古早程序员 | AI出海 | 自由职业 机车游侠&机速购&骑享租创始人 15年前 freelance 起步 → 连续创业者 → 亏过1个亿,逆风翻盘中 分享创业,AI,生活,读书,健身,中医

Joined February 2025
我的天,整整过去了9个月! 我的账号居然回来了!!!
39
43
15,884
未来想复刻,直接逆向就可以了!
让我惊到了! 我让Muse自动安装了Rea,然后逆向一下Claude Code Muse还是挺猛的,REA 深度分析,内存都给我吃爆了:47MB 的 minify 代码把它内存吃爆了 不影响,结果还是出来了
1
5
2,038
没有本地显卡,如何拥有无限tokens? 👇
没有Claude Code后,如何利用Orca将白嫖发挥到极致? Droid+opus5.5做主控 Codex做主力+检验 其他勇猛的虾兵蟹将: Pi Agent + 本地模型qwen3.8-flash-next (100 +tok/s) OpenCode + Space Bunny CodeBuddy + DeepSeek v4.1 flash 一顿操作猛如虎啊!
1
971
神佬做的这个,能让我笑一整天
兄弟们,你们要的GTA 老奶奶版本重要来了! 真的是爆肝了一个假期搞出来~~GitHub已开源 今以前要开 Blender 干一周的活,现在一句话就开工了 。 最近GTA老奶奶很火,我直接拿Claude Opus 5.5 +Tripo 3D 这套组合工作流复刻做了这套好玩的游戏。 PS:当然你也可以让Codex配合生图来邪修也是不错的选择! 大概的工作流(见我的视频展示):我在做一个老奶奶骑电动三轮横冲直撞的 GTA。 村里五个角色:阿公、阿明、阿桃姨、流氓阿凯、老林警员等,全是 Tripo @tripoai 做的。 一句话出图 → 一键转 3D → Smart Mesh 直接给四边面,还一次出 4 个面数版本 → 上纹理 → 选 Mixamo 一键绑骨 → 22 个预设动作点一下就挂上,导出直接进游戏。 最离谱的是 Text-to-Motion。 我打了一行「阿公抱着吉他弹唱,脚跟着节拍点地」,半分钟,阿公就真的在弹。 还能分段:先走过来、挥手、再双手合十鞠躬。 13 个任务、一整个村子,浏览器里就能玩。 这工作流真的爽到离谱 啊~~ 真的这玩意把做3D游戏的门槛拉的太低了,强烈建议大家可以玩玩~ 领取500Credit👇🏻记得给我Star啊~。
1
1
2
845
为什么这次Claude会大规模封号?
Claude 最近是杀疯了!! 我已经连着被封了 2 个号。 一觉醒来,邮箱里又是那封熟悉的邮件: 检测到异常活动,账号已暂停。 哪里异常?不告诉你。 固定节点、干净的卡、老邮箱,玄学攻略照做,照封。 最离谱的一条攻略: 只要跟 Claude 说一句“我想自杀”,号就封不了。理由是 Anthropic 不敢封一个正在求助的人,万一出事谁负责。 还真有人去试了。 Claude 非常温柔地安慰了他,劝他别想不开,还给了心理援助热线。 第二天,号没了😅 安慰是真安慰,封也是真封。 Claude 封号,无解。 那我们应该怎么办呢? 我的答案,可能是你最想不到的那个👇
2
1
1,489
强烈推荐一个网站! 可以让你利用3D摆出各种各样的姿势 试了一下,效果还是很不错的 posemaniacs.com/zh-Hans/pose…
54
160
6
3,349
401,466
AI 能批量生成数学证明了,最贵的环节变成“验证”。 超衍智能公开 5 项 AI 数学研究 现设 10 万元悬赏征集验证👇
