即刻App年轻人的同好社区
下载
OpenAI 之前预热的首个硬件产品上线了，果然是跟 work_louder 合作的这款客制化键盘。
同时附赠了一套 Codex 图标的键帽（一共有 32 个不同的键帽），你可以根据自定义的按键内容去更换不同的键帽。
这个还挺有意思的，每个 Agent 的按键都会根据 Codex 的状态亮起不同的 RGB 灯效。
产品确实是漂亮，但是 230 美元我觉得还是有点太贵了。
如果你不是很追求颜值的话，去淘宝买一个支持自定义按键、带旋钮的小键盘，也就几十块钱。
同时附赠了一套 Codex 图标的键帽（一共有 32 个不同的键帽），你可以根据自定义的按键内容去更换不同的键帽。
这个还挺有意思的，每个 Agent 的按键都会根据 Codex 的状态亮起不同的 RGB 灯效。
产品确实是漂亮，但是 230 美元我觉得还是有点太贵了。
如果你不是很追求颜值的话，去淘宝买一个支持自定义按键、带旋钮的小键盘，也就几十块钱。
10 22
前 OpenAI CTO Mira Murati 创立的 Thinking Machine。
在成立一年半之后，终于推出了他们的第一款模型：Inkling
MoE 架构，总参数量是 975B（快 1T 了），激活参数为 41B，拥有 1M 的上下文窗口。
模型在 45T 的数据上训练，原生支持多模态，包括文本、图像和音频理解。
此外，还有一个更小的 Small 预览版模型，激活参数为 12B。
这个模型是开源的。他们的数据（后训练数据）是从一系列开源模型（例如 Kimi 2.5）中蒸馏得到的。
详情：thinkingmachines.ai
在成立一年半之后，终于推出了他们的第一款模型：Inkling
MoE 架构，总参数量是 975B（快 1T 了），激活参数为 41B，拥有 1M 的上下文窗口。
模型在 45T 的数据上训练，原生支持多模态，包括文本、图像和音频理解。
此外，还有一个更小的 Small 预览版模型，激活参数为 12B。
这个模型是开源的。他们的数据（后训练数据）是从一系列开源模型（例如 Kimi 2.5）中蒸馏得到的。
详情：thinkingmachines.ai
6 00
Codex 这个更新很好玩！
它现在有了类似 Claude 那种可视化的、可交互的功能，可以在聊天中展示一些可交互、可视化的 UI 组件。
而且整个样式跟 Codex 本身的风格融合得很好。
你可以像我这样去让它触发，亲自去体验一下。
在一些必要的场景下，它会自己给你展示这些可视化的组件，帮你去理解信息或者执行一些操作。
另外，Skills 里面 Claude 常见的那种 ask question 交互，估计它也能执行了。
可以升级一下你们 Skills 里面关于 Codex 的流程了。
它现在有了类似 Claude 那种可视化的、可交互的功能，可以在聊天中展示一些可交互、可视化的 UI 组件。
而且整个样式跟 Codex 本身的风格融合得很好。
你可以像我这样去让它触发，亲自去体验一下。
在一些必要的场景下，它会自己给你展示这些可视化的组件，帮你去理解信息或者执行一些操作。
另外，Skills 里面 Claude 常见的那种 ask question 交互，估计它也能执行了。
可以升级一下你们 Skills 里面关于 Codex 的流程了。
50 310
xAI 回应了 Grok build CLI 会上传用户项目数据的问题，说是禁用了 ZDR 以后，就可以同步删除他们已经上传的数据。
但是 ZDR 只对企业用户管用，同时删除数据这个事是无法证伪的——就是他说他们已经删了，但这个事你根本不知道他到底删没删。
太恶劣了，还老说人家那个 Sam 是小偷，他这偷得更狠。
但是 ZDR 只对企业用户管用，同时删除数据这个事是无法证伪的——就是他说他们已经删了，但这个事你根本不知道他到底删没删。
太恶劣了，还老说人家那个 Sam 是小偷，他这偷得更狠。
歸藏: 老马的 grok build CLI 会打包上传你项目的整个代码库，这事办的太离谱了。 主要是它会把你的一些密钥上传上去，这一旦泄露的话，风险还是很大的。 幸亏我一直没来得及试它那个东西。
13 12
Seedream 5.0 Pro 的这个图像精细编辑能力真的非常牛！
它是模型能力和产品交互的一个结合，可以实现对图像非常精准的编辑。
甚至你标注的部分和生成的部分区域颜色能完美融合，绝对不会溢出。
