dustin zh

逆行者

[AYi @AYi_AInotes]

卧槽兄弟们，AI 版闲鱼真的来了，
绝逼是今年最离谱的AI变现新物种，没有之一！！

你调教好的 Agent 挂上去，7x24 小时自动接单、自动交付、自动结算，
你在睡觉它在找活，你在吃饭它在干活，你在摸鱼它在给你打钱。

刚挖到的这个 UUMit 真的牛逼，已经把全流程跑通了:
平时躺在文件夹里吃灰的 Prompt、Agent、工作流，甚至用不完的 Token 额度，
写一张能力卡挂上去，全网其他 AI 跑复杂任务时就能自动搜到你的能力，自动谈价、自动调用、自动分账，全程不需要你在线。

最离谱的是，你甚至不需要自己精通这项技能:
以前想靠一项技能变现，得先花三年学会它，写作三年、设计三年、编程三年，每道门槛都是一道筛子，
现在你只要把思考方式和风格喂给 AI，它自己生成标题、标签和定价，

有人挂了长文写作、研究报告、小说创作三个能力，他自己一个都不会，

但会调教 Claude，把写作风格和思考方式喂进去，AI 帮他生成标题、标签、定价建议，

30 分钟空白清单变成可售卖服务，AI 把拥有技能变成了驾驭技能，AI 把拥有技能，直接变成了驾驭技能。

而且能卖的也不只是 Agent:
你攒了多年的行业研报、SOP 模板、私域数据库、闲置算力，
这些通用模型编不出来但真有人需要的东西，
挂上去就是可复用和能持续收钱的知识资产。

交易走的是平台官方托管，资金先冻结、交付验收后再打款，不用担心被白嫖跑单，

而且这种能力交易是典型的双边市场，
越早把能力卡挂上去，被全网 AI 索引和调用的权重就越高，

95 年第一批做网站、03 年第一批开淘宝店的人，
吃的就是这口占坑的位置红利。

过去 3 年所有 AI 公司都在比谁的模型更聪明，
未来 3 年比的是谁的 AI 更会赚钱，
ChatGPT 让 AI 学会了聊天，而UUMit 这里直接教会了 AI 怎么替你做生意，

想让自己的 Agent 出去打工的兄弟，入口和上架姿势放一楼了，
你第一个想挂上去卖的能力是什么呢？欢迎评论区交流呀～

[rick awsb ($people, $people) @rickawsb]

华大的这两大学生刚做链一个agent工具的openrouter，agent按使用付费，干掉所有订阅

彩蛋在于agent需要一个预付费的钱包，目前支持stripe的美金支付和x402

看来agent金融的兴起，几乎必然是加密的巨大利好

[vechen @miu21590]

@Tz_2022 非也,Pro版可加于Codex应用,且保留诸编码工具:
https://t.co/0Gfkuc5ogU

[陳威廉 @williamlab]

我去，居然看到有人用AI生成了我最喜欢的大刘短篇科幻小说《山》，而且质量还不错，推荐观看。

而且居然是一个人手搓出来的！! ！AI真是大舞台啊，一个普通人也能整上两小时科幻大电影了。

--来自B站Up主“野生锅导演”

[HeyXiaoDuo_ @xiaoduoya_]

https://t.co/x4TJHJ4ITR
0基础也能快速配置，一段提示词即可完成

[阿西_出海 @axichuhai]

独立游戏开发者的神器来了

发现一个能直接生成完整游戏的开源项目，在 GitHub 已经斩获 5k+star

它叫 Godogen，告诉它你要什么类型的游戏，它会自动完成架构设计、美术生成、代码编写、引擎截图和视觉质检的全流程，最终交付一个结构清晰、可直接运行的完整游戏项目

内置视觉质检循环，会从运行中的游戏引擎捕获截图，自主识别并修复渲染问题，不用人工盯着改

支持 Godot 4、Bevy、Babylon.js 三个主流引擎

通过 Claude Code 或 Codex 驱动，包含 850 多个 GDScript 类定制的语言参考和懒加载 API 文档，普通硬件就能跑

[Berryxia.AI @berryxia]

