AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 5 月 16 日 · 18:30 更新
✦
试试:

今日焦点

DeepSeek-V4-Flash 让 LLM 控制再次变得有趣

自从 Golden Gate Claude 以来,我一直对“控制(steering)”着迷:这个概念是指在推理过程中直接操纵模型的激活状态,从而引导 LLM 输出的想法。

这篇帖子的灵感来自 antirez 最近的项目 DwarfStar 4,它是一个精简过的 llama.cpp 版本,专门用于运行 DeepSeek-V4-Flash。这个模型有何特别之处?它可能是许多工程师一直在等待的:一个足以与前沿模型低级代理编码能力竞争的本地模型。

由于控制需要本地模型,现在许多工程师首次有机会实际尝试它。确实,antirez 将控制作为 DwarfStar 4 的一等公民功能。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达29 条本班新增 8 条

𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌

18:30 最后一轮更新
今日要点 · 12 条
新开发者体验 · @svpino▲ 7.5万

Markdown从一开始就不够用,现在AI直接读写HTML

有人指出Markdown信息密度低,已不适应AI时代;HTML既能被人阅读,也能被AI代理直接解析和生成;新工具链正绕过Markdown,转向原生支持HTML的编辑与协作流。

在 X 看原帖 ↗
7.5万334271.1K
新教育 · @meijiangAI▲ 3.3万

Gemini现在能帮你学得快10倍,但只靠7个提示词

有人整理出7个Gemini提示词,声称可大幅提升学习效率;教程指向具体操作路径,不是泛泛而谈‘AI辅助学习’,而是给出可立即复制的输入模板;链接指向实操指南。

在 X 看原帖 ↗
3.3万68205315
新科研 · @intern_lm▲ 3.4万

Intern-S2-Preview这个350亿参数模型,干掉了万亿级前辈的核心活

Intern-S2-Preview是35B参数的科学多模态模型,核心科学任务表现接近万亿参数的Intern-S1-Pro;它是首个开源的、面向科研场景优化的轻量级基础模型;训练成本和部署门槛明显降低。

在 X 看原帖 ↗
3.4万2412656
新实战经验 · @RoundtableSpace▲ 5.0万

不用写一行代码,就能学Claude编程

一份6小时免费教程,涵盖工作流创建、网站部署、智能体协作和浏览器自动化,全程不写代码。

在 X 看原帖 ↗
5.0万11116144
产品 · @AYi_AInotes▲ 4.2万

Google要推的不是新聊天机器人,而是能替你点网页填表格的24小时AI员工

Gemini Spark 被描述为不再等待用户输入提示词,而是主动筛选邮件、预约会议、跟进在线任务,甚至代人上网点击按钮填写表单。

在 X 看原帖 ↗
4.2万17117101
语音 · @akshay_pachaar▲ 3.1万

有个TTS模型说话比你听的速度快167倍,还能在手机上运行

Supertonic 是一个纯设备端语音合成引擎,用 ONNX 实现跨平台推理,支持31种语言,不依赖GPU,也能还原情绪细节。

在 X 看原帖 ↗
3.1万73549637
工具链 · @0xluffy_eth▲ 3.1万

有人用两个AI工具搭出接单印钞机,全程不写代码也不烧token

一个自由职业者用 KroWork 和 GPT-image-2 做商品主图和品牌视觉,在闲鱼和 Fiverr 挂单,从接需求到自动交付打包加水印,全链路固化成桌面应用。

在 X 看原帖 ↗
3.1万45121169
工程 · @NVIDIA_AI_PC▲ 14.2万

本地电脑就能跑自主多步骤AI助手,NVIDIA做到了

通过Hermes Agent,数据完全本地处理无需联网,NVIDIA已公开部署指南。

NVIDIA 出了个新方案:在 DGX Spark 上本地跑 NousResearch 的 Hermes Agent。用户可以在自己的电脑上用到一个能自动完成多步任务的AI代理,数据不上传第三方,没网也能用。

NVIDIA 提供了逐步设置指南(playbook),用 Ollama 部署,指南链接已经公开。

这方案竞争力在隐私——相比云端AI,本地运行意味着数据处理全程可控。不过NVIDIA没细说Hermes Agent具体能完成哪些任务,DGX Spark的硬件配置和价格也都没公布。

