wocao.world
来自订阅源 摸鱼杂货店（全文镜像）。共 246 篇。
美西时间 10 月 15 日，Meta 正式放出 Muse Spark Open 的模型权重，自称「美国迄今最强开源权重模型」（TechCrunch 报道）。它是 Meta AI 背后 Muse Spark 的开源版本，核心规格：816B 总参数的混合专家架构（MoE），每次推理只激活 42B；100 万 token 上下文窗口；原生多模态，文本、图像、视频、音频直接读入、输出文本。官方定位很明确：为编程和智能体任务而生，擅长长周期任务、复杂软件工程和多步推理。 权重免费下载，渠道包括 Hugging Face、Amazon SageMaker AI、Google Cloud Model Ga…
560B 的权重直接放了，每个 token 却只叫醒 25B 10 月 15 日，蚂蚁百灵把 Ling-3.1-flash 的权重挂上了 Hugging Face 和 ModelScope，官方模型卡写得很直白：总参数 560B，每 token 激活 25B，上下文窗口上限 1M。560B 这个体量第一眼是云端旗舰级的，但激活量压到 25B，味道就变了——真正吃算力的部分，企业自家机房扛得动。 架构上它延续 Ling-3.0-flash 的混合线性路线：63 层 KDA 配 9 层 Gated MLA，512 个路由专家每次只激活 8 个，外加 1 个共享专家和 4 层 dense。这种大总参…
几天 2.8 万 star：这个 AI 图像工具换了个打法 最近刷 GitHub Trending 的人，大概率被 ArtCraft 挡住过——本周总榜前三，单日新增几千 star，截至发稿仓库已经攒到 2.8 万。团队给它的定位是 “intentional crafting engine”，口号就一句话：The IDE for artists。翻译成人话：它不打算再做一个提示词输入框。 玩 AI 出图久了都有体感：提示词写得越长越像许愿。想让人物站在画面左三分位、镜头略低仰拍、前后景怎么分层，全靠在文字里跟模型反复拉锯，抽卡抽到心梗。ArtCraft 把流程整个反过来。 不是 prompt …
为什么自托管聊天前端还在卷：语音这关终于补上了 把大模型请回自己服务器的人，多半都搭过一套本地对话前端：接上 Ollama 或者任意 OpenAI 兼容端点，网页里打字聊，顶多再挂个断流频发的语音插件。Open WebUI 算是这个圈子里最有名的自托管聊天界面，这次 0.12 版本直接把实时语音通话搬了上来——不是按下说话、松开发送的半残废实现，而是模型真正开口跟你一来一回，你说的话还会转成交互请求抛回给你自己部署的模型处理。 对天天折腾本地模型的工位选手来说，这一步补齐的是整个使用体验里最扎眼的缺口：云端的语音助手随手就能用，本地模型却只能对着键盘敲字。0.12 这版最抢眼的两个点——实时语…
一个人做渗透测试做到崩溃？这群 AI 智能体自己组队打红队 玩过渗透测试的都懂，一次完整的活儿拆开来是个体力活：先扫端口摸清楚目标暴露了什么，再对着服务版本找漏洞、手动调 exp，最后还要把一坨命令输出整理成客户能看的报告。PentAGI 最近几天在 GitHub Trending 总榜上杀疯了——star 从两万五出头一路冲到 29.8k，仓库 4.5k fork，单日新增一千多，定位就是「全自动 AI 渗透测试系统」。这玩意不是一个模型在那儿硬聊，而是一套 Go 后端加 React 前端的自托管系统，拉起来之后由多个专职智能体分工把活干完。 协议上得留神：仓库挂的是 MIT license…
昔日明星独角兽倒下：Character.AI 申请破产，迪士尼兜底接盘 当地时间 10 月 12 日周一，Character.AI 向美国法院申请 Chapter 11 破产保护，路透社 10 月 13 日发出报道，财联社同日跟进。方案很直接：华特迪士尼担任「stalking horse」首轮兜底买家，以 2,000 万美元购入部分 IP 的非独家永久授权，其他买家可以加价竞购。公司预计 11 月底到 12 月初完成全部资产出售，期间平台继续运营，找不到买家就直接关停。 法庭申报文件里，资产与负债都列在 5,000 万到 1 亿美元这个区间。对照它 2023 年 a16z 领投轮约 10 亿美…