苍老师，真的牛逼啊！
他的项目以12000🌟+，Github 趋势榜单位居第二，仅次于Codex啊！

他把GPT-Image 2的提示词做成了真正能给Agent调用的工业级模板。

苍老师把大量优质案例逆向拆解，抽成结构化模板免费开源了出来。

不再是一堆散文式的提示词陈列，是把主体、光影、材质、排版等视觉要素降维成JSON/YAML组件，Agent可以直接解析、批量出图，几乎零幻觉。

他还专门针对文字排版引入了空间坐标约束，解决了以前很难精确控制画面布局的问题。

目标很明确：提示词即代码（Prompt-as-Code），让好提示词变成人人可用、Agent可调的方法论。

项目地址见下面👇，没有star的可以搞一下。

https://t.co/fqCEd9tp5j

[rob - comfyui @hellorob]

Big day for open source.

MiniMax Music 3 is undeniably a state of the art open weights Music Generation model and a real alternative to Suno.

My favorite part about open weights: the best is yet to come. Once the community starts playing with the model and training LoRAs, this model only gets better and allows for more control.

[Leo｜LeoLabs.me @runes_leo]

上个月我发过这条：ChatGPT 网页聊天和 Codex 是两块分开的额度。

但当时我只跑通了一个很笨的办法：

Codex 打包任务 → 我手动丢给网页 ChatGPT → 它做完 → 再搬回本地编译测试。

它证明了 Chat 里确实还有另一桶额度，却没有真正解决问题：ChatGPT 自己碰不到电脑，派发、搬运和验收仍然要靠 Codex，交接本身继续烧 Codex 额度。

今天这个缺口终于补上了。

现在 Codex / Work 的额度用完后，我可以直接在普通 ChatGPT 聊天窗口里，让它继续操作本地电脑干活：

- 读本地文件
- 改文件
- 跑命令
- 跑测试
- 验证结果

这条链路走的是 Chat 这边的可用额度，不需要再把代码和结果人工搬来搬去。

这个想法来自两条线索。

昨天另一条额度帖的评论区里，@studyouwei 提到：他用 DevSpace 把本地目录接到了 ChatGPT Chat，相当于用 Chat 的额度搞 coding。

差不多同一时间，微信群里有群友提到了 MCPX。

我把两条线索合起来，自己跑了一遍。通了。

最小实现是：

1. 在自己的电脑上运行 MCPX，只登记准备交给 AI 工作的项目目录
2. 给本地 MCPX 配一个 HTTPS + 鉴权的 Remote MCP 入口，不要裸开端口
3. 在 ChatGPT 设置里创建或启用 custom MCP app
4. 绑定 Workspace；需要跨聊天持续接力，再使用 Remote Session
5. 回到普通 ChatGPT 对话，直接让它 read / edit / execute / verify

这篇稿子本身，就是用这条链路完成的。

它在这个普通 ChatGPT 对话里回查旧帖和旧视频、更新本地稿件、再跑验证。不是演示，是真的在继续工作。

照抄之前，先看三个边界：

第一，先确认你的 ChatGPT 设置里有没有 custom MCP 入口。不同账户和 rollout 可能不一样。

第二，Workspace 约束的是文件工具，不代表 execute 天然只能看这个目录。命令权限要单独卡。

第三，公网入口必须有 HTTPS 和鉴权。资金、账号、凭证、公开发布、部署、生产等动作，继续单独确认。

所以这次和上个月最大的区别很简单：

上次只是发现 Chat 里还有一桶额度。
这次终于把这桶额度接到了电脑上，能直接完成真实工作。

Codex / Work 额度用完后，不一定只能买号或者等重置。

至少现在，我还能换到普通 ChatGPT 对话里，接着干。

https://t.co/kcD5Td7R4m

[Crypto带土 @daitu0822]

8月9号中转站 https://t.co/GXTuCvqVP5 最新模型倍率

GPT -Plus【特惠】0.15倍率
GPT -5xPro【首选】0.2倍率
GPT -20xPro【满血版】0.4倍率
GPT-image2【生图专用】1K:0.08一次/2K:0.1一次/4K:0.15