我写了一篇教程，详细讲了一下如何在 Lumina 里面去玩这套东西，推荐去试试，是很不一样的体验。
mp.weixin.qq.com
======
先说交互，所有案例都建立在这上面
上传图片后点 Draw 按钮，可以在图上做三种标记：打点（Mark）、画框圈选（Region）、涂鸦和箭头。
关键是下一步：你打的点、画的框、传的图，写提示词时都能直接 @ 出来，一键变成提示词里的一个多模态词。
提示词会长这样：
「将 @Mark01 的沙发换成米白布艺沙发，将 @Mark02 的墙面刷成 #F5EDE3 的漆，将 @Mark03 的地板换成鱼骨拼原木地板……」
以前要描述"图里左边靠窗那个米色的、扶手有点磨损的旧沙发"，现在是在沙发上点一下。零歧义。
位置交给手，需求交给嘴。这就是 PS 的交互逻辑（先选区，后操作），只不过"操作"那半边换成了说人话。
------
案例一：出租屋改造
底图是我自己出租屋的实拍。在图上打四个点：沙发、墙面、地板、货架，一句话全换掉，连"整理脏乱的衣物和杂物"这种含糊要求都执行了。窗户位置、房间比例、视角完全没变。一次生成，四处编辑，互不干扰。
再加难度：找六张具体家具的图，打六个点做一对一替换。六件家具全部"落地"，那张云朵形状的木质茶几放在我房间地板上，投影方向和窗户光源是一致的。
这是很复合的要求，以往写提示词要写很多还不一定处理得好。现在不用抽卡了，一次就搞好，谁都可以用。
最后传一张色卡让它给全屋重新配色，它准确理解了"色卡里第几个色用在哪"，家具位置一件没动。设计师按小时收费的配色方案，现在几十秒一套。
------
案例二：一把键盘出整套商业物料
原料只有一张我自己拍的 Lofree 机械键盘。
第一步，随手拍变场景大片：放到清晨木质工作桌，逆光，键帽上的字符没有花。商品图最怕模型把文字改乱，这关它过了。
第二步，一句"加一个爆炸拆解视角展示键盘的内胆结构"，它把键盘拆成悬浮的四层，每层都符合机械键盘的真实构造。这种图传统流程要 3D 建模，现在提示词都没 20 个字，说明它在智能上的提升也非常大。
第三步，在拆解图上标四个卖点，指引线位置全部指对，详情页的结构卖点图就有了。
第四步，画三个框直接"排版"出英文海报：标题、副标题、三栏卖点卡片全在我框定的位置上，文字一字不差。我量了一下，可能只差几像素。你完全可以用这个方式直接在标记上排版，算一个小技巧。
番外：一张卫衣上身图直接报色号，出四色四宫格，褶皱光影逐格一致。一件衣服拍一次，全部 SKU 的图就齐了。
------
案例三：人管信息，AI 管审美
AI 生图最老大难的问题是文字容易写错、版式不受控。我的解法：信息和版式由人来定，模型只负责把它"升维"成设计品。
先在 PPT 里排一页白底黑字的文案稿，连同产品图一起发过去，要求"所有文字内容和位置严格遵循图一，一个字都不能改"。成品海报位置严格遵守，价格一分没错。
拿成品海报再跑一次，标题换成毛毡缝线、金属镭射 Y2K、宣纸水墨三种质感出四宫格。版式是你的资产，皮肤随便换。
一份 Excel 价目表直出深绿底金字的复古菜单海报，几十行菜名价格无一出错。中文小字这么密集的信息图，上一代模型必然是重灾区。
顺手让它把菜单翻译成英文、法语、繁体中文三宫格，版式插图完全一致，我让 Gemini 检查过，没有错字。
======
五条用法，帮你举一反三
▸ 能动手就别多打字，位置交给打点和画框，提示词只留"改成什么"
▸ 把编辑需求攒成一句话，多个 Mark 和 Region 一次发出去，不会像多轮对话越改越崩
▸ 精确需求用硬指标：hex 色号（字母大写）、色卡图、参考图，遵循度远高于"高级的莫兰迪色"
▸ 排版类需求先做信息稿再做设计稿，文字用 PPT/Excel 排好，模型只管质感风格
▸ 把每张产出当成下一次编辑的底图，一张原图裂变一整套物料
======
除了编辑，这版还有三个提升：多语言能力明显变好、人像一致性上了一个台阶（改衣服不用担心"换头"）、复杂信息图的中文小字进步非常大。
整体来看，字节这次在图像和视频模型上都到了全球领先的位置，视频是断层式领先，图像跟 GPT-Image 2.0 差不多，拉开了 Nano Banana 不少。
想创建图像 Agent 或者自己做着玩的，用火山引擎的 API 非常方便和灵活，可以去试试。
它是模型能力和产品交互的一个结合，可以实现对图像非常精准的编辑。
