yzgpk2002

[yzgpk2002 @yzgpk2002]

https://t.co/JZcIWm8X3L

[Vincent @Vincent_AINotes]

第一件事：别让它猜你脑子里想什么。

我现在开工前会写四行：

目标是什么
允许改哪里
怎样算完成
哪些绝对不碰

一时写不清也没关系。先让它读代码、列问题，别急着改。这个动作能挡掉很多返工。

[Mui @muifexde]

@Saccc_c ChatGPT Work为付费用户提供云端虚拟机环境，这一点已由OpenAI产品经理Ty Geri公开确认：它是始终在线的云端虚拟机，适用于所有付费套餐。

官方介绍：
https://t.co/dOaaFfC1Sc
https://t.co/p1kNKxY4vu

[Leaf Yeah! @leaf_sanren]

https://t.co/NSctjhKh3f

[iPaul @iPaulCanada]

2026世界人工智能大会，某科技公司展示的跨时代教具--AI黑板

[huangserva @servasyy_ai]

很多朋友问视频是怎么做的？

声音是用CosyVoice3模型
图片是用Krea2模型(商业模型用GPT Image2效果更好)
视频是用LTX2.3模型（商业模型用SeeDance2.0）
原视频分析：claude code + fable5完成的一套工作流，然后调用grok cli（能白嫖额度，而且做一些大胆点的提示词也不受限制：你懂的）

最后用hyperframe+remotion重新组成全篇渲染

[梭哈.AI @SUOHA_AI]

AI 供应链卡点：Serenity 提到的瓶颈时间线更新

做 AI、做服务器，不只是芯片紧。很多配套零件也要排队，而且不同零件等的时间不一样长

Serenity 这篇内容依然干货：根据 Digitimes 的交期数据，把「哪一类零件大概要等多久」列清楚了

───

一、板类（服务器、主板相关）

可以粗分成三档：

1. 多层板：大约 6 个月
常见主板、服务器板里会用到。
相关公司举例：胜宏、沪电、TTMI、金像电

2. 高密度板（HDI）、覆铜板材料（CCL）：超过 6 个月
HDI 线路更密，规格更高一点
CCL 是做板用的上游材料；原文写了材料端短缺比较严重
HDI 举例：胜宏、臻鼎、欣兴、华通、名幸。
CCL 举例：台光电、生益、台耀、联茂、南亚塑、Resonac；铜箔三井金属；玻纤布日东纺

3. ABF 载板：大约 1 年
高端芯片封装时用的一层关键载板，这几类里等得偏久
ABF 膜：味之素（2802）。
做载板：Ibiden、欣兴、南亚 PCB 等

───

二、电容、电阻这类小零件（被动元件）

和「板」不是一类，但交期也紧：

MLCC（多层陶瓷电容）、片式电阻、钽电容、铝电解电容：大约 15–20 周，到 1 年以上都有

常见名字：
· MLCC：村田、三星电机、TDK、太阳诱电、国巨、华新科
· 电阻：国巨、华新科、KOA、Rohm、VSH · 钽电容：京瓷/AVX、国巨/KEMET、VSH
· 铝电解：日本化工康、尼吉康

───

三、一定要分清的一点

同样叫电容、电阻，普通货和 AI 数据中心用的规格，交期可以差很多，不能混在一起看

公司名单是 Serenity 补充的对照，不是全市场完整名单

───

总结

交期来自 Digitimes；Serenity 做的是「哪一类要等多久 + 常提到谁」

新手可以先记住：先分清是板还是电容电阻，再分清是普通规格还是 AI 数据中心规格

更多细节，直接看 Serenity @aleabitoreddit 原文
图是我根据她的文字整理的，方便对照

（整理自 Serenity 观点，仅供学习，不构成投资建议）

[zre @zrebroia]

Anthropic paga a los ingenieros más de $750,000 al año para entender cómo funcionan los LLMs.

Stanford acaba de publicar una conferencia que cubre el 80% de ello GRATIS.

Guarda esto como favorito y dedícale 2 horas hoy.

