Gorden Sun

SMD：多模态蒸馏框架 一套蒸馏加速框架，让小模型能以极短的生成路径快速学会大模型的效果，适用于AI绘画、AI视频、AI语音等多模态场景。 应用 SMD 之后，AI模型只需要经过 4 步左右的计算就能生成细节逼真的高质量图片与视频，生成效率比传统需要几十步计算的模型有了明显提升。而且这项技术通用性很强，不仅能用于图片生成与编辑，还全面适配了 3D 物体建模、长视频生成以及音视频同步生成等多种复杂的多模态任务。 模型：huggingface.co/zjwfufu/SMD Github：github.com/zjwfufu/SMD 项目地址：zjwfufu.github.io/SMD-Page/

Octop：Grok Bot 的开源实现方案 腾讯开源 Octop，自托管、支持多用户与多智能体的AI助手平台，基建完备，功能强大。接上模型，部署到VPS或者NAS上就是你自己的 Grok Bot。 功能包括： · 专属云电脑与沙箱：Octop 部署在 Linux VPS 上，自带 远程桌面 + Browser AI + Terminal AI + 独立工作区，拥有 GUI 桌面，持久化的浏览器和命令行； · 人工接管：Octop 的Web 控制台，直接内嵌实时的远程桌面，支持键鼠控制； · 多角色与团队协作：支持创建多个专家Agent，由协调者自动调度多位专家； · 常驻任务与主动任务：服务端守护进程 7×24 小时在线，支持自然语言配置 Cron 定时任务，实现主动推送； · 多端支持：不仅有 Web 端和桌面端，还支持接入微信、飞书、Telegram、Discord； Github：github.com/TencentCloud/Octop

大肥鱼来介绍一下

在 X 查看视频

tv-vibehack：屏蔽电视的各种广告 作者在给父母使用小米电视时发现，电视里充斥着开机广告、推广内容和各种冗余预装软件。父母在打开像 Netflix 这样的常用软件之前，必须先看一遍广告，非常闹心。 于是作者利用Claude Code做了tv-vibehack，无需root，只需要电脑与电视连接同一个 Wi-Fi，在电视设置中开启调试模式。整个过程不需要插数据线，也不会改动电视底层的固件系统。 改造完成后，电视的主界面直接变成了类似苹果电视盒子的极简风格。屏幕背景干净纯黑，没有任何推送和弹窗，底部整齐排列常用软件，顶部只显示时间、日期和输入源切换按钮。启动器只有 1.6 兆，纯 Java 写的，1G 内存的老电视也跑得动。 项目地址：github.com/Gathin23/tv-vibehack

Mistral开源Timestral：高精度的多元时间序列预测 专为多元概率预测设计的基础模型，能在同一套框架下联合预测多个变量，并支持融入已知未来的外部变量。它在GIFT-Eval等多个主流公开测试集上拿下了零样本预测第一名，同时给出了21个预测分位数来量化未来走势的不确定性。模型不仅支持最长超过3万步的长期上下文，而且最小版本仅5M参数，普通CPU即可直接运行。 项目地址：github.com/mistralai/timestral

英伟达开源Nemotron 3.5 Super VL 原生视觉多模态模型，120B总参数，12B激活参数，能力中规中矩，特色是有专门的计算优化，速度比同类模型快的多。 模型：huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4

微软分享了他们训练MAI-Base-2模型的经验，明确写出了训练这个2.8T的模型，只用1.6万张显卡训练了38天。 所以即使3T大小的模型，也是可以按月发版的。

有请大肥鱼再来介绍一次我的图片PPT转可编辑PPTX文档的技能

在 X 查看视频

Google开源Harness²框架：不改模型权重也能让AI智能体自我进化 Harness²是一个即插即用的智能体优化框架，能在保持底层模型权重不变的前提下，通过自动调整系统提示词、工具指南、记忆和子智能体等8个外围组件来提升任务表现。 采用双层递归机制，既能在无标准答案反馈的情况下通过对比试探优化当前任务的执行配置，又能将成功经验沉淀下来指导后续未知任务。在三项专业基准测试中，仅需单步递归就能让GLM-5和Gemini3.5Flash的表现比基础配置最高提升11.5分，为开发者免去了繁琐的手动调优工作。 Github：github.com/google-research/harness2

