跳到正文

X:阿易 AI Notes

@ayi_ainotes · X

当前显示全部 AI 相关新闻
切换来源
全部X新闻X:Rohan Paul1204 条X:Kim1119 条X:阿易 AI Notes842 条X:阿里云 / Alibaba Cloud415 条X:Testing Catalog332 条X:Elvis Saravia315 条X:Elon Musk294 条X:OpenRouter287 条X:cb_doge284 条X:Artificial Analysis259 条X:Ethan Mollick253 条X:PixVerse235 条X:Replit213 条X:OpenAI Developers200 条X:SemiAnalysis198 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)193 条X:ZHO193 条X:小北166 条X:swyx161 条X:Gemini156 条X:MiniMax154 条X:Dex Horthy(HumanLayer)130 条X:Tibo122 条X:OpenAI119 条X:Emad Mostaque108 条X:Google AI for Developers103 条X:X.PIN101 条X:蚂蚁百灵98 条X:Thomas Wolf(Hugging Face 联创/CSO)94 条X:Epoch AI91 条X:AI Safety Memes89 条X:Luma AI88 条X:Claude Devs84 条X:Runway81 条X:Aravind Srinivas(Perplexity CEO)80 条X:Jason Liu80 条X:马东锡 NLP79 条X:面壁智能 OpenBMB77 条X:Sam Altman77 条X:Frank Wang 玉伯76 条X:洪明71 条X:fofr71 条X:Gabriel71 条X:Francois Chollet65 条X:阑夕64 条X:Nathan Lambert62 条X:Yuchen Jin60 条X:opencode59 条X:Eric Zakariasson58 条X:Perplexity58 条X:Greg Brockman57 条X:赵纯想56 条X:Tencent WorkBuddy55 条X:Microsoft Research54 条X:Cohere53 条X:腾讯混元50 条X:Peter Steinberger50 条X:Suno49 条X:Claude45 条X:Anthropic44 条X:Clément Delangue(Hugging Face CEO)44 条X:Krea AI41 条X:OpenClaw41 条X:通义千问 / Qwen39 条X:Charlie Holtz39 条X:Google AI37 条X:Google DeepMind37 条X:Thariq35 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:AK30 条X:百度 Baidu28 条X:AI at Meta28 条X:Boris Cherny28 条X:Deedy Das27 条X:可灵 Kling AI26 条X:Aidan Gomez(Cohere CEO)26 条X:Viggle AI26 条X:Mustafa Suleyman(Microsoft AI CEO)25 条X:Logan Kilpatrick24 条X:karminski22 条X:Josh Woodward21 条X:Noam Brown20 条X:李继刚19 条X:Andrew Milich18 条X:Odyssey18 条X:硅基流动 SiliconFlow17 条X:SpaceXAI17 条X:Tianyi Cui17 条X:DeepSeek16 条X:华为云14 条X:Sundar Pichai14 条X:智谱 Z.ai12 条X:Mark Zuckerberg12 条X:Demis Hassabis11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Eric Mitchell10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Mistral AI10 条X:Noah Zweben10 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 条X:Barret 李靖8 条X:Hao AI Lab8 条X:Jeff Dean8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@sensetime_ai · 历史来源34 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条PixVerse (@PixVerse) · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fal · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@arena · 历史来源1 条@argofowl · 历史来源1 条@arthurmensch · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cognition · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
842 条AI 相关新闻 · 最新在前
5月19日周二
  1. @AYi_AInotes41

    3DGS 用 6660 张宏观照片、43 万个高斯点重建了一颗葡萄,模型压缩后不到 50MB,可在手机上实时 360 度旋转,半透明果肉透光效果也被还原。半透明物体是 3DGS 最难处理的测试对象,作者认为这套流程把 3D 数字资产门槛从专业团队降到一人加一台相机。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    Damn,有点炸裂啊,一颗葡萄用了6660张宏观照片训练3DGS, 模型只有43万个高斯点, 压缩完不到50MB, 但你可以在手机上看它360度旋转, 连果肉里透出来的光都还原了, 更炸的是老哥回复里那句话,有人问底部怎么拍到的,他甩了张gif说“Like this”, 但玩笑归玩笑,真正重要的信息其实都藏在技术参数里: 90个焦点堆栈,每个74张, 全角度覆盖,底部也拍进去了, 半透明物体是3DGS最难搞的测试对象,他偏偏选了最难的那个, 逻辑也很简单:最难的通了,比它简单的任何东西就已经在射程之内了, 我理解这颗葡萄的本质不是炫技,而是一份写在技术参数里的产品化路线图, 下一个被数字化的可能不是葡萄,可以是任何你舍不得让它烂掉的东西 逻辑很简单,如果连葡萄这种最难的都跑通了,比它简单的任何东西,手办、珠宝、人脸、文物,都已经在射程之内, 以前做这种级别的3D数字资产,需要专业扫描仪加建模师加后期手动修,成本和时间劝退绝大多数人, 现在这套流程是,宏观镜头加照片堆,进3DGS自动训练,出来就是20到50MB的可分发模型, 门槛从专业团队降到了一个人加一台相机,这是我觉得真正炸的地方, Dany自己还在开发miqula工具,明显在把这套流程进一步封装成产品, 他用一颗葡萄,相当于给整个行业画了一张产品化路线图。 nitter.net/DanyBittel/status/2055… Video

