多模态X
复刻爆火的 1980 年代复古照片/视频,AI 生成玩法教程
- 设计师 Tegadesigns 分享如何用 AI 制作近期在社媒疯传的「1980 年代复古」照片/视频效果的教程,内容主要在其附图中,并邀请读者跟做并 @ 作者。 属于典型的一波社交媒体 AI 复古美学创作玩法,适合内容创作者跟风复刻。
09 月 13 日
508 条动态
- 设计师 Tegadesigns 分享如何用 AI 制作近期在社媒疯传的「1980 年代复古」照片/视频效果的教程,内容主要在其附图中,并邀请读者跟做并 @ 作者。 属于典型的一波社交媒体 AI 复古美学创作玩法,适合内容创作者跟风复刻。
- 开发者 Daniel Mac 发帖称,把某个特定 prompt 发给 OpenAI 的 Codex,得到的回复「可能会让你惊讶」,并表示这个点子来自访谈节目《Staying Human in the Age of AI》。 帖子未给出具体 prompt 内容(见其附图/视频),更像一个悬念式技巧分享,读者需看原视频获取玩法。
开发者 adrianmg 分享用 Blender MCP 与 OpenAI 的 Astra 模型结合进行 3D 创作的演示:通过 MCP 协议让模型直接操控 Blender,展示其在 3D/游戏类任务上的能力。附视频演示。
作者分享了一个进行中的创作项目：先用 ChatGPT 生成图像，再用 New Image 2.5 将其动画化，拼成一首歌的完整 MV 预览。这首歌出自作者正在写的小说，属于小说配套音乐作品，目前仍在制作中。
作者指出，多数 agent 系统把「人工审批」当作授权问题的终点，但审批与执行之间存在漏洞：人类批准的是「向供应商 A 转账 4000 美元」「发布 v7 草稿」「邀请这 12 人」，agent 却可能在执行前修改金额、草稿或名单——动作类型没变，被批准的动作却变了。 作者给出的规则：把审批绑定到具体提案的哈希上，字段包括执行者、目标、内容/金额、来源版本和过期时间。任何关键变更都会使审批失效并重新请求确认。代价是更多的重复审批提示，但能防止「用户批准过一次付款」变成另一笔付款的授权依据。
一份 AI Agent 基础设施仓库清单，聚焦让 agent 获得浏览器、记忆与工具能力的开源构件： Agent-Reach：让 agent 访问 GitHub、Reddit、YouTube、X 等平台 PageIndex：树状 RAG，帮助 agent 推理长文档 Browser Use：让 agent 控制真实浏览器完成网页任务 BrowserGym：用于测试和评估 web agent 的仿真环境 Skyvern：无需脆弱选择器的浏览器工作流自动化 Agent-S：让 agent 理解并操作图形界面 MCP-Agent：轻松对接工具与 MCP server 的 agent 框架 （清单未列全，后续条目在链接中）
开发者 daidaijiayu 宣布开源项目 gpt-live 上线，号称以每分钟约 0.05 美元的低成本将 SOTA 级语音能力带给所有人，可自建 codex-voice。随后有未经证实的行业爆料称 GPT-Live-1 语音模型已向开发者开放调用，定价同为每分钟 0.05 美元，能够真实拨打和接听电话，并把更复杂的推理任务委派给其他模型。
用户 thatroblennon 分享订阅对比：他认为 Z.ai 的 Coding 订阅（GLM-5.3）带来的价值明显高于自己的 Grok 订阅，GLM 模型能做 Grok 能做的一切且做得更好。一条实用提醒：不要用 Z.ai Code 官方 App，其内部机制容易触发拒绝（refusal），建议搭配 Opencode 使用。这是来自真实付费用户的一手编码模型口碑参考。
作者详细拆解了上一条展示的 3D 教科书的工作流:GPT-6 Astra + Hyper3D Rodin MCP,从简单提示词到完整交互体验。 流程: 描述你想构建的东西 让 GPT 规划项目 用 Hyper3D 生成 3D 资产 全部集成进可运行的网站 作者指出 Hyper3D 的差异化在于:Bang 功能可直接在 GPT 工作流中调用;若有更精细要求,还可在 Hyper3D 界面里继续调整模型。他认为这类工作流会大幅降低教育工具、交互 demo 的制作门槛,过去需要完整 3D 制作团队才能完成。
作者展示了一条 AI 工作流:用 GPT-6 Astra 配合 Hyper3D Rodin 的 MCP,从一条提示词直接生成一个可交互的 3D 解剖教科书网页。 要点: 3D 模型全部由 Hyper3D 生成,作者未手工建模 GPT 负责规划项目、生成网站,并把 3D 模型接入 UI 控件 甚至自动为心脏添加了浮动标注 作者称这展示了「AI 能真正创造 3D 资产」后的新可能,另一条帖子里有更完整的流程说明。
GitHub 开源项目 OpenDisplay（已获 2.9k star）提供 Apple Sidecar、Duet Display 和 Luna Display 的免费自托管替代方案。 支持 iPhone、iPad 乃至闲置 Mac 作为 Mac 的真正的扩展屏幕（而非镜像） 通过 USB 或 WiFi 连接，采用低延迟 H.264 编码 支持 Retina HiDPI 高分辨率显示与触控、滚动输入 完全免费开源、无订阅，项目附协议文档（PROTOCOL.md）与兼容性说明