甚至你标注的部分和生成的部分区域颜色能完美融合，绝对不会溢出。
我写了一篇教程，详细讲了一下如何在 Lumina 里面去玩这套东西，推荐去试试，是很不一样的体验。
mp.weixin.qq.com
======
先说交互，所有案例都建立在这上面
上传图片后点 Draw 按钮，可以在图上做三种标记：打点（Mark）、画框圈选（Region）、涂鸦和箭头。
关键是下一步：你打的点、画的框、传的图，写提示词时都能直接 @ 出来，一键变成提示词里的一个多模态词。
提示词会长这样：
「将 @Mark01 的沙发换成米白布艺沙发，将 @Mark02 的墙面刷成 #F5EDE3 的漆，将 @Mark03 的地板换成鱼骨拼原木地板……」
以前要描述"图里左边靠窗那个米色的、扶手有点磨损的旧沙发"，现在是在沙发上点一下。零歧义。
位置交给手，需求交给嘴。这就是 PS 的交互逻辑（先选区，后操作），只不过"操作"那半边换成了说人话。
------
案例一：出租屋改造
底图是我自己出租屋的实拍。在图上打四个点：沙发、墙面、地板、货架，一句话全换掉，连"整理脏乱的衣物和杂物"这种含糊要求都执行了。窗户位置、房间比例、视角完全没变。一次生成，四处编辑，互不干扰。
再加难度：找六张具体家具的图，打六个点做一对一替换。六件家具全部"落地"，那张云朵形状的木质茶几放在我房间地板上，投影方向和窗户光源是一致的。
这是很复合的要求，以往写提示词要写很多还不一定处理得好。现在不用抽卡了，一次就搞好，谁都可以用。
最后传一张色卡让它给全屋重新配色，它准确理解了"色卡里第几个色用在哪"，家具位置一件没动。设计师按小时收费的配色方案，现在几十秒一套。
------
案例二：一把键盘出整套商业物料
原料只有一张我自己拍的 Lofree 机械键盘。
第一步，随手拍变场景大片：放到清晨木质工作桌，逆光，键帽上的字符没有花。商品图最怕模型把文字改乱，这关它过了。
第二步，一句"加一个爆炸拆解视角展示键盘的内胆结构"，它把键盘拆成悬浮的四层，每层都符合机械键盘的真实构造。这种图传统流程要 3D 建模，现在提示词都没 20 个字，说明它在智能上的提升也非常大。
第三步，在拆解图上标四个卖点，指引线位置全部指对，详情页的结构卖点图就有了。
第四步，画三个框直接"排版"出英文海报：标题、副标题、三栏卖点卡片全在我框定的位置上，文字一字不差。我量了一下，可能只差几像素。你完全可以用这个方式直接在标记上排版，算一个小技巧。
番外：一张卫衣上身图直接报色号，出四色四宫格，褶皱光影逐格一致。一件衣服拍一次，全部 SKU 的图就齐了。
------
案例三：人管信息，AI 管审美
AI 生图最老大难的问题是文字容易写错、版式不受控。我的解法：信息和版式由人来定，模型只负责把它"升维"成设计品。
先在 PPT 里排一页白底黑字的文案稿，连同产品图一起发过去，要求"所有文字内容和位置严格遵循图一，一个字都不能改"。成品海报位置严格遵守，价格一分没错。
拿成品海报再跑一次，标题换成毛毡缝线、金属镭射 Y2K、宣纸水墨三种质感出四宫格。版式是你的资产，皮肤随便换。
一份 Excel 价目表直出深绿底金字的复古菜单海报，几十行菜名价格无一出错。中文小字这么密集的信息图，上一代模型必然是重灾区。
顺手让它把菜单翻译成英文、法语、繁体中文三宫格，版式插图完全一致，我让 Gemini 检查过，没有错字。
======
五条用法，帮你举一反三
▸ 能动手就别多打字，位置交给打点和画框，提示词只留"改成什么"
▸ 把编辑需求攒成一句话，多个 Mark 和 Region 一次发出去，不会像多轮对话越改越崩
▸ 精确需求用硬指标：hex 色号（字母大写）、色卡图、参考图，遵循度远高于"高级的莫兰迪色"
▸ 排版类需求先做信息稿再做设计稿，文字用 PPT/Excel 排好，模型只管质感风格
▸ 把每张产出当成下一次编辑的底图，一张原图裂变一整套物料
======
除了编辑，这版还有三个提升：多语言能力明显变好、人像一致性上了一个台阶（改衣服不用担心"换头"）、复杂信息图的中文小字进步非常大。
整体来看，字节这次在图像和视频模型上都到了全球领先的位置，视频是断层式领先，图像跟 GPT-Image 2.0 差不多，拉开了 Nano Banana 不少。
想创建图像 Agent 或者自己做着玩的，用火山引擎的 API 非常方便和灵活，可以去试试。
39 014