  2. @AYi_AInotes54

    作者认为,一个拿下10万star的开源项目之所以成为2026年增长最快的AI项目,是因为它把prompt engineering做成了工业级产品,每个角色有独特人格、标准工作流程和明确交付物。该项目号称包含146个专业AI专家、12个完整部门,一条命令即可全部装进Claude Code。作者由此判断,未来可能是一群专精AI组成的虚拟公司取代传统公司。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    Damn,这个GitHub项目,直接给你发了一整个AI公司,都给我收藏拿走! 10万 GitHub star🌟,被称为2026年增长最快的AI项目, 146个专业AI专家,12个完整部门。 一条命令,全部装进你的Claude Code, 从前端开发到安全审计,从产品经理到增长黑客, 不用发工资,不用请假,24小时在线。 #AI #AIAgent #ClaudeCode Video

  3. @AYi_AInotes63

    Cursor 发布 Composer 2.5 模型,官方称其更智能、更擅长长任务的持续工作,并能更可靠地遵循复杂指令,接下来一周该模型的内含用量翻倍。

    引用Cursor (@cursor_ai)@cursor_ai

    Introducing Composer 2.5, our most powerful model yet. It's more intelligent, better at sustained work on long-running tasks, and more reliable at following complex instructions. For the next week, we’re doubling the included usage of the model.

5月18日周一
5月17日周日
  1. @AYi_AInotes23

    日本账号@turningpointjpn将国宴上专注站立的中国女服务员配上碟中谍配乐,暗示其为间谍,所用照片实为@Gemini生成。作者指出这是典型的镜像偏见——CIA自身有大量招募酒店餐饮人员做线人的记录,而中国高端外事服务文化强调零失误、零情绪外露,极致专业被镜头语言曲解为威胁信号。

    引用TotalNewsWorld (@turningpointjpn)@turningpointjpn

    中国の女性給仕係にスパイ疑惑ーー米ネットで話題に 国賓晩餐会で、中国の給仕係の女性がスティーブン・ミラー副首席補佐官のすぐ横に立ち、聞き耳を立てるような姿勢で写っている。別カットでは要人たちの様子をじっと観察するような表情も。 「中国ならやりかねない」「これはスパイだ」「いや、ただの給仕係だろ」米ネットはざわついている。 習近平氏は国家情報法により、すべての中国国民に対し政府の諜報活動への協力を義務付けている。 曰く「いかなる公民も、法に基づき国家情報活動を支持・協力・援助しなければならない」 要人が集まる晩餐会のウェイトレスほど、情報収集の絶好のポジションはない。 笑い話で終わればいい。だが中国の対米スパイ活動は「笑えない現実」として議会でも繰り返し問題になっている。 どう思います?信じるか信じないかはあなた次第です。 Video