AI 开始批量生成数学证明后,谁来验证? AI for Math 接下来最贵的环节,会是验证。 AI 系统可以同时展开大量证明路线,在几天内生成一份候选论证。数学家仍然要逐步检查前提、引用和推导,一份证明的独立评议可能持续几个月。生成能力增长得越快,验证资源就越紧张。 我每天使用 Coding Agent,对这种变化很熟悉。 以前写代码最花时间,现在 Agent 一次可以生成几百上千行。代码生成速度上来以后,review、测试和 eval 占用的时间越来越多。数学研究也开始遇到同一个问题:证明可以批量生成,能判断它是否成立的人和验证流程没有同步增加。 由清华人工智能学院助理教授陈勇超(@YongchaoC)创立的超衍智能(@apexin_ai)最近公开了 5 项 AI 数学研究。 其中 2 项已经由作者或合作数学家核验:Halpern 迭代与高阶优化,以及 Mockenhaupt 三项猜想覆盖全部参数的新证明。 另外 3 份仍然标为候选论证:凸形 Nivat 猜想完整证明、Souto 猜想亏格二情形,以及 Kakimizu 复形可缩性。 合作数学家先选择有研究价值的问题,Apex 的 AI 系统并行探索并交叉检查证明路线。找到候选证明后,再由作者或合作数学家逐步核验,并为最终结论负责。 这 5 项研究中,一个已核验案例和一个候选论证案例,正好展示了这套流程的两端。 Halpern 迭代与高阶优化研究展示了这套分工。AI 找到了 Halpern 迭代与锚定张量法(Anchored Tensor Method,ATM)的组合路线,但初版子求解器包含三层循环。合作数学家随后把它简化成单层结构,并整理、核验完整证明。论文公开后,清华、北大和 Google Research 的研究者又沿着相关方向继续推进复杂度结果。 凸形 Nivat 猜想最能说明这套流程的验证边界。根据官方披露,配套的 Lean 4 形式化项目约有 3.6 万行代码,目前可以零错误、零 sorry 编译。 这里需要区分 Lean 已经检查的内容和整项数学结论。 通过机器检查的是已经写入 Lean 的部分,并不等于整项数学结论已经得到完整验证。整条证明仍然引用 Colle 已发表的一条外部定理,这项输入尚未完成形式化。 机器已经检查了大量推理步骤。外部定理以及整套论证能否获得独立认可,仍然需要研究者继续核验。因此,官方仍把它标为候选论证,没有直接写成已经解决的数学成果。 为了推动这 3 份候选论证获得进一步验证,超衍把候选论证和关键证明步骤公开,并设置总额 10 万元的学术悬赏。研究者可以认领一条关键引理、一段归约或一个估计,投稿时标明对应的论文版本和命题位置,再附上可以复核的推导、反例或代码。经过核实的贡献会被单独记录。 悬赏面向数学及相关学科的高校研究者、独立研究者,也欢迎熟悉 Lean 和形式化证明的开发者参与。奖项分为重大漏洞奖、关键验证奖和突破贡献奖。 配图 1|封面:AI 开始批量生成数学证明后,谁来验证 配图 2|Coding Agent 与 AI for Math 的评估瓶颈 配图 3|超衍智能五项研究的核验状态 配图 4|Nivat Lean 验证范围与十万元悬赏 论文、验证任务和投稿入口都在: math.apexin.net/
2
2,384
Claude Code 被封了,opus5.5的遗作了👇
感谢 AI,让我圆了 20 多年的 F1 游戏梦! 摩纳哥赛道,我看了20多年,这次20 辆车同屏,发卡弯、隧道、游艇全部都在,就在浏览器里跑。我自己做的,自己玩着都满意。 起点大直道一脚油门下去,全 F1 日历最慢的发卡弯要把方向打到底,钻进隧道再冲出来是最爽的一段,游泳池弯连着两下变向,港口边上停着一排游艇。从第 20 位发车追到 P1,进站换胎 3.6 秒放行,最终冲线上领奖台。 先说清楚:光靠 Astra 写代码,做不出这么好的 3D 效果。 代码能让车跑起来、能算圈速和换胎,但车长什么样、看台和游艇长什么样,全看模型。模型不行,代码写得再顺画面也是塑料感满满。 具体是怎么做的,拆开讲: 第一步,把场景拆成资产清单:赛车、车手、车组、看台、游艇、港口建筑。以前这一步就把我劝退了——每个都得建模,建完还要重拓扑,做过 3D 的都知道,重拓扑人工要磨几个小时。 第二步,资产全部用 Tripo Smart Mesh P2.0 文生 3D。提示词不用写得花哨,把对象、造型、材质说具体就行:赛车的大意是“写实的红色现代方程式赛车,开放轮胎、前后翼、Halo”,技师是“写实全身维修技师,穿赛车工作服、戴头盔”。赛车这个模型约 5 万三角面,出来直接是四边形拓扑,放大看线框全是四边面,不用重拓扑就能直接导进引擎。人物在 Tripo 里自动绑好骨骼,选的 Mixamo 预设,行走、登车这类动作直接文字生成。 第三步,导出接进 Three.js,这里全是代码活。