免费分三种，先对号入座 按 dev.to 这篇 10 月实测的划分，「免费」有三种完全不同的死法：永久额度型（每天固定次数，用完等第二天）、每月返额型（给美元额度，用完等下月）、免注册匿名型（连账号都不用，但随时可能变）。选之前先想清楚你要干嘛，不然 50 次的日限能把你卡到怀疑人生。 9 家主流免费额度对照 数据截至 2026 年 10 月 6 日，交叉核对了官方限流页面和 awesome-free-llm-apis 每日更新的清单（配套查询站 freellm.net，507 个免费模型可查）： 服务商 代表性免费模型 免费额度 注册门槛 致命短板 NVIDIA NIM gpt-oss-20…
一句话：Flux、Sora、Midjourney，全塞进一个开源桌面应用 玩 AI 绘画视频最烦的不是没模型，是模型散得到处都是：画图的在一个站、生视频的在另一个、口型同步又得另开一个，还都得排队交钱。Open Generative AI 干的事很直接——做一个开源的壳，把 200 多个模型统一装进来，MIT 协议，可自托管，界面长得像个正经工作室。作者还顺手搭了个浏览器免安装版，注册个免费账号就能开玩。 开工前先备好两样东西 安装包：releases 页面有现成的 dmg（分 Apple Silicon 和 Intel）和 Windows exe，一键装，不用折腾 Node 环境； 一个 M…
纳德拉到底说了什么：一份甩给全行业的“安全清单” 10 月 10 日，微软 CEO 纳德拉在 X 上发了一篇长文，没绕弯子，直接给全行业立规矩：把最强的 AI 模型当成潜在内鬼，默认它已经被攻破，从一开始就把它关进笼子里。他把这套机制比作汽车的紧急刹车——“授权的人必须随时能暂停或关闭一个正在执行任务的模型”。 清单很具体，一条都不含糊：模型和负责调度的编排层必须分开，管事的人要有独立于模型的干预通道；Agent 干过什么，得留下防篡改的行动日志；系统要接受独立审计，不能再靠厂商自查；出了重大翻车必须公开披露，企业之间要共享事故细节，免得同一块石头绊倒所有人；关键决策更不许押宝在单一模型上。 …
一夜之间，它成了 Product Hunt 上最红的桌面 AI 2026 年 10 月 7 日，一个叫 IrisGo for Solopreneurs 的桌面应用拿下 Product Hunt 当日第一，443 票。它自称 AI Operating System——不是聊天框，而是一个看着你干活、然后把活接过去的操作层。发布首周，beta 版在 Windows 11（64 位）和 Apple Silicon Mac 上完全免费。背后站着 Andrew Ng 的 AI Fund，创始人 Jeffrey Lai 之前一直在做大规模 AI 助手系统。相关链接：官网、Product Hunt 页面。 …
一个妈妈、一个沙发、一台没装过代码编辑器的电脑 英国妈妈 Lucy，三个孩子的妈，全职上班，电脑技能仅限于用 Gemini 和 ChatGPT 把剩菜变成晚餐菜谱。某天晚上她刷着 TikTok，看那些「用 AI 副业暴富」的视频看了无数遍，心想反正不花钱，试试能亏啥。几周后，她的网站 KidsFun.London 攒了 2000 多访问量，给她换回了 £529 的免费现金和家庭出游福利——其中 £20 是预订佣金，£500 是薅到的免费福利。 太阳报这篇报道有意思的地方在于，它撕掉了「AI 变现」最唬人的那层皮：Lucy 完全不会代码，预算有限，时间被三个孩子切得稀碎。她赢的不是技术，是选题。…
为什么你的 SDXL 提示词在 Z-Image 上全废了 Z-Image Turbo 是阿里通义 MAI 的 6B 开源图像模型，走蒸馏路线，推理时不用 classifier-free guidance。这句话翻译成人话：负面提示词直接被无视，你写 blurry, bad quality 它看都不看一眼。社区实测里最扎心的一条结论是：SDXL 时代攒下来的标签堆砌写法，在 Z-Image 的单流架构下全部变成噪音——模型吃的是句子和主体关系，不是关键词仓库。 所以玩 Z-Image 的第一性原理只有一条：做加法，不做减法。想要清晰，就写 sharp focus, 8k resolution, …