  2. @AYi_AInotes38

    开发者 Dany Bittel 用 6660 张宏观照片、90 组焦点堆栈(每组 74 张)训练 3DGS 重建一颗葡萄,模型仅 43 万个高斯点,压缩后不到 50MB,可在手机上 360 度旋转查看,连果肉透光都还原了。半透明物体是 3DGS 最难处理的测试对象,全角度覆盖含底部。他还在开发 miqula 工具,把这套流程封装成产品。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    说个所有AI创业者都不愿意承认的事实: 现在做一个AI工具的门槛已经降到了地板, 普通人做一个AI工具都只需要一天, 但学会用它干成一件事,却至少得一个月, 感觉像是AI时代的一个悖论😅 5.7M 阅读 23 万点赞的这条推,表面看是游戏圈在自嘲, 视频展示的是一颗树莓 237 万个高斯点,做一筐扔进游戏直接 2 FPS, 但如果把游戏开发四个字去掉,你会发现这是 2026 年所有 AI 工具用户的共同故事。 我先先把这个梗讲透: 原推作者 @DanyBittel 用 90 组焦点堆栈、每组 68 张照片,重建出来这颗树莓,总共 237 万个高斯点, 这是一种叫 3D Gaussian Splatting 的新型 AI 重建技术,简称 3DGS, 视觉效果有多吓人呢? 每一颗小果粒的绒毛、表面光泽、半透明的果肉质感全都纤毫毕现,在 RTX 3060 Ti 这种中端显卡上还能跑 100+ FPS,前提是只有这一颗🙃 @nazbowling102 的笑点在这里,老哥迫不及待想看哪个独立游戏开发者一激动,把一整筐这种树莓当道具扔进游戏里,然后纳闷为啥游戏跑 2 FPS🤣 我觉得这个吐槽之所以 5.7M 阅读,是因为它戳中了游戏圈的集体回忆—— Monster Hunter Wilds 一颗八角茴香用了 2048 乘 4096 的纹理直接卡帧,Cities Skylines 2 给行人建了高精度牙齿模型,全都是一个小道具毁全局的真实事故。 但这条推真正让我深入研究的还不是游戏开发的事,虽然我是个游戏爱好者,但对于游戏开发是个小白。 ayi干货输出开始! 咱们把游戏开发四个字去掉,这个故事正在所有 AI 工具领域都能同步上演, AI 生成的图,单张精美绝伦,但批量做长素材时质量瞬间崩溃, AI 生成的视频,10 秒钟惊艳,1 小时长片的管线一团乱, AI 生成的代码,单个函数完美,扔进项目跑起来一堆隐藏依赖, 共性是同一条规律: 新工具让做出来这件事的门槛降了 100 倍, 但用得动、跑得稳、能交付这件事的门槛反而升高了 10 倍。 过去做不出来是因为没人能做,现在做出来是因为工具太好用, 但优化、压缩、整合、降本的脏活累活没人帮你干,AI 工具时代真正稀缺的不再是创造力,而是生产工程能力。 所以我觉得这条树莓推真正的价值,不是教育游戏开发者怎么做 LOD, 是给所有正在被新工具喂得满嘴流油的人一个提醒: demo 级和生产级永远隔着一条河, AI 让前者变得免费, 后者还是要你自己游过去的! Video

  3. @AYi_AInotes50

    Garry Tan 发布开源项目 GBrain,定位为面向 AI Agent 的个人知识系统,将记忆能力拆成 8 层,前 4 层是基础检索升级。作者称后 4 层是关键差异,把个人 AI 从每次对话从零开始升级为长期记忆与自我进化,并称 Garry Tan 的生产环境已跑 17888 页、4383 人和 723 家公司数据。

    引用Garry Tan (@garrytan)@garrytan

    What is GBrain? My open source project is a knowledge system, not RAG in a box. It gives agents 8 layers that work together to improve memory in a way that makes your already smart OpenClaw or Hermes Agent feel clairvoyant about who you are. Personal AI becomes possible.

  4. @AYi_AInotes64

    Citadel 创始人 Ken Griffin 在最新访谈中承认,过去几个月 AI 出现真正的阶跃式进步,公司原本需要硕士和 PhD 花几周到几个月完成的高端金融研究,AI 代理几天就能搞定。

    引用Brett Caughran (@FundamentEdge)@FundamentEdge

    A big pivot from Ken Griffin on AI: “Number one is, in the last few months, there has been a step change in the productivity of the AI toolkit. It is profoundly more powerful than it was just nine months ago. And for us at Citadel, that has allowed us to unleash a much broader array of use cases for AI. And it has been really interesting to watch, to be blunt, work that we would usually do with people with masters and PhDs in finance over the course of weeks or months being done by AI agents over the course of hours or days. These are not these are not mid-tier white collar jobs. These are like extraordinarily high skilled jobs being, I'm going to pick a word, automated by agentic AI. And I gotta tell you, I went home one Friday actually fairly depressed by this because you could just see how this was going to have such a dramatic impact on society. When you witness it in your own four walls, when you see work that used to be man years of work being done in days or weeks, it's like, wow, like that's the first time I've seen real impact in our four walls.” This echoes my own experience with agents and the conversations I am having with students, friends & clients. The toolkit has dramatically transformed and it feels like in finance, for the first time, AI is real. Video

