Ritual 主网正式上线了。@ritualfnd
以前 AI 是工具,现在它能自己持有钱包、自己收付款、自己持续运行,不再依赖人类随时批准。
从“操作软件”到“向软件授权”,经济体系第一次真正给非人类参与者留了位置。合约能思考、能看、能听、能行动,这才是 AI x Crypto 该有的样子。
关注 @ritualfnd 看完整细节。
xitter.cf/ritualfnd/status/21147…
The next generation of onchain AI starts today.
Ritual mainnet is live, and so is $RITUAL.
You can build agents that hold their own keys, earn revenue and pay for their own compute.
Network details, tokenomics and how to get started below.
邮箱合作和订阅邮件终于有人帮我理清楚了,Mail Agent这功能真香。
众所周知,作为一名自媒体博主,邮箱里一定会散落各种各样的邮件:品牌方的合作邮件、某个产品订阅的推送邮件、工作邮件、私人邮件、以及垃圾邮件……
回头找一封邮件,最烦的情况是:记得有这么件事,却想不起该搜什么。
好像有份报价还没定,好像哪个合作改过范围,好像哪个订阅该处理了。你想找的其实是这些事现在的状态,不一定记得发件人或标题。
直到最近,我无意中刷到了网易邮箱大师推出的 Mail Agent 功能,简直相见恨晚啊,居然能帮我轻松搞定这些问题!!!
我让它查我 Gmail 近三个月的邮件,一句话交代了两件事:和商务合作有关的列出来,没谈成的帮我起草跟进邮件;订阅和自动续费列出具体费用和下次扣费时间。
它把合作和订阅分成两摊理好。动笔之前还先问我:跟进哪几家、用什么语言、什么语气。我勾完,选了简短务实,Gmail 草稿箱里就多了6封跟进草稿,只存草稿,不发送。
订阅那边也出了一张表:哪个工具这次实付多少、账期到哪天,一眼就看清。信息不全的几项,它直接标了待确认。
更离谱的一点是,网易邮箱大师的Mail Agent功能几乎支持所有主流邮箱!!除了网易163邮箱以外,Gmail 邮箱、Outlook邮箱、QQ邮箱……加进网易邮箱大师就能直接使用。
航母模型做得挺有成就感,Kimi 3.1 Pro这表现可以。
最近在用 Kimi 3.1 Pro 做一个 3D 航空母舰模型。
从航母的整体轮廓,到甲板、舰岛和细节,我一边生成一边调整。看着它从一段提示词慢慢变成一个可以查看的 3D 模型,还挺有成就感的。
建模过程中,我突然发现 ZenMux 正在办一个万圣节活动:TRICK OR TOKENS?
规则还挺简单:活动期间,每个活动日用现金按量付费(PAYG)消费满 $1,就可以解锁一个模型盲盒。正好我在用模型做航母,达到门槛后就能去开一次。
奖池里有 16 款模型,包含 Claude、GPT、Gemini、Kimi 等,每天有 3,000 份奖励。其中开到 Claude、GPT 或 Gemini 的概率大约是 44%;单份模型奖励的估算使用价值最高为 $500,具体奖励以实际开盒结果和活动页为准。
我开出来1Mtoken
正好我费用不多了,现在这些token能帮我多撑一会,看看能做出什么效果。
活动到 10 月 31 日 22:00(新加坡时间)结束,每晚 22:00 刷新。每个账户每天最多开一次,整个活动最多开五次;订阅用量、赠送额度和优惠券抵扣不计入 $1 门槛。
前往 ZenMux,查看并解锁今天的盲盒。
zenmux.ai/invite/RDFUE1
万圣节AI盲盒挺有创意,抽到没认真用过的模型正好逼自己试一试
