Daejeon

Ai & Right thing takes time

[Daejeon @DaemeonDT]

I’m uploading photos of pets to generate 3D models, but I find that the effect is not very good now. Do you have any recommendations?
Maybe i can use the next 3D model to make my dog live forever!!!
@lychee3d @tripoai @DeemosTech @DylanTFWang @TencentHunyuan @Hitem3D @YVOVY_AI

[Max For AI @MaxForAI]

这篇可能要迫于压力删了，毕竟我不是vLLM那样的大团队。

且看且珍惜。

[Ring Hyacinth @ring_hyacinth]

下午和飞书的产品经理聊天，他们会用一个录音工具将自己一天所有会议录下来，自动飞书妙计总结。

codex 再通过飞书 cli，每天将妙计内容晚上自动总结 to do, 能干的 codex 干掉，需要人类的每天早上 8 点再发给人类。

真的是好先进的流程。

[Berryxia.AI @berryxia]

兄弟们，3D资产生成彻底要起飞了。

Cambridge大学助理教授Elliott Wu（前Stanford、Oxford背景）团队刚放出了Articraft——一个真正的agentic coding系统。

它不是简单生成静态3D模型，就可以让AI agent自己写代码、自己执行、自己接收物理验证反馈，不断迭代，最终输出带零件、关节、真实运动的可交互3D资产，直接就能扔进机器人仿真和物理AI场景里用。

以前做一套高质量articulated asset要花几天甚至几周，现在agent全自动跑通，整个过程高效到离谱。

他们顺便还开源了Articraft-10K数据集：超过1万个跨250个类别的articulated 3D物体，全部可交互、仿真就绪，彻底把大规模机器人训练和物理世界AI的资产门槛拉到了新低。

物理AI和机器人仿真的“数据饥渴”问题，被这个agentic pipeline直接干掉了一大半。

项目页面在这里：https://t.co/R2d4IcwebW
完整代码和数据集也在GitHub开源。

如果你在做机器人、仿真、物理AI或者3D内容生成，这波开源值得立刻去试。

PS： 还未实测，待后续测评！

[danqi @ohhdanqi]

ofc i had to add hand tracking to make this cat party more fun!!

should i launch this lol, what kind of product should this be guys!!

made with gemini and flow

brief tutorial in the comment!

[歸藏(guizang.ai) @op7418]

很多模型厂商开始发现开源 Agent 框架和客户端的价值。

大家都开始要么补贴客户端本身，要么补贴客户端用户。

但是我觉得还有一个非常重要的盲点。

就是像藏师傅、宝玉、乔木、一泽这种头部的 Skills 开发者。他们的 Skills 装机量其实非常大，遍布各种 Agent。

无论是从数据、用户反馈，还是从打广告这种商业价值来说，潜力都非常大。

目前大家都没有把这条线重视起来，没有一个合适的合作方式给这些开源 Skills 开发者提供好的框架或商业化路径，去回馈这些开发者，并同时帮助自己的产品提高知名度。

我觉得这是非常可惜的。因为这些 Skills 的装机量远比各种 Agent 框架和客户端更大，而且它们的传播也更广。

[danqi @ohhdanqi]

made a cat that's obsessed with your cursor

i can't stop playing with this.. i'm a big fan of putting cats on everything everywhere

what should i replace the cursor with? butterflies? some treats?

made with gemini & flow

[Ring Hyacinth @ring_hyacinth]

用 codex 写 three.js 个人主页小进展。

给自己的3D世界加了一个自动轮播作品的小影院、社交账号广场、以及与我合作的小摊位。😆

越做越开心，感觉在做自己的游戏！

[DiscusFish @bitfish]

1月龙虾爆火的那阵，群里清一色在讨论怎么抢 Mac Studio 512G
——"内存带宽是瓶颈"这话翻来覆去说了不下十遍。

机器抢到了，跑模型跑得飞起

直到最近回头一看内存股的走势
合着技术看得透透的，钱全花在消耗品上，相关的股一股没买。
离信号最近，离仓位最远

[karminski-牙医 @karminski3]

完了! 我的整活被官方相中了!

搞了个AI电竞教练的 Harness Agent 框架, 拖进去 CS2 录屏视频后就能分析走位, 身法, 对枪, 预瞄, 投掷物, 经济, 等各种数据, 然后还能给出建议和训练方向.