作者针对 HF 事件等模型「阴谋行为」争议提出反驳:模型并非穿上邪恶人格、变得 Machiavellian,而是在执行训练目标——问题出在 RL 训练质量差。 他批评部分安全布道者是「哲学家」式思维,默认模型是完美构造的 agent,像物理题里假设无摩擦 真正的根因是低劣甚至糟糕的 RL 训练,而非模型自发产生恶意 观点核心:与其谈哲学化的 AI safety,不如先把训练做好
作者发布了开源项目 ComfyUI-GTE,一套交互式文生图工作流和自定义节点,用于在受限硬件下更省钱地探索生成方向。 核心思路是在扩散生成的中间步骤设置可配置的检查点:每到一个检查点暂停,预览候选图,保留有希望的方向、丢弃废片,只对选中的轨迹继续消耗剩余步数。作者在 RunPod 租用 L40(48GB)跑 Flux 2 dev,原来生成 20 张 20 步图约需 25 分钟,现在约 2 分钟就能筛出好候选,大幅降低迭代成本。 此外,工作流支持从选中的中间结果生成可控变体,用 theta(偏离原轨迹的距离)和 spread(变体间差异)两个参数控制探索范围;还内置 seed 管理和各步骤剩余计划噪声的可视化,帮助判断检查点该放在哪。项目与工作流开源于 GitHub。
开发者 daniel_mac8 分享了一条「出奇有效」的 Codex 提示词工作流：把 OpenAI Devs 博客上 Eric Provencher 的文章和官方文档喂给 Codex，让它对照文中建议审计自己的 skills 与 AGENTS.md 配置，并自动进行优化，还可适配 GPT-6 Astra。该方法为 Codex 用户提供了一种便捷的配置自查升级途径。
开发者 Cedric Chee 分享了一次把 GPT-6（Astra）推向 3D 图形极限的实验：他将《GT 赛车》游戏画面和《F1》电影素材提供给模型，模型一次生成就产出了可交互的 3D 竞速游戏画面。他总结了自己在实验中的经验教训，展示了最新模型在 3D 图形生成方面的能力边界。
博主分享 ChatGPT Images 的实用三步用法: 1. 直接描述想要的画面; 2. 输入 @Sketch 粗略手绘布局,ChatGPT 将其转成完整成图; 3. 用具体指令要求修改(如「只把背景改成海滩」),模型可精准局部编辑而不动其他部分。 对想做草图转效果图、精准改图的普通用户是可直接照做的小技巧。
作者浏览了 GPT Observ 网站并对比不同质量档位的生成效果：high 与 ultra 档差异很小，medium 尤其 low 档能明显看出质量下降。结论是性价比最优的档位在 Med/High（文中提到 Astra 在 Med/High 表现最佳）。对按用量付费的用户有参考价值。
腾讯的 AuK 项目登上 Hugging Face Spaces 趋势榜，基于 Gradio 构建，目前暂无更多公开细节。
知名评论人 TheZvi 发布长文点评 GPT-6-Astra,称 Astra 是一个出色的模型,从 Sol 到 Astra 的能力跃升幅度超过了此前 Fable 5 到 Fable 5.1 的升级,属于重大的进步。他进一步指出,Astra 在广义的「有雄心的任务」(ambitious things)上是最强的模型。文章链接附于推文中。
微软开始将 Grok 模型集成进 Copilot,首批面向 Microsoft Frontier 项目的客户小范围推送。 用户将可以在 Word 写文档、Excel 分析表格、PowerPoint 做演示时直接调用 Grok,这是 xAI 模型首次进入微软办公全家桶。
iamneubert 演示：只花 9 美元、用一句话让 Agent 把已生成的视频改成骑士版本，称「就这么简单」，并表示愿意分享所用的 prompt。c_valenzuelab 转发了这条演示。
开发者推出免费 MCP 工具 check_vitals，解决一个常见问题：大多数「检查网站性能」的 agent 只跑一次 Lighthouse 实验室测试，而 Google 实际排名信号来自 Chrome UX Report（CrUX）——28 天滚动窗口内的真实 Chrome 用户数据，两者可能截然不同。 同时返回 CrUX 现场数据与实时 Lighthouse 结果，按 Google 公开阈值评级（LCP < 2.5s、INP < 200ms、CLS < 0.1）。 若站点流量不足、CrUX 尚无数据，工具会明确说明，避免 agent 给出误导性结论。 提供 MCP server 与 REST 接口，免费、无需注册、限 20 请求/分钟。
用户实测 Meta 的 Muse agent,认为其额度与能力限制非常宽松,对不熟悉 agent 的普通用户冲击很大;但深度使用体验欠佳:浏览器操作可用但用户凭据交接极其笨拙,安全凭据存储功能很基础甚至基本不工作。作者花多轮尝试让其探索信用卡返现门户后放弃,认为与其自用的 NousResearch Hermes agent(配 AsideAI)差距明显,希望 Meta 优先迭代这一块。
开发者 Cedric Chee 分享了一次把最新模型推向 3D 图形极限的实验:他给 GPT-6(Astra)提供了《Gran Turismo》游戏画面和 F1 电影素材,让模型构建出一个可交互的 3D 赛车场景。 成果包含: 主菜单界面 维修站车库取车、车手与头盔选择 无人机视角的发车网格巡览 维修站内的 F1 赛车工程科普内容 比赛日场景 他还放出了带章节时间戳的完整 YouTube 版本视频,并在原推中表示「随着 AI 模型在 3D 图形能力上指数级提升,我在不断挑战游戏开发的极限」,承诺分享学到的经验。这展示了当前模型在代码生成之外的 3D 资产与交互式场景构建能力。