mooyu-IT
27 posts

mooyu-IT
@mooyuking
🔍 AI 工具猎手|🌏 网站出海实践者|🤖 LLM 深度玩家 日常GitHub 掘金中,把 AI 开源项目打磨成好用工具;研究独立站、SEO、海外流量和 AI 网站落地;关注主流AI Codex / Claude / DeepSeek 等工作流。 不写论文,只讲能用的。
เข้าร่วม Haziran 2025
61 กำลังติดตาม47 ผู้ติดตาม
ทวีตที่ปักหมุด


官宣👇
为了满足大家的需求 CEO @yucheng 连夜vibe了邀请海报 已经上线 可以在个人资料-邀请中看到
另外邀请奖励也做了调整 最高可拿35$
Tutti平台欢迎更多的创作者加入 如有任何疑问 可随时联系

程序员端哥@duange6099
欢迎各位朋友加入tutti tutti是什么平台呢 👇 我可以给大家伙儿介绍下 tutti是面向创作者的,只要你满足一定的条件 就可以加入 tutti平台 平台提供的商单 你负责创作 根据表现获取相应的奖励 满20刀可提现 有幸成为tutti团队的一员 担任社区运营,大家在使用tutti过程中有任何问题都可以向我反馈,我保证及时帮大家解决,tutti的发展也需要大家多多支持,感谢大家 注册地址 tutti.so/join?ref=JLGX3J
中文

We’ve automated every single thing we can @every with AI agents.
And yet there’s way more human work to do than ever. We’ve gone from 4 -> 30 human employees since GPT-3.
I wrote a report on the structural reasons: how AI makes expert competence cheap, why that drives up demand for experts, and why the dynamic only intensifies as we approach AGI.
After Automation: every.to/p/after-automa…

English

Deepseek的测试结果可以看出,AI算力竞争已从拼硬件,进入拼系统效率和工程能力的新阶段。
CoreWeave@CoreWeave
We just trained DeepSeek-V3 671B benchmark in 2 minutes. 671 billion parameters. 8,192 @nvidia Blackwell Ultra GPUs. A 2 minute time-to-train, the fastest DeepSeek-V3 run ever recorded in MLPerf®. Check out the final results. utm.io/uqDci
中文

We just trained DeepSeek-V3 671B benchmark in 2 minutes.
671 billion parameters. 8,192 @nvidia Blackwell Ultra GPUs. A 2 minute time-to-train, the fastest DeepSeek-V3 run ever recorded in MLPerf®.
Check out the final results. utm.io/uqDci
GIF
English

I don’t understand why supporters of Chinese open source keep pretending not to see what is happening right now: even Chinese “open-source” players are raising prices or gradually shifting toward more closed models.
I think China’s token dumping has already bottomed.
Just look at Zhipu, the company behind GLM-5.2. Even Zhipu has raised prices several times this year.
Chinese LLM developers cannot ignore ROI forever.
Open source is not the same thing as cheap API pricing.
English


AI 短剧是真的杀疯了,你还在旁边看热闹?
想当第一批吃螃蟹的人,先把这 3 个 GitHub 项目收藏了,别等风口过去才后悔。
1️⃣ 魔因漫创 Moyin Creator
桌面端 AI 短剧工具,深度适配 Seedance 2.0,从剧本、分镜到成片支持批量生成,尤其适合需要多镜头、角色连续性的创作。
🔗 github.com/MemeCalculate/…
2️⃣ waoowaoo AI 影视 Studio
偏工业级方案,一键把网文小说拆解成角色、场景、剧情、分镜、配音,再自动生成视频,做小说改编、短剧矩阵效率非常高。
🔗 github.com/waooAI/waoowaoo
3️⃣ huobao-drama
对新手最友好,只要输入一句话或一个主题,就能自动完成剧本、改写、生图、配音、字幕和视频合成,几乎一条龙。
🔗 github.com/chatfire-AI/hu…
很多人以为 AI 短剧拼的是工具,其实真正拉开差距的,是有没有跑通一条完整的生产流水线。
剧本 → 人物 → 分镜 → 生图 → 视频 → 配音 → 剪辑 → 发布。
工具人人都能下载,但真正能持续产出的,永远是流程。
未来拼的不是谁会用 AI,而是谁能把 AI 变成自己的内容工厂。

中文

如何一周之内,把Fable价值最大化:
0. 不要用它写简单代码、写邮件或日常总结
1. 从你原本要花一周或更久的 backlog 里挑最难的开始
2. 把Fable 花在系统架构、数据结构,API 设计、核心抽象上,这些重大修改,一次性影响深远的工作上
3. 挑战现有设计
4. 找一件每月你重复在做的事,这会带来长期价值:
- 跟Fable聊把它拆成 2-3 个 skill,边踩坑边让Fable做验证,记得要把 skill 做泛化
- 最关键的一个实用技巧,可以让Fable当老师,小参数模型当学生,把效果跑精准
- 跑通后切到Zenmux拿高吞吐,低价格算力跑日常,你对它的 prompt 越精确,它表现越接近旗舰模型。对我们而言,这代表着更低的推理成本、更高的部署效率,以及更适合大规模真实应用的模型体验。
5. 用 Fable 优化自己常用的 skill
6. 将 Opus 放在前面,提炼上下文,让它读取整个仓库,将精炼提给 Fable
7. 非诺贝尔奖任务,使用 High 或者 xhigh。不要使用 max,它的深度太深了,input token 准备会很费钱
冲就完事儿了,这周会很爽!
实践哥MinLi@MinLiBuilds
中文

