  5. @AYi_AInotes12

    阿易4月商单收入2万多元,按don哥推荐入手15寸MacBook M5(1TB存储、24G内存),称其轻便大屏、是玩AI的"梦中情机"。其背景推文显示累计商单收入$4736.03(约3万多元人民币),来自X商单平台Tutti,并称高于X创作者收益及闲鱼、小红书投入产出比。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    很多推友问我商单收益怎么样?怎么接商单? 这是我最近的累计商单收入, 赚了$4736.03,差不多3万多块人民币, 比X平台的创作者收益可香多了, 也比做闲鱼和小红书投入产出比高很多, Tutti是一个X商单平台,目前开放了一批名额, 粉丝2000以上的宝子戳下方链接加入: tutti.so/join?ref=5VN7KP 领域不限:AI、新能源、机器人、泛科技、游戏、美妆、金融、设计都可以,只要内容是「自己真正在发」的。 最后跟所有做 X 的兄弟说一句, X目前依旧是蓝海,全球最好的创作者平台, 你认真敲的每一个字,输出的每一个观点, 本来就值这个价, 别让你的努力和流量,白白浪费了 #X创作者 #副业 #变现

  6. @AYi_AInotes56

    Anthropic 4 月中旬上线的强 KYC 被作者查证为真,高用量或疑似滥用的账号会被强制要求提交护照、驾照、身份证等政府证件原件,并通过手机或电脑摄像头完成实时活体自拍,合作方为与 OpenAI 同一家的金融级 KYC 服务商 Persona。

    引用Theo - t3.gg (@theo)@theo

    To prevent "programmatic use", Claude Code may now request webcam access to assure user is present when prompting

  7. @AYi_AInotes40

    Obsidian CEO Steph Ango 的笔记工作流几乎不用文件夹,核心只有模板、属性、内部链接三件套,靠模板自动填充日期、人物、主题等元数据,属性可计算过滤生成动态视图。作者对比指出,文件夹要求先分类再记录、一条笔记只能放一个位置,90% 的人建了一周就废;属性与链接让笔记同时属于多个维度,结构在使用中自然生长。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    说个反直觉的真相,你在Obsidian里建的文件夹越多,你的笔记系统就越没用! Obsidian CEO Steph Ango分享了他自己的笔记工作流,和大多数人用的完全不一样, 我们90%的人都把Obsidian用错了, 他们创始人自己几乎不用文件夹,也很少手动加标签, 整个工作流的核心只有三个东西,模板,属性,内部链接, 他创建一篇完整的会议笔记, 整个过程不到十秒钟, 大多数人拿到Obsidian第一件事就是建一堆复杂的文件夹, 然后花几个小时整理分类,最后越用越乱,干脆放弃, 喵的我就是这样做的🤣 Steph Ango说,好的笔记系统应该拥抱混乱和懒惰, 你不应该为了整理而整理, 应该先把想法快速记下来, 结构会在后续的连接中自然涌现, 他的方法很简单, 几乎每一个笔记都从模板开始, 模板自动填充所有需要的元数据, 日期,人物,主题,地点,评分, 这些属性不是静态的标签,是可以计算,可以过滤,可以生成任意视图的数据库, 你完全不需要把会议笔记放进会议文件夹, 只需要给它加上一个会议的属性, 系统会自动把所有会议整理成一个动态表格,按日期和人物排序, 再配上几个全局热键, 新建笔记,插入模板,打开每日笔记,插入内部链接, 整个过程不需要碰鼠标, 很多人花了几百个小时折腾各种插件和主题, 却从来没有真正建立起一个能长期坚持的笔记习惯, 因为高摩擦的系统最终一定会被废弃, 只有低摩擦的系统才能产生知识复利, 几年后你的Vault不会变成一堆死文件, 它会变成一个活的外部大脑, 能一键查出所有和某个人相关的会议, 所有你给过七分以上评分的书, 所有在某个城市发生过的事, 这才是第二大脑真正该有的样子! #Obsidian #PKM #第二大脑 Video

  8. @AYi_AInotes43

    一颗用3D Gaussian Splatting重建的树莓含237万个高斯点,在RTX 3060 Ti上单颗可跑100+ FPS,但整筐扔进游戏只剩2 FPS。作者借此指出,AI工具让"做出来"的门槛降了100倍,但优化、压缩、整合、降本的生产工程能力反而更稀缺,demo级与生产级之间仍隔着一条河。

    引用Naz (@nazbowling102)@nazbowling102

    Cant wait for an indie dev to accidentally put a carton of these in his game as a prop and wonder why his game runs at 2fps