Ollama 的设置步骤够不够简单到普通用户都能上手,现在还不清楚。要是设置复杂,那普及门槛可能不低。

在 X 看原帖 ↗
14.2万97966424
开源 · @itsPaulAi▲ 3.8万

英伟达开源26亿参数世界模型,一张图生成3D世界

模型可在消费级GPU运行,租用成本约0.40美元/小时,已开源在GitHub。

英伟达开源了一个26亿参数的世界模型。给它一张图片、一段文字说明和运动轨迹,它就能生成一个可控的3D空间——不是静态渲染图,而是你可以走进去、转视角的那种。

过去这类模型需要云服务器撑着,现在门槛直接跌穿。它跑在一张消费级GPU上,租用成本差不多0.40美元一个小时,算下来不到三块钱。也就是说,手头有普通游戏电脑的人,或者愿意花几块钱租云显卡的人,都能玩得转。

模型完全开源:代码挂在GitHub上,论文也贴到了arXiv。下载、修改、部署随便你,不用依赖厂商的付费接口。对个人开发者和小型研究团队来说,这就是一个可以直接上手改的基础工具。

英伟达说它可以拿来搞具身AI之类的事——把2D图或文字转成3D底层空间,让机器在虚拟环境里自己动起来。

不过目前有些东西还不清楚:生成出来的世界有多真?输入图片有没有分辨率或内容限制?开源许可的具体条款——尤其是能不能用在商业项目上——也没说明白。也许很快会有人推出便宜的API服务,进一步把门槛踩平。

开源的结果很直接:任何人只要有自己的显卡,就能跑这个模型。3D世界生成不再是昂贵云服务的专属。

在 X 看原帖 ↗
3.8万84593611
动态 · @mickeymrdt▲ 8.0万

Anthropic Fellow每周给3850美元,不要博士也不要研究经验,40%能转正

Anthropic Fellows Program开放申请,提供每周3850美元薪资,无博士学位或科研经历要求;入选者全职学习AI系统设计与对齐实践;有人刚辞掉咨询工作报名,打算用三个月搞懂模型行为边界。

在 X 看原帖 ↗
8.0万1981.9K1.6K
开源 · @berryxia▲ 8.4万

腾讯AI团队花半年死磕的Agent记忆问题,开源方案直接砍掉61% token消耗

Tencent AI团队专注解决AI agent长会话中上下文丢失问题,最终开源的记忆系统支持实时压缩过期上下文;有人看完分享发现,多数人还在堆上下文长度,而真正让agent变稳的,是这三招硬核操作。

在 X 看原帖 ↗
8.4万125599823
工程 · @emollick▲ 9.4万

别再给提示词施魔咒:像经理一样提要求

AI提示词不是咒语,直接提需求,别搞斜杠命令那些花活。

@emollick: 停止把提示词变成魔法咒语(是的,这包括那些效果不明的随机斜杠命令)。让AI协作的这一领域不要那么诡异。就像对经理提要求一样,用明确的格式去索取,而不是像个带着一堆咒语的巫师。

好吧,偶尔你也可以玩点巫术。但要全套:盐圈、魔法书、长袍。

@deepfates 你显然是个例外。

在 X 看原帖 ↗
9.4万3058989
更多信号 · 按时间
新营销 · @heygurisingh▲ 789

Higgsfield刚发布的Supercomputer,其实是个AI CMO

Higgsfield推出名为Supercomputer的新工具,多数人以为是视频生成器,实际定位是AI首席营销官;它能接管品牌策略、内容规划、传播节奏等原本由人承担的CMO职能;竞品尚未明确对标。

新新品发布 · @YaoWenlin▲ 1.2万

开源框架让AI代理训练变便宜了

Orchard是开源的agentic建模框架,用一套轻量廉价沙盒基础设施支持SWE、GUI、个人助理等AI代理的训练。

在 X 看原帖 ↗
1.2万179891
新新品发布 · @rwayne▲ 1.3万

牛津博士后一个人打通视频翻译全流程

牛津大学博士后 Kevin Lin 开源 Violin 工具,整合语音识别、LLM 翻译、语音合成,支持多语言互译、个性化翻译风格、视频对话三合一。

在 X 看原帖 ↗
1.3万47216290
新工程 · @LangChain▲ 1.3万

LangChain推出Context Hub,集中管理AI智能体上下文

解决多智能体系统上下文分散问题,支持版本管理和团队协作。

AI智能体一但没记住上下文,指令就开始跑偏。根子就一个:上下文到处散着——AGENTS.md、技能说明、策略、示例,甚至跑完研究后生成的文件里都有。每次调用前都得手拼一遍,稍不留神就拼错。

