Общие новости
花了 100 亿 Token 后,我发现 Code is cheap 是最大的谎言
掘金
以前圈子里信奉一句话:Talk is cheap, show me the code。 最近风向变了,流行起 Code is cheap。AI 降低了编码门槛,让不少圈外人形成一种认知:会不会写代码没
Балл: 57.36Уверенность: 54%
ПодробнееЗагружаем каталог…
Загружаем каталог…
НАВИГАТОР ПО ВОЗМОЖНОСТЯМ ИИ
Найдите свой ИИ-инструмент. Бесплатный доступ, пробные периоды и кредиты — в одном месте.
掘金
以前圈子里信奉一句话:Talk is cheap, show me the code。 最近风向变了,流行起 Code is cheap。AI 降低了编码门槛,让不少圈外人形成一种认知:会不会写代码没
Балл: 57.36Уверенность: 54%
Подробнее人人都是产品经理
新模型刚发布那几天最聪明,过一阵就开始降智,这事不少人都体感明显。9 月又赶上 GPT-6 Astra 以及 Sol 和 Luna,作者额度马上刷新还拿到重置卡,于是整理了国庆期间最值得做的 5 件事,核心是额度用光后能留下什么。 新模型刚发布那几天最聪明,过一阵就开始降智,这事估计不少人都有体感。 这个9月又赶上一轮。月初OpenAI发了GPT-6 Astra,现在又刚上了Sol和Luna。我这边额度马上就要刷新,还剩很多没用,赶上国庆,又连着给了2张重置卡,得提前想想怎么最大化利用好它,不错过智商黄金期。 模型正聪明,额度也多,假期时间又长,这几样难得凑到一起。我是平时有额度的时候忙得没空用,有空的时候额度又不够,好多想干的事就这么拖着,比如我很早就想用AI把这些年写过的东西全部整理一遍,搭一个自己的知识库,到现在都没动手。 到底拿这几天干点什么,才不算浪费?我还专门去研究了一下,就有了今天这篇分享。 先说降智。我的感觉是,模型刚发布厉害得不行,各种算力往上堆,发布没几天,算力是不是就偷偷挪去训练下一代了,我没证据,但体感就是这样。 网上的猜测就更多了。有人说是为了省成本,用的人一多,就悄悄换成压缩过的版本,或者把思考时间调短。也有人说是上线后不停打补丁,限制越加越多。就有点像大家吐槽新开的饭店,开业头一个月大厨亲自掌勺,等排队的人一多,菜就开始缩水了。 今年1月,程序员扎堆的论坛Hacker News上有个帖子挺火,有人专门做了个追踪页面,每天给Claude Code跑一遍基准测试,就为了看它有没有降智。结果发现,确实是降了,那帖子火了以后,Claude Code团队的人跑到底下回复,说1月26日工具层面引入了一个问题,28日一发现就回滚了。 https://news.ycombinator.com/item?id=46810282 还有网友吐槽Codex,说每次新模型一发布,额度重置一发,能热闹个两三个星期,然后又回到从前。 到底是哪种原因,咱们很难说清。但对我们普通用户来说,能抓住的就一件事,新模型刚上线那两三周,至少体感上是它状态最好的时候,算是一个窗口期。 这段时间怎么花,我觉得就看一条,额度用光以后,能留下什么。比如一份以后还能接着用的skill,一份整理好的作品集,这些都挺划算。 按这个标准,我是这样排的。前三件是新模型窗口期专属,先拿自己的活测它看实力,再把以前做不成的难题拿出来试一次,然后趁它聪明,把skill提炼好、重写一遍。后两件留给多出来的额度,把卡在半路的项目推到能用,再去干平时舍不得开的大活。 额度多的情况下,第一反应肯定是把思考强度拉到Ultra,但我不建议每件事都拉满。不只是考虑强度、额度,还得看时间,有些屁大点事如果都开UItra真的很浪费时间,主要太慢了。 如果把Ultra打开,它会主动分拆多个agent一起干活,花的时间比其他档位多。活多、能拆开的任务,比如一口气读几十份材料,开它就比较合适。如果每一步都要等你看效果的活,拆分的agent帮不上忙,额度倒是照样掉得飞快,难怪有网友说,大部分时候开Ultra都是杀鸡用牛刀。 所以下面每件事,我都标了开到哪一档,各家档位的名字不太一样,按高低对应着选就行。操作顺序都一样,每件事单独开一个新对话,模型选最新的,调好思考强度,再把提示词和材料一起发过去。 1 新模型刚上线,先用你自己的活测它 新模型上线,最快的测试方式,就是你把之前用旧模型做过的任务。材料跟要求都是现成的,你也知道好结果是什么样的,当时哪里不满意的地方也记得,同样的材料让新模型重跑一遍,有没有提升,一眼就能看出来。 我要用一个之前做过的任务来测你。 材料和要求在[文件],当时的结果在[文件],我对它的评价是[一句话,例如:结构对,但配色和字号都要我手动改]。 用同样的材料和要求重做一遍,做的过程中不要看当时的结果。 