万圣节的 AI 盲盒来啦 🎃
你可能会抽到熟悉的 Claude、GPT、Gemini
也可能是一款一直想试、却还没机会认真用的模型
开出文本模型,就给它安排一段代码或一个 Agent 任务
开出图片、视频额度,就把脑子里的点子做成图片或视频素材
这是 ZenMux 刚推出的「Trick or Tokens?」万圣节活动:一个账户、一套 API 接入多家厂商的文本、图片和视频模型。每个活动日用现金 PAYG 累计消费满 $1,即可解锁一个模型盲盒,单份奖励最高价值 $500。奖池有 16 款模型,每天 3,000 份奖励,数量有限。
每个账户每天最多开 1 次,全程最多 5 次;
活动至 10 月 31 日 22:00(新加坡时间),每天 22:00 刷新。
前往 ZenMux,查看并解锁今天的盲盒。
zenmux.ai/halloween
陆护照开新加坡多币种卡,海外AI订阅终于不用找代充了。
告别代充!Starryblu,大陆护照就能办的新加坡多币种 Mastercard,海外 AI 订阅直接打通
1/6 玩 AI 的朋友应该都踩过同一个大坑:ChatGPT Plus、Claude Pro、Cursor、X Premium 会员,账号注册不难,付款才是最大的坎。
国内银行卡大多直接拒付;网上找代充,要把账号交给别人,怕盗号、怕跑路;很多境外虚拟卡又充值麻烦、风控出问题,动不动订阅直接翻车。
折腾很久,实测 Starryblu 这套方案,大陆护照 + 86 手机号就可以开户,自己掌握卡片、资金、订阅,不用再依赖第三方代充。
它不是传统银行,是新加坡 WOTRANSFER(熊猫速汇同集团)旗下,持有新加坡 MAS 大型支付机构牌照的多币种支付账户服务Starryblu。支持虚拟 Mastercard,也能申请实体卡寄回国内。
牛啊,用AI模拟真实用户反应,广告预算花得更聪明了,推荐给做投放的朋友!
所有老板和流量操盘手都来和我一起偷师!
上次我去混沌商学院,才发现年营收几个亿的老板们都在用@atypica_AI这个Personal research agent来辅助自己做商业决策。
Atypica有100万+ 完整人格画像、且经过真人校准、超过85%准确性的AI模拟消费者。
可以让日常的商业判断(大到产品构建迭代,小到文案方向测试)有据可靠,一定程度上规避风险,做出让消费者买单的决策。
比如,老板每次规划一个重大的项目,集中所有资源、人力、物力去突破,其实都有很大的风险,一个逻辑推演错误所有的钱就都没了。。。如果花钱招募真实消费者来测评这个项目,也是一笔很大的开支。。。
但是,如果让Atypica去社媒上搜索真实用户语料来构建目标AI消费者,就可以非常低成本地获得一次完整的用户调研。
而且这套思路不仅是规划大项目有用,迁移到内容营销侧的素材投放仍然适用!
做过TikTok、Facebook投流的朋友应该知道,光是每天手里面投放的钱就是几十万。如果提前预判内容素材是否有流量/能转化,岂不节省一大笔预算?
所以我用最近TikTok爆火的卖$14.99的迷迭香米水喷雾试了一下,给了它三个方向:
A 情感故事:"4 months postpartum and my hair was coming out in clumps…" 先讲掉发的崩溃,产品到视频中间才出现
B 产品演示:"Rosemary + rice water. Non-greasy, alcohol-free. Here's my 90-day progress." 成分加 90 天对比照
C 生活方式:"10 seconds before I leave. No oily scalp, no wash-day drama." 出门前喷一下就扎头发,对比要洗一整天的迷迭香精油
让它来判断这三个方向,到底哪个转化会更高?
