🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
这个AI应用场景好赞：在婚礼现场抓拍客人，然后实时用AI视频来调侃他们。https://t.co/4aGpwKQWn1
我最近在听 Naval 的播客《How to Get Rich Without Getting Lucky（不靠运气致富）》，其中的一些观点让我开始重新审视自己的职业规划，尤其是在产品设计这个领域工作多年之后，更有了新的感触。 我逐渐意识到：虽然在大公司工作看起来稳定、体面，甚至有点“奢侈感”，但它并不能帮助我建立长期的复利型收入。原因很简单——作为普通员工，你往往拿不到公司真正的股权，而缺少股权，就意味着长期收益空间受限。 Naval 提到过一个让我特别有共鸣的点： 可以从全职员工转向咨询／自由职业，用专业能力换取更高的杠杆。 对我来说，这意味着： • 把设计能力和行业经验变成可以对外输出的专业服务 • 与多个客户或团队合作，而不是把价值只绑定在一家企业 • 收更高的费用、工作更灵活，同时还能创造实际价值 这样的职业模式能让我慢慢摆脱“纯时间换钱”的逻辑，为未来累积更具规模化、可复利增长的收入流。
买过最值的软件之一 Eagle， 一直用来做本地图片和情绪板管理， 好多年前付费买断了，到现在一直在更新， 用来做提示词管理再好不过了。 https://t.co/WjruEx0wMc
俄罗斯的楼为什么和北京高校的家属院那么像？没人发现这个吗？
任老是真的很强大，真男人。 很多人不知道棚屋是什么，以前叫铁皮房。我父母刚来深圳的时候就住过。他们很幸运，很快情况就改善了，所以我是没有住过棚屋的。 https://t.co/UgnJgNtlKG
我决定停止长篇大论，start building。 管他呢。 2025 年 12 月 13 日，我为自己的 AI 原生操作系统落下了一个小小的锚点： v0.1-runtime-mvp 这是一个极小的版本。 我希望用它来解释： 我到底在做什么？我的 vision 是什么？2026 年我要构建的系统又是什么？ 说实话，这比我想象得难很多。 过去几周，我试图当面向一些资深软件工程师解释我的方向，几乎没有一次成功。 沟通很困难 我自己的 vision 也仍在形成之中。 我反复讲述一些理论基础： Language–Structure–Orchestrator、 与大模型解耦、 用户自拥有结构、 结构作为智能的主权层…… 这些思想本身就已经“超出了当前范式”。 要在当场解释 “它到底能做什么” 几乎不可能。 我说：“它有点像一个 OS。你可以在上面 build everything, write everything, run everything。” 通常，这句话一出，对话就结束了： “你是不是幻觉了？”😂 所以，我决定不再试图从宏图开始解释。 我从一个最小的细胞写起。 一点点让你看到它怎么呼吸、怎么记录、怎么运转。 v0.1 Runtime MVP: The Moment an AI-Native OS Draws Its First Breath (hopefully 😂） https://t.co/sGJWg5H0gj
斯坦福的这门软工课，值得仔细学。并没有你想象中的那么"vibe", 相反干货满满，其实把直到今天，你需要学的最核心部分给罗列出来了。至少把Slides, 全部看一遍学一遍。 https://t.co/akBDQb0Xbo https://t.co/SSLUR3iAGR
这点是真的，就是一代人有一代人的原生社会。 但是人只有财富这一个指标吗？那就把人性降的太肤浅了。 还有一点就是，人其实是可以与时间错位发展的。 其实在AI探索的这条路上，你觉得应该属于00后吧，不是。我认为给我最大帮助，以及看的最清楚明白，走在前沿的反而是好几位70后。 其实我认识的许多改革开放以后，抓住所谓历史机遇的人，真正发迹都在自己40岁，甚至45岁以后。尤其是男性。在所有身边的人，看着他都觉得他已经错过了自己的时代了，你这个老人家还折腾什么呢。 嗯，就这样的人，最沉稳，最成功。超出了他自己的时代。
凡人小北
来云栖大会还是想聊聊大模型。今年模型卷出了新高度，Qwen 系列本身就已经挺出圈了，原本以为这次发布也就是常规的体量升级和行业对标，结果发现 Qwen3 系列，特别是 Max，还是让我有点小佩服了，真的出了不少东西。 尤其是 Max 的推理机制的提升，作为从业者真的要要开始重新评估国产大模型在业务系统中的组件可用性这个核心命题。 这次Qwen3-Max 两个形态，Instruct 负责对话和常规能力覆盖；Thinking 强化的是多轮推理与复杂任务拆解。其实我不太关心万亿参数规模，我一直盯着它在推理时间可控性上的突破。 这也是过去很多人会忽略的一个重要维度：一个模型在回答问题前到底思考了几次。Qwen3-Max 的这一机制有点像拿根小鞭子抽模型，你让它想清楚再说，它就真能多推理几步。这种在认知深度与决策稳定性上的改进跟我们常讲的 token-level 性能优化不一样。 我对这种变化太敏感了，说明国产大模型终于开始在推理策略层面与 GPT-4 进行对线，而不只是死磕规模了。 这次阿里也给出了一组有力的国际 benchmark 数据，像 AIME25、HMMT 这些数学推理集做到了全球第一。还有 Tau2 Bench这种专打多轮 agent 任务的也都表现不错，这种需要强路径规划和中途保持稳定意图的，我非常关注。 尤其值得一提的是 Qwen3-Next 这个高性价比压缩版，非常适合做低成本部署的智能问诊 / 客服助理。这类模型基本没机会拿 benchmark 冠军，但在真实业务里却是性价比的首选（划重点）。 所以我们看 Qwen3 的整个产品线就非常清楚了：端侧、旗舰和多模态等等全家桶几乎覆盖了所有我们能想到的调用场景和系统部署边界。这种模型系统化战略我是非常认同的，Agent需要靠角色分层+功能分布+推理调度这种架构才能真正构建稳态系统。 我的判断是这代 Qwen3 在试图做更可控、更系统的智能体构建平台。这一轮升级可能就是最产品经理视角+工程视角合理进化的一次，尤其对我们这种偏落地场景、智能体调度的人来说真的很实用。 最后我们选择接入哪个大模型就看谁能稳稳的出活。Qwen3-Max可能是国产模型离这个目标最近的一次。 #阿里云 #通义千问 #Qwen3 #2025云栖大会
Est. 700 views for your reply