做完再打开当时的结果,逐项对比,哪里更好、哪里更差、哪里一样,附具体位置。 最后一句话告诉我,这个任务你现在能不能独立接过去。 思考强度跟你当时做这个活时保持一致,不然比出来的差距,可能只是档位不同。 2 把以前做不成的难题,拿出来再试一次 这是我觉得窗口期里最该干的一件。旧模型做的不好的活,把当时的输入、要求和结果留好,我一般把提示词存在本地,新模型一出就第一时间发过去,说不定就搞定了。 等过一阵它降智了,同样的活说不定又做不成了,赶在它状态最好的时候做成一次,做出来的东西就是你的了。提示词可以用下面这个 这是我之前没做成的一个任务,材料和要求在[文件],当时的结果在[文件],卡在[一句话]。 先说说你判断当时卡在哪,这次打算怎么做,说完直接开始,不用等我确认。 一直做到[完成标准]再停,中途遇到问题自己排查,只有要删文件或者要花钱的时候才停下来问我。 做完对照原始要求逐条检查,告诉我哪些做到了、哪些还没有。 这个就直接开Ultra,难题的话往往能拆成好几块,正好让它分头去试。OpenAI在9月11日发的Astra使用文章里还提醒过,新模型有时候做完第一版就回来找你确认,所以提示词里要写清楚做到什么程度才算完。 https://learn.chatgpt.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra 3 趁它最聪明,把skill提炼好、重写一遍 这是我平时干得最多的事。skill这个词我其实也写过好多篇文章了(有需要的可以看底部的AI系列文章链接),它不难,你可以把它理解成一份写给AI的工作说明书,以后遇到同类的活,它先看说明书再动手,不用你每次从头说。我自己的写作skill,还有整理语音日记、找选题这几个最常用的,都是这么一点点攒出来的。 我现在用的最多的3个skill,都是我自己手搓出来的。 还没有skill的,先提炼一个。如果你发现,有些任务你需要经常按固定的要求去给AI做限定,那就很适合写成skill了。 像我的语音skill就是这么提炼出来的,因为我基本上每天都在用,然后每天都要它帮我识别语音中逻辑不顺的地方,重复的地方做优化,搞成skill后就不用每次都说了。 已经有skill的,新模型来了值得重写一遍。为了让旧模型听话,我们可能攒了不少规则,每次先读一堆文档,每一步都重复检查。 这是我在[旧模型]上一直在用的[skill名],[粘贴或文件]。 请逐条过一遍,把每条规则分成三类,我的真实偏好、当时为了绕开旧模型毛病加的补丁、现在已经说不清为什么存在的。 后两类,用[保留的新案例]分别试一次,看去掉之后结果会不会变差。 再看看你这一版新增的能力里,有没有能加进这个流程的。 给我一个精简版,标出删了哪些、加了哪些、为什么。 拿不准的先留着,试过再删。 OpenAI那篇文章里就专门建议重新审视skill、AGENTS.md和任务提示词,说过长或互相冲突的说明会增加负担,过去有用的细密步骤,也可能限制新模型发挥。 这个事开High就够了,它要做的是读一份记录、改一份文件,拆子agent的意义不大。skill如果很多、想一次全过一遍的时候,再开Ultra让它同时处理。 不管是新提炼的还是重写的,都要拿一个新任务试。只给它skill和材料,看第一版你要纠正几次,纠正的地方再补进去,第一版通常不太好用,多补几轮就顺手了。具体方法,如果有问题也可以看我之前的教程。 有个小技巧,把新模型这几天做得最好的几份结果存下来当样板。过一阵觉得它状态不对了,把样板一起发过去,让它照这个水准来,通常比空口让它认真点管用。 4 把一个卡在半路的项目,交接给AI推到能用 这件做完马上就能用上。挑一个节后肯定要用、但现在还差几步的东西,可能是作品集里缺了过程说明的项目,可能是一份做到一半的方案PPT,也可能是一份很久没更新的简历。 这种任务最麻烦的地方是把现状跟AI说清楚。我会把它当成交接给一个新同事,讲清三件事,东西在哪,做到哪了,卡在哪。 我要在[日期]交[交付物],给[谁]用。 材料都在[文件夹或链接],以[文件名]为准,其他的只是参考。 已经做完的是[列出来],这些不要动。 现在卡在[具体问题],我试过[做法],结果是[结果]。 接下来只需要做[下一步],做到[完成标准]就算完。 动手前先用三句话复述你理解的现状,我确认了再开始。 做完自己检查一遍,交付文件、检查记录和还没解决的问题。 另外写一份进度说明,记录做到哪了、下一步是什么,我下次续接直接把它发给你。 思考强度开High就行,先打开项目文件夹再发提示词。材料特别多、或者明天就要交的,再上Ultra。 那句复述现状最省额度,它复述错了,说明你没交代清楚,这时候纠正只花几句话。进度说明也别省,下次续接直接发过去,不用从头交代。 做完再单独花一轮让它检查,直接写“检查每一页,列出所有文字、数据不一致和格式错误,附具体位置”。Claude Code的作者Boris Cherny分享工作方式时,也把让Claude验证结果列为重点,他的做法是改完代码直接开浏览器测,看到真实结果再决定下一步。 