[zhouluobo @zhouluobo]

https://t.co/lnT7m2cwhe

[yzgpk2002 @yzgpk2002]

城市气温也能赌博？
https://t.co/qsmSCkBzCz

[Crypto老鹰 @laoyingkhq]

有个学工科的大学生，在宿舍里自己捣鼓了一个气象站。三台Mac Mini，两台显示器，屏幕上全是卫星图，每台小电脑上都贴着标签：UI/UX、DEV、ADMIN。拢共花了不到2000美元。

室友以为他在研究气候，教授以为是他毕业设计的原型。他也懒得解释。

后来有人发现，这个气象站连着个加密钱包。靠赌温度，赚了10万刀。

他的账号叫ColdMath。利润101,042美元，总共预测了5,252次。2025年11月注册的，简介就一句话：edge会复利。

→ 链接放这儿：
https://t.co/RCavRI3QMr

这个气象站其实只干一件事：让Claude去拉飞行员用的实时气象数据。真传感器，真读数，全球各个站点1到3小时更新一次。然后把数据和预测市场的价格放一起比对，对不上号，那台DEV机子就会报警。

一发现价差，直接下单，收钱。

给你举几个例子：东京3月20号预报16°C，押25刀，最后兑回来12,452刀。芝加哥3月11号54°F，押24刀，回来12,398刀。勒克瑙3月7号39°C，押13刀，兑了6,850刀。

25美元的注，赚了一万二。赌的是天气。

他有个朋友是开商业航班的，说飞行员拿到大气数据的时间，比任何公开天气预报都要早几个小时，而且精确到0.1度。关键是这数据免费——航空安全强制要求公开，但除了航空圈根本没人看。

他看了。让Claude对着数据流，每天找出每一个“预报和价格对不上”的城市。Claude每天都能挖出几十个。

有一天早上，室友看见那气象站还在跑，终于忍不住问他到底是干嘛的。这学生把钱包余额给他看了一眼。室友愣了半天，只说了一句：给我也加台显示器。

三台Mac Mini，两块屏幕，一个闷头做事的学生。他发现了地球上最可预测的东西——就是那个所有人都忽略的东西。

天气。

哪怕你手里只有50美金，也能跟着这些大佬快速复制交易，用这个机器人就行：
https://t.co/xrFNgicH8Q

这机器人牛在哪儿？几毫秒就能赚到钱。预言机那边的价格还没更新，市场都来不及反应，它已经跑完一圈了。等你慢悠悠打开App看一眼，人家早把赔率算好了、单子下完了、自动重置等下一轮了。

[宝玉 @dotey]

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制（2017 年）、残差连接（2015 年），三个 Transformer 时代的地基组件，月之暗面各给了一个替代方案，而且全部开源。

但这场演讲讲的不只是 K2.5，而是月之暗面过去一年多的技术路线：开源模型还能从哪里继续变强，又该怎样逼近闭源模型的前沿水平。

杨植麟把答案拆成了三个方向：让每个 Token 更值钱、让更长的上下文真正发挥作用，以及让多个 Agent 同时协作。

此外，他还分享了两个重要进展：视觉训练如何反过来增强文本能力，以及月之暗面刚刚公布的下一代架构 Attention Residue。

【一、数据不够，就让每个 Token 更值钱】

大模型训练正在遇到一个越来越现实的问题：高质量数据快不够用了。

互联网上真正有价值的文本数量有限，模型越做越大，需要的数据越来越多，大家迟早都会撞上“数据墙”。既然高质量数据很难翻倍，月之暗面的思路是：能不能让模型从同样的数据里学到更多？

他们给出的答案是 MuonClip，用它替代已经用了十多年的 Adam 优化器。

MuonClip 基于 Muon 优化器。简单理解，它会在更新模型参数时，尽量让不同方向上的信息保持独立，减少重复和浪费，从而提高训练数据的利用效率。

月之暗面的实验结果是：使用同样数量的数据，MuonClip 的训练效果接近把数据量增加一倍，这不仅意味着训练成本下降，也意味着模型能力的上限可能被推高。

假设手里只有 50 万亿个高质量 Token，如果 Token 利用效率提高一倍，就相当于又多出了 50 万亿 Token。在优质数据越来越稀缺的情况下，这种效率提升比单纯增加算力更重要。