LangChain把智能体拆成三个块:模型、框架、上下文。前两个早就有人管了,上下文一直没人正经打理。智能体越多,这种分散的乱子就越重。

所以他们做了个LangSmith Context Hub。团队能往一个地方存上下文,还能管版本、一起改。现在技能和上下文可以像代码一样迭代、回滚、多人同步,不用再从聊天记录或文档里现翻了。

LangChain给了学习资源和入门指引。不过还有些事没说清楚:收费吗?支持哪些AI框架或模型?能跟Git、Notion这些常用的工具打通吗?对于那些已经在搭多智能体系统的团队,这个Hub相当于给AI的记忆弄了个能看住的仓库,不再靠临时拼凑。

在 X 看原帖 ↗
1.3万32170135
工具 · @vista8▲ 1.2万

飞书CLI在GitHub上已有1万星,成了很多人AI工作流的起点

有人把飞书 CLI 当作日常AI协作枢纽,让 AI 搜索资料后直接写入飞书文档,或调用 AI 审阅 PR 并自动评论,工作流起点是 Codex 和 Claude Code。

在 X 看原帖 ↗
1.2万1981132
商业 · @iam_elias1▲ 3.5K

500个创业者正在建‘AI员工优先’公司,而不是加个AI功能的公司

一笔融资背后的核心判断是:不是给现有业务加AI模块,而是从第一天起就按AI Agent能自主运行的方式设计公司结构和流程。

开发 · @intheworldofai▲ 1.9万

现在能免费在自己电脑上跑Codex了,不用交API费也没有调用限制

通过 Ollama 工具,用户可在本地运行开源模型(如 DeepSeek V4、Gemma)来复现 Codex 功能,整个过程不依赖 OpenAI 服务器。

在 X 看原帖 ↗
1.9万32312338
新品发布 · @seeedstudio▲ 3.8K

32GB内存+6TOPS算力的开源AI盒子下周上市

Seeed Studio下周发布reComputer RK3576/RK3588,是基于Rockchip芯片的开源AI盒子,面向开发者和嵌入式AI创新者,配备最高32GB LPDDR5内存和6 TOPS NPU算力。

在 X 看原帖 ↗
3.8K145824
工具产品 · @QingQ77▲ 2.3K

AI智能体现在能直接调用实时搜索了

这个开源技能包让AI智能体调用AnySearch的实时搜索API,支持通用搜索、23个垂直领域和批量并行查询。

前沿研究 · @0xLogicrw▲ 2.0万

AI代理破了人类调参纪录,但不会写新算法

Codex和Claude Code在nanoGPT速度赛中自主优化,Opus以2930步打破人类2990步记录;强制提出新算法时,两者均无法脱离已有开源代码或论文跑通任何想法。

在 X 看原帖 ↗
2.0万1210472
实战经验 · @MetaBaz7▲ 5.5K

用大白话就能部署网站?Claude Code真这么干

教程教人用Claude Code部署网站,声称只需用 plain English(纯英文自然语言)。

新品发布 · @IndieDevHailey▲ 8.6K

本地AI工具竟能一键生成专业HTML

html-anything 开源项目让 Claude Code、Cursor 等 8 种本地 CLI Agent 直接将 Markdown、CSV、JSON、图片、SQL 转成 HTML,内置 75 套 Skill 模板,覆盖 9 类场景,零 API Key,自动识别已登录的本地 Agent。