5 去干一直想干、平时舍不得开的大活 我说的是那种要来回很多轮、每轮都要看效果再改,或者一次要读几十上百页材料的活。平时不敢开,临期额度正好给它们用,反正不用也是清零。 一时想不起来有啥想干的,先花一轮额度让AI帮你盘点,开Medium就够,比如你可以发给它下面这段提示词,如果你平时有记录的习惯的话,这个盘点会很有用。我就是每天都在写作打卡的,所以对我来说就很受用。 我国庆有[几天]空闲,AI额度也很充足。 下面是我的写作日记里一直想做但没做成的事[粘贴]。 帮我挑出最适合交给AI、而且做完能留下东西的三件,按优先级排好。 每件写清楚要我准备什么材料、做到什么程度就算完。 我就很想试试让AI在Blender里建模,前提是用开源的Blender MCP把AI和Blender连起来,装法我去年写过,后面会贴。 用Blender做一个[物体,例如:北欧风格的木质餐椅],用途是[例如:放进作品集的场景渲染]。 照着参考图[图片或文件,没有就删掉这句]来做,比例和结构以参考图为准。 先用基础几何体搭大形,把比例调对,停下来让我看,我确认了再加细节。 之后每一轮只改我指出的地方,不要顺手重做已经确认的部分。 材质用[例如:浅色木纹],最后输出[例如:正面渲染图和.blend文件]。 我拿这个宜家凳子试了一下。 前后花了26分钟,用掉了22%的周额度,还是挺费额度的。 这是Blender里建出来的效果,基本还原得七七八八了。 全程没有介入,连渲染都是我用codex让blender渲染出来的效果图直出。 去年3月Blender MCP刚开源的时候,我写过一篇最新开源!真的可以用AI 在blender里建模!。当时周末玩了一整天,结论是只能做些简单的模型和场景,说实话挺挫的。一年半过去,还原一个宜家凳子已经像模像样了,这进化速度是真快。 还可以做一个自己喜欢的小游戏。 做一个能在浏览器里玩的小游戏,[核心玩法一句话,例如:躲开从上面掉下来的方块,撑得越久分越高]。 只用一个HTML文件,不依赖外部资源,双击就能打开。 先做最简版本,能玩、有计分、能重开,我试玩之后再加[音效、关卡、难度递增]。 每次改完,告诉我你测试了哪些操作、结果是什么,方便我核对。 初版只花了6分钟,用了1%的周额度 接着又优化了一轮,也是6分钟,2%。 一次修改还好,但游戏改起来没完没了,效果差一点就想调,十几轮下来也是不小的额度。 建模和做游戏这种要你一轮轮看效果的活,思考强度开High就够了,第一版实在不满意再上Ultra,后面的小改降到Medium,改得快也省额度。 国庆要回老家的朋友,还有一件事特别适合趁这几天做。把爸妈这几年的体检报告或者病例啥的都翻出来拍下来,一起发给AI。平时我们都是一份一份看,很少把几年的放在一起对比看身体趋势变化。这件事我打算国庆回家就弄,健康比啥都重要。 这是我[爸爸/妈妈]从[年份]到[年份]的体检报告,一共[数量]份,照片在[文件夹]。 请全部读完,不要抽样。照片看不清的地方直接告诉我,不要猜。 把每年都有的指标整理成一张对比表,标出哪些在持续变差、哪些今年第一次超出范围。 每一条都注明来自哪一年、第几页,我要能查。 最后用爸妈听得懂的话,整理出下次看医生时最值得问的三个问题。 这种一次读一大堆材料的活,最适合开Ultra,让它分头去读,再汇总到一起。发之前记得把姓名、身份证号打上码。它毕竟不是医生,这份整理主要是让你心里有数,看医生时带着问。家里的保险合同也可以这么弄,让它列清楚保了谁、保什么、哪些情况不赔。 这类大活开工前,先拿个小的试试水,看一轮大概吃多少额度,再定一条做到这就停的线,能看、能玩、能查就可以了。 如果你的额度只剩一两天就要刷新,我会挑一个近期要交付的任务,再挑一个最实用的,比如提炼skill,每项都写清输出位置和停止条件。重置前留出验收时间,把文件、进度说明和skill都存好,没做完的下次也能接上。 能在后台自己跑的长任务,出门前布置下去,回来再验收,人出去玩,AI在家干活。 也不用非要把数字薅到0。 说实话,额度这东西挺折磨人的。用的时候看它哗哗往下掉,心疼。快清零了还剩一大截,也心疼。 可只要花出去的额度换回了东西,就不亏。一个拖了很久的任务终于做完,一份以后还会用的skill终于跑通,一个平时舍不得开的大活终于爽了一把,剩下一点额度也没什么可惜的。 我自己这个国庆,打算把惦记了很久的知识库搭起来,回家的时候,再把爸妈这几年的体检报告对一遍。 你呢,有没有哪件一直说着以后再弄的事? 模型会降智,额度会清零,假期也会过完,但能把东西做出来,才会真正成自己的。 本文由人人都是产品经理作者【彩云译设计】,微信公众号:【彩云译设计】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于 CC0 协议
Балл: 57.35Уверенность: 54%
Подробнее掘金
Laya 源码级原理拆解之四:路由检测与服务部署.这一篇我拆最后一段链路,也就是模型真正被调用之前那层看不见的调度:同一份代码背后其实蹲着三套参数,到底用哪套是它自己选的.
