coliqi

[coliqi @coliqi]

@Hotwife_Linger 那请问别人在和你做爱的适合骂你是妓女是婊子你会有快感吗？

[yishan @tspy]

https://t.co/7RRfhyg36u

[Yanhua @yanhua1010]

世界模型又有了新的进展🎉🎉

World Labs 发布了 Atlas，李飞飞团队继 Marble 之后的下一代旗舰模型。

它提出一个全新概念：空间上下文。普通LLM 的 context 是一串 token，Atlas 的 context 里，每张图还带着自己的 3D 位置。

所以你给它几张图，就可以直接指定相机从哪里看，而不用在 prompt 里写“镜头向左移动”。这样每次生成的一致性也更有保障。

官网主要展示了四个能力：相机可控生成、空间重建、时空模拟、图像生成。

看完最感兴趣的是时空模拟。

它不仅仅是把视频换个角度，三到五台普通手机拍一遍，就能把时间“冻住”，从没拍过的角度重新取景，做出子弹时间效果。

机器人场景仿真是其中一个方向：用手机拍 24 帧，Atlas 可以重建真实环境，再生成机器人从不同角度会看到的 RGB 和深度数据。

先拍一遍真实世界场景，后面就能在模型里反复进行不同的训练和测试环境。连物体的运动和交互，也能从几段视频里做成可变的模拟。

这也是我觉得Atlas 最值钱的部分。

[Fei-Fei Li @drfeifei]

I'm so excited that our @theworldlabs team has achieved a major milestone today! Introducing Atlas - a first of its kind multimodal world model trained from scratch! 🚀

Atlas is capable of generating frames with pixel-perfect camera control, reconstructing large scenes from as few as one single input image, simulating space-time by reframing videos, natively outputting 3D spaces from one or more input images, composing multiple posed images into a consistent 3d world, and more! This is the best camera conditioned world model ever, opening doors to many possible use cases from VFX to robotics. I'm so so so proud of our team!♥️

[歸藏(guizang.ai) @op7418]

李飞飞的 World Labs 发布了他们新的世界模型 Atlas，这个看起来比上一代厉害多了。

通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。

它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。

它主要支持三大任务：

生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频

3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型

时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据

[AYi @AYi_AInotes]

holy shit😭

李飞飞这个 Atlas 多模态世界模型简直是在对所有 2D 文生视频降维打击！

不仅是生成画面，是直接在像素级生成一个可交互的 3D 真实物理世界，

三维建模和游戏行业今晚估计睡不着觉了Σ(ﾟдﾟ;)

[John @johnAGI168]

不会有人认为这是真的吧？😄

Seedance 2.5 也过于逼真了啊🫠连影子都那么真实

上传自己的图片，加上下面的提示词，你也能这么跳😂

Seedance 2.5 prompt 👇

Duration: 10秒
Aspect ratio: 9:16
Reference: @图片1，锁定主角面部、发型和人物造型，不额外描述或更换穿着
Audio: 真实城市夜景环境声、助跑脚步、强风呼啸、弹性装置低频回弹声、落地闷响、朋友欢呼；无对白、无旁白、无字幕
Overall style: 极限运动手机实拍，真实高空距离，强烈临场感，一镜到底，轻微手持与高速运动模糊，拒绝游戏CG感

GLOBAL CONTINUITY

Setting:
夜晚城市高楼屋顶，绿色直升机停机坪，黄色圆形标线，低矮水泥护墙��两栋高楼之间形成垂直街道峡谷，地面可见车辆、路灯和十字路口。

Lower apparatus:
街道中央设置一座巨大的圆形黑色弹性回弹装置，中心为深黑色弹性面，外圈环绕连续彩虹灯带。装置尺寸巨大，正对屋顶边缘，作为主角下落和反弹的准确落点。