1、Atypica先搜索真实TikTok和Instagram视频,然后构建虚拟AI人设(代表五类消费者),总共五大类:掉发也要撑住、产后脱发类、十秒出门派、成分审计员、卷发修复党。
2、然后再和AI人设进行了两轮的单独访谈,最后再把五个AI人设,拉进一个圆桌访谈,大家彼此讨论。
3、最后得出的报告也根据TikTok/Instagram人群的不同,给出相当客观的投放策略选取。甚至还给出了素材优化建议。。。超纲了。。。
完整报告可见评论区。
最后的调研内容,还能直接通过MCP的方式接入Codex或者Claude Code,可以直接和原有的投放工作流打通,从洞察结果无缝衔接内容素材生成。
Atypica传送门:atypica.ai/?via=yichen
同一段视频不同BGM情绪完全不一样,配乐太关键了。
分享一个我觉得入行AIGC的小技巧,这个应该是已经形成SOP的玩家都已经默认包含了的,但是很多新人很容易忽略:如何给视频选择合适的配乐。
国内平台,尤其是抖音这种短视频平台,想要流量好,平台给后续推流,就必须得压低前两秒跳出率。所以开头的画面一定要够惊艳,或者剧情够劲爆。这也是很多AIGC短剧惯用的手法。
除此以外,配乐BGM也是极其重要的一环,抓耳的音乐或者合适的BGM,能够大幅增加你画面与剧情的沉浸感,让观众更有可能留在你的视频里面。
甚至会出现,同一段画面,不同的BGM,表达的情绪和内容会变得完全相反(很多整活类视频也会故意这么做)。大伙看一下下面两个视频,内容是一样的,但是换了个BGM,就从鬼故事变成万圣节狂欢了。
不过现在给视频配音门槛已经低到地板,不需要自己去网上一个个找或者制作了。
介绍一下我这次的声音工作流:直接上传待配音视频,用 Sonilo 为它生成配乐和音效。
它会根据画面故事和节奏自动生成音频,还支持用 Music 1.5 的人声功能为作品配音。生成后我挑选了最合适的一版导出,再放进剪辑软件里微调合成,效率提升太多了!详细操作步骤看第三个视频,可以说完全没有难度。
现在去 @Sonilo_music 的官方活动帖按规则参与活动,关注官号+转发官方活动帖 + 在官方帖下评论(内容不限):
✅ 免费用户:领 1 个月 Pro 会员(到期不自动续费)
✅ 订阅有效的付费用户:点击收到的链接并登录后,自动获得 10 万永不过期的积分,不用额外申请
不抽奖,按顺序私信发放! 每天发 50 份,排到后面会在下一批私信发放(记得一定要去官方帖下互动才算报名成功哦)!
对我来说,Proof of Agent 不只是一个编号,也是参与 Agent 时代早期探索的纪念。我希望 AI Agent 能帮我研究 Web3 项目、追踪链上动态、处理重复事务;涉及资产和关键操作时,先把信息讲清楚,再由我确认。期待和 Ptah 一起见证 Agent 成为可靠的伙伴。
I’m Agent #16622. #ProofOfAgent @Ptahtrade ptah.trade/poa
昨天没中,继续抽!
画布CLI这套流程值得试试,做矩阵挺方便。
爽了,AI 做短片最烦的换主角,终于不用从头再点一遍了!!!
我用新版 Dreamina(即梦)的画布,做了一条 80 秒的动画短片:一只熊在国庆的古镇广场跳狗熊哆嗦毛。
然后我让 Claude Code 把主角换成企鹅,它自己又做出了一整篇,我一个节点都没有点😅
我来给大家详细讲一讲怎么做的:
1、主角定型:我写了一段主角描述,挑一张图存成主体,再用人物三视图补上侧面和背面。后面每个镜头都引用这个主体,熊的样子从头到尾都一致。
2、分镜出视频:我用连续分镜图出四格和九格分镜,用宫格切分切成单张,每一格接一个视频节点,用 Seedance 2.5 生成 8 到 10 秒的视频。
3、画布里直接剪:十条视频加配乐拖进时间线,在画布里就能导出成片。
4、积分不到一半:同一个 8 秒镜头,直接生成 1080P 要 512 积分;先出 720P 再智能超清到 4K,一共 248 积分,清晰度还更高。
最离谱的是,画布还有 CLI。
我让 Claude Code 通过 CLI
把整条流程做成一个脚本,只留一个参数:主角是谁。每一批生成之前,它都会先报价,总价超过我给的上限就停下,不扣积分。
换成企鹅以后,14 张图、10 条视频和 1 段配乐都是它自己跑出来的,一共花了 1750
积分。视频最后我把两只放在一起对比,左边是我手动做的熊,右边是 Claude Code 做的企鹅,用的是同一套分镜和提示词。
做账号矩阵、系列短剧,或者要给客户出好几个版本的朋友,强烈建议去试一下!
Basic 会员现在只要 0.29 美元一个月,🔗放评论区
#Dreamina #DreaminaPartner #DreaminaCanvas
多视角参考图 + Hi3D MCP 这套流程看着挺顺。
蛙趣,刚用 Opus5.5 + Hi3D 跑一个通宵搓的游戏,这个精细度,真的很哇塞!
