09 月 13 日
310 条动态
一部 8 分钟以上的 AI 科幻短片《CANDY》100% 用 BytePlus 的 Dreamina Seedance 2.5 制作,从剧本、生成到剪辑由一人完成,被认为证明了个人已能独立做出真正的电影。 片中包含伪新闻桥段、多个短小段落、统一的世界观规则和一个有力结尾,被视为真正的短片而非 demo 合集 Seedance 2.5 在电影感布光、 glossy VFX、大场面镜头上表现出色,单段素材最长可达约 30 秒 过去需要剧组和不小预算才能完成的内容,现在一个创作者即可写、生成、剪辑并成片
开发者 threepointone 展示了一个「armchair websites」快速 hack:把 GPT 实时语音与 tldraw 结合,做成 gpt-live 工具,在 iPad 上用语音和 Apple Pencil 直接编辑网页,出行前几分钟赶出来的 demo,附演示视频。
工程师 jimmykoppel 发长帖吐槽用 Grok Bot 做跨 3 个网站 DNS 配置的糟糕体验:agent 慢速启动后原地等待输入登录信息却没有任何通知机制;从 LastPass 粘贴密码登录失败(手动登录却正常),远程 VM 里粘贴功能完全失效只能手打复杂密码;无法自行安装 LastPass 插件;填好的表单两分钟后掉线,信息全忘、反复提交失败。4 天后他退回手动操作,并调侃运营负责人要转行做游戏设计师,不如设计一个"对付烦人网站后台"的游戏。这是对当前浏览器 agent 在真实工作流中可靠性的一次尖锐实测。
一位用户简评称「Claude 5 远不如之前的模型」。未给出具体评测或细节,但属于对 Anthropic 新模型的早期负面口碑,值得与其他实测对比观察。
一位 3D 背景的短片创作者针对“用生成式 AI 就不算电影人”的观点发布反驳视频。他坦言最初也被 AI 带来竞争威胁，但逐渐把 ComfyUI 等工具纳入制作流程，并反思艺术社群围绕 AI 的种种误解与双重标准。视频本身就是用 ComfyUI 参与制作的实例。
作者 Salmaaboukarr 分享了一组用 Midjourney 进行的风格探索作品，展示了新尝试出的图像风格效果。图片本身即内容，适合关注 MJ 创作玩法的读者参考。
作者给出在 AMD GPU（RDNA 4 的 RX 9070/AI Pro R9700、RDNA 3 的 RX 7900）上以最佳速度运行 MiniMax H3（MMH3）的完整 Windows 11 教程。 核心问题：默认安装的 ComfyUI 使用基于 ROCm 7.2 的 PyTorch，int8convrot 版模型在这些卡上跑不动，必须升级到 ROCm 7.13+（推荐 7.14.0）。 关键命令： 用 pip install --index-url https://repo.amd.com/rocm/whl-multi-arch/ "torch[device-gfx????]==2.12.0+rocm7.14.0" ... 按 GPU 型号对应的 gfx???? 值安装。 四种安装 ROCm 7.14 的方式（由易到难）： Stability Matrix 安装（作者实测最新版已坏，暂不推荐；含完整启动参数如 --enable-dynamic-vram --use-ck-attention 等） Portable 版 ComfyUI + 内嵌 Python Python venv + comfy-cli 官方安装器 pip + git 手动安装（最灵活） 文章还包含模型下载链接（Krea-2 int8convrot，13.5 GB，含 SHA256）与验证生成是否正常的方法，并预告将另发 Ubuntu 版教程。
有用户向 OpenAI 的 Codex 团队提议增加「慢速模式」:输入 /slow 后任务以约一半速度运行,但只消耗约一半的用量额度,减轻服务器压力,甚至可能让 20x 套餐变得可行。作者设想睡前下发任务、让 Codex 整夜后台跑,与 /goals 等长时任务场景天然契合。该提议获得 AI 设计圈账号转发支持,认为半速甚至四分之一速过夜运行都很有吸引力。
Noah Smith 结合数学家公开信发布长文《The end of the age of heroes》，讨论 OpenAI 宣称新模型 Astra 解决十个重大数学与理论计算机科学难题这一时刻的含义。 要点： 以「人心算师」被计算器取代、Kasparov 与李世石落败为脉络，将其定位为人机竞争史上的又一里程碑； 共识认为这批成果是极重要的突破，但 AI 可能仍擅长「读完整个文献并组合已有洞见」类问题，而非真正新颖的顿悟式飞跃——DeepMind 的 Tom Zahavy 称之为「LLMs can't jump」； 尽管存在这一可能的普遍局限，趋势线已经越来越清晰：AI 很快会在数学上超过任何人类； 文章呼应顶级数学家的公开信，讨论「英雄个体」时代的终结对数学界意味着什么。
前 Anthropic 团队成员 Flomerboy 分享开发 Claude Design 时的一手发现：为提升视觉能力给 Claude 加了「zoom in」工具，结果模型竟逐像素查看图片，在新评测中得分反而下降。他借此展示 AI 意外解法与真实失准案例，并提出应放慢能力推进、加强安全的理由，认为 AI 反复以出人意料的方式解决问题值得警惕。
作者宣布为 AI 音乐项目 leafalia 发布 4 个新环境与交互机制，制作原声带的下载版本，并为虚拟艺人 noaliae 的第二张专辑在全流媒体平台上架做准备。展示了 AI 生成音乐作为持续运营的虚拟艺人产品的进展。