四万五千星标不靠炸 GitHub 上躺着个项目 calesthio/OpenMontage，上线首周霸榜 Trending 榜首，累计 4.5 万+ star。乍一看标题——“全球首个开源 agentic 视频生产系统”，容易让人联想到 Sora、Runway 那套“输入提示词、等 5 秒、收片段”的路数。但拉开源码一看，完全不是那回事。 大脑在你手里，不在服务器里 OpenMontage 的核心机制只有一句话：它坐在剪辑生成器之上，充当“生产层”。没有隐藏的中央编排器，真正的大脑就是你手里的 AI 编程助手——Claude Code、Cursor、Copilot、Windsurf、Codex…
跳出大模型中转站内卷：底层数据基础设施的暴利法则 在当前大模型应用层创业普遍陷入 Token 倒买倒卖和套壳包装的红海竞争时，鲜有人注意到另一个利润率极高且护城河稳固的领域——全球商业与社媒数据接口聚合。单纯兜售静态数据集往往面临更新滞后、清洗成本高和交付沉重的痛点，而将 TikTok、Amazon、YouTube、Reddit、LinkedIn 等主流平台的逆向解析、反爬对抗与标准化提取能力封装为统一 API，直接向上游 AI Agent 和数据分析师提供低延迟接口服务，正成为极具爆发力的商业模式。Monid AI 便是这一技术路径下的典型代表，它将数千个高度分散的数据源聚合成标准统一的输出…
零门槛随身 AI：一条 SSH 指令唤醒开源大模型 在本地部署大模型或配置云端 API 的传统工作流中，开发者往往需要经历繁琐的环境搭建：安装 Python 依赖、配置 CUDA 驱动、注册账号、绑卡充值获取 API Key，抑或是忍受 Web 端拥挤的网络排队。然而，Hugging Face 工程师近期公开的一种极简终端玩法打破了这一固有门槛：只需在任意能够打开终端的机器上执行 ssh chat.hf.co，即可直接进入交互式 TUI 对话界面，即刻调用包括 Qwen3.8-27B 在内的前沿开源权重。这一方案凭借真正免注册、免 API Key、免装环境的特性，被许多极客评价为目前综合门槛最…
痛点：AI 视频越强，越显得你不会写提示词 Veo 3、Sora 2、Seedance 2.0 越强，越显得你不会写视频提示词。开源项目 Video to Prompt 专治这个：丢进去一段参考视频，它还你一份分镜级的、可直接开工的提示词。 项目地址在 github.com/imooooc/video-to-prompt，MIT 协议，作者 2026 年 5 月创建，Next.js 写的。不想折腾部署的，有现成的在线 demo：v2p-demo.vmoli.com，打开即用。 怎么用：拖视频、贴 Key，三步出活 拖进去一段视频：MP4、MOV、WebM、AVI、WMV、3GP、MKV 都吃，…
一句话：Google 把做游戏变成了聊天 10 月 7 日，Google Labs 扔出实验性平台 Playground：在聊天框打字描述需求，AI 直接做游戏给你玩，浏览器点开即玩。目前只对美国 18 岁以上用户开放，先围观也来得及。 这事最妙的地方在于”改”也是聊天：物理手感不对、规则想换、角色太丑、场景想重做，直接在对话里说，AI 当场改。不想从零开始的，有官方 starter 模板可以 remix。你甚至能上传自己的图片，AI 会按游戏画风重做成游戏素材。底层是 Gemini 负责生成、Nano Banana 画图、DeepMind 的 Lyria 配乐，再加一套 Google 专门为…
先说结论：聊天框从今天起不只是聊天框 OpenAI 10 月 7 日把 GPT-6 推进 ChatGPT 聊天框，顺带上线智能界面：回答不再是纯文字，而是现场拼出的交互界面——图表、按钮、表单随问而变。付费档先行，免费和 Go 用户 10 月 8 日起跟上。 这事有个前情：GPT-6 家族 9 月 23 日就露过面，当时先放出 GPT-6 Sol 和 GPT-6 Luna，Sol 主攻复杂编码和 Agent 任务，Luna 主打便宜快速，API 价格直接砍半。但那会儿免费用户只能在桌面 App 里摸到 Luna，聊天框还进不去。10 月 7 日这次更新，等于把大门彻底推开：聊天框正式成为 GP…