Main subject:
@图片1为唯一主角。人物身份、面部和造型全程一致。

Bystanders:
三至四名朋友站在屋顶左侧，用手机拍摄并等待主角返回。不能抢占主体。

CAMERA CONTINUITY

全片为屋顶朋友手持手机拍摄的一镜到底。

摄影者先在主角身后跟拍助跑；主角跃下后，摄影者迅速冲到护墙边俯拍；随后镜头持续锁定主角，从垂直向下逐渐抬向天空；主角反弹回到屋顶后，镜头恢复平视。

不切镜、不瞬移、不更换视角。

STUNT ENGINE

动作闭环必须固定：

屋顶助跑 → 飞越护墙 → 高空下落 → 命中圆形弹性面中心 → 装置深度下陷 → 强力回弹 → 主角高速升空 → 空中团身翻腾 → 展体定位 → 双脚返回同一屋顶 → 屈膝落地 → 欢呼庆祝。

SHOT 1（00:00-00:10）高空反弹往返特技

Subject:
@图片1主角站在屋顶停机坪后方，正对远处护墙。朋友位于画面左侧拍摄。

Action:

00:00-00:01.50｜快速助跑

主角背对镜头，从停机坪中央快速冲向屋顶边缘。步幅逐渐加大，身体前倾，双臂自然摆动。

摄影者手持手机紧跟主角向前跑，画面产生真实脚步震动。朋友站在左侧举起手机，紧张注视。

00:01.50-00:02.30｜跃出屋顶

主角最后一步用力蹬地，身体越过低矮护墙。离开屋顶的瞬间，双臂向左右展开，身体稍微前倾，主动朝两栋高楼之间俯冲。

摄影者冲到护墙边，镜头快��向下俯转，始终把主角保持在画面中央。

00:02.30-00:04.80｜高空下落

镜头接近垂直俯拍。主角沿楼宇之间的空间快速下降，身体由前倾逐渐调整为面向下方，双臂保持展开以稳定方向。

随着主角下降，街道、车辆和十字路口迅速显现。巨型黑色圆形弹性装置从画面下方出现，彩虹灯环照亮周围建筑。

主角的下降轨迹必须准确对准黑色弹性面的圆心，不能偏向灯环或撞向建筑。

00:04.80-00:05.50｜命中中心

主角身体落在黑色弹性面正中心。弹性面受到冲击后明显向下形成深凹，彩虹灯环保持固定，装置不能破裂。

短暂压缩后，弹性面以巨大力量恢复原状，将主角垂直向上弹出。

必须清楚表现“接触—下陷—压缩—回弹”四个阶段，不能在接触前提前反向飞行。

00:05.50-00:08.20｜高速反弹与空中翻腾

摄影者仍站在屋顶护墙边。画面底部短暂出现摄影者的双脚，强化真实第一视角和高空距离。

主���从圆形装置中心高速升起，沿原来的垂直路线返回屋顶。摄影机从垂直向下持续向上抬起，跟随主角穿过城市楼宇之间的空间。

主角升空后收紧腰腹，双膝靠近胸口，双臂抱住小腿，形成紧凑团身，在空中完成连续快速翻腾。不要锁定具体翻转方向，以自然连续旋转为准。

主角接近屋顶高度时开始打开身体：松开双腿、抬起头寻找屋顶、双脚转向下方，双臂向两侧展开保持平衡。

00:08.20-00:09.40｜返回屋顶

主角高速接近镜头，从屋顶护墙外侧越回停机坪。双脚同时接触绿色地面，膝盖和髋部深度弯曲，以低位蹲姿吸收落地冲击。

落地必须具有明显重量：鞋底或脚掌接触、腿部压缩、身体下沉、轻微反弹恢复。不能站直着轻飘落地。

摄影者快速后退半步，避免主角撞上镜头，同时继续保持正面近景。

00:09.40-00:10.00｜真实庆祝

主角从蹲姿快速站起，兴奋地看向镜头，张口欢呼。屋顶朋友冲进画面，举着手机围���来，拍肩、挥拳、大声庆祝。

镜头因人群靠近产生轻微晃动，以真实手机自拍视频状态结束。

Environment:
高楼灯光、街道车辆和彩虹灯环保持空间位置稳定。下落和上升必须发生在同一条垂直路线，主角最后返回起跳的同一栋屋顶。

Camera:
24mm手机广角，一镜到底。开始为背后低位跟拍；跃下后变为越肩俯拍；回弹时由垂直俯拍连续抬升至仰拍；最后恢复平视近景。

Style:
真实夜间手机曝光，高楼具有准确透视和尺度。下落阶段风声增强，城市灯光形成自然运动拖影；主角返回屋顶时速度极快，但人体轮廓仍然清晰。

Constraints:
这是经过专业布置的虚构极限运动场景。必须完整显示圆形弹性装置承接并反弹主角，不能表现为无保护自由坠落。

主角下降和上升必须连续可追踪。回弹来自黑色弹性面的物理压缩，不是飞行、瞬移、绳索拖拽或超能力。

---
Negative:

改变@图片1人物造型，重新���计服装，服装漂移，面部漂移，人物替换，
中途切镜，机位瞬移，场景跳变，摄影者突然出现在地面，第三人称航拍，
主角直接飞行，悬浮，隐形绳索拉升，反重力，瞬间返回屋顶，