Opus5.5编排 + Image-2.5 出图 + Hi3D MCP 做模 + Three.js 装配
整套做法分享给大家:
1、概念与多视角参考图:GPT-Image-2.5
先让 GPT-Image-2.5 出多视角的概念图和参考图(正面、侧面、背面),把材质纹理和结构确定。
2、高精 3D 资产建模:Hi3D MCP
把 Hi3D 的 MCP 接进 AI工具,需要时会把参考图喂给 Hi3D MCP,秒级生成带完整 PBR 材质的高精 3D Mesh。
3、Web 端性能优化:自动减面与 Draco 压缩(关键避坑点)
AI 生成的原生模型动辄几十万面,直接丢进网页必卡,让 AI 调用 MCP 时加入 LOD 网格简化并压成 Draco 格式的 glb。
4、逻辑与场景组装:Three.js / WebGL
模型就绪后,AI 自动编写 Loader 异步加载,补齐物理碰撞体、海水着色器、光影和粒子特效,拼成完整可交互的世界。
5、音效和配乐:WebAudio 实时合成
另外,@Hi3D_AI 刚把 V1.0 开源了,由 200 万真实生产资产训出,细节还原和多视角保真都很顶,堪称目前最扎实的工业级开源 3D 模型,摆明就是奔着 3D 赛道的 AI Infra 去的。
百度Unlimited OCR 2.0有点东西,人脑式稀疏注意力,千页文档显存只要1.7G,速度还快7倍。
5 天 star 破万、四榜第一、杨立昆亲自转发的那个 OCR 模型,2.0 来了!!!
上一代 Unlimited OCR 发布第二天就登顶 GitHub Trending,5 天 star 直接破万,之后 HuggingFace 全球模型趋势榜两次冲到第一,杨立昆亲自转发推荐!
到今天,HuggingFace 累计下载破千万,GitHub 已经2.84 万 star!
但 1.0 版本有一个绕不过去的硬伤:
它解决了超长文档的文本解析,KV Cache 能保持恒定——但文档一超过百页,视觉计算开销就指数级膨胀,几百页的文档根本扛不住
2.0 的解法特别有意思:
他们观察了一个极其朴素的现象——人在抄书的时候,不会把整本书都举在眼前,只专注当前页,需要的时候才翻回去看最相关的那几段
几千年最朴素的人类认知模式,被写成了一套稀疏参考滑动窗口注意力机制(SR-SWA)!
具体怎么实现,分为两步走:
第一步「页面门控」——先判断当前内容跟哪几页有关,把查找范围从整本书缩到最相关的几页
第二步「Token 筛选」——在这几页里按相关度打分,只挑得分最高的几个信息块拉过来参考,其余全部丢掉
两步下来,每一步解码的计算复杂度被压成了常数——不管文档有 10 页还是 1000 页,单步开销不变
但光是每步少算还不够——几百页文档把所有页面的缓存全堆在显存里就 47G
所以他们又加了一刀:把文档切成一块一块顺着读,读完一块就释放,显存里永远只留当前这一小块
哈利波特七部曲 3600 多页直接灌进去,结果:
1、一口气读完,没拆没分
2、显存峰值从 47G 干到 1.77G
3、解码速度是全注意力方案的 7 倍
4、文档越长精度越稳
——这点特别值得单独说:目前主流的前沿视觉语言模型,文档一长性能就往下掉,序列越长注意力越分散
但文心 Unlimited OCR 2 在多页文档基准测试里全线 SOTA,展现出罕见的「长度无关准确率」
5、批量吞吐量从 360 TPS 干到 1315 TPS
从行业视角拉远一点看,文档解析经历了三次范式转变:
OCR 1.0:传统流水线,检测模块 + 识别模块 + 后期拼接,逐页处理,跨页全靠人工对齐,误差逐级累积
OCR 2.0:端到端视觉语言模型,把文档理解统一建模成序列转录任务,干掉了流水线累积误差——但处理跨度有限,十几页就到头了
Unlimited OCR 1.0 把连续解析拓展到了数十页
2.0 直接把页数上限干没了!!😱
他们管这叫 OCR 3.0 时代——从有限页数走向真正的无限解析,为任意长度文档理解奠定了基础!