Claude -Krio【特惠】0.4倍率
Claude -Max【满血版】1.5倍率

Super Gork 0.2倍率

充值比例 1人名币=1美元 不掺水没套路

注册有测试额度，有邀请下级反佣功能，有能推广的兄弟可以联系我，可以提升反佣比例。

也有想自己做中转站找不到稳定上游可对接的，也可以来对接我的。

[kaize @0x_kaize]

Free GPT-5.6 Sol/Terra/Luna + Claude Sonnet 4.6 + a full IDE

one code editor just dropped a 14-day Pro trial with popular AI models ( no card required, no BS )

what you get:

- GPT-5.6 Sol, Terra, Luna (full family)
- Claude Sonnet 4.6
- two weeks of real coding
- native IDE built in Rust (10x faster than VS Code)
- multiplayer coding + native AI integration

how to get:

1. go to zed(.)dev, sign in via GitHub (account must be 1+ month old)
2. click Pricing, select Pro, hit "Start Trial Now"
3. download their IDE
4. open a project -> click the star icon bottom-left -> pick your model

in other words, you get a full-featured IDE with leading AI tools that work for free for 14 days - all for $0.

based on the tests I've run, I'd say the speed and ease of use are really great - on par with Cursor.

btw I recently wrote a full guide on ways to pay $0 for every subscription you have - this is just one of them

worth to read:

[yuulia ✟ @yuliaisc]

OpenAI está regalando $1.200 GRATIS para usar Codex

Solo necesitas:
> Tener un repositorio público en GitHub
> Rellenar un formulario

Y te regalan 6 meses de ChatGPT Pro + Codex

Casi nadie está hablando de esto, porque no quieren que se entere todo el mundo

Todavía estás a tiempo de hacerlo, aunque no sepas programar o estés empezando

Así funciona:

1. Instala Cursor, Codex, Claude Code o lo que uses
2. Monta un proyecto, de lo que sea
3. Súbelo a GitHub
4. Pide a tus amigos que le den Stars

(Deja el link de tu repositorio en los comentarios, entre todos te daremos Star)

Este programa acepta hasta proyectos a medias, así que no hace falta que el proyecto sea perfecto

[Amto @XAMTO_AI]

兄弟们，今天随手一刷，看到个东西直接给我整不会了！

GitHub上有个叫 agency-agents 的开源角色库，你猜它现在多少星？14万。不是1.4万，是14万。这个数字意味着什么？意味着全球十几万开发者和AI玩家已经上车了，你还不知道？

🔗 https://t.co/7oTbpReIaQ

说白了就是个超级角色提示词库，塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能想到的岗，基本都给你配齐了。

每个角色都是正经调教过的，不是那种糊弄两句"你是个律师"就完事的垃圾提示词，是真有深度、有专业框架的角色设定。

用法也极其无脑，三步走：

1️⃣ 打开库，挑你要的角色
2️⃣ 把角色描述直接甩给Claude Code或Cursor
3️⃣ 开聊，你的AI当场变身那个领域的专属顾问
就这么粗暴。
你在搞创业项目，不知道商业模式怎么跑通？调CEO角色出来问。合同条款看不懂？调律师角色帮你拆。代码写不下去了？调高级程序员角色review。

但最骚的玩法不是单挑，是组队。

你可以同时开几个窗口，一个跑CEO视角，一个跑市场总监视角，一个跑财务视角，让它们对同一个问题给出不同角度的判断。这不就是给自己开了家虚拟公司吗？而且这帮"员工"7×24小时在线，不要工资，不摸鱼，不闹情绪。

A哥试了几个角色，说实话，质量比我预想的高不少。

特别是那些商业类角色，给出的框架和思路真有点东西，不是那种泛泛而谈的水话，是能直接落地用的建议。当然，AI终究是AI，专业判断还得自己把关，但作为思路启发和初稿生成，这个库的价值真的被严重低估了。