在 X 看原帖 ↗
8.6K115965
实战经验 · @IndieDevHailey▲ 2.4万

TypeScript大神开源Claude工作流

Matt Pocock 开源了他每天用 Claude 写代码的真实方法,包含 18 个技能,针对沟通不对齐、术语不统一、缺反馈循环、代码熵增四个痛点。

在 X 看原帖 ↗
2.4万50265490
开源 · @ism_sol▲ 2.0万

用印尼语聊AI?Qwen翻车了,Kimi和DeepSeek被用户狂赞

印尼用户实测:选开源模型得看本地语言支持,光看排名会踩坑。

一位印尼用户在社交媒体上提问:哪个开源AI模型最好?他列举了四个选项——Kimi K2.6、DeepSeek v4、Qwen 3.6、GLM-5.1。

底下的回复很快把焦点聚集到本地语言体验上。有用户明确说,Qwen用印尼语对话时效果不好,而Kimi和DeepSeek是"最棒的"。这条评论多人点赞——"这两个确实很好"。

DeepSeek以低价出名,但有人质疑它的推理能力:"真的很便宜,但推理能力行不行?"其他用户确认它确实便宜,同时表示v4版本"真的很棒"。

也有人提了一嘴:之前的版本反而更好,但没说具体原因。模型版本更新不一定总能带来更好体验。

目前的信息全部来自用户日常使用反馈,没有具体的评测分数或价格数字。

对非英语用户来说,本地语言支持成了选开源模型的关键门槛。Qwen在印尼语场景下表现不佳,被Kimi和DeepSeek甩开。用户得按自己用的语言来挑,不能只看模型排名。Kimi和DeepSeek眼下口碑领先,未来版本变化可能会打破这个格局。

在 X 看原帖 ↗
2.0万8252121
动态 · @NFTCPS▲ 1.6万

Claude Code扫大代码库太慢?一个开源工具建语义图谱,工具调用减少92%

CodeGraph为代码库提前构建语义知识图谱,Claude Code不再逐文件扫描,而是直接查图;VS Code这类巨型项目里,探索速度提升71%,token消耗大幅下降;有人用它把原本卡顿的调试流程变顺了。

在 X 看原帖 ↗
1.6万43208230
动态 · @quantscience_▲ 2.0万

Python写的开源多智能体交易框架上线了,连回测和实盘接口都配好了

TradingAgents是新开源的多智能体LLM交易框架,纯Python实现;它内置模拟环境、策略调度器和券商API适配层;量化新手用它搭了个新闻驱动型策略,在本地跑通了从舆情解析到下单的闭环。

在 X 看原帖 ↗
2.0万28208388
新品发布 · @rwayne▲ 1.2万

285个科研技能,全被AI打包调用了

ScienceClaw 是一个框架,把科研流程拆成 285 个 Skill,接入 PubMed、Semantic Scholar、ArXiv 和 Google Scholar,供 LLM 调用。

在 X 看原帖 ↗
1.2万82234269
🚀 新品发布
新新品发布 · @rwayne▲ 1.3万

牛津博士后一个人打通视频翻译全流程

牛津大学博士后 Kevin Lin 开源 Violin 工具,整合语音识别、LLM 翻译、语音合成,支持多语言互译、个性化翻译风格、视频对话三合一。

在 X 看原帖 ↗
1.3万47216290
新新品发布 · @YaoWenlin▲ 1.2万

开源框架让AI代理训练变便宜了

Orchard是开源的agentic建模框架,用一套轻量廉价沙盒基础设施支持SWE、GUI、个人助理等AI代理的训练。

在 X 看原帖 ↗
1.2万179891
新品发布 · @IndieDevHailey▲ 8.6K

本地AI工具竟能一键生成专业HTML

html-anything 开源项目让 Claude Code、Cursor 等 8 种本地 CLI Agent 直接将 Markdown、CSV、JSON、图片、SQL 转成 HTML,内置 75 套 Skill 模板,覆盖 9 类场景,零 API Key,自动识别已登录的本地 Agent。

在 X 看原帖 ↗
8.6K115965
新品发布 · @seeedstudio▲ 3.8K

32GB内存+6TOPS算力的开源AI盒子下周上市

Seeed Studio下周发布reComputer RK3576/RK3588,是基于Rockchip芯片的开源AI盒子,面向开发者和嵌入式AI创新者,配备最高32GB LPDDR5内存和6 TOPS NPU算力。

在 X 看原帖 ↗
3.8K145824
新品发布 · @rwayne▲ 1.2万

285个科研技能,全被AI打包调用了

ScienceClaw 是一个框架,把科研流程拆成 285 个 Skill,接入 PubMed、Semantic Scholar、ArXiv 和 Google Scholar,供 LLM 调用。