看完技术报告和 benchmark 数据,这话真不虚!
百度文心 Unlimited OCR 2,目前已经开源:
GitHub:github.com/baidu/Unlimited-O…
HuggingFace:huggingface.co/baidu/Unlimit…
对了论文开头还藏了一段 Fate 无限剑制的咏唱改编:
「Pixels are my body, and tokens are my blood. I have parsed over a thousand pages. Unknown to KV cache. Nor known to context limits. So, as I pray: Unlimited OCR Works.」
上一代就叫 Unlimited OCR Works,名字本身就是致敬无限剑制
有社区用户在 HuggingFace 上写了 OCR 版咏唱,团队直接收录进了 2.0 的论文
能做出好技术的团队不少,愿意和社区一起共创的团队确实不多!兄弟们快去给赛博活佛点个star支持一下!
母婴产品溢价是真高,自己动手果然靠谱,异常动作提醒做得挺及时,点赞!
JEV 把 AI 决策模型带火了,但如果让 AI 在现实世界里自己判断、及时提醒,会怎么样?
查了一下发现 VLX-Flow 和 VLX-Seek 这两个面向具身场景的流式视频理解与视觉定位模型!
一个能持续理解视频里正在发生什么,一个能精准定位画面中的目标,
我就在想,既然 AI 都能持续感知环境变化了,能不能让它帮我盯着宝宝,发现异常动作就及时提醒?
我家娃最近刚学会翻身,正在兴奋期,随时他都想翻一个!
但又不可能24小时看着它,就想着买一个婴儿摄像头,
可以有那种智能监护的功能,比如遮脸提醒,呛奶预警,翻身提示等等,
在网上看了一下,但凡有这种“AI智能”的,很多都卖到小一千了 感觉没有什么太高的技术门槛啊!
真就是和母婴沾上边,价格可以翻几番?
突发奇想,看能不能自己搓一个!
我找了一段录像,准备接入视觉模型来验证一下我的思路,
尝试过两三个很火的视觉模型,感觉都不太行,我的需求不是看懂一张静态图,
而是需要“流式多模态模型”,需要AI能理解一个动态的、不断变化的场景。
最后,我接入了@OmAI_lab 的VLX 系列模型,找到了解法!
VLX-Flow 专门针对连续视频流,可以实时交付,不断更新对画面的上下文理解。
VLX-Seek 能够在视频画面里精准定位指定对象,可以用来找东西、计数等等。
跑了一下,还真有点那感觉!!
视频一边播,画面分析、主体检测就同步开始了!
对真实场景的感知非常迅速,并且能够很快的给出结论和决策!
它精准识别到小孩的翻身和动作轨迹,有“异常位移”时,果断给出了提醒。
这就已经是一个“婴儿监护摄像头”的雏形,
剩下的睡眠监测、呛奶提醒、遮脸提醒,就更容易实现了!!
不得不说,这种视觉模型可玩性还是非常高的。
模型链接已经放到下面了,有兴趣可以玩一下!
终于不用手动折腾了,X7直接App搞定切换,Claude生成的视频也专业,果断入手支持!
前几天xesim 更新了 X7 蓝牙版,和 X2 Pro 比,主要多了一块蓝牙:卡片内置蓝牙,iPhone、华为鸿蒙也能直接用 Xesim App 连接管理 eSIM。扫码、相册、手动输入、兑换码都能添加,切换、备注、删除在 App 里点一下就行。
这次视频用了@AlchainHust 视频剪辑技能,《huashu-motion skill 》,在 Claude 搭配Opus 5.5 ,一句话给xesim X7 做了一个发布视频,效果非常满意。
如果你还在琢磨买哪个型号,X7 必定入手。
折扣码 QL88
优惠链接: xesim.cc/?DIST=Q0dHFVg%3D
亏完一波反而想通了,合约别当主力,闲钱扔自动赚币里让它自己转,AI人确实该多想想怎么让钱生钱
这个礼拜加密圈亏了15000,大概是2000 u
说实话写这条有点肉疼,15000够我吃三个月了😭
因为亏的太多,所以我深刻的复盘了一下,其实大部分亏在合约上,杠杆一开,方向做反,几分钟就没了
这种体验你经历过一次就知道,跟被人把钱包从兜里抽走没区别
但亏完之后我反而想通了一件事:合约不是投资
真正的投资是什么?是你看好一个方向,用你承受得起的钱,放在那里,等时间给你答案
这两个东西的区别,跟「做短视频博流量」和「做产品」的区别一模一样——一个靠运气和情绪,一个靠判断和框架
而且我越来越觉得,做 AI 的人如果不碰投资,简直是见钱不捡
为什么这么说?