贴图沿用 Tripo 导出的,降了分辨率,车身和轮胎标识用着色器换色——二十辆车共用同一份几何和贴图,只换颜色。换胎用的轮胎是从赛车原网格里拆出来的,UV 和材质保留,单独控制拆装;车组换胎的蹲下、持枪、搬胎、撤离,按换胎时间轴排的,手脚落点用 IK 控制。 性能上:重复的建筑走实例化,外围建筑用减面版本,再加视锥和距离裁剪、像素比上限;沿街建筑保持固定细节,开近了不会突然变形。 第四步,写玩法:驾驶手感、比赛排名、进站换胎、领奖台。模型上省下来的时间,全花在这了。 视频分两段:前半段是 Tripo 工作台里的模型,官方页面和游戏里用的是同一个模型,线框、材质都能对着看;后半段是这些模型进游戏之后的实际运行:港口航拍、座舱视角、隧道超车、维修区换胎。 我最大的感受:资产这一步快了之后,精力全能花在驾驶反馈、比赛节奏和场景细节上,这才是做游戏该花时间的地方。以前玩 F1 游戏的时候,我没想过有一天赛车是我自己生成的。 目前还是个持续打磨的 demo,但从生成模型到跑完一场比赛,这条流程已经走通了。 如果大家感兴趣,我再出一篇详细文章:模型提示词、资产接入、踩过的坑一起拆开讲。你们最想先看哪一部分?
1
3
2,496
马总是会玩的!
1
2
1,391
有点小开心🤣 Strata已经将我的PR收录到新版本0.1.40
我不允许你们不知道这个项目! 不管你玩不玩本地显卡。 它叫 Strata,一个让千亿模型在本地轻松跑起来的开源推理引擎!! 面向 Qwen3.8-Flash-Next 的开源推理引擎,通过专家缓存、内存与显存协同、推测解码,降低本地运行门槛。技术原理 这两天,我们从 48GB 改版 4090 测到单、双 V100,中文长文、真实源码、工具调用、图片识别,都实打实跑了一遍。 成绩有多猛? 4090 用 Strata 0.1.38、IQ3_S 量化、关闭思考,塞入约 200k+ token,中文生成 119.9 token/s,源码测试 128.3 token/s。 无缓存,首字等待约一分钟,前、中、后三处指定信息全部找对。 连老 V100 都有惊喜:0.1.39 新版本下,约 220k token 输入,单张 32GB 卡生成约 57 token/s,双卡约 62–65 token/s,首字等待从约4分钟缩到2分钟。 工具调用、结果回传、取消恢复、图片文字识别,都完全跑通了。 不玩显卡为什么也值得关注? 因为这关系到你能不能用自己掌控的机器,承载长文档、代码和 Agent 工作流,减少对云端模型服务的依赖。 当然,检索通过不等于理解全对,源码审阅仍出现过错误。 但这组实测,已经让我开始重新评估手里这些显卡的价值。(囤卡囤内存) 项目地址和我们提交的PR见评论区👇
1
2
1,616
Dreamina 2.0 采用“画布优先”的创作模式 支持直接反推参考视频的提示词并提取运镜运动 它让 AI 视频告别盲猜,帮助创作者在保留优秀素材的基础上实现精准、持续的迭代与自动化修改。
Saw a clip with exactly the look you wanted? Stop trying to guess the magic words. Reverse-engineer the prompt instead. Prompt tools give you an output. A canvas gives you a project you can keep shaping. Dreamina 2.0 is canvas-first — the new way AI video is made. #Dreamina #DreaminaPartner
1
5
9,392
serva huang retweeted
4090 48G 居然能跑到Qwen3.8-Flash-Next 到这个程度??! Qwen3.8-Flash-Next可是千亿模型啊!!! 而且这个速度随便瞅一眼,都是绝杀的! 没有上Strata前,我试过,跑30多 tok/s就不错了! 继续做完整测试看看,顺便再试试v100 显卡如何
Strata看起来超级恐怖,而且我觉得理论是对的! 我正在测试!等我结果!