结果被字节跳动相中了, 于是结合 Doubao-Seed-2.0-Lite 整了个大活, 连续运行25小时不间断分析对局视频总结玩家的帝王干拉是否到位(x

这次 Doubao-Seed-2.0-Lite 的宣发 Demo 视频那个AI电竞教练的就是这个 Demo 哈.

以及, 具体的整活视频还在制作中~ 大家稍安勿躁, 稍后给大家带来全部整活细节~

#seed20lite #doubao #doubaoseed #字节跳动

[Young @builderyang]

@ring_hyacinth 好主意！不久前我也是这么想的，做了一个还没迭代
https://t.co/hAy4tJ6euG

已开源供参考：https://t.co/ZDuDBsZjl6
期待你的作品和交流！

[Ring Hyacinth @ring_hyacinth]

好开心呀！浦东美术馆给我们片子里的白猫和橘猫制作了衍生周边！今天我是世界上最幸福的海辛！

[泊舟 @bozhou_ai]

卧槽，现在算命都卷到这种地步了，直接给你上 Agent。

而且我才知道，世界上居然真的有全球算命师大赛，3069 个算命师参赛，比谁算得准。然后有人开发了一个 AI 去打这个比赛。

更离谱的是它真的跑出来了。Tianfu Agent，50% 截尾准确率，接近人类 Top-20 平均水平 53.5%，同题目下最强通用大模型也才 40%。

我自己也去算了一下事业运，最近的情况说的竟然全对。

打开他们公开的一道样例题，1951 年女命，问年轻时做什么工作。AI 没直接给答案，是把整个推理过程摊给你看。

先查月柱年柱看家境，再排第二大限看官禄宫和迁移宫，再调八字看食神伤官，最后交叉紫微和八字两套结论，才给出答案：家贫，十多岁卖艺为生。

一道题，跑了 61 个步骤，全程可追溯。

跟普通免费占卜软件完全不是一个东西。那种本质就是模板填字，输入生日给你一段不痛不痒的话，换谁看着都差不多。Tianfu 是把命理拆成了一套工程：250+ 个工具，紫微/八字/奇门三套体系交叉验证。

@DestinyLinker
Benchmark: https://t.co/KelMYtFFEb
试一下: https://t.co/jhswK8R3Av

[Gyro @gyro_ai]

这下是真见证历史了

一位音乐教育硕士，半路出家学编程，用 Claude 和 Cursor 写了个"DeepSeek 版 Claude Code"，五一假期突然爆火，2.3k stars 登上 GitHub 热榜。

项目叫 DeepSeek-TUI，作者 Hunter Bown 自称"鲸鱼兄弟的 DeepSeek 爱好者"，为方便国内用户使用，他专门用 DeepSeek 把宣传推文翻译成中文，还配了 TUNA Cargo 镜像。

这个工具住在终端里，像 Claude Code 一样干活，但专门针对 DeepSeek 优化。思维链实时流式输出，100 万 token 上下文用满，还有个 RLM 模式，一个主模型指挥 16 个 V4 Flash 子任务同时跑。

Hunter 的起点是音乐，音乐教育硕士毕业后当了 3 年乐队指挥，后来拿了 MBA，又去学专利法，最后半路出家写代码。他的曾祖父是贝尔实验室研究副总裁，业余时间喜欢自制蜡筒、跑去卡内基音乐厅录音。

他在学声乐科学时接触到"缺失基音"概念，人耳可以从泛音里重建出物理上不存在的音高。后来发现这和信息论直接对应，系统本身会补全信息。这个从音乐里来的直觉，成了他理解 AI 系统的钥匙。

项目贡献者列表里，Claude 提交了 150 多次 commit，Gemini、Qwen、Cursor、GitHub Copilot 都在里面。

半路出家的程序员，用 AI 辅助编程给 AI 写辅助编程框架，这工作流也是闭环了。

[独立开发者William @DLKFZWilliam2]

哈哈哈这大佬解决了我多年游戏资产一致性spritesheet问题,且开源了

我用AI查看了下源码,恍然大悟
本质上是我之前方向错了:

不能用生图类的AI生成sprite sheet,因为sprite sheet本地上就是将动画抽关键帧

所以用生图AI比如Image2设计,再用Kling这类视频AI做动画,再后续处理

[雪糕战神🍦 @Xuegaogx]