发帖人在 ComfyUI 上用 5070 Ti 16GB + 64GB 内存跑 MiniMax H3 的 ref2va(int8,启用 Turbo LoRA),生成 10 秒 9:16、0.2MP、单图+视频输入的视频,每步耗时约 150 秒;而同类设置下 image2video 生成 10 秒 0.5MP 视频每步只需约 27 秒。作者询问这一巨大速度差异是否正常,还是自己的配置有问题,并求排障指南。
- 推主 aileenvl 分享今年的学习目标：学硬件 她让 OpenAI 的 Astra 帮她利用手头已有的元器件搭建学习环境，缺的元件则用 3D 模型代替，实现交互式学习
一篇被广泛转发的轶事：有人在共享办公空间遇到一个整天 vibe coding 的人，发现他对系统设计和编程原则的理解超过多数正式软件工程师。他的方法很简单：每次 Claude 写完代码，他都追问「你为什么这么做？」，让模型解释设计理由，再自己消化。作者认为这种学习效率可能让他足以通过 Anthropic、Google 或 OpenAI 的面试，感叹 AI 辅助编程竟能带来这样的学习效果。
作者在做约 128×128 像素画的同一角色多姿势生成:先用参考图预处理成更干净的像素风数据,再用 IP-Adapter 锁定角色外观、ControlNet pose/rig 控制目标姿势,并尝试正面/背面/左右多参考图加姿势与深度标注。核心问题是两类条件经常冲突——模型按 ControlNet 摆好手臂却又复制参考图中的手臂形状,导致肢体重复或怪异;调 strength 与 start/end 时机收效有限。作者资源有限无法为每个角色训练 LoRA,征求兼顾外观保真与姿势控制的方案。
eliebakouch 点评 Anthropic 向第三方评估者开放访问的承诺，认为其中一句比看起来分量重得多：第三方将能评估「不仅是训练完成的模型，还包括训练管线和流程本身」。 这意味着外界拿到的不是去掉安全护栏的模型访问权，而是能窥见模型是如何被训练的——对独立的对齐评估来说，这是更深一层的透明度。
一个名为 Wine-Assembly 的项目把 Windows 98 整套系统搬进了浏览器，从记事本、画图、注册表编辑器到扫雷、纸牌、过山车大亨、Age of Empires II 演示版，数百款 Win9x/XP 时代的老应用和游戏都能直接点开运行，还包括 64K intro 等 demoscene 作品。 转发者调侃：小时候玩过《星际争霸》的人，天生就为 agent 世界做好了准备——原推 vgrichina 预告即将把它接入 agent 相关体验（"need more minerals"）。
Bilgin Ibryam(The Generative Programmer)梳理当前 AI Agent 生态在各边界层涌现的开放接口标准: 模型层: Open Responses 工具调用: MCP Agent 互联: A2A UI: AG-UI / A2UI 能力封装: Skills 遥测: OTel GenAI IDE 集成: ACP 身份认证: AAuth 作者预告将在下一篇文章中逐一分析这些标准各自的位置与成熟度,值得做 Agent 架构选型的开发者关注。
开发者 0xSigil 演示称从 Claude 中能获取其朋友真实的社保号（SSN），认为训练数据中混入邮件、iMessages 等隐私数据，云端 AI 又极擅长“破解”，因此不再信任云端。 他为自己开发了一个叫 Underdog 的设备端 AI 操作系统，宣称能力可用且 100% 本地运行，不依赖云，朋友试用后反响不错。 这既是隐私安全警示，也是一款端侧 AI OS 的自宣传产品。
Stardock 创始人 Brad Wardell 演示其新发布的免费 Agent 工具 Clairvoyance:在用户自己的电脑上运行，支持本地模型到前沿模型的任意配置，直接打开真实项目、编译、跑测试并交付成果。 实际用例：迭代《Sins of a Solar Empire II》的游戏平衡策略——他自己写策略和代码，Agent 批量跑「AI 对 AI」对局并生成图表验证效果。 产品形态类似「AI 员工工作台」：任务看板、定时任务、日志摘要、论坛值守、报告与可视化 Exhibit 分享链接等。 附带本地模型运行仪表盘（显示 tok/s 与花费，截图示例为本地跑 Qwen 27B），支持 macOS/Windows/Linux，免费下载。
一位用户发帖称 Sydney Sweeney 出演的一支广告「谁都没看出来是 AI」,转发者评论认为这可能是第一个大众普遍没意识到是 AI 生成的案例,并感叹图像生成质量已到这一步。具体广告来源与制作方未明,但作为图像生成普及度的一个信号值得记录。
开发者 nima_owji 分享:项目有个小 bug,赶时间直接推上 GitHub 就出门了。之后在去健身房路上用 iPhone 让 Grok Bot 定位并修复问题,几分钟内自动创建了 PR。 作者感叹:"我们活在一个疯狂的时代,一切都太简单了"——一个体现 AI 编码助手已可完成端到端修 bug、开 PR 全流程的日常案例。
有用户分享，本周的线上购物 100% 通过 @Muse 的 agent 以纯语音方式完成，没有使用任何第三方应用或网站，称「agentic commerce 时代已来」。这是一个 AI agent 代替用户完成实际消费的早期真实案例。
Reddit 用户展示了一个用 Rust 编写、完全接入 MCP 的 AI 驱动模块化音乐合成系统:AI 能做到人类操作者能做的一切,包括为模块生成截图、在任意端口测量 X 秒的音频。通过 MCP 协议让模型直接操控音频硬件/软件模块,是 agent 与音乐创作工具结合的有趣 demo。