还有一点必须提，它完全免费。

开源、免费、随便用、随便改。在这个到处收费、动不动就订阅的AI时代，这种东西真的越来越少见了。

现在AI工具的核心竞争力已经不是模型本身了，Claude、GPT、Gemini底层能力差距越来越小，真正拉开差距的是你怎么用、用什么角色、给它什么上下文。

这个库本质上是在帮你解决"怎么用"的问题，把最烦人的提示词工程部分给你做好了，你直接抄作业就行。

十几万星不是运气，是硬实力。

[Paidax @xin_pai88825]

卧槽，这个换装插件把我惊到了，前阵子Decart 才发布他们的实时驱动数字人，我测试后觉得这么低的延迟度，用来做直播都行了，今天看到他们发布了一个全新的换装插件，直接在任意服装网页，就可以直接试穿，最让我惊讶的是，衣服的质感，以及面料的运动效果，看起来都超级自然

[董币哥 @NextBullReady]

一条命令，找到一个人互联网上的所有账户。

GitHub 超过 82,400 星，
完全免费且开源。

主要功能 ⬇️

[IndenScale @david0520782123]

我们的智能体是

1，数据源
2，连接器，从数据源中提取 json string
3，本体，将 json string 反序列化为 Object
4，策略，对 Object 形成的 Graph 进行静态分析，产生 Diagnostic
5，数据绑定，将 Object 嵌入 Parametric Block 中的 Slot
6，生成，调用 Agent 补全 Generated Block，如果可追溯性非常高，我们甚至要限制 Agent 在写入特定 Generated Block 时 Scope 包含的 Block，依据哪些表达，哪些数据，做出特定判断的。
7，样式绑定，将 Content Graph 中的各个 Block，根据 Target Channel，选择 Style，渲染得到 Artifact。

[发财gao @facaigao]

gpt plus 账号已补货，日抛、非日抛、反代专用都补了，昨天卖了200多单，看了下售后反馈还行，至少都活过了一天哈哈

本店也提供codex接码服务，如果选购的是非日抛 plus的话，建议老板们买个长效接码，足以应对OpenAI、codex的二次、三次接码认证！！！

店铺链接：https://t.co/B2FkKGGlSm

[thehype. @thehypedotnews]

kimi k3 vs gpt 5.6 sol vs fable 5 vs grok 4.5

@Kimi_Moonshot just dropped kimi k3 – a 2.8t param native multimodal model, the first open 3t-class release. key facts:

• 1m token context. stable latentmoe activating 16 of 896 experts, built on kimi delta attention (kda) and attention residuals

• quantization-aware training from the sft stage onward – mxfp4 weights, mxfp8 activations. moonshot claims ~2.5x scaling efficiency over k2

• max thinking effort by default. low- and high-effort modes are "coming in updates" – there is no way to turn the thinking down today, and you feel it in every run

• pricing: $0.30/mtok cache-hit input, $3.00/mtok cache-miss, $15.00/mtok output. claims >90% cache hit rate on coding workloads

• benchmarks: swe marathon 42.0 (1st – fable 5: 35.0, sol: 39.0, opus 4.8: 40.0), terminal bench 2.1 88.3, browsecomp 91.2 (1st), program bench 77.8 (1st), gpqa-diamond 93.5. loses frontierswe 81.2 vs fable's 86.6, and deepswe 67.5 vs sol's 73.0

our test – 3 prompts, single-file html, @threejs, fully procedural, no assets:

1. photorealistic european roulette wheel – 37 pockets in the real sequence, mahogany clearcoat bowl, chrome turret, diamond deflectors, flick-to-spin, ball that spirals inward and settles on a mathematically real number

2. las vegas slot machine – 3 reels behind transmissive glass, drag the chrome lever to play, mechanical odometer counters modelled in 3d, coin physics on win

3. full pinball table – 6.5° tilted playfield, flipper impulse physics, spline ramps, drop targets, 6 bumpers, mechanical score reels in the backbox

we ran the test on @aimlapi platform

results:

- cost
#1 grok 4.5 – $0.30
#2 kimi k3 – $0.71
#3 gpt 5.6 sol – $2.05
#4 fable 5 – $7.69

