回来时，它是否还是原来的样子。 AlayaWorld 为此加入了两种互补的记忆：一个显式 3D cache，用来保存空间位置；一个压缩的帧历史，用来维持时间连续性。再配合针对漂移历史的训练和 Error Bank，尽量阻止误差在长时间生成中不断放大。所以这项工作的重点，不是“又一个画质更好的视频模型”。而是把交互、空间记忆、长时稳定和实时生成，塞进同一个可以运行的系统里。它现在当然还不是一款普通玩家打开电脑就能玩的游戏，也不能直接替代成熟的游戏引擎。但它展示了一种很值得关注的方向：未来的虚拟世界，未必需要把每栋建筑、每条道路和每个事件提前制作完成。一部分世界，可能会在玩家移动和行动的同时，被模型实时生成出来。这会影响的不只是游戏。 AI 原生玩法原型、影视预演、虚拟勘景、动态故事板，甚至机器人与智能体的训练环境，都可能从这种“可交互的生成世界”中长出来。更难得的是，AlayaWorld 不只发布了 Demo。模型权重与推理代码已经开放。你可以直接查看它如何处理实时交互、空间记忆和长时间生成，也可以下载权重进行研究与复现。如果你正在关注世界模型、AI 游戏或交互式生成，这个项目值得拆一遍： Alaya Lab

知识猫图解

67,302 просмотров • 8 дней назад