在 X 看原帖 ↗
1.2万82234269
📰 行业动态
新教育 · @meijiangAI▲ 3.3万

Gemini现在能帮你学得快10倍,但只靠7个提示词

有人整理出7个Gemini提示词,声称可大幅提升学习效率;教程指向具体操作路径,不是泛泛而谈‘AI辅助学习’,而是给出可立即复制的输入模板;链接指向实操指南。

在 X 看原帖 ↗
3.3万68205315
新营销 · @heygurisingh▲ 789

Higgsfield刚发布的Supercomputer,其实是个AI CMO

Higgsfield推出名为Supercomputer的新工具,多数人以为是视频生成器,实际定位是AI首席营销官;它能接管品牌策略、内容规划、传播节奏等原本由人承担的CMO职能;竞品尚未明确对标。

新开发者体验 · @svpino▲ 7.5万

Markdown从一开始就不够用,现在AI直接读写HTML

有人指出Markdown信息密度低,已不适应AI时代;HTML既能被人阅读,也能被AI代理直接解析和生成;新工具链正绕过Markdown,转向原生支持HTML的编辑与协作流。

在 X 看原帖 ↗
7.5万334271.1K
新科研 · @intern_lm▲ 3.4万

Intern-S2-Preview这个350亿参数模型,干掉了万亿级前辈的核心活

Intern-S2-Preview是35B参数的科学多模态模型,核心科学任务表现接近万亿参数的Intern-S1-Pro;它是首个开源的、面向科研场景优化的轻量级基础模型;训练成本和部署门槛明显降低。

在 X 看原帖 ↗
3.4万2412656
工具链 · @0xluffy_eth▲ 3.1万

有人用两个AI工具搭出接单印钞机,全程不写代码也不烧token

一个自由职业者用 KroWork 和 GPT-image-2 做商品主图和品牌视觉,在闲鱼和 Fiverr 挂单,从接需求到自动交付打包加水印,全链路固化成桌面应用。

在 X 看原帖 ↗
3.1万45121169
产品 · @AYi_AInotes▲ 4.2万

Google要推的不是新聊天机器人,而是能替你点网页填表格的24小时AI员工

Gemini Spark 被描述为不再等待用户输入提示词,而是主动筛选邮件、预约会议、跟进在线任务,甚至代人上网点击按钮填写表单。

在 X 看原帖 ↗
4.2万17117101
工具 · @vista8▲ 1.2万

飞书CLI在GitHub上已有1万星,成了很多人AI工作流的起点

有人把飞书 CLI 当作日常AI协作枢纽,让 AI 搜索资料后直接写入飞书文档,或调用 AI 审阅 PR 并自动评论,工作流起点是 Codex 和 Claude Code。

在 X 看原帖 ↗
1.2万1981132
商业 · @iam_elias1▲ 3.5K

500个创业者正在建‘AI员工优先’公司,而不是加个AI功能的公司

一笔融资背后的核心判断是:不是给现有业务加AI模块,而是从第一天起就按AI Agent能自主运行的方式设计公司结构和流程。

开发 · @intheworldofai▲ 1.9万

现在能免费在自己电脑上跑Codex了,不用交API费也没有调用限制

通过 Ollama 工具,用户可在本地运行开源模型(如 DeepSeek V4、Gemma)来复现 Codex 功能,整个过程不依赖 OpenAI 服务器。

在 X 看原帖 ↗
1.9万32312338
语音 · @akshay_pachaar▲ 3.1万

有个TTS模型说话比你听的速度快167倍,还能在手机上运行

Supertonic 是一个纯设备端语音合成引擎,用 ONNX 实现跨平台推理,支持31种语言,不依赖GPU,也能还原情绪细节。

在 X 看原帖 ↗
3.1万73549637
开源 · @berryxia▲ 8.4万

腾讯AI团队花半年死磕的Agent记忆问题,开源方案直接砍掉61% token消耗

Tencent AI团队专注解决AI agent长会话中上下文丢失问题,最终开源的记忆系统支持实时压缩过期上下文;有人看完分享发现,多数人还在堆上下文长度,而真正让agent变稳的,是这三招硬核操作。