没有弹性装置，错误落点，落在彩虹灯环，撞击建筑，撞击护墙，
接触前提前反弹，弹性面没有下陷，装置破裂，装置变形消失，
下落方向改变，上升路线偏移，身体穿过弹性面，人物尺寸异常，
翻腾时四肢扭曲，多余手臂，多余腿，关节反折，身体融化，复制人物，
落地无重量，站直落地，脚部穿透地面，跌倒受伤，血液，严重伤害，
朋友提前挡住镜头，群众冻结，手机变形，高楼弯曲，车辆漂浮，
动漫渲染，游戏CG，塑料皮肤，廉价绿幕，过度光效，过度慢动作，
字幕，屏幕文字，水印，品牌标志，旁白，额外对白

[Miles Ma @miles_mazy]

GitHub 上的项目你想去闲鱼卖，还得包装一下

Hugging Face 上的开源数据集，随便下载下来去卖，赚个99 一份轻轻松松

[Elon Musk @elonmusk]

To bring large AI data centers online requires building massive power plants, transformers, liquid cooling loops & chillers, as well as incredibly complex networking (especially for training clusters)

[Apex @0xApexAi]

Google Engineers just showed how Google engineers are moving from "RAG" to "Context Graphs"

RAG → Graph RAG → Memory → Multimodal Agent Graphs.

• 15:32 - setting up the production agent stack
• 28:00 - turning disconnected data into a knowledge graph
• 41:00 - Graph RAG with semantic + hybrid search
• 58:00 - extracting graph context from images, text and video
• 1:09:00 - orchestrating specialized agents with ADK
• 1:20:00 - giving agents persistent memory across sessions

90-minute Google Cloud workshop, and it’s one of the clearest hands-on examples of the shift from.

Watch it today, then read the full “From RAG to Context Graphs” roadmap below.

[李岳 @liyue_ai]

昨天这个用Codex本地生成深度视频火了，

有兄弟的电脑没办法使用Codex，或者显卡不支持，

可以使用LibTV的在线【深度动作捕捉】，

也可以生成类似的深度视频，关键是免费。

不过我对比了一下在线生成的精度没有我本地的高，当然如果只是捕捉动作的话够用了。

具体步骤很简单：

[Miles Ma @miles_mazy]

https://t.co/5Zh6GyBYxb

[Serenity @aleabitoreddit]

Just taking a look at Leopold's Situational Awareness Q2 13F latest holdings as of June 30th:

1. $SNDK - $5.674B
2. $MU - $5.574B
3. $BE - $1.899B
4. $TSM - $1.265B
5. $NBIS - $1.232B
6. $CRWV - $744.5M
7. $CORZ - $665.6M
8. $STM - $584.3M (new)
9. $APLD - $469.0M
10. $RIOT - $468.2M
11. $SHAZ - $456.8M
12. $IREN - $433.3M

Less material positions includeed $CLSK, $KEEL, sei-network:native, $WYFI, $BTDR, $TE, $HIVE, $VSH, and others.