2599 美元的 AI 笔记本，微软和英伟达憋了个大招 北京时间 10 月 8 日凌晨传来的消息：微软和英伟达在旧金山同台发布了 Surface Laptop Ultra，2599 美元起，10 月 16 日正式开卖。这是微软史上第一台搭载英伟达 PC 芯片的笔记本，也是英伟达第一次真正把触角伸进个人电脑市场。老黄在台上放话”电脑正在被重新发明”，纳德拉则喊出”混合智能”，两家巨头的联手，直接把 AI 笔记本 的军备竞赛推到了一个新高度。 为什么这次值得单独加更一篇？因为这不只是又一款”AI PC”贴标产品。RTX Spark 这颗芯片，让一台 15 英寸的笔记本在本地就能跑 1200 亿参数…
终结七档混乱定价：xAI 与 X 启动订阅阶梯整合 长期以来，马斯克旗下的社交平台 X 与人工智能公司 xAI 在商业化变现上保持着相对割裂的会员体系。用户不仅需要面对 X 平台的 Basic（3 美元/月）、Premium（8 美元/月）和 Premium+（40 美元/月），还会遇到独立于网页端的 SuperGrok（30 美元/月）、SuperGrok Plus（100 美元/月）甚至 SuperGrok Heavy（300 美元/月）。据彭博社披露及 Android Headlines 等媒体跟踪报道，xAI 正计划彻底重构这套繁琐的计费结构，拟推出覆盖社媒特权与 AI 算力捆绑的四档…
新流量入口崛起：Meta Muse 获花旗 270 亿美元估值背书 在生成式人工智能竞赛进入下半场的关键节点，AI 助手正加速从纯粹的技术对话玩具蜕变为平台级流量分发枢纽。据路透社援引花旗集团（Citigroup）的最新研报，PYMNTS 报道称 Meta 旗下的 AI 助手 Muse 正在迅速演变为用户接入数字世界的“互联网新门面（Front Door to the Internet）”。花旗分析师预测，得益于迅猛的用户增长渗透与商业化变现潜能，Muse 到 2030 年有望发展成为年营收突破 270 亿美元 的庞大业务板块。 这一预测不仅让华尔街重新审视 Meta 长期以来在 Llama …
Claude Code、Codex、Gemini CLI 用得越久，硬盘里的 skill 文件夹就越像杂物间——下载了一堆，哪个安全、哪个靠谱，全凭运气。Jason Zhu 开源的 AgentSkillsHub 就是来治这个乱的：一个收录 11.7 万开源 AI 技能的技能目录，每 8 小时自动刷新，装技能之前先来这里扫一眼评级再动手。 一个技能目录，11.7万个技能，一次性摊开看 AgentSkillsHub 的思路很简单粗暴：把散落在 GitHub 各处的 agent-skills-hub 开源目录摊平，做成可搜索、可过滤的在线站 agentskillshub.top。免费、无需注册，打开…
AI配音这行，ElevenLabs 刚刚划了一条代际线。9 月 28 日，Eleven v4 和 Eleven v4 Turbo 上线，官方话术很嚣张：语音 AI 从「朗读」时代进入「表演」时代——模型先理解这句话该怎么演，再开口说话。Turbo 版首音延迟约 150 毫秒，语音 agent 终于不用再忍那半秒的尴尬沉默了。 先看第三方成绩单。Artificial Analysis 的 Provider Voice TTS Arena 上，Eleven v4 以 Elo 1319 拿下第一，领先 Cartesia Sonic（1276）和 Google Gemini Flash TTS（126…
AI管家这个概念，xAI 刚刚给它加了个「总管」职位。10 月 1 日，Grok Bot 正式推出 Primary Bot：一个主动发现工作、提前向你提议的总管 Bot。官方原话是「它会发现能从你盘子里接过去的活，主动提出来处理」。更香的是：这些提议不计入你的用量。 事情最早是 9 月 30 日被用户撞见的：Grok Bot 应用里弹出一个 Introducing Primary Bot 的对话框，配两个按钮——「Use an existing Bot」（用现有的 Bot）或「Create Primary Bot」（新建一个）。Botski 第一时间截了图，第二天官方账号发帖确认 rollou…
