Pinned Tweet
花了 30 -40多块钱，利用一块supermini esp32s3 的板子和1.28英寸的圆形屏幕diy了个语音助手设备
本来只是想拿它做个桌面语音玩具。
正好赶上蚂蚁百灵发布新一代 Ming-3.0 音频模型家族，一口气推出了三个模型。我干脆把它们组合起来，接进这块小板子，做了个能听、能聊、还能表达情绪的 AI 桌宠。
没想到，做出来的效果有点超出预期。
以前折腾这类 DIY 语音设备，最头疼的就是三个问题：听不准、反应慢、说话没感情。
这次三个模型刚好各司其职：
1. Ming-3.0-asr-tiny：负责听
我特意用了一堆中英混杂的芯片术语测试它，语速还故意加快。
结果识别效果相当不错。松开按键后，很快就能看到转写内容，专业词汇也没有出现太多离谱的错误。
2. Ming-3.0-audio-flash：负责聊
以前做语音助手，通常要经历语音转文字、调用大模型、再把回答转成语音，整个过程多少有些延迟。
这次接入 Audio-Flash 后，交互明显顺畅了不少。
问一句，基本不用等太久就能接上话。不只是简单回答问题，聊天时也有一定的上下文理解能力。
3. Ming-3.0-tts：负责说
这是我觉得最有意思的部分。
它不再像传统语音助手那样，从头到尾都是一个语调。
说话时会有停顿、语气变化，甚至在被我故意抬杠追问时，还能表现出类似叹气、无奈的感觉。
整套东西的硬件成本也就二十多块钱。
当然，模型调用和网络服务不算在硬件成本里，但这次最让我兴奋的不是省了多少钱，而是 AI 交互的门槛又低了一截。
以前我们总觉得，做一个像样的 AI 桌宠，需要复杂的硬件、昂贵的芯片和大量开发工作。
现在，一块 mini的ESP32s3板子、一块小圆屏，再加上合适的音频模型，就能做出一个能听懂你、接得上话，还有点情绪表达的桌面伙伴。
突然觉得，办公室里那些买回来没几天就吃灰的智能桌宠，可能真的要迎来新对手了。
这才是我喜欢 DIY 的原因：花很少的钱，把以前觉得不可能的东西变成现实。
美股这张热力图，藏着一个比大涨更值得关注的信号。
美国中期选举刚刚落幕，民主党拿下众议院和参议院，特朗普接下来两年将面对一个分裂的国会。
市场先是担忧，随后迅速反弹。
但真正有意思的是，今天的资金流向。
微软涨 6.18%，苹果涨 6.61%，亚马逊涨近 7%，谷歌涨 4.61%。几大科技巨头集体走强。
另一边，英伟达跌 1.27%，台积电跌 0.76%，特斯拉跌 2.5%，工业板块整体承压。
这不是简单的普涨，而是一次明显的资金重新定价。
民主党重新掌控国会，意味着特朗普后续的政策推进将受到更多制约。关税、财政支出、AI监管、能源政策，都可能出现新的博弈。
尤其值得关注的是AI产业链。
市场并没有抛弃AI，而是在重新审视这场投资盛宴的成本和回报。卖铲子的芯片公司、建设数据中心的企业，与真正掌握流量、云服务和商业化能力的平台巨头，正在走出不同的行情。
这让我想到一句话：
牛市里最容易赚钱的是趋势，真正决定收益的，却是趋势发生变化时，你能不能及时看懂资金在想什么。
选举改变的是政治格局，市场交易的却是未来两年的预期。
接下来，AI监管、财政政策、利率和企业盈利，可能比选举本身更值得盯紧。
华尔街从来不关心谁赢得了掌声，它只关心谁能成为下一轮行情的赢家。
这个语音聊天机器人项目来自一个网友的设计项目。
我通过嘉立创pcb打板
根据bom表购买元件手工焊接而成
外壳通过3d打印。如果有需要复刻的我可以分享下，成本
大概30-40元
花了 30 -40多块钱，利用一块supermini esp32s3 的板子和1.28英寸的圆形屏幕diy了个语音助手设备
本来只是想拿它做个桌面语音玩具。
正好赶上蚂蚁百灵发布新一代 Ming-3.0 音频模型家族，一口气推出了三个模型。我干脆把它们组合起来，接进这块小板子，做了个能听、能聊、还能表达情绪的 AI 桌宠。
没想到，做出来的效果有点超出预期。
以前折腾这类 DIY 语音设备，最头疼的就是三个问题：听不准、反应慢、说话没感情。
这次三个模型刚好各司其职：