在 X 看原帖 ↗
8.4万125599823
动态 · @NFTCPS▲ 1.6万

Claude Code扫大代码库太慢?一个开源工具建语义图谱,工具调用减少92%

CodeGraph为代码库提前构建语义知识图谱,Claude Code不再逐文件扫描,而是直接查图;VS Code这类巨型项目里,探索速度提升71%,token消耗大幅下降;有人用它把原本卡顿的调试流程变顺了。

在 X 看原帖 ↗
1.6万43208230
动态 · @quantscience_▲ 2.0万

Python写的开源多智能体交易框架上线了,连回测和实盘接口都配好了

TradingAgents是新开源的多智能体LLM交易框架,纯Python实现;它内置模拟环境、策略调度器和券商API适配层;量化新手用它搭了个新闻驱动型策略,在本地跑通了从舆情解析到下单的闭环。

在 X 看原帖 ↗
2.0万28208388
动态 · @mickeymrdt▲ 8.0万

Anthropic Fellow每周给3850美元,不要博士也不要研究经验,40%能转正

Anthropic Fellows Program开放申请,提供每周3850美元薪资,无博士学位或科研经历要求;入选者全职学习AI系统设计与对齐实践;有人刚辞掉咨询工作报名,打算用三个月搞懂模型行为边界。

在 X 看原帖 ↗
8.0万1981.9K1.6K
⚡ 实战经验
实战经验 · @IndieDevHailey▲ 2.4万

TypeScript大神开源Claude工作流

Matt Pocock 开源了他每天用 Claude 写代码的真实方法,包含 18 个技能,针对沟通不对齐、术语不统一、缺反馈循环、代码熵增四个痛点。

在 X 看原帖 ↗
2.4万50265490
新实战经验 · @RoundtableSpace▲ 5.0万

不用写一行代码,就能学Claude编程

一份6小时免费教程,涵盖工作流创建、网站部署、智能体协作和浏览器自动化,全程不写代码。

在 X 看原帖 ↗
5.0万11116144
实战经验 · @MetaBaz7▲ 5.5K

用大白话就能部署网站?Claude Code真这么干

教程教人用Claude Code部署网站,声称只需用 plain English(纯英文自然语言)。

📌 其他
前沿研究 · @0xLogicrw▲ 2.0万

AI代理破了人类调参纪录,但不会写新算法

Codex和Claude Code在nanoGPT速度赛中自主优化,Opus以2930步打破人类2990步记录;强制提出新算法时,两者均无法脱离已有开源代码或论文跑通任何想法。

在 X 看原帖 ↗
2.0万1210472
工具产品 · @QingQ77▲ 2.3K

AI智能体现在能直接调用实时搜索了

这个开源技能包让AI智能体调用AnySearch的实时搜索API,支持通用搜索、23个垂直领域和批量并行查询。

新工程 · @LangChain▲ 1.3万

LangChain推出Context Hub,集中管理AI智能体上下文

解决多智能体系统上下文分散问题,支持版本管理和团队协作。

AI智能体一但没记住上下文,指令就开始跑偏。根子就一个:上下文到处散着——AGENTS.md、技能说明、策略、示例,甚至跑完研究后生成的文件里都有。每次调用前都得手拼一遍,稍不留神就拼错。

LangChain把智能体拆成三个块:模型、框架、上下文。前两个早就有人管了,上下文一直没人正经打理。智能体越多,这种分散的乱子就越重。

所以他们做了个LangSmith Context Hub。团队能往一个地方存上下文,还能管版本、一起改。现在技能和上下文可以像代码一样迭代、回滚、多人同步,不用再从聊天记录或文档里现翻了。

LangChain给了学习资源和入门指引。不过还有些事没说清楚:收费吗?支持哪些AI框架或模型?能跟Git、Notion这些常用的工具打通吗?对于那些已经在搭多智能体系统的团队,这个Hub相当于给AI的记忆弄了个能看住的仓库,不再靠临时拼凑。