Балл: 57.35Уверенность: 54%
ПодробнееAIタグが付けられた新着記事 - Qiita
編集後は等倍で次を確認します。 境界に暈けや色の段差がないか 直した領域の解像感が周囲と揃っているか 手、耳、眼鏡のフレームなど細い構造が崩れていないか 気に入った1枚が出ても、同じ設定でもう1枚出して差分を見ます。1枚だけだと、偶然直ったのか手順が効いたのか分かりませ...
Балл: 57.35Уверенность: 54%
Подробнее人人都是产品经理
里克·鲁宾在《创意行为:存在即答案》里写道:「拉开了去观察,拉近了来沉迷。」作者由此展开:伟大的品牌要在理性与创造力之间取得平衡。就像英国皇家建筑师学会给学生的建议——别造一段满足所有用途的楼梯,而是为「求婚」设计一段完美的楼梯。 “拉开了去观察,拉近了来沉迷——选择权在我们。” 里克·鲁宾在他最近的书:《创意行为:存在即答案》中写下这句话。它也几乎完美地总结了打造品牌以及如何做好“打造品牌”的精髓。 伟大的品牌,需要在理性与创造力之间取得微妙的平衡。 如果过于偏向理性,产出会缺少感染力; 如果偏向创意,结果则缺乏实效。 而品牌人的工作,或者说打造品牌的诀窍,就是拿捏好这份平衡。 巴斯研究所、菲利普・科特勒、麦卡锡等学者,主要聚焦品牌的理性:如何洞察趋势、测算潜力市场、寻找增长空间,以及与品牌最契合的匹配度。这类研究冷静、分析导向、不带感情色彩。如今,大部分品牌战略制定逻辑也集中于此。 然而,市场规模、增长空间、品牌适配度, 全都是抽象的理想化指标。但真正体验品牌的,是活生生的人。 我们不能只搭建一套分析品牌的工具、框架与洞察法则,同样也需要一套工具, 用来驾驭创造力本身。 一、为“求婚时刻”设计楼梯 有一个容易理解的例子。英国皇家建筑师学会曾发布一个楼梯项目任务,遇到一条给建筑系学生的绝妙建议:如果你在设计一段楼梯,不要罗列所有可能的用途,然后试图造一段满足所有用途的楼梯——那样楼梯充其量功能合格,更糟的是设计会被处处妥协,面目全非。 反过来,锁定一个特定场景:为“求婚”设计一段完美的楼梯。 一道适合求婚的楼梯,一定也适合普通人上下通行。人们会愿意在这里驻足,偶遇朋友同事,也会愿意在这里拍照留念。 把一个极致的需求解决到位,普通日常需求也随之迎刃而解。 这套逻辑同样适用于品牌体验设计。心中装着一个 “具体的人” 去做细分定位,并不会限制你的市场,它会让你的品牌体验建立在共情之上。 “具体”意味着责任, 不再躲藏在“服务所有人”的借口背后。你的方案可行吗?契合吗?传播有效吗? 只有具体,才能产生真正的信任。 这就像在地图上找专属位置, 在那里,你是唯一能解决这类人群需求的 “最佳答案” 。把全部关心投向他们的渴望,让改变发生——改变足够震撼,口碑自会向外扩散。 这里有两个小技巧: 最好的“具体”,是和你一样的人。 要根据人们的梦想、信念和渴望洞察具体的人,而不是他们的地域、工作和收入。 沃伦·巴菲特在写年度股东信时,也曾使用类似的技巧:他会想象自己在给姐妹多丽丝和伯蒂写信。结果呢? 清晰与温暖的典范之作, 为巴菲特赢得了“奥马哈先知”的非正式称号。 二、苹果:为“自己”设计,取悦十亿人 在为“为取悦一个人而设计,却让几十亿人愉悦”的最好案例,必然是乔布斯和他的苹果。 它是全球最有价值的品牌,原因很简单: 它做的每一样东西看起来美,用起来也美。而这是因为苹果做的一切,都是乔布斯心中装着“自己”设计的。 沃尔特·艾萨克森的传记见证了乔布斯对完美的痴迷,以及这种痴迷在多大程度上塑造了苹果的品牌体验: 第74页: 乔布斯的父亲曾教导他, 追求完美 意味着即使对看不见的部分也要讲究工艺。乔布斯把这一点用在了Apple II内部电路板的布局上。他否决了最初的设计——因为线路不够直。” 第388页: iPod项目启动后,乔布斯每天沉浸其中。他的核心要求是 “简化” !他会逐一过用户界面的每个屏幕,执行一个严苛的测试:如果他想要一首歌或一个功能,必须三次点击内到达。而且点击必须是直觉的。如果他搞不明白怎么导航,或者超过三次点击,他会变得毫不留情。 第472页: 最初的iPhone设计是把玻璃屏幕嵌在铝制外壳里。一个周一的早晨,乔布斯去找乔尼·艾夫。“我昨晚没睡,”他说,“ 因为我意识到我就是不爱它 。”