但 Muon 也有一个明显问题：模型扩展到万亿参数后，注意力层里的数值容易失控。

月之暗面在训练中发现，注意力层的最大 logit 会突然飙升到 1000 以上，而正常范围通常只有 50 到 100。一旦数值继续膨胀，训练曲线就会发散，整个训练过程可能直接崩掉。

为了解决这个问题，他们设计了 QK-Clip。它会在模型前向计算时，实时检查每个注意力头的最大 logit。一旦数值超过安全范围，就同步缩放 Q 和 K 的投影，把数值压回来。

这个操作不会改变训练的收敛效果，只负责维持数值稳定。

靠着 QK-Clip，月之暗面成功把 Muon 扩展到了万亿参数规模，并训练了超过 15 万亿 Token，整个过程中没有出现一次 loss spike。

【二、上下文不只是要长，还要真正有用】

第二个方向，是提高模型利用长上下文的能力。

杨植麟展示了 Scaling Law 论文作者 Jared Kaplan 等人曾经做过的一组实验：比较 Transformer 和 LSTM 在不同上下文长度下的预测效果。

LSTM 读到一定长度之后，效果很快就不再提升。继续增加上下文，模型也很难从中获得更多信息。Transformer 则不同。上下文越长，模型对后续内容的预测通常越准确，而且很难看到明显的饱和点。

这个特点在 Agent 时代尤其重要。复杂 Agent 任务可能持续几天甚至几周。模型需要记住之前做过什么、得到过哪些结果、哪些方向已经失败，以及接下来该做什么。如果长上下文不能持续提供有效信息，Agent 的任务链条就很容易断掉。

问题是，标准的全注意力机制成本太高。它的计算量会随着上下文长度平方增长。上下文扩大十倍，注意力计算量可能增加一百倍。到了百万 Token 级别，训练和推理成本都会变得非常高。

月之暗面的解决方案是 Kimi Linear，核心是一种名为 KDA，也就是 Kimi Delta Attention 的线性注意力机制。KDA 的关键，是让模型学会“哪些信息要长期保留，哪些信息可以快速忘掉”。

传统线性注意力通常只有一个全局衰减系数，控制整个模型的记忆速度。这有点像所有内容共用同一个遗忘按钮：要么一起记住，要么一起忘掉。KDA 把一个衰减系数拆成了多个。不同信息通道可以使用不同的遗忘速度：

- 有些通道衰减得很慢，负责保留长距离信息
- 有些通道衰减得很快，及时腾出空间吸收新内容

实际使用时，Kimi Linear 并没有完全抛弃全注意力，而是把线性注意力层和全注意力层按照 3∶1 的比例混合。

杨植麟称，这是第一个在短上下文、长输入和长输出任务上，都能全面超过全注意力的架构。上下文扩展到百万 Token，甚至更长时，它的效率优势会更加明显。

【三、从一个 Agent，变成一支 Agent 团队】

前两个方向都在提升单个模型的能力。第三个方向，则是让多个 Agent 一起工作。月之暗面把这种方式叫作 Agent Swarm，也就是“智能体集群”。

它的组织方式很像一家公司。一个主 Agent 充当 CEO，负责理解目标、拆解任务，并把不同子任务分配给多个子 Agent。子 Agent 可以分别扮演研究员、程序员、数据分析师和事实核查员等角色。任务完成后，主 Agent 再汇总结果。

这样做最大的价值是把串行任务改成并行任务。过去，一个 Agent 可能需要依次搜索资料、阅读文档、分析数据、编写代码、检查事实。现在，这些工作可以交给几十个甚至几百个 Agent 同时完成，从而大幅缩短复杂任务的执行时间。

不过，要让模型真正学会并行协作并不容易。训练 Agent Swarm 时，月之暗面设计了三种奖励：

第一种是“实例化奖励”，鼓励主 Agent 创建更多可以并行执行的子任务，避免它退化回单 Agent 串行工作。

第二种是“完成奖励”，要求子任务必须真正完成，防止模型为了获得实例化奖励，批量创建没有意义的空任务。

第三种是最终结果奖励，用来判断整个任务是否真正解决。

这三种奖励的权重会随着训练过程动态变化。训练前期更重视任务拆解、并行化和子任务完成率，后期则逐渐把重点转向最终结果。

从演示结果看，Agent Swarm 在复杂任务上能明显缩短执行时间。比如：

- 同时下载、阅读几百个信息源并完成研究
- 并行撰写一份上百页文献综述的不同章节
- 同时分析十个不同的数据集

Kimi K2.5 发布时，Agent Swarm 已经支持最多 100 个 Agent 并行工作，整个任务最多可以执行 1500 个步骤。4 月发布的 K2.6 又把并行 Agent 的上限提高到了 300 个。

