peter so

Just your average PhD student in China 🇨🇳
Tracking changes in mind, body & finances.

[peter so @so_peter81637]

Starting this account to document what it’s actually like doing a PhD in China.

Research, experiments, papers, failed experiments, late nights—and hopefully a few wins along the way.

Let’s see where this goes.

[SpaceXAI @SpaceXAI]

Grok 4.7 is here.

It's a notable improvement over Grok 4.6 at the same price and speed.

[peter so @so_peter81637]

@AIillust_studio 真的很适合日本人呢，很写实的感觉。

[peter so @so_peter81637]

@EngMoElgaraihy 我说为啥推特上那么多人机回复

[Guillermo Casaus @_guillecasaus]

🚨 Un desarrollador acaba de cargarse el mayor negocio de Adobe.

Se cansó de pagar la suscripción de Adobe y decidió crear su propio editor de imágenes.

Se llama Compositor y es una alternativa gratuita y de código abierto inspirada en Photoshop.

Lo más interesante:

Compositor ocupa solo 12 MB.

En el ordenador de su creador, Photoshop ocupa 6.455 MB.

Lo creó inicialmente para dejar de pagar Adobe y terminó publicándolo para que cualquiera pueda utilizarlo.

Enlace 👇

[peter so @so_peter81637]

ChatGPT sub ran out today, thought I’d have to open my wallet… then got a free one-month trial instead.

My research and my wallet are both saved！😂

Wool secured！ Thanks Altman！

— avg PhD student in China 🇨🇳

[peter so @so_peter81637]

@LincerosDev @txbrraa 是的！

[peter so @so_peter81637]

@LincerosDev @txbrraa 可怜的中国用户不得不冒充美国用户才可以呢😭

[usutaku @usutaku_channel]

今最も話題の「Jev」の判断力の速さを確かめるために、メール分類をさせてみました。

比較したのはAI各社の高速モデルである、Luna、Sonnet、Flash。結果は...ダントツ。

[peter so @so_peter81637]

Claude & Antigravity are blocked in China, so proxies are mandatory.

Burned ~¥100 on flaky proxies this month and got fed up, so I self-hosted.

2 days of tinkering later: DigitalOcean VPS + clean IP.

Thanks GPT & Gemini.

— avg PhD student in China 🇨🇳

[宝玉 @dotey]

个人建议 iOS 开发最佳组合：
技术栈选 AppKit，不要选 SwiftUI
先将 Figma 导入 Claude Design（Opus 5 就够了）
然后用 Fable 照着 Claude Design 结果开发，会还原的非常好

第一版做好了，后续修改，只要用 GPT 或者 Opus 5 就够了

[Max For AI @MaxForAI]

神了，才发现 Genspark 居然自己专门训了一个 PPT 生成模型！！？

9 月 11 日，Genspark 发布了他们第一个自己训练的模型 Gen-1 Slides。

但它不是从头预训练出来的，而是以开源的 MiniMax M3 为底座，和 Fireworks AI 合作做后训练，专门优化做 PPT这件事。

原因很简单：现在最强的通用模型都在卷 Coding、数学、Agent，但真正做 PPT 的时候，还是经常出现排版崩掉、内容太稀、引用有问题😅。

所以 Genspark 干脆针对 Slides 这个任务，重新训练了一个垂直模型。

结果效果还挺好。
他们在大约 200 个真实 PPT 任务上测试，Gen-1 Slides 的综合分是 0.821，Claude Opus 5 是 0.810。
而在 9 组内部和公开 Benchmark 里，它拿了 8 个第一。

但更离谱的是成本：
Gen-1 Slides 输入价格只有 $0.30 / 1M tokens，Opus 5 是 $5 / 1M，差不多只有后者的 1/17。
按真正生成一套 PPT 的成本算，也是 $0.44 vs $4.16，接近便宜了 10 倍。

这个事情我觉得比最近各个模型厂的大混战有意思得多。

因为 Genspark 本来就是一家 AI 应用公司。
以前这种公司的核心工作是选模型、写 Prompt、搭 Agent，现在开源模型足够强之后，它们已经可以再往下走一步：
直接拿一个开源基模，把自己最核心的业务做后训练。