1. Ming-3.0-asr-tiny：负责听
我特意用了一堆中英混杂的芯片术语测试它，语速还故意加快。
结果识别效果相当不错。松开按键后，很快就能看到转写内容，专业词汇也没有出现太多离谱的错误。
2. Ming-3.0-audio-flash：负责聊
以前做语音助手，通常要经历语音转文字、调用大模型、再把回答转成语音，整个过程多少有些延迟。
这次接入 Audio-Flash 后，交互明显顺畅了不少。
问一句，基本不用等太久就能接上话。不只是简单回答问题，聊天时也有一定的上下文理解能力。
3. Ming-3.0-tts：负责说
这是我觉得最有意思的部分。
它不再像传统语音助手那样，从头到尾都是一个语调。
说话时会有停顿、语气变化，甚至在被我故意抬杠追问时，还能表现出类似叹气、无奈的感觉。
整套东西的硬件成本也就二十多块钱。
当然，模型调用和网络服务不算在硬件成本里，但这次最让我兴奋的不是省了多少钱，而是 AI 交互的门槛又低了一截。
以前我们总觉得，做一个像样的 AI 桌宠，需要复杂的硬件、昂贵的芯片和大量开发工作。
现在，一块 mini的ESP32s3板子、一块小圆屏，再加上合适的音频模型，就能做出一个能听懂你、接得上话，还有点情绪表达的桌面伙伴。
突然觉得，办公室里那些买回来没几天就吃灰的智能桌宠，可能真的要迎来新对手了。
这才是我喜欢 DIY 的原因：花很少的钱，把以前觉得不可能的东西变成现实。
1. 在线体验入口：chat.ant-ling.com
- 在线体验：访问 Ling Studio Chat，
选择 Ming-3.0-audio-flash，体验音频理解与对话能力。
- API 调用：Ling Studio 提供 Ming-3.0-tts-0.5B、Ming-3.0-audio-flash 和 Ming-3.0-asr-tiny 的 API 服务，
开发者可将语音识别与语音生成接入自己的业务工作流。
看到这个“老朋友”，老 AI 玩家的 DNA 真的动了。
还记得两三年前，大家都在拿“画一只骑自行车的鹈鹕”当考题，专门用来卡死模型——那时候脚踩不到踏板、车轮多出两圈、透视全崩是常态，评论区全是截图调侃的笑声。
在当时，这几乎是所有人公认“AI 永远理解不了三维物理常识”的铁证。
可现在看 GPT-6.2 Astra 的灰度表现：不仅动起来了，甚至还能做到 360° 立体运镜与重心咬合。
技术的迷人之处就在这里，它默默把当年全网嘲讽的“技术瓶颈和笑话”，变成了今天展示底层物理肌肉的基准线。AI 真正从“二维像素拼贴”，迈进了“三维空间直觉”的时代。
抛一个问题给各位：
当年那些用来测试 AI“翻车”的经典刁钻 Prompt（比如“透明玻璃杯里的折射”、“画一只不吃草的草泥马”
还有哪一个是你觉得现在的模型依然绝对跨不过去的？在评论区留一个，咱们拿新模型一起验一验。
黑石放话：Anthropic 上市后可能拿不到投资级评级。AI 融资的定价锚，从估值换成了信用。
这不是唱衰一家公司，是融资逻辑换轨。
先说结论：AI 头部公司的融资逻辑，正从「估值叙事」切到「信用定价」。
估值看增长故事，信用看现金流和偿债能力。两套尺子，量出两种公司。
第一笔账：股权融资不产生利息，债权和可转债要还本付息。
同一家公司，股权故事讲得再大，一旦发债，评级机构只问一件事：经营性现金流能不能覆盖利息。
第二笔账：投资级与非投资级之间，是融资成本的台阶。
按公开报道，黑石的说法指向 Anthropic 上市后可能落在投资级之下。具体利差数字，以评级机构正式口径为准。
第三笔账：企业采购看的是供应商能不能活过合同期。
一家拿不到投资级评级的 AI 供应商，在三年期合同里会被采购方要求额外条款。这不是技术问题，是财务问题。
我的判断：90 天内，企业 AI 采购合同会出现供应商财务健康条款。
形式可能是评级下限、母公司担保、或按季度披露现金储备。采购方先动，供应商被动接。
对照表我按公开信息整理了一版：股权融资看估值和稀释，债权看评级和契约条款。
两栏并排，能看出同一家公司两套融资语言在打架。表放在首条回复里。