Seems like Situational Awareness concentrated around memory (Sandisk, Micron), that have low forward multiples but high visibility into 2030.

As well as Anthropic/energy/power adjacent from colo/neoclouds + Bloom.

Some of the bottlenecks like the MLCC trade, he couldn't see play out (Taiyo Yuden, etc). due to July's liqudation. And some are new like $STM (eg. MCU price hikes).

With core winners of everything such as $TSM (but less high-beta).

This looked similar to my H2 2026/early 2027 portfolio with Nebius, Micron, TSM, colo players and others as core focus. (I've heavily concentrated on upstream networking/legacy memory currently, with a lot of name overlap).

But always cool to see what others are doing.

[Morty @0xMortyx]

Google Engineers just showed how their AI engineers are moving from simple "RAG" to "graphs"

RAG → Graph RAG → Memory → Multimodal Agent Graphs.

0% → 15:32 - setting up the production agent stack
30% → 41:00 - Graph RAG with semantic
65% → 58:00 - extracting graph context
100% → 1:09:00 - orchestrating specialized agents

90-minute Google Cloud workshop, and it’s one of the clearest hands-on examples of the shift from.

Watch it today, then read the full “From RAG to Context Graphs” roadmap below.

[YoMii @Gas1688]

GitHub上最近冒出个画风清奇的开源项目Ponytail——头像是个留着马尾辫的中年大叔，上线仅24小时就斩获6万Star。

它干的事只有一件：在AI生成代码前，先逼它回答一句——“这代码真的非写不可吗？”

实测结果出乎意料：代码量砍掉54%，执行速度反升27%，成本直降20%，安全指标一个没丢。这不是靠删注释、缩变量名那类小把戏，而是在设计层面直接截住AI的“过度发挥”。

打个比方，你要一个日期选择器，AI大概率会甩你一堆flatpickr组件、配套样式表，再顺手讨论时区。Ponytail的干预结果呢？就一行：<input type="date">。简单粗暴，不跟你废话。

背后的机制是一条“懒惰阶梯”：按顺序追问——能不能不写？有没有现成的库？标准库够不够？原生HTML能不能搞定？现有依赖里有没有？一行代码能不能解决？全部走完一遍，才准动键盘。它懒的是产出量，不是对问题的理解深度。

目前Claude Code、Codex、Gemini CLI、Copilot全都兼容，一行命令装完即刻生效。它解决的根本不是“AI写不好代码”，而是“AI写得实在太多了”。

🔗 https://t.co/rqKzMIYgGT

[李岳 @liyue_ai]

Codex制作深度引导视频+MinMax H3生成视频，完美复刻各种爆火视频🥳

Codex制作深度视频需要依赖本地显卡（我的还是3060显卡），本身不会消耗多少Token。

MinMax H3是出了名的便宜，即使加上引导视频也比Seedance便宜不少，是真的性价比拉满。

完整制���流程如下：

[Amto @XAMTO_AI]

阿布量化（abu）开源量化系统，一套系统覆盖A股、美股、港股、期货、期权、比特币。

它的特别之处在于把缠论、波浪理论、形态识别和机器学习揉在一起做策略优化，还配套了《量化交易之路》这本书。

🔗https://t.co/BG51yrBviL

[Musolsol.𝟎𝐱𝐔 @MMMusol]

这可能是全网最全的GPT Image2提示词网站合集！

Prompt再也不用从零开始啦！
我帮你整理收好了 10 个站，打开就能对着图复制

有事先收藏，大家根据自己需求自取~

[摸鱼局长 | MoyuChief @Jason23818126]

做微信公众号的可以直接抄这套作业了

空格老师 @kongge_space 结合他 3 万粉、月赚一两万的经验，又开源了一套公众号 Skill

我把它也做成了一个 Agent，从找选题、写正文到标题、封面和排版，一套直接跑完

以后不用再到处找工具了，想试试的直接安装就能用：https://t.co/stGZ1CjKF0

[Python Programming @PythonPr]

Git 🤯🤔