【四、一个意外收获：练“视觉”，也能让“大脑”变聪明】

K2.5 和前代 K2 之间，一个重要变化是采用了“早期融合”训练。

过去很多开源多模态模型采用的是“后期融合”：先用大量文本训练出一个语言模型，再用相对少量的视觉数据补上看图能力。

例如，先训练 20 万亿个文本 Token，再用大约 2 万亿个多模态 Token 把视觉能力“贴”上去。

K2.5 的做法不同。

它从训练一开始，就把视觉和文本数据混在一起。在 K2 文本基座的基础上，K2.5 又训练了约 15 万亿个混合 Token。

这种方式带来了两个让杨植麟感到兴奋的结果。

第一个发现是：只训练视觉任务，也能提升模型的文本推理能力。

研究团队只让模型完成数数、识别图片和视觉问答等任务，没有加入数学或编程训练。结果模型的文本推理能力也变强了。

换句话说，模型在练习“看”的同时，“想”的能力也得到了提升。

第二个发现则来自相反的方向：如果文本基座足够强，模型甚至不一定需要专门的视觉 SFT 数据。

K2.5 采用了“零视觉 SFT”方案。所有监督微调数据都是纯文本，然后再通过文本与视觉联合的强化学习，让模型获得视觉能力。最终，它在视觉任务上的表现依然接近最先进水平。

杨植麟认为，这种双向迁移来自早期融合。

当文本和视觉被放进同一个表征空间后，一种模态学到的能力，就有机会迁移到另一种模态。这也是 K2.5 能够“看图写代码”的基础。

如果视觉和文本仍然像两个彼此分开的“大脑”，这样的跨模态能力就很难自然出现。

【五、下一步：用注意力机制替代残差连接】

演讲快结束时，杨植麟介绍了月之暗面刚刚发布的一项新研究：Attention Residue，也就是“注意力残差”。这篇论文发布于 3 月 15 日，距离演讲只有两天。

残差连接是现代深度神经网络最重要的基础技术之一。2015 年，何恺明等人提出残差网络，此后残差连接逐渐成为 Transformer 的标准组件。它的基本做法是：每一层不仅处理上一层的结果，还保留一条直接传递信息的通道。这样即使模型很深，信息和梯度也能顺利通过，模型才有可能稳定训练。

杨植麟引用了 Ilya Sutskever 的一个说法：残差连接可以被理解为“旋转了 90 度的 LSTM”——LSTM 在时间维度上传递信息，残差连接则在网络深度上传递信息。

月之暗面顺着这个类比继续往前走了一步。

既然 Transformer 已经用注意力机制替代了 LSTM 在时间维度上的循环结构，那么在深度维度上，是否也能做同样的替换？

Attention Residue 就是这个思路的产物。

标准残差连接主要使用上一层的输出。Attention Residue 则允许当前层查看所有前序层的输出，再通过注意力机制决定：哪些历史信息值得保留，哪些信息可以忽略。

也就是说，模型不再只能被动接收上一层的结果，而是可以主动从整个计算历史中挑选信息。

为了控制计算成本，月之暗面实际采用的是分块版本 Block Attention Residual。它会把模型层分成多个块，比如每 16 层组成一个块。块内继续使用标准残差连接，块与块之间才使用注意力残差。

实验显示，大约 8 个块就能获得大部分收益。

Attention Residue 带来了约 24% 的 Token 效率提升。

按照杨植麟的算法，如果有 50 万亿个高质量 Token，效率提高 24%，就相当于额外增加了 12 万亿个 Token。它在 GPQA、MATH 和 HumanEval 等推理、数学与编程测试上的提升尤其明显。

【三个用了近十年的组件，都还有改进空间】

演讲最后，杨植麟把月之暗面的三个替代方案放在了一起：

- Adam → MuonClip
- Full Attention → Kimi Linear
- Residual Connection → Attention Residue