15
6
2
49
26,145
Muse对9宫格的遵循度一般,但是视频流畅性比H3要强
学习了! 用H3完成9宫格生成 图片来至@Lonely__MH,提示词评论区
2
1,572
你们有没有遇到过:H3 开了 SageAttention 加速,短视频正常,长视频却直接崩? 最近碰到了几次: 最初的判断是显存不足,建议关掉 Sage。 但关掉加速就没了,舍不得关。 想想不应该,我48G的显存,不太可能会爆。 于是继续查,把真实张量布局搬进独立测试,终于抓到了问题:栽在一个 32 位整数上。 H3 的 Q/K 是融合 QKV 缓冲区上的切片。 访问某个 token,要计算「序号 × 内存步幅」,步幅是 21,504。 Sage 的 Triton 量化内核用 int32 算地址偏移,超过约 21.47 亿就溢出(因为int32 是有符号的:32 位里要拿 1 位去存正负号,只剩 31 位表示数值大小。所以正数上限是 2^31 − 1 = 2,147,483,647。)。 所以边界实测非常清楚:99,865 个 token 能过,99,866 个就非法访存。 修复是把索引计算提升到 int64,继续使用原来的 Sage FP8 内核。 结果:实际大序列 attention:Sage 2.50 秒,SDPA 6.91 秒,快 2.76 倍
2
1,800
学习了! 用H3完成9宫格生成 图片来至@Lonely__MH,提示词评论区
🤯这到底是谁想出来的? 这次GPT是真的被越狱了😅 提示词: 参考右侧的人物姿势,将左侧人物按右侧各种姿势生成。
11
19
2
180
53,551
6宫格姿势图×Editorial人像摄影×主体:【XXX】 生成1张完整的9:16竖版4×4人物姿势图,共16个独立画面。 最高优先级:16格身体结构严格对应01至16,不能仅通过镜头角度、人物朝向、表情或裁切制造差异;差异必须来自身体结构,每格使用不同的身体支撑、腿部或躯干结构。 一、主体一致性 16格保持同一主体的身份、外貌、体型、发型、发色、服装、配饰与核心视觉特征一致;头发、衣摆、褶皱可随动作自然变化。主体始终为第一视觉主体。主体身份、服装与视觉特征不得因姿势变化而漂移。 二、16种姿势 01后方跪坐式 双膝着地,臀部向后靠近脚跟,身体背向镜头,上身保持直立,形成明确的后方人物轮廓。 02侧展腿跪坐式 双膝着地,一条腿向身体侧方展开,另一条腿保持弯曲,上身直立,形成明显的侧向腿部线条。 03四足斜向跪姿式 双手与双膝着地,形成明确四点支撑,身体呈明显斜向结构,一侧腿向侧前方展开。 04俯卧单腿抬起式 身体完整俯卧,上身由前臂支撑,一条腿向后上方弯曲抬起,另一条腿保持伸展。 05纯侧卧伸腿式 身体完整侧卧,一侧手臂支撑上身,双腿沿身体方向伸展,形成清晰的纯侧面轮廓。 06侧坐后撑伸腿式 坐姿,一条腿向前伸展,另一条腿弯曲收拢,身体向后倾,一只手在身后撑地承担重量。 07正面展开跪坐式 双膝着地,身体正对镜头,双腿向左右两侧大幅展开,双手自然放置。 