即刻App年轻人的同好社区
下载
我去！终于搞定了我的旅行照片海报 guizang-yingzao-skill
支持将你的旅行照片通过内容检索、排版，最后在 Codex 调用 GPT-Image 2.0，生成一个非常漂亮、同时能传达这些古建历史的海报。
感兴趣的话可以试试，因为最近中秋节和国庆节要到了，大家可能都想去山西之类的一些古建大省去旅游。
github.com
支持将你的旅行照片通过内容检索、排版，最后在 Codex 调用 GPT-Image 2.0，生成一个非常漂亮、同时能传达这些古建历史的海报。
感兴趣的话可以试试，因为最近中秋节和国庆节要到了，大家可能都想去山西之类的一些古建大省去旅游。
github.com
08:03
19 14
Grok bot 终于上安卓了。这种东西，手头没手机的时候是真的好用。
把一些常用工具和上下文，比如一些 skill 之类的连接上去以后，临时处理个文案图片之类的很方便。
这个配图就是用安卓 Gork 处理的。
把一些常用工具和上下文，比如一些 skill 之类的连接上去以后，临时处理个文案图片之类的很方便。
这个配图就是用安卓 Gork 处理的。
23 02
昨晚 Claude 发布了 Fable 5.1 和 Mythos 5.1，两者的权重相同。
输入输出价格和 Fable 5 一样，缓存价格降了 75%。
官方的说法是，按 token 计费的话，典型负载大约会便宜 25%，重度 Agent 负载大概会便宜 45%。
但时间线上全在说 Fable 5.1 的订阅额度消耗得非常快，可能 20 分钟、半小时整个额度就用光了。
而且这模型还有一些更严重的问题：
不支持强制的 tool choice，更早的模型读不了它的 thinking block，导致不能中途换模型，改历史消息会让 thinking 失效。
输出带有不可见的文本水印（这个之前聊过，非常恶心，会导致生成的文案质量变差）
Artificial Analysis 帮 Anthropic 做预发布测评的反馈显示：即使缓存降价 75%，Fable 5.1 Max 跑完任务的实际开销依然比 Fable 5 Max 贵 20%，因为它的输出 token 大约是 Fable 5 的 1.7 倍。
看起来还是挺拉胯的，反而更贵了，再加上隐形文本水印以及无法切换模型这些问题。
是不是意味着一旦它触发了安全护栏，你切到 Opus 5，缓存就直接失效掉了，随后调用成本跟着大幅上涨？
输入输出价格和 Fable 5 一样，缓存价格降了 75%。
官方的说法是，按 token 计费的话，典型负载大约会便宜 25%，重度 Agent 负载大概会便宜 45%。
但时间线上全在说 Fable 5.1 的订阅额度消耗得非常快，可能 20 分钟、半小时整个额度就用光了。
而且这模型还有一些更严重的问题：
不支持强制的 tool choice，更早的模型读不了它的 thinking block，导致不能中途换模型，改历史消息会让 thinking 失效。
输出带有不可见的文本水印（这个之前聊过，非常恶心，会导致生成的文案质量变差）
Artificial Analysis 帮 Anthropic 做预发布测评的反馈显示：即使缓存降价 75%，Fable 5.1 Max 跑完任务的实际开销依然比 Fable 5 Max 贵 20%，因为它的输出 token 大约是 Fable 5 的 1.7 倍。
看起来还是挺拉胯的，反而更贵了，再加上隐形文本水印以及无法切换模型这些问题。
是不是意味着一旦它触发了安全护栏，你切到 Opus 5，缓存就直接失效掉了，随后调用成本跟着大幅上涨？
15 15
李飞飞的 World Labs 发布了他们新的世界模型 Atlas，这个看起来比上一代厉害多了。
通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。
它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。
它主要支持三大任务：
生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频
3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型
时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据
过几周才能用
通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。
它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。
它主要支持三大任务：
生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频
3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型
时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据
过几周才能用
01:25
47 012