它们分别对应大模型训练中的三个基础问题：

- 怎样从有限的数据中学到更多
- 怎样更高效地利用超长上下文
- 怎样让深层网络更灵活地传递信息

三个方案都可以相对独立地替换现有组件，也都已经开源。

这些技术能否直接叠加，增益能否简单相乘，目前还没有经过完整验证。但它们至少说明了一件事：很多被认为“已经足够好”的基础组件，可能远没有到达终点。

在优质数据越来越少、训练成本越来越高的情况下，继续堆参数和算力并不是唯一的路。重新设计优化器、注意力机制和残差连接，同样可能带来可观的提升。

这也是杨植麟整场演讲真正想表达的观点。

正如他最后所说：

> “Open models cannot be just open; they have also to be great.”

开源模型不能只是开放，还必须足够强。

注：本视频由 https://t.co/L0sZizDFrd 翻译

[余温 @gkxspace]

离谱！打死我都想不到，有公司愿意把这种东西公开出来。

AI 视频圈最没用的就是"只放成片"，成片可以随便给人看，但工程文件是命根子。

Higgsfield 这次把 Originals 的工程文件全开源了：
每个镜头的完整 prompt、角色参考图、音频母带、生成参数，点开项目全能看。

我翻了一圈，学到了很多：
角色先做成一整套参考图锁一致性，每个镜头单独一个文件夹，哪个镜头坏了只重跑那一个。

看完你就明白了，大片是把 AI 当真剧组管出来的，写一条 prompt 等奇迹这种事从来不存在。

挑了个我最喜欢的镜头，提示词原文长这样：
Seedance 2.0 on Higgsfield AI Full open-sourced prompts & assets below:

Prompt:
Slow-motion handheld close-up, 16:9. Shaky organic handheld shot shoving in close on an older grey-haired man in a soaked white shirt and tie, chest-deep in churning green-grey flood water clutching a glass bottle, mouth open mid-shout — while all around him a dense crowd churns: a woman shoves past his shoulder, two men wrestle a floating chair behind him, someone falls backward into the water beside him sending up a slow sheet of spray, more panicking bodies wade and thrash in the background. In slow motion water explodes across the whole frame, droplets suspended everywhere. Dynamic jostling handheld movement at water level in the thick of the crowd. Sickly institutional palette — seafoam green, cream, muted teal, cold reflective water. All faces anatomically correct, stable, realistic, genuine emotion, no warping. Heavy coarse analog 35mm film grain baked into every frame, thick and consistent, grain crawling over highlights and shadows, like a scanned celluloid film print, never clean, never digital-looking. Flat overhead fluorescent light, dramatic slow-motion intensity, cinematic photorealistic, ultra-detailed.

[د. جمال الملا @DrJamal11]

هذا هو الشكل التقريبي الحقيقي لكوكب الأرض، ويُعرف علميًا باسم “الجيويد” Geoid.

فالأرض ليست كرة مثالية كما تُصوَّر غالبًا، بل لها سطح غير منتظم قليلًا يتأثر بتوزيع الجاذبية وكتلة اليابسة والمحيطات وما يوجد في باطنها.

والجيويد هو الشكل الذي تحدده جاذبية الأرض؛ أي أنه يمثل السطح الافتراضي الذي سيكون عليه متوسط مستوى سطح البحر لو لم تكن هناك رياح أو تيارات بحرية أو مدّ وجزر.

وتظهر في هذا الشكل نتوءات وانخفاضات بسبب اختلاف توزيع الكتل داخل الأرض، لكن يجب الانتباه إلى أن الفيديوهات أو النماذج التي تعرض الجيويد غالبًا تبالغ في الارتفاعات والانخفاضات آلاف المرات، وقد تصل المبالغة إلى 10,000 مرة حتى تصبح الفروقات مرئية للعين.

أما في الواقع، فهذه الفروق صغيرة نسبيًا، وتدور تقريبًا حول ±100 متر فقط.

لذلك يُعد الجيويد من أدق النماذج المستخدمة في القياسات الجيوديسية وحساب الارتفاعات، لأنه لا يعتمد على الشكل الكروي المثالي، بل على مجال الجاذبية الحقيقي للأرض.