这是他自第一台Macintosh以来最重要的产品,而在他眼里它就是不对劲。 第561页: 他对完美的追求, 使他执着于让苹果对自己制造的每件产品实行端到端的控制 。一想到伟大的苹果软件跑在别家公司蹩脚的硬件上,他就会起荨麻疹,甚至更糟;同样,一想到未经批准的应用或内容污染苹果设备的完美,他也会过敏。 苹果是异类,但并非孤例。 不少惊艳的品牌体验,都是为某个极致的细分需求打造。伦敦的泽特镇屋酒店,只有 13间客房 ,整套体验全部建立在一位虚构主人Wilhelmina 的品味与冒险故事之上。 早在2009年,四川一位农民投诉洗衣机总是被泥土堵死,原来他会用这台机器洗沾着泥土的土豆,顺带洗衣服。于是海尔专门开发一款洗衣机,既可以洗衣服,也可以清洗沾满泥浆的土豆。这件事现在听起来都有点不可思议,后来还上了《财富》杂志。以此来看,后来的懒人洗衣机也就毫不稀奇了。 所以,请不要围绕 “普通用户” 来设计你的品牌。 当然,起步阶段理性分析必不可少:识别你的总可及市场,测算增长空间,量化品牌契合度。但之后,要释放你的创造力。 想象你的目标人群当中,那个最具体的人,要求最高的人, 把服务好这个人,定为你的核心市场。 选择权在你——拉远了观察,然后,拉近了沉迷! 三、避开那些不相信的人,敢于说“NO” 还有一种危险的情况,很多品牌会被别人的“拒绝声” 带偏方向:为了讨好质疑者而修改产品定位、调整品牌理念,最终将原本为“一个人”打造的产品改得面目全非。 这个时候,你需要自信的说“NO”,三个层面: 其一,敢说“NO”,意味着纯粹。 唯有放弃“取悦所有人”的执念,敢于拒绝那些不信任你的人,你的作品才能只为自愿同行者存在。 拒绝的过程,就是筛选同路人的过程。 其二,回到初心, 你的服务对象始终是最初设定的最小有效受众 ,而非那些质疑者。记住——这些拒绝声恰恰证明你走在正确的道路上, 因为你的价值本就不该被所有人认可。 最后,送给每一位敢于担当、勇于拒绝、心怀同理心的创业者一句底气十足的话 —— “对不起,这不是为你准备的,去我的竞争对手那里吧”。 专注的本质,不是说”YES”,而是说”NO”。 ——乔布斯 本文由人人都是产品经理作者【品牌猿】,微信公众号:【品牌猿创】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。 题图来自Unsplash,基于CC0协议
Балл: 57.35Уверенность: 54%
Подробнее人人都是产品经理
视频生成最贵的其实是那些被丢弃的废片。即梦 AI 网页版新上线的「样片模式」先用 480P 出草稿,满意后再原生升清到 1080P,成本只有原来的八分之一,作者用一支短片做了对比实测。 最近手搓了几部短片、MV,大家都还挺感兴趣的(具体翻我前几天的文章),但就是成本这块......着实劝退了不少朋友。 你也不能怪人家视频工具平台,本身Seedance 2.5就这个价。官方API,720P是¥1.5/s,1080P是¥3.7/s。即使平台再打个6-7折,500块的订阅也只能跑3分钟左右(1080P)。 如果再加上抽卡,成本直接2×、3×,甚至5×了。 结果你发现没有,最花钱的居然是这些没啥用的废片,我们为大量被丢弃的高清产物付了全价。这事怎么想,都不太对。 直到最近, 即梦AI网页版上线了一个「样片模式」 。 我第一时间体验了下。简单来说,它先用480P生成草稿,满意后再原生升清为1080P成片。而480P的成本,只有1080P的1/8,这成本一下子就降了很多。 给大家放一个我做的对比视频。 提示词: 初始画面: 残阳如血。 荒原,枯草,一座破败酒棚。 白衣剑客独坐。桌上只有一壶酒,一只杯。 他对面,黑衣刀客按刀而立,没有坐。 台词/旁白: 白衣剑客(不抬头,倒酒): “你来了。” 黑衣刀客: “我来了。” 白衣剑客: “酒还温。” 黑衣刀客: “刀已冷。” 风骤起。 酒棚布帘狂翻。 白衣剑客终于抬眼。 白衣剑客: “可惜。” 黑衣刀客: “可惜什么?” 白衣剑客: “可惜这世上,又多了一个死人。” 第 14—15秒: 刀光一闪。 画面全黑。 只听见酒杯落地碎裂声。 黑屏字幕: “死人,是不会说话的。” 音效建议: 风声、布帘拍打声、倒酒声、刀出鞘一瞬的金属锐响、酒杯碎裂声。