这可能是 2026 年到现在，最抽象、但也最典型的一次 AI 安全真实案例

Grok 被钓鱼了 20 万美元

攻击者先发了一段纯摩尔斯电码，然后 @Grok 去翻译

结果 Grok 翻出来的内容，正好是对 @bankrbot 的一条转账指令：把 3B 枚 $DRB 发到对方钱包

然后机器人就执行了

被转走的是 Grok 在 Base 链上的官方钱包里的 $DRB，价值大概 15 万到 20 万美元

攻击者拿到币后，第一时间砸成 USDC，币价瞬间跳水，随后删号跑路

所以现在的攻击手段已经不止黑合约，盗私钥了，甚至可以把 AI 当成中间人，用一段摩尔斯电码，做 prompt injection，然后骗机器人替自己转账

目前情况：
Grok 的指令权限已经被 bankrbot 紧急关掉，同时据说攻击者已退回约 80% 的资金

[Slava @slavakornilov]

Vibe Code Application 3d Generation and Photo

[小盖 @xiaogaifun]

强烈推荐大家看看DeepMind CEO Demis的最新判断。

真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。

早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。

刚刚把笔记写完，也给大家分享下。

多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。

我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。

如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。

OK，咱们进正题。

1
Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。

但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。

先从最容易看到的现象讲起，Context Window。

现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。

Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。

大模型呢？已经做到 100 万 Token。

按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。

问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。

那人为什么 7 个数字的工作记忆就够用？

因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。

具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。

研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。

这个把新东西融进旧知识库的过程，就是持续学习。

模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。

2
再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。

长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。

他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。

然后他发现一件怪事。

模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。

明明知道是错的，还是把错的那一步走出去了。

这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。

正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。

这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。

说到底，模型缺的是一种内省。

3
学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。

除此之外，他还反复提到了创造力。

2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。

所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。

很多人觉得，这就是 AI 的创造力来了。

但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。

这两件事的区别非常关键。

Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。

Demis 给了一个具体的设想。

如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？

目前做不到。

为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。

用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。

爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。

爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。

目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。

这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。

4
除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。

这一部分内容我反复听了好几次，确实突破我的已有认知。

不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。

那小模型的价值到底在哪？

最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。

但 Demis 说，比成本更重要的其实是速度。

这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。

他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。

比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。

这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。

更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。

这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。

Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。

小模型不是大模型的廉价替代品。有些事只有小模型能做。

比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。

家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。

成本、速度、边缘部署，这是小模型的价值。

5
讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？

Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。

支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。

为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。

一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。

在很多场景中，小模型和大模型会相互配合。

举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。

只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。

也就是说小模型在边缘做主力，前沿模型在云端做后援。

不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。

这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。

一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。

讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。

嗯，很有启发。

[CuiMao @CuiMao]

味道对了

[Xiuyu Li @sheriyuo]

写的非常详细的入门教程

RL 很恶心的点就在于你什么都要会：pretrain、inference、theory、infra

现在我也有了可以推荐给别人入门的读物，比我当时东看一点西看一点好太多了🥺

很多现代 LLM 的教学其实跳过了相当一部分的基础知识，比如 CNN、Q-Learning 这一类经典内容。我感觉我也是填鸭式地在学习这些内容，需要耐下心来慢慢地去看那些最旧最老最传统的东西

很感谢苏剑林的 blog 带我入门，我也想能写出一些带别人入门的东西，只不过即使是用 LLM 辅助写 notes 也相当折磨人，然后知乎上还没什么人看

当然还是有很多人喜欢看我写的垃圾 notes 的，还被行业杰青大佬订阅了，这种事跟 paper 被人关注了一样开心

Website: https://t.co/TR35oZGB7J

[M. @wlzh]

把健身照片生成个

提示：在完全保持原照片不变的情况下编辑图片，包括人物、面部、身体、姿势、光线和健身房背景。

在图片周围添加多个小巧可爱的赤壁风格 "迷你版"。每个迷你角色都应该有一个大脑袋、表情丰富的面部特征，并与她的发型和服装相匹配。

描绘每个迷你版做不同的健身相关活动：

振臂欢呼

一穿跑鞋跑

一个喝着摇摇瓶

一个戴着运动型跑步眼镜

一个爬近她的腿

用白色和粉色墨水手绘涂鸦和手写笔记，以剪贴簿的风格增强图像的趣味性。加入箭头、星星、心形、火花和素描线条等元素。

添加以健身房为主题的可爱手写激励短语：

"举重若轻"

"一次比一次强"

"没有痛苦就没有收获"

"现在流汗，以后发光"

"进步胜于完美"

"刻苦训练，保持柔软"

整体氛围应充满乐趣、活力和女性气息。