[zhouluobo @zhouluobo]

Three.js Object Sculptor
https://t.co/aI7ajXqP7C

[zhouluobo @zhouluobo]

https://t.co/D9Je65Ut6h

[Leaf Yeah! @leaf_sanren]

真！我觉得学「哲学」唯一有用的就是【逻辑学】，其他什么 精神现象学、唯识论、古希腊三巨头，都扯淡！

逻辑学是唯一能让人脑跟顶级AI硬碰硬的东西。

之前我开发“峰哥”那个实时语音克隆时候，对话延迟爆炸，8-20s/句。

agent盘了4-5 遍，说没有办法解决，目前的技术架构已经是行业最优解了。

我不信。

我说你把整个流程，每个环节用什么模型、什么接口，还有参数、预估vs实际记录的延迟毫秒数，全部给我列出来。然后再顺着推导链条，逐环追问、脑暴、查资料。

这不！新的工程方案很快就出来了。执行验收，第二天延迟基本上都解决了。

其实这套东西，无非就是【概念分解、前提检验、推导链条】。

所以我说逻辑学有用，不是人脑单独赢 AI，或者柯洁终于下棋赢了alpha Go，而是不断地追问、检验，think out of box but rational。

不会用一句「没办法」就提前结案。

[Regalos Digitales @RegalosDigitals]

UN DESARROLLADOR CHINO MONTO UN SISTEMA DE AGENCIA IMPULSADO POR CLAUDE CODE PARA VENDER SITIOS WEB A PEQUEÑAS EMPRESAS.

SIRVE A UNOS 47 CLIENTES AL MES Y COBRA 400 DOLARES POR CADA UNO.

EL SISTEMA FUNCIONA ASI:

- RECORRE CIUDAD POR CIUDAD GOOGLE MAPS.
- ENCUENTRA NEGOCIOS QUE NO TIENEN PAGINA WEB.
- DESCARTA LOS QUE TIENEN SITIOS QUE PARECEN DE 2014.
- GENERA AUTOMATICAMENTE UN MOCKUP DE LANDING PAGE PARA CADA UNO.
- PRODUCE UN VIDEO PROMOCIONAL.
- ESCRIBE UN MENSAJE DE VENTA LISTO PARA USAR.

TODO ESTO LO HACEN 7 AGENTES:

- SCOUT: EXPLORA UNOS 220 NEGOCIOS AL DIA.
- DIAGNOSER: HACE UN DIAGNOSTICO PERSONALIZADO Y GENERA EL MENSAJE PARA CADA LEAD.
- BUILDER: PREPARA 3-5 LANDING PAGES COMPLETAS PARA LOS MEJORES CANDIDATOS.
- FILMER: CREA UN VIDEO VERTICAL DE 10 SEGUNDOS POR CADA PROPUESTA.
- PITCHER: ENVIA 30 MENSAJES AL DIA POR 4 CANALES DIFERENTES.
- CHECKER: REVISA AUTOMATICAMENTE LOS MENSAJES ANTES DE ENVIARLOS.
- MOBILE AGENT: VIVE DIRECTAMENTE EN EL IPHONE.

EL DUEÑO RESPONDE A LOS LEADS MIENTRAS VA EN EL METRO, EN TAXI O CAMINANDO. SI SURGE UN CLIENTE INTERESANTE, AGENDA UNA REUNION POR CALENDLY Y DEVUELVE EL CASO A LA COLA.

LO UNICO QUE HACE EL ES:
- PULSAR “APROBAR”.
- IR A LA REUNION.
- COBRAR EL DINERO.

Y LO MAS LOCO ES ESTO:

NO TIENE BACKEND PROPIO, NI GRAN EQUIPO, NI ARQUITECTURA DE SERVIDORES.
SOLO USA:
- UN SANDBOX LOCAL.
- CLAUDE CODE ROUTER.
- SERVIDORES MCP.
- ESTADO COMPARTIDO MEDIANTE EL SISTEMA DE ARCHIVOS.
- UNA CLAVE API.
- EL TELEFONO QUE LLEVA EN EL BOLSILLO.