在 X 看原帖 ↗
1.3万32170135
开源 · @itsPaulAi▲ 3.8万

英伟达开源26亿参数世界模型,一张图生成3D世界

模型可在消费级GPU运行,租用成本约0.40美元/小时,已开源在GitHub。

英伟达开源了一个26亿参数的世界模型。给它一张图片、一段文字说明和运动轨迹,它就能生成一个可控的3D空间——不是静态渲染图,而是你可以走进去、转视角的那种。

过去这类模型需要云服务器撑着,现在门槛直接跌穿。它跑在一张消费级GPU上,租用成本差不多0.40美元一个小时,算下来不到三块钱。也就是说,手头有普通游戏电脑的人,或者愿意花几块钱租云显卡的人,都能玩得转。

模型完全开源:代码挂在GitHub上,论文也贴到了arXiv。下载、修改、部署随便你,不用依赖厂商的付费接口。对个人开发者和小型研究团队来说,这就是一个可以直接上手改的基础工具。

英伟达说它可以拿来搞具身AI之类的事——把2D图或文字转成3D底层空间,让机器在虚拟环境里自己动起来。

不过目前有些东西还不清楚:生成出来的世界有多真?输入图片有没有分辨率或内容限制?开源许可的具体条款——尤其是能不能用在商业项目上——也没说明白。也许很快会有人推出便宜的API服务,进一步把门槛踩平。

开源的结果很直接:任何人只要有自己的显卡,就能跑这个模型。3D世界生成不再是昂贵云服务的专属。

在 X 看原帖 ↗
3.8万84593611
开源 · @ism_sol▲ 2.0万

用印尼语聊AI?Qwen翻车了,Kimi和DeepSeek被用户狂赞

印尼用户实测:选开源模型得看本地语言支持,光看排名会踩坑。

一位印尼用户在社交媒体上提问:哪个开源AI模型最好?他列举了四个选项——Kimi K2.6、DeepSeek v4、Qwen 3.6、GLM-5.1。

底下的回复很快把焦点聚集到本地语言体验上。有用户明确说,Qwen用印尼语对话时效果不好,而Kimi和DeepSeek是"最棒的"。这条评论多人点赞——"这两个确实很好"。

DeepSeek以低价出名,但有人质疑它的推理能力:"真的很便宜,但推理能力行不行?"其他用户确认它确实便宜,同时表示v4版本"真的很棒"。

也有人提了一嘴:之前的版本反而更好,但没说具体原因。模型版本更新不一定总能带来更好体验。

目前的信息全部来自用户日常使用反馈,没有具体的评测分数或价格数字。

对非英语用户来说,本地语言支持成了选开源模型的关键门槛。Qwen在印尼语场景下表现不佳,被Kimi和DeepSeek甩开。用户得按自己用的语言来挑,不能只看模型排名。Kimi和DeepSeek眼下口碑领先,未来版本变化可能会打破这个格局。

在 X 看原帖 ↗
2.0万8252121
工程 · @NVIDIA_AI_PC▲ 14.2万

本地电脑就能跑自主多步骤AI助手,NVIDIA做到了

通过Hermes Agent,数据完全本地处理无需联网,NVIDIA已公开部署指南。

NVIDIA 出了个新方案:在 DGX Spark 上本地跑 NousResearch 的 Hermes Agent。用户可以在自己的电脑上用到一个能自动完成多步任务的AI代理,数据不上传第三方,没网也能用。

NVIDIA 提供了逐步设置指南(playbook),用 Ollama 部署,指南链接已经公开。

这方案竞争力在隐私——相比云端AI,本地运行意味着数据处理全程可控。不过NVIDIA没细说Hermes Agent具体能完成哪些任务,DGX Spark的硬件配置和价格也都没公布。

Ollama 的设置步骤够不够简单到普通用户都能上手,现在还不清楚。要是设置复杂,那普及门槛可能不低。

在 X 看原帖 ↗
14.2万97966424
工程 · @emollick▲ 9.4万

别再给提示词施魔咒:像经理一样提要求

AI提示词不是咒语,直接提需求,别搞斜杠命令那些花活。

@emollick: 停止把提示词变成魔法咒语(是的,这包括那些效果不明的随机斜杠命令)。让AI协作的这一领域不要那么诡异。就像对经理提要求一样,用明确的格式去索取,而不是像个带着一堆咒语的巫师。

好吧,偶尔你也可以玩点巫术。但要全套:盐圈、魔法书、长袍。

@deepfates 你显然是个例外。

在 X 看原帖 ↗
9.4万3058989

这一天的 29 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →
把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新