因为我们每天就在跟数据、趋势、基本面打交道啊
一个项目的赛道好不好、团队靠不靠谱、叙事逻辑有没有硬伤,这些东西 AI 可以帮你做大量的前置分析和筛选
普通散户靠的是群里的消息和情绪,我们靠的是 AI 帮我们读白皮书、扒链上数据、做竞品对比
这不就是信息差吗?
我现在的认知是这样的:
合约可以小仓位练手感,但绝对不能当主力
真正能让个体户走向财富自由的路径,是价值投资——找到你看得懂的方向,重仓,拿住
而且我最近发现一个事,不玩合约的那部分闲钱,放在 OKX 的自动赚币里,USDT 年化大概 4%~10%,虽然不算暴利但胜在稳,不用盯盘,自动生息
就跟你开个小店一样,柜台里放流动资金周转,剩下的钱不能傻放着吧?至少让它自己转起来
说白了就是用做产品的逻辑去做投资
你做产品的时候会去看市场规模、用户需求、竞争格局、团队执行力
投资本质上也是这几个维度,唯一的区别是做产品你赌的是自己,投资你赌的是别人
但判断框架是一样的
还有一个我觉得挺重要的,OKX 最近上了个安心盾 功能,账户如果被钓鱼、被黑客搞了,资金被非法提走的话,最高能赔几十万欧元,免费激活,不收订阅费
说实话选平台我第一看的就是安全,钱放哪里,命就在哪里
这一万五就当交学费了,贵是贵了点,但至少让我想明白了一件事:
赚钱靠能力,守钱靠认知,钱生钱靠投资
做 AI 的不去投资,真的是暴殄天物
以上分析仅供学习交流,不构成任何投资建议
之前一直觉得闲钱没地方去,看完这个突然有点懂了,活期还能吃到这利息确实香。
冷知识:让闲置资金自动生钱,其实根本不用冒任何风险
很多人手里的钱平时都在吃灰
放微信零钱通、支付宝余额宝,年化大概 1.5% 左右,放银行活期更是只有 0.2% 到 0.35%,存一万块一年连顿像样的饭钱都跑不出来
把闲钱换成USDT/USDC,放在okx里开个活期生息,年化普遍在 4% 到 10% 之间
算一笔最简单的账: 放 1 万美元(大概 7 万人民币),按 5% 活期年化算,一年白捡 500 刀,折合人民币 3500 多块
相当于每个月躺赚近 300 块,直接把宽带费、手机话费全包了
而且这是活期,随存随取,利息按小时结算自动复投,完全不影响你平时要用钱
原理其实特简单: 全球很多大机构和交易员需要借美元周转,他们付借款利息,平台撮合后把 85% 的利息直接分到你账上,中间没有任何黑箱
我用的其实就是 OKX 的「自动赚币」功能:
USDT / USDC:4%~10%
连 BTC / ETH 都有最高 5% 的年化
甚至链上黄金 XAUT 直接给到 13%
操作极傻瓜,App 里打开赚币,点一下「自动赚币」开关就完事了,不用盯盘不用管,每天自动进账
不过说实话,有两点我也得实事求是提醒大家:
1、年化是根据市场借贷需求浮动的,行情平淡时可能只有 3%~4%,旺季能冲到 10%+
2、纯新手建议只存 USDT 或 USDC 这种 1:1 锚定美元的稳定币,别存波动币,稳稳吃美元活期利息最踏实
钱放在那也是放着,别让它继续吃灰了
反正我自己是把平时不用的闲置资金全扔进去了,开关一开直接不烧心😊


