信息量很大的文章。 代码都由AI写了之后，人类做什么？ 1、我们到底该不该做这个功能？（把握方向、产品品味与边界） 2、把关高危代码（计费、自动更新器、CI 流程等） 3、架构设计（确立团队其他人未来会效仿的代码范式） 4、审阅“证据”而非代码本身（看测试输出、运行命令与返回结果、UI 截图、AI 审查摘要） 5、为最终结果兜底（“You land it, you own it”，无论代码是谁敲的，发起指令的人类必须对线上结果负责）

实测，200美元的Devin Max会员，Opus 5.5的额度，比20美元的Claude Pro大概少20%

大肥鱼变强啦！跑分超过Kimi K3和GLM 5.3！

在 X 查看视频

Gemini Pro用户在AI Studio里也可以用Gemini 4 Argon了，Pro用户在Gemini APP、AI Studio、Antigravity（仅限真实付费用户）里可以用Gemini 4 Argon，东拼拼西凑凑也没多少额度。

DeepSeek-V4.1-Flash-1017能力和速度都优于GPT 5.6 Sol，OpenAI现在是前有狼后有虎。

OpenMoss开源AI绘画模型MOSS 5.6B参数，优点是中文写的不错，缺点是模型推理能力很弱，尤其写中文时需要写出明确的中文文字内容。 模型：huggingface.co/OpenMOSS-Team/MOSS-Image-Base 在线体验：huggingface.co/spaces/OpenMOSS-Team/MOSS-Image

做了个小剧场：盘点海外AI对国人的态度 这个小剧场是Opus 5.5实现的，我额外给了他TTS、ASR、生图、生视频的能力。基本上剪映+小云雀/LibTV是一起被斩杀的。 用的这个提示词一次出： 开场：盘点海外AI对国人的态度 这次是个小剧场，16：9比例 文字稿 Claude场景（Claude不读出来，画面里也没有Claude英文）： Claude角色站在精致欧式房子前，房子门锁着，大肥鱼跑过来，Claude手里捏着晃，口气轻蔑的说：哼！我家不欢迎你来，哪来的哪回去！（就这一段需要语音，使用EdgeSpeak，模型使用Qwen3-TTS 1.7B Base，使用音库里的Claude声音） 大肥鱼哭着跑了，然后叮叮当当搭起了一个类似Claude的房子，但是破破烂烂，上面写着“中转站”3个字，然后大肥鱼转身一遍，变成了Claude角色的装扮，然后大肥鱼表情很得意，Claude表情惊讶。 GPT场景 GPT角色站在现代简洁的房子前，房子门锁着，大肥鱼跑过来，GPT把钥匙放在一个台子上，温柔的说：我把钥匙放在这，你想进来可以自己开门哦~（就这一段需要语音，使用EdgeSpeak，模型使用Qwen3-TTS 1.7B Base，使用音库里的GPT声音） Gemini哈基米场景 哈基米角色站在漂亮的小木屋前挥手，房子门开着，大肥鱼跑过来，哈基米开心地说：大肥鱼，我家不关门，来一起玩呀！（就这一段需要语音，使用EdgeSpeak，模型使用Qwen3-TTS 1.7B Base，使用音库里的Gemini声音） 然后大肥鱼和哈基米一起跳舞，背景音乐哈基米.mp3，就跳4秒 Grok场景 Grok角色站在类似现代酒吧和舞厅的门口，舞厅没有门，能看到五彩斑斓的射灯。大肥鱼脸红害羞的、左顾右盼地走到Grok角色身边，Grok角色说：房子哪需要门，都是哥们，快来我家，我家有的是好东西。（就这一段需要语音，使用EdgeSpeak，模型使用Qwen3-TTS 1.7B Base，使用音库里的Grok2声音） 然后Grok用手揽着大肥鱼的脖子就往舞厅走去 然后用圆圈缩小的方式谢幕即可。

在 X 查看视频

Reflection开源Beam 1.0 501B总参数，23B激活参数，评分比GLM 5.3 Flash要弱一些。 模型：huggingface.co/collections/reflection/beam-10

黑森林实验室开源FLUX 3 Image Klein 支持文生图、图片编辑、多图参考，效果不错，属于开源第一梯队（另外还有Ideogram 4.5和Krea 3） 支持中文提示词，但写中文的能力很差。下面是我生成的图片。 模型：huggingface.co/collections/black-forest-labs/flux-3-image-klein

OmniHuman升级，从1.5版本升级到了2.0版本，而且价格大幅下降。 OmniHuman的作用是输入音频+人物形象，生成这个人物说话的视频，尤其适合自媒体博主。 我之前的视频里的人物部分，就是用这个模型生成的视频：x.com/Gorden_Sun/status/2099331443260641583

不是，特斯拉发布喷气式汽车是何意味？