AI 融资从讲故事进入算信用，企业采购会先于资本市场反应。
你手上的 AI 供应商合同，有没有财务健康条款？评论区说你的场景，我把对照表对应那一栏贴给你。
以为 10 分钟能把 Claude Duet 调教成全能个人助理。
结果卡在第 4 步的权限弹窗前整整 1 小时。
翻遍官方文档，连个标点符号都没提。
如果你也卡在“点击允许无反应”或者“设置里根本找不到授权项”，别急着重装系统。
问题出在 macOS 底层的静默沙盒拦截机制：
别死等原生弹窗
macOS 的安全机制会直接静默拦截未签名的本地守护进程。
窗口没弹出来，不代表后台没在疯狂报错。
关键漏项：辅助功能 + 自动化双向锁
光在“辅助功能”里打勾根本没用。
必须进入“系统设置” > “隐私与安全性” > “自动化”。
手动把 Claude 对终端/系统事件的交互控制权勾选上。
终极自救指令
如果隐私列表里压根刷不出应用图标，直接开终端敲一行命令：
tccutil reset Accessibility
杀掉进程重载，才能彻底强制触发系统级的提权请求。
把完整的踩坑排查清单和两行修复代码贴在第一条评论了。
折腾个人助理的建议先 Bookmark 存一下，省下 2 小时无意义抓狂。
你配的时候卡在第几步了？
看起来很华丽，需要拿到市场去验证下
对冲基金每年花几百万买数据终端和研究系统，这10个GitHub仓库加起来，能免费搭出一套完整的AI量化交易栈。
小白也能看懂每个是干啥的：
1OpenBB
免费金融数据平台。股票价格、期权、宏观数据、基本面都能一键拉取，给后面所有工具喂数据。
github.com/OpenBB-finance/Op…
2TradingAgents
AI版“交易公司”。分析师写报告、多空研究员辩论、交易员决策、风险团队最后签字，模拟真人团队做决定。
github.com/TauricResearch/Tr…
3qlib
微软出品的AI量化研究平台。从想法探索到回测落地，用机器学习做量化研究的一整套工具。
github.com/microsoft/qlib
4RD-Agent
微软的AI研究员。自己提出新因子、写代码、跑回测，自动做研究开发，挖因子效率远超人工。
github.com/microsoft/RD-Agen…
5gs-quant
高盛量化团队维护的工具箱。专门做定价、风险计算、时间序列分析这些专业量化数学。
github.com/goldmansachs/gs-q…
6nautilus_trader
生产级交易引擎（Rust写的，又快又稳）。负责最终下单执行，先模拟再实盘都合适。
github.com/nautechsystems/na…
7Chronos
亚马逊的时间序列预测模型。不用专门训练，直接拿来预测价格接下来怎么走（零样本预测）。
github.com/amazon-science/ch…
8QuantLib
量化金融的“瑞士军刀”。期权、债券、互换等的建模、定价和风险管理都靠它。
github.com/lballabio/QuantLi…
9skfolio
组合优化工具。帮你决定每只股票买多少，控制风险和最大回撤。
github.com/skfolio/skfolio
10vectorbt
超快回测神器。可以一次性测试成千上万种策略想法（含手续费），速度极快。
github.com/polakowo/vectorbt
数据（OpenBB）→ 预测（Chronos）→ 因子研究（RD-Agent + qlib）→ 决策（TradingAgents）→ 风险定价（QuantLib + gs-quant）→ 仓位（skfolio）→ 回测（vectorbt）→ 执行（nautilus_trader）。
这套工具组合能免费搭出接近专业量化团队的流程，但不是保证赚钱的系统，实盘前务必充分测试。
Google 终于把真正的王牌亮出来了。
Gemini 4 Carbon 登上 Artificial Analysis Intelligence Index v5 榜首，得分 59，比 Argon 高出 9 分。在复杂推理、知识和科学任务上展现出更强的实力。