全程无配乐,或只用极低沉的箫声。 上面是480P样片,下面是基于样片升清的1080P成片。 如果没有先做样片直接生成原片呢?它很有可能会变成这样。 人脸、台词节奏和出刀顺序都不对,你只能咬咬牙再来一遍,成本直接2×。 而有了样片模式,现在就可以大胆的抽卡了。比如上面这支视频,我就抽了2次样片,由于样片2白衣剑客台词串台了,我最后采用的是样片1。 而这么一支视频做下来,我的成本只有1.25×。 我这么说,你可能没什么概念,我们把它转换成rmb你就知道有多肉疼了。 直接生成,一支15s的1080P视频,成本是78块钱(以下所有换算都是在即梦平台,连续包月998一档)。 样片模式,480P,抽卡2次,成本是22块钱。 升清至1080P成片,成本77块。 合起来,成本是22+77=99块钱。如果你直接1080P抽卡,那成本就是156块。算下来, 样片模式比直接生成省了38% 。 关于整个的成本换算表,我做了一个统计。基本上是,抽得越多,就省得越多。 比如我在即梦订的是998那档,1080P的15s视频只够我抽12次,积分就用完了......而样片模式,就完全不止了。 效果方面,成片基本99%还原了样片,只在一些非常细微的地方上有出入,比如沙滩上多了几片叶子,墙壁裂痕纹路未能做到100%还原。 其他一些大的方向上,我觉得是没什么问题的。比如 站位、人物台词、核心道具、景深、音效 这些,肉眼上看不出什么区别。 关于样片与成片的对比,大家在手机上可能看得不是很清楚。我用电脑对比了一下,画质差距一下子就出来了。 480P样片,明显山脉、残墙轮廓,还有地上的沙粒,都是糊的;1080P,细节就丰富了许多。 到人物部分,人脸、服装、道具和光影的细节,1080P和480P的差距就更大了。 我也用海辛的提示词,给杭州做了支短片,大家能看出什么区别吗? 以及前几天去鲁迅故居玩,对百草园的故事很感兴趣,于是用样片模式做了支上影风格的《百草园》。 这算是,即梦官方下场来做「超分」的事情了。 过去,大家想给视频超分,基本只能用一些第三方的超分工具,但画质和还原度或多或少都会明显损失,不是文字糊成一片,就是人脸变形严重。有时候,超分本身你还得二次抽卡,这太难了...... 而 即梦官方下场,有原生模型+原生数据+字节算力的先天优势 。在这个过程中,超分是独立运算,草稿加高清由固定种子通过不同分辨率来出。这种功能,也只有原生平台来做,才能把Seedance的性能发挥到最佳。 对了,即梦的「样片模式」在画布中也可以使用。 至于功能方面,也没有降级。像Seedance 2.5具备的全能参考、首尾帧、智能编辑这些能力,样片模式都有。 唯一有区别的是,3分钟的超长视频功能,样片模式暂不支持。 写在最后 即梦上线「样片模式」,对所有创作者来说,无疑是一大超级利好。这意味着,视频抽卡的成本终于可以狠狠地降一波了。 试错成本大幅降低后,创作者可以大胆地尝试不同的创意方向,比如批量分镜预演、多镜头连续性试拍、提示词多轮调试,这些过去不敢做的事情,现在都可以放心大胆地做了。 抽卡阶段,不需要为高清买单;有了效果后,再升清为高画质视频。 这个创作节奏,我觉得才是对的,也才是对创作者更友好的。 就像写代码一样,不得先跑个demo测试一下,没问题了才上生产环境,哪有人一上来就憋出个成片的? 现在,Seedance原厂把这事给解决了,让抽卡更自由,让创作更省心。 这波,即梦为大家狠狠地省下一笔了。 本文由人人都是产品经理作者【沃垠AI】,微信公众号:【沃垠AI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。 题图来自Unsplash,基于 CC0 协议。
Балл: 57.35Уверенность: 54%
Подробнее掘金
知道「有哪些工作项」和知道「这些工作项什么时候做」是两件事。工作项列表回答前者——谁负责、什么状态;规划回答后者——什么时候开始、什么时候结束、哪些工作项在并行、哪些已经逾期。
Балл: 57.35Уверенность: 54%
Подробнее掘金
Laya 源码级原理拆解之三:字段编译与业务胶水.这一篇我接着往下拆三个模块,它们是真正把模型接进业务的那层胶水,我用一个真实需求串起这三个模块,给客服反馈邮件做自动分诊.