美国时间 10 月 5 日，成立才两年的创业公司 Reflection AI 甩出了它的第一款开源大模型 Beam。这家公司来头不小：2024 年由两位前谷歌 DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 创办，背后站着英伟达，累计融资约 47 亿美元，估值 250 亿美元。路透社和 TechCrunch 同一天跟进报道，直接把 Beam 定位成“美国人正面迎战 DeepSeek、Qwen、Z.ai 国产开源模型”的第一枪。摸鱼这么久，终于等到美国人拿出像样的开源权重了。 Beam 到底是个啥：5010 亿参数，每次只激活 230 亿 先看硬核参…
从开盲盒到视听工业：2026 年 AI 视频提示词范式进化 迈入 2026 年，生成式视频大模型（如 Google Veo、OpenAI Sora、快手 Kling、Wan 以及 LTX-Video 等）的迭代核心早已脱离了单纯的分辨率提升，而是全面转向物理规律模拟、运镜连贯性与精细化语义对齐。过去依靠「雨夜女人走路」这类随缘抽卡的短句，生成的画面往往面临角色五官形变、脚步漂移穿模、光影前后割裂等致命缺陷。根据 Versely Studio 发布的 2026 高阶 AI 视频提示词指南，成熟的工业化提示词必须具备工程化的六段式黄金骨架，并根据不同模型的解析「方言」实施针对性适配。 本文将深度拆…
电商与广告视觉痛点：从不可控开盲盒到工程化交付 在商业广告与电商素材的 AI 生成链路中，最困扰团队的往往不是画质不够清晰，而是商用级一致性与镜头意图无法收敛——光影杂乱、主体变形、运镜穿模，以及无法精准呈现商品卖点。近日，专注于广告智能生成的 Creatify 正式开源了其内部打磨的 Claude Skill 项目：Creatify AI Ad Prompt Guide。该方案提炼出了一套高度契合商业营销场景的SLCT 提示词架构，并配套了防幻觉铁律、动态运镜字典以及 Pass³ 交付质检标准。 这套规范打破了通用文生图/视频模型那种随缘抽卡的习惯，将影视摄影棚的灯光构架与工业级工作流标准注…
告别咒语堆砌：Nano Banana 提示词范式重构 在图像生成与多模态模型领域，许多创作者仍习惯于从 Stable Diffusion 或早期的 Midjourney 沿袭下来的「词云堆砌法」——把各种分辨率修饰词、艺术家风格与质量词用逗号生硬拼凑。然而，Google 官方针对 Nano Banana 提示词官方指南 给出了截然不同的标准：模型拥有极强的自然语言语义解析能力，想要获得高可控、高一致性的生成效果，必须全面转向类似电影导演案的叙事化提示词工程。 本文将拆解 Google Cloud 官方总结的 Nano Banana 2 与 Nano Banana Pro 提示词核心逻辑，解析「…
为什么你的技术文一眼就让人闻出 AI 味 只要你在技术社区或 Hacker News 上多泡几天，就一定见过那种通篇充斥着 We’re thrilled to announce、It’s not X. It’s Y. 以及高频滥用 seamless、leverage 的典型公文。这种充满假大空修饰词的文字，不仅读者看着反胃，更会直接毁掉个人博客与开源项目的专业信誉。昨夜登顶 Show HN 的开源项目 Zero Slop，专门为了解决这个问题而来。 不同于那些靠云端 API 暴力改写、经常把专业名词和关键逻辑改丢的商业工具，Zero Slop GitHub 仓库 采用的是一套极度克制的本地化解…
告别黑盒与臃肿脚手架：为什么说它是 Agent 界的 Emacs 折腾过各类 Coding Agent 客户端的开发者，大抵都体会过那种被厂商焊死在二进制黑盒里的窒息感：想顺手加个本地番茄钟、接一段内网打卡脚本，或者把推理链路桥接到特定的边缘容器，要么给官方 Issue 列表当苦力等排期，要么只能硬着头皮 Fork 整个笨重的桌面端工程自己重新编译。随着 DeepSeek Harness 官网 正式放出开源桌面端公开预览版，这种被厂商牵着鼻子走的被动局面终于被彻底打破。 在资深老极客眼里，DeepSeek Harness 骨子里流淌着极其浓烈的 Emacs 哲学：主程序只充当最克制的骨架底座，…