但比排名更值得思考的是：AI 竞争正在发生什么变化？
过去，我们比参数规模、比训练算力、比谁能生成更流畅的文字。
现在，真正的分水岭正在变成：谁能更可靠地推理，谁能解决更复杂的问题，谁能把知识转化为实际能力。
模型榜单的第一名终究会易主。
但对整个行业来说，最重要的从来不是今天谁排第一，而是 AI 能力的边界，明天又会被推到哪里。
当顶尖模型开始在复杂推理和科学任务上持续突破，我们需要思考的已经不只是「AI 能做什么」，而是「当 AI 越来越擅长解决问题，人类的价值将更多体现在哪里」。
模型的排名会不断变化，但每一次能力跃迁，都在重新定义人的竞争力。
这才是 AI 竞赛真正值得关注的地方。
刚看完 Google DeepMind 团队 47 分钟的 Genie 4 深度访谈（中文字幕版），后背发凉，更多的是兴奋。
很多人还把世界模型当成「能按键控制的 Sora/Veo」。
但真正的突破是：AI 正在从生成画面，走向生成因果律。
5 个值得关注的技术信号：
1. Gemini + Genie：AI 的左右脑
Gemini 负责理解意图、推演逻辑、驱动 NPC。
Genie 负责生成画面、物理交互与音频。
一个决定世界该发生什么，一个让世界实时发生。
2. 从看风景到真交互
世界不再只是供你漫游的地图，而是能对你的行为作出反应的环境。
打碎杯子，NPC 会转头；改变环境，世界随之变化。
核心区别：视频在生成画面，世界模型在模拟交互。
3. 为什么实时性如此重要？
世界模型不能只追求画质。
你按下按键，它就要及时响应，还要维持世界状态的一致性。
真正的挑战是：画面、延迟、逻辑，三者如何兼得？
4. 为什么不直接用代码生成游戏？
代码擅长确定性，生成模型擅长创造力。
未来可能是：
Generative Code：维持世界状态与逻辑。
Generative Pixels：创造实时视觉与动态体验。
代码搭骨架，生成模型赋予世界无限可能。
5. AI 造世界，AI 进世界
智能体可以在生成的环境中探索、执行任务、发现漏洞。
这些环境还有望用于机器人训练，让 AI 在进入真实世界前学习空间关系与动作后果。
最终形成闭环：生成世界 → 自主探索 → 评测训练 → 模型进化。
过去，我们用 if-else 编写世界规则。
未来，AI 或许能直接生成一个可交互、可演化的世界。
问题来了：世界模型成熟后，谁会先被重构？
传统游戏引擎 Unreal / Unity，还是具身机器人？
#Genie4
刚看完 Google DeepMind 团队 47 分钟的 Genie 4 深度访谈（中文字幕版），后背发凉，更多的是兴奋。
很多人还把世界模型当成「能按键控制的 Sora/Veo」。
但真正的突破是：AI 正在从生成画面，走向生成因果律。
5 个值得关注的技术信号：
1. Gemini + Genie：AI 的左右脑
Gemini 负责理解意图、推演逻辑、驱动 NPC。
Genie 负责生成画面、物理交互与音频。
一个决定世界该发生什么，一个让世界实时发生。
2. 从看风景到真交互
世界不再只是供你漫游的地图，而是能对你的行为作出反应的环境。
打碎杯子，NPC 会转头；改变环境，世界随之变化。
核心区别：视频在生成画面，世界模型在模拟交互。
3. 为什么实时性如此重要？
世界模型不能只追求画质。
你按下按键，它就要及时响应，还要维持世界状态的一致性。
真正的挑战是：画面、延迟、逻辑，三者如何兼得？
4. 为什么不直接用代码生成游戏？
代码擅长确定性，生成模型擅长创造力。
未来可能是：
Generative Code：维持世界状态与逻辑。
Generative Pixels：创造实时视觉与动态体验。
代码搭骨架，生成模型赋予世界无限可能。
5. AI 造世界，AI 进世界
智能体可以在生成的环境中探索、执行任务、发现漏洞。
这些环境还有望用于机器人训练，让 AI 在进入真实世界前学习空间关系与动作后果。