Балл: 57.35Уверенность: 54%
Подробнее掘金
# Java养老系统源码详解:楼宇床位 care_space 与房态图 Spring Boot 实践 在线演示:管理端后台 标签:#Java #Spring Boot #MyBatis #养老系统 #
Балл: 57.35Уверенность: 54%
Подробнее人人都是产品经理
Anthropic 发布 Claude 5.5 系列的第二个模型 Sonnet 5.5,价格与 Sonnet 5 持平、是 Opus 5.5 的一半,速度比 Sonnet 5 快 30% 以上。文中给出 Terminal-Bench 等多项基准与单任务成本。 今天凌晨,Anthropic 发布了 Claude 5.5 系列的第二个模型 Sonnet 5.5, 看 bench... 恐怖如斯 Terminal-Bench 4.0:各思考档位的成绩与单次成本 它的价格和 Sonnet 5 一样,每百万 token 输入 2 美元、输出 10 美元, 价格是 Opus 5.5 的一半 在速度方面,Sonnet 5.5 也是遥遥领先, 比 Sonnet 5 快 30% 以上 。由于完成同样的工作用的 token 更少,官方测试里单个任务的成本最多能再低 30% 按官方的定位,Opus 5.5 负责需要持续判断的复杂开放任务,Sonnet 5.5 更擅长边界清楚的日常任务、修 bug,以及做文档、幻灯片和表格,对设计也很有眼光 面向大批量、低成本场景的 Haiku 5.5 会在未来几周推出 Sonnet 5.5 完整 benchmark Sonnet 5.5 在很多工作中,几近追平 Opus 5.5,也还是第一个只看截图就通关《宝可梦 红》的 Sonnet 模型 编程 Terminal-Bench 4.0:各思考档位的成绩与单次成本 Terminal-Bench 测的是在命令行里完成多步骤专业任务。每个点对应一个思考档位(effort),档位越高,模型想得越久,单次成本越高,分数通常也越高;越靠左上,同样的钱换来的能力越多 Claude 应用里默认的 Medium 档位,Sonnet 5.5 已经远超 Sonnet 5 各档位的最好成绩,单次成本不到后者的十分之一。开到 Max 档位后,它的曲线在最右端越过了 Opus 5.5,得到 70.6%。GPT-6 Sol 在这项测试上没有公开成绩,图中用的是 GPT-5.6 Sol FrontierCode 1.1:代码改动能否直接合入 FrontierCode 看的是代码改动能不能不经人工修改直接合入,超出任务范围的改动即使写得好也会扣分。High 档位下,Sonnet 5.5 比同档位的 Sonnet 5 高 10 个百分点,单次成本约为十五分之一 FrontierCode 上还有个细节:Sonnet 5.5 在 Xhigh 档位得到 52.1%,开到 Max 反而降到 46.2%。原因是 Max 档位下它更常调用 Claude Code 的代码审查 Skill,把审查拆给一批子 Agent 去做。Cognition 检查的两个案例里,这导致了超时,或者改动超出了任务范围 CursorBench 4.0:来自真实 Cursor 编程会话的任务 CursorBench 的任务取自真实的 Cursor 编程会话。Sonnet 5.5 最好成绩 55.5%,和 Opus 5.5 的 57.8% 相差约两个百分点 早期测试者提到,Sonnet 5.5 读懂一个代码库的速度很快。在同题对照里,它比 Sonnet 5 更多地把工具调用合并成一批,步骤更少,成本也更低。客户的反馈里有不少具体数字: Epic Games :在系统设计审计和数据流审查中达到了更高一档模型的质量要求;处理了数万行游戏系统架构代码,能跑数小时的任务,响应依旧很快,提示词也不用写得那么细 Base44 :在 118 个真实应用构建中,产出质量与 Opus 5 持平;平均每个应用迭代 3.6 次,Opus 5 要 7.7 次。它的工具调用失败次数在所有对比模型中最少,也很少中途停下来问用户,构建不容易卡住 Unity :任务要在运行时检查、改动真的生效才算完成,Sonnet 5.5 的大部分工作通过了这项检查;在多步骤 Unity 编辑器与编程测试中完成了 90% 的任务 CodeRabbit :在不同复杂度的代码审查里判断都好于 Sonnet 5,输出 token 明显更少,Sonnet 5 爱频繁联网搜索、token 用量高的毛病都没有了。简单和中等难度的审查会先切换过去 Lovable :思考步骤更少也更稳,编程测试里工具调用少了三分之一,shell 运行次数约减半 SpaceXAI :CursorBench 4.0 拿到 55.5%,仅次于 Opus 5.5 Every :写代码快,迭代时能很快调整方向,需要的时候也能长时间工作;它继承了 Opus 5.5 写作更自然的一部分改进,用起来更有意思 Creator :由 Opus 5.5 定好游戏的架构和整体框架后,可以放心交给 Sonnet 5.5 去实现 知识工作 AA-Briefcase v1.1:知识工作质量与单任务成本 GDPval-AA 用 44 种职业、9 大行业的真实任务测试模型。