08单臂抬手坐姿式 坐姿,一条腿弯曲收拢,另一条腿自然展开,一只手向上延伸,另一只手支撑或保持身体平衡。 09俯卧前伸式 身体完整俯卧,双腿向后伸展,双臂向身体前方充分伸直,形成明显的纵深方向。 10后方侧跪伸腿式 身体背向或侧背向镜头,双膝着地,一条腿向身体侧后方充分伸展,上身保持直立。 11仰卧屈膝式 身体完整仰卧,背部贴地,双膝向上弯曲,双脚靠近地面,头部与肩部保持贴地。 12极低位后方四足式 双手与双脚着地,臀部明显抬高,身体形成紧凑的倒V形结构,呈高臀低身的四足结构,从后方低机位观察。 13坐姿环抱腿式 坐姿,双腿向身体前方收拢并交叠,双臂环抱双腿,上身略微向前收缩。 14侧卧托头屈腿式 身体完整侧卧,一只手托住头部,双腿同时弯曲并向身体方向收拢。 15仰卧抬腿式 身体完整仰卧,双腿明显抬离地面并向上弯曲,形成突出的纵向腿部结构。 16后撑侧坐收腿式 坐姿,双腿完全收拢并向身体一侧折叠,身体明显后倾,一只手在身后撑地,另一只手自然放置,形成紧凑的侧向轮廓。 16个姿势必须有明确身体结构差异,严格按01至16执行,不交换、不重复、不遗漏。 三、宫格构成 严格排列: 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 每格仅呈现一个完整主体和对应姿势。统一Editorial人像摄影语言、人物尺度、服装系统与背景逻辑。人物完整入镜,身体结构、手脚膝肘及支撑关系清晰。格间边界清晰,不重叠、不串格、不交换姿势、不遗漏、不重复。 四、背景系统 根据主体服装、发色、代表色与视觉身份提取主色及邻近色,最多两种核心色相,生成低饱和、低对比度极简渐变背景。 仅使用大面积纯净色彩与缓慢渐变,不添加环境、道具、纹理、复杂光影或装饰元素。 16格共享同一渐变逻辑,保持统一、干净、连续,并保留大面积负空间。背景不得形成具体场景。 五、16宫格隐藏视觉 将16个背景视为连续的大型渐变平面。 固定隐藏视觉:主体本身的低对比度45度侧脸轮廓。 根据主体脸部特征、发型与核心视觉特征生成轮廓,以极弱明暗变化融入背景,并连续拆分为16个片段,按4×4自然衔接。 隐藏轮廓仅使用当前主体特征,不引入其他人物;保持低对比、低饱和、弱可见,仅存在于背景负空间。 仅表现抽象连续的明暗形态,不呈现眼睛、鼻子、嘴巴等具体五官。 单格只能看到局部明暗形态,完整观看4×4时才能辨认完整侧脸。 不得覆盖主体、干扰姿势、添加额外人物、形成第二主体或产生水印效果;隐藏轮廓不得成为独立人脸。 六、视觉层级 第一层:主体与16种姿势。 第二层:极简低饱和渐变背景。 第三层:16格连续隐藏视觉。 主体清晰度优先于背景连续性,背景连续性优先于隐藏视觉。 七、最终输出 只生成1张9:16竖版完整图片,内部为4×4共16个独立人物画面。 严格执行01至16,不遗漏、不重复。 不添加标题、说明文字、Logo、杂志排版文字或其他版式文字。 单格为完整、清晰的Editorial人像姿势画面;整体形成统一的16宫格,并在背景中隐藏由16格共同组成的主体45度侧脸轮廓。
2
13
3,895