最终形成闭环：生成世界 → 自主探索 → 评测训练 → 模型进化。
过去，我们用 if-else 编写世界规则。
未来，AI 或许能直接生成一个可交互、可演化的世界。
问题来了：世界模型成熟后，谁会先被重构？
传统游戏引擎 Unreal / Unity，还是具身机器人？
#Genie4
单押一家供应商的时代过去了，不折损官方缓存率的统一
聚合网关如 ZenMux才是多模型协同的最优解，
现在每天现金 PAYG 消费满 $1，即可解锁一个盲盒
DeepSeek Harness 做网络安全研究是真的强，更重要的是基本无需破甲！！！
日常做逆向、渗透研究，Claude 是不敢用了，目前适合逆向和渗透的顶级模型只有两个——
1. GLM-5.3
2. DeepSeek V4.1 Flash 1017
为了能随时切换上述模型，我一般用的是 【ZenMux】：
1. 质量、缓存率和官方完全一致
2. 无需来回多个供应商切换
3. 国产模型持续折扣
最近 ZenMux 还有万圣节盲盒 🎃：
每天现金消费满 $1 就能开盒，单份奖励最高估算价值 $500
活动 10/31 22:00 截止，每天 22:00 刷新
入口 👉🏻 zenmux.ai/halloween
Google 正式扔出 Genie 4，世界模型这次真的要“有声有色”了。
以前的 AI 视频，只能让你看。
现在的 Genie 4，开始让你进入一个可以实时交互的世界。
这次最值得关注的，不只是画面，而是 4 个关键变化：
1. 实时键盘漫游
不再只是生成一段视频，而是可以实时操控、探索仿真世界。
2. 用文字改写环境
你可以直接改变世界中的场景与元素，让环境随着指令发生变化。
3. 原生音效 + 实时 NPC 反应
世界不再只有画面，还能通过声音和角色互动，产生更丰富的反馈。
4. Gemini 作为底层 Agent
尝试实时协调世界中的物理表现与因果逻辑，让交互不只是“看起来合理”。
如果说过去的 AI 在卷文生视频，那么 Genie 4 所代表的方向，是让 AI 从生成内容走向生成可交互的世界。
这可能意味着：
传统游戏引擎、虚拟世界构建，以及交互式内容创作，都将迎来一次深层变革。
成功把手里的 RTX 3060 12GB 彻底“解封”了！
借助 gpu-unlock 突破官方限制后，直接实测矩阵乘法算力：
Dense 8192³ GEMM 算力飙升：
• BF16: 23.28 ➔ 40.37 TFLOPS (+73.4%)
• FP16: 23.28 ➔ 40.92 TFLOPS (+75.8%)
• TF32: 11.41 ➔ 20.02 TFLOPS (+75.5%)
• FP32 (对照项): 维持 7.7 TFLOPS 不变
核心亮点：
100% 位级一致 (Bit-identical)：对比 CPU FP64 零精度漂移，输出 SHA-256 完美匹配。
120秒持续满载稳如老狗：4375轮迭代 0 报错 0 掉卡（峰值 91°C / 170W 满血输出）。
12GB 大显存配合满血 Tensor Core，本地跑大模型 Prefill、LoRA 微调和轻量 DiT 视频生成终于不卡算力瓶颈了！开源折腾真快乐
12Ｇ的显卡还能玩出花样来，这都开始干上Deepseek-V4.1-Flash上了
Running DeepSeek-V4.1-Flash on a 12GB RTX 5070 at over 100+ tok/s is absolutely absurd. 😭
The Strata engine’s layer-major chunked reading + GSQ-RCO quantization makes consumer MoE offloading feel completely native. Prefill is flying, and more RAM directly boosts decode speed.
Local compute is getting ridiculous. 💀