Sonnet 5.5 与 Opus 5.5 几乎持平,比 Sonnet 5 高约 400 分;AA-Briefcase 也是类似的格局。电脑操作和图表识别接近 Opus 5.5,在长周期的知识工作上明显强于 Sonnet 5 和 GPT-6 Sol 测试者还提到一些不太好量化的变化:聊起来更自然,也更懂设计,会给用户界面多做一层打磨,能按幻灯片模板做出几乎不用改的演示文稿。Anthropic 做过一次内部测试:给它一家上市公司的季度财报材料、电话会记录和一份幻灯片模板,让它做一份 10 页的经营回顾。两位专家评审后认为,初稿可以直接发出去 企业客户的结果: Slack :不改任何提示词,离线 Slackbot 评测几乎全部好于 Sonnet 5,步骤更少,输出 token 少约 14% Zendesk :用数百个真实客服场景测试回复和升级处理,错误决策比目前生产环境里的 Claude 模型更少,工单处理快了 20% Balyasny Asset Management :在 2441 个金融任务上(问答、信息抽取、分析、预测)成绩高于 Sonnet 5,每个回答约用 12.1 万 token,Sonnet 5 要 49.7 万;在参与对比的 7 个模型里,大批量工作流的质量成本比最好 Box :会回到源文档复核数据,找出了 Sonnet 5 漏掉的错误;准确率更高,速度快 2.4 倍,总 token 少 12% Atlassian :Rovo Agent 每月为客户执行数百万次操作,换成 Sonnet 5.5 后运行速度最多比 Sonnet 5 快 30% 价格与速度 三款模型的 API 定价 Sonnet 5.5 每百万 token 输入 2 美元、输出 10 美元,缓存写入 2.5 美元,都是 Opus 5.5 的一半;缓存读取两者相同,都是 0.2 美元。定价和 Sonnet 5 一样,但完成同样的工作用的 token 更少,所以实际花得更少 在多项测试中,Sonnet 5.5 用 Low 或 Medium 档位,就能超过 Sonnet 5 的最好成绩,单任务成本约为十分之一 官方的说法是,Sonnet 5.5 在较低档位时与 Opus 5.5 配合得最好,这时它单任务成本更低;开到较高档位,它能以相近的成本拿到相近的成绩 为了展示速度,官方让 Sonnet 5 和 Sonnet 5.5 用同一句提示词各写一个单文件网页。第一个是“用一个 HTML 文件做 400 只椋鸟的群飞”: 椋鸟的群飞 Sonnet 5.5 输出 4158 个 token 就写完了,鸟群已经飞了一阵,Sonnet 5 还在写代码,最后用了 4649 个 token 第二个是“风吹沙丘”,Sonnet 5.5 用了 2720 个 token,Sonnet 5 用了 3088 个: 风吹沙丘 思考档位可以在成本、速度和质量之间调节。Claude Code 和 Claude 应用默认是 Medium,Claude Platform 默认是 High。档位低,回答更快、token 更少,适合日常工作;档位高,Claude 会想得更久,检查也更仔细 安全方面,这是第一个配备网络安全防护的 Sonnet,日常开发里的找 bug、修 bug 不受影响,高风险的网络安全任务会转回 Sonnet 5 处理 上线 Sonnet 5.5 已经在所有平台上线,包括 AWS、Google Cloud 和 Microsoft Azure,API 模型名是 claude-sonnet-5-5,和 Opus 5.5、Sonnet 5 一样支持零数据留存 如果你之前关闭思考来用 Sonnet,迁移前需要换成新的 between_tools 设置,它会继续关闭前置思考 本文由人人都是产品经理作者【赛博禅心】,微信公众号:【赛博禅心】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于CC0协议
Readhub
赛力斯集团董事长张兴海在节目中表示,问界用户已突破 120 万,迈入品牌成长新阶段,推出专属专营模式是赛力斯与华为跨界合作的创新升级,既顺应品牌发展规律也响应了用户需求,能进一步做深做透问界的高端品牌价值。针对外界关于双方「分手」的误读,张兴海强调双方五年合作已搭建起产供销研端到端的完整体系能力,将继续肩并肩同行,问界是华为、赛力斯与用户共同的问界。针对用户关切的权益问题,张兴海明确提出产品标准、技术底座、服务保障「三个不变」,智驾和座舱仍由华为提供,所有 OTA 升级及用户权益不受影响,后续服务还将升级。目前赛力斯已拥有超万人研发队伍、全国 400 家专属专营用户中心,将坚持整车原生一体化路线,融合各方核心技术能力,坚守安全底线,聚焦整车长期的安全、可靠、好用,推动品牌高质量成长。
Балл: 57.35Уверенность: 54%
ПодробнееiThome 新聞
資料外洩防護(DLP)新創公司MIND宣布完成7,200萬美元B輪募資,累計募資達1.12億美元。MIND表示,新資金將用於加速DLP平臺開發及拓展企業市場,並深化技術與通路合作,同時擴大團隊規模;過去一年該公司營收成長超過17倍,客戶數成長超過8倍。
Балл: 57Уверенность: 54%
ПодробнееБалл: 57.35Уверенность: 54%