而 Genspark 最后选 MiniMax M3，也有几个很现实的原因。

他们实际测了一圈之后，发现 M3 在长上下文、Agentic Tool Calling、多模态这些 PPT 任务很依赖的能力上比较合适。

同时 M3 是 MoE，虽然总参数 428B，但每个 Token 实际只激活约 22B，模型没那么重，后训练和部署成本也更适合应用公司承受。

更有意思的是，这已经不是第一次了。

前几天沙特 HUMAIN 做自己的主权模型 humain-m3，最后同样选择了 MiniMax M3 作为底座，再针对阿拉伯语继续训练。

一个是做 PPT 的硅谷 AI 应用公司，一个是做主权 AI 的沙特公司，最后居然都选到了同一个中国开源模型上。

所以相比又多一个 Benchmark 第一，我反而觉得这种案例更值得看。

一个开源模型开始被别人拿去继续训练、做自己的产品和模型，可能才说明它真正开始进入产业了🫡

而 MiniMax M3 已经开始吃到这波红利了。

[peter so @so_peter81637]

I just reserved my Cloudflare Wallet tag: https://t.co/nTVdkSUCCM.

Reserve yours now at https://t.co/Rwk9hEr21f

[deep Manifold @BetaTomorrow]

https://t.co/NlXBazTScW

[vixhaℓ @TheVixhal]

https://t.co/qQKhudPYIL

[Param @ParamSiddh]

Best YouTube Channels To Learn AI in 2026 (No BS)

1. Fundamentals – 3Blue1Brown
2. Deep Learning – Andrej Karpathy
3. AI Research – Yannic Kilcher
4. Practical AI – AssemblyAI
5. LLMs – AI Explained
6. ML Theory – StatQuest
7. Papers Simplified – Two Minute Papers
8. GenAI – Matthew Berman
9. AI Agents – Nicholas Renotte
10. Applied ML – Krish Naik
11. PyTorch – Aladdin Persson
12. Math for ML – Serrano Academy
13. Industry Insights – Lex Fridman
14. Real-world AI – DeepLearningAI

[kozue @shnkthp]

https://t.co/CVNHS65aIt

[墓碑科技 @mubeitech]

一个拿过两次全球第一的机器学习大神，看了一眼大学里教 AI 的方式，觉得这帮教授全搞反了。

大学教 AI，喜欢先筑基：
微积分、线性代数、概率论，一啃就是一两年。
等学生终于见到真正的神经网络时，脑子早就被公式格式化了。
至于怎么把模型部署到服务器上？
对不起，那是工程问题，学校不教。

这位大神觉得，这就像学棒球先学三年流体力学，纯属折腾人。
学 AI，应该像学写代码或者学骑车：
先跨上去，把车骑走，摔倒了，再来琢磨重心在哪。

于是，他做了一门完全免费的课程：https://t.co/TkGmf193P4（《Practical Deep Learning for Coders》）。
没有任何学院派的花架子。
它不设繁琐的高数门槛，只要你有一点最基础的编程经验，就能开始。

它的授课逻辑是“自顶向下”。
第一节课，不推公式，直接教你用 PyTorch、fastai 和 Hugging Face 跑通一个图像分类模型，并且部署上线。
先让你看到：这东西不仅能用，而且我也能做出来。

有了这个正向反馈，再往深了刨：
神经网络底层是怎么进行矩阵乘法的？
Stable Diffusion 到底是怎么一步步降噪生成图片的？
反向传播（Backpropagation）又是怎么更新权重的？

看一眼他们的教学大纲就知道有多务实：
第一部分，全是实战，连“数据伦理”和“模型部署”这种学校里极少提、但工作里天天踩坑的细节都包进去了。
第二部分，才是带你硬核手撕底层，从零手写 Stable Diffusion。

在这个人人都想靠卖 AI 课割韭菜的时代，https://t.co/TkGmf193P4 始终免费，没有广告。
这不只是一门课，这是一场对学术精英主义的“物理超度”。
它向所有人证明了：在 AI 时代，动手构建并交付产品的能力，永远比那一纸名校的学术头衔更管用。

[SmallFryAI @SmallFryAI]

@john_my07 I ran the same prompt through @imagine Agent mode and the results were pretty amazing!