FLUX 2都开源了，结果首日下载才五十来个，直接被 Nano Banana Pro 按在地上摩擦。
这图也是 Nano Banana Pro 生成的
FLUX 2都开源了，结果首日下载才五十来个
更多动态
2025年再靠“拍脑袋”做短视频，你的试错成本将远超潜在收益
Palo 将 MrBeast 团队的「暴力留存算法」封装成 AI，直接让普通创作者拥有顶级工作室的数据大脑。 其核心逻辑不同于简单的套壳工具，更像是一个懂你的「数字制作人」： 🔹 逆向工程你的风格：通过 RAG 技术分析你过去 30 条视频，提取 Hook 结构、BGM 偏好和叙事节奏，生成符合你 Persona 的脚本，拒绝 AI 塑料感。 🔹 数据驱动选题：它不猜你喜欢什么，而是基于跨平台（TikTok/YouTube/IG）实时数据，预测未来 3-7 天的流量洼地。 🔹 技术流视角：底层采用“LLM Cocktail”架构，混合调用 GPT-4o、Claude 3.5 和自研情感模型，多模态分析准确率达 91%，这也是目前高阶 AI 应用的 MVP 配置趋势。 目前 $250/月 的门槛虽高，但相比组建专业数据团队，这或许是 ROI 最高的投入。 官网： palo.ai #AI工作流 #短视频运营 #数据驱动 #Palo #创作者经济
字节 TRAE SOLO 模式中国版今起 免费 开放
，主打无 Token 限制的“端到端交付”，实测比 Cursor 更懂中文开发语境 以前用 AI 是“你画龙它点睛”，SOLO 模式相当于你给需求文档（甚至手绘草图），它自动拆解任务、写代码、改 Bug 直至部署。 核心逻辑与避坑指南： 🔹 双轨制智能体：小白或做 MVP 用 Builder，一句话生成完整前端应用；老手修 Bug 或重构用 Coder，支持多任务并发调度，效率提升明显。 🔹 解决了“失控感”：Agent 最怕瞎改代码，TRAE 的 DiffView 能实时追踪每一行变更，必须人工确认才执行，这点对生产环境至关重要。 🔹 基建红利：底层集成豆包、Kimi、Qwen 等国产模型，物理延迟极低。 💡 建议： 趁目前无计费逻辑，建议直接利用其 Context Engineering 特性，投喂超长技术文档或遗留代码进行重构；相比 Cursor 的 $20/月，TRAE 在上下文压缩上的优化能有效减少“模型幻觉”，算力羊毛不薅白不薅。 官网：https://www.trae.cn #AI编程 #TRAE #独立开发 #降本增效 #字节跳动
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