MIENTRAS LAS AGENCIAS TRADICIONALES MONTAN UN EQUIPO ENTERO PARA HACER LO MISMO, EL COSTE REAL DE ESTE TIPO SON SOLO LOS TOKENS + LAS SUSCRIPCIONES A LOVABLE, HIGGSFIELD Y CALENDLY.

GASTO PROMEDIO EN APIS: UNOS 480 DOLARES AL MES.
INGRESOS: 18.800 DOLARES.
7 PROMPTS + 1 SISTEMA DE ARCHIVOS + 1 TELEFONO.

PARA MI, ESTE ES EL EJEMPLO MAS LIMPIO DE “AGENCIA DE AUTOMATIZACION UNIPERSONAL” QUE HE VISTO ESTE AÑO.

GUARDALO, PORQUE EN UNOS MESES TODO EL MUNDO VA A INTENTAR COPIARLO.

Aca abajo te dejo como configurarlo

[Leaf Yeah! @leaf_sanren]

٩(•̤̀ᵕ•̤́๑)ᵒᵏᵎᵎᵎᵎ 我克隆了网红【峰哥亡命天涯】的声音和记忆，让 AI 用他的方式跟我实时对话。

第一次听到"峰哥"的声音从电脑里怼我，愣了几秒。。
像跟直播连麦一样。

这个项目我叫它 Talk to Me，从 V1 到 V3.6 迭代了好几轮。它干的事：你说话，AI 用克隆出来的声音回你，记得你们聊过什么，还带着那个人的性格和说话方式。

怎么做到的——四个开源项目 + 云 GPU 拼出来的：

• 本地笔记蒸馏 → 352 条笔记压成人格和说话风格
• LiveKit → 实时语音通话的底层框架
• VoxCPM → 云 GPU 上跑中文音色克隆
• OpenViking → 长期记忆，聊过的内容能找回来

没用大厂现成方案，STT→LLM→TTS 每一环都自己拆过换过踩过坑。比如...
Cartesia 中文克隆翻车、GPU 迁移重配 SSH、粒子 UI 丑到没法看……全链路延迟从 8-20秒/句 压到 1 秒内。

其实一开始只是想跟自己对话——蒸馏自己的知识库，克隆自己的声音---- 我太寂寞了，想着自己和自己对话呢🤫

后来觉得不够有意思，就换成了网红的音色和人格，体验一下就完全不一样了。
这也让我意识到：不只是"我的分身"，而是谁都可以有一个能实时对话的 AI 版本。

代码还很粗糙，坑还很多。但如果大家觉得有意思，后面可以拆解技术细节做个系列。

附一条自测 demo 👇

[生姜Iris @WeiYipei]

大厂离职做OPC的第一年
收入报告来了：年入约80w（RMB）

没达到年入百万的目标，但是至少超过了当年在大厂的薪资
当时拿到的字节offer是：职级3-1 月薪4.15w（RMB）含期权10% 年包约68.75w

想当年决定从大厂离职之前万分纠结，感觉自己两年似乎放弃了140w
而今过去整整一年，回望岁月，觉得当下还算不错

以下是这一年的收入结构：
（1）和AGI Villa合作开展的两期线下出海工作坊，收入约3W RMB
（2） 和泛函老师合作制作的小报童课程「出海增长系统课」，目前售出373份，刨掉合作分佣，个人收入约4W RMB
（3）很开心有3-4个项目和我推荐的FA一起拿到了融资，FA朋友给我的分成约4.5W RMB
（4）各路好朋友做的增长vendor分我的推荐金应该也有几万RMB
余下收入皆来自企业咨询/顾问陪跑/单次咨询等。

这一年各平台粉丝虽然没有大爆，但是也维持了匀速增长：
视频号约2000+
小红书接近2000
中文推特最近刚刚破2000
即刻约7000+

同时还完成了三个站点的探索（链接见评论）

做OPC和运营一家公司相比
还是有很多不同之处
但是也十分有意思

从大厂离职的第一年，虽然收入和不少朋友还是略有差距
但是和自己比，还是表示满意
人还是要多和自己比，才能看到自己的进步和成长🍀

[Julia Soares @juliasoareseu]

A indústria finalmente resolveu um problema que todo mundo finge que não existe 😭☔