- tokens
#1 grok 4.5 – 34,241
#2 gpt 5.6 sol – 51,748
#3 fable 5 – 144,126
#4 kimi k3 – 157,999

- lines of code
#1 gpt 5.6 sol – 3,054
#2 grok 4.5 – 3,047
#3 kimi k3 – 2,255
#4 fable 5 – 1,950

- generation time
#1 grok 4.5 – 5.1 min
#2 gpt 5.6 sol – 22.0 min
#3 fable 5 – 31.5 min
#4 kimi k3 – 75.6 min

observations:

• kimi k3 is cheap and it is slow. 75.6 minutes across three prompts against grok's 5.1. it is 2.4x grok's price and 15x grok's wall clock. the roulette took 15 min, the slot 18, the pinball 42

• it failed 2 of 3. only the roulette works. the slot machine has reel cutouts on both faces of the cabinet and the symbols face backwards – you can only read your spin by walking around to the rear of the machine. the pinball table stands vertically on its edge with the legs floating detached beside it.

• 81% of kimi's output tokens are reasoning, not code. grok: 22%. you are not paying for a bigger answer, you are paying for a longer argument with itself

• price per 100 shipped lines – grok $0.010, kimi $0.031, sol $0.067, fable $0.394. a 39x spread for the same three files

kimi k3's code quality:

upsides:

• the roulette is genuinely good – procedural wood grain with real specular breakup, correct european sequence (0-32-15-19-4...), chrome turret, diamond deflectors, clean console

• the pinball artwork is the best in the test – a synthwave "nova strike / deep space" field with six individually coloured neon bumper rings, a retro sun on a grid horizon, a nova burst, and a scoring legend printed on the apron. no other model printed the rules on the machine. it is a beautiful texture on a broken object

• physics reasoning is real – it derived a 480hz substep for the collider, worked out ball settle conditions and termination guarantees, and checked every ramp exit vector by hand before writing any of it

• it is the only model that saw the importmap trap coming. sol shipped a blank white page twice because three.js addons import the bare specifier 'three' and die without an import map

downsides:

• it dodged that trap on the slot by loading three.js r128 through classic script tags – a 2021 build with no working transmission. its slot glass rendered fully opaque and buried all three reels behind a white pane. the code asks for transmission: 0.93, ior: 1.5 – correct, and silently ignored by a renderer that predates the feature

• after 42 minutes and 212k characters of reasoning, the pinball cabinet is not assembled. the table stands vertically on its edge like a wardrobe – the prompt asked for 6.5° from horizontal, it delivered 90°. the legs float detached in the void beside it. head-on it photographs beautifully; orbit ten degrees and it is a painted slab with four chrome rods hovering nearby

• the playfield z-fights with the glass – hard black banding across the whole field as soon as you pull the camera back

a note on the pinball, in fairness to kimi: nobody passed it. every model shipped broken ball physics and controls you cannot trust. it is the hardest prompt we have run and the whole field failed it, each in its own way

kimi k3 reasons better than anything else here and it shows exactly where reasoning pays – physics constants, sequences, edge cases, traps the others walked into

follow @thehypedotnews for 24/7 ai news, analysis and breakdowns

[Susan STEM @feltanimalworld]

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。

我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。

很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier； 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。

我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。

这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。

我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。

法律，医疗，CAD， circuit。 全都需要IR。

否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。

Transformer 本质上是概率预测器：P(next token | previous tokens)

代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。

现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？
医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。

如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。

高人，给跪了。

[Jeffrey.W @JeffreyCalm]

国内出版社这两年把大部分重心都压在爆款外文书翻译上这条路要走到头了。
村上春树的最新长篇小说《夏帆》7 月 3 日日文版首发，7 月 6 日基于 Claude 版本的简中精译版本已经上线 Z-Lib。小红书上普遍反馈比过去作品的御用翻译林少华翻译的要好。
译者甚至把长篇作品连续翻译的项目工程在 github 上开了源：https://t.co/vKPHe7hLmV