mousepotato

Mistral Large 4 权重放了，HN 当天 1270 分、357 条评论。 权重放了还不等于能用。许可证能不能商用？模型多大，几张卡才跑得动？跟现在这批闭源旗舰差多远？ 许可证和卡数不过关，组里就部署不了。

有人把一个世界模型塞进了树莓派 Pico 2 W，让它直接跑游戏。项目叫 tinyworldformer，今天在 HN 上拿了 165 分。 几个值得注意的点： - 世界模型跑游戏，意思是画面不靠游戏引擎按规则算，而是模型去预测下一帧。 - Pico 2 W 是块微控制器板，跟能装 Linux 的树莓派 4、5 不是一类东西。 - 名字里带 former，从命名看走的是 Transformer 路线。 - 165 分只有 9 条评论，点赞的人多，下场讨论的人少，细节得自己去仓库里翻。 - 打开仓库先找三个数：参数量、每秒几帧、连续玩多久画面开始崩。

58 分、13 条评论。HN 今天有个 Show HN 叫 doomformer，作者 falperc，标题只有一句：I Turned DOOM into a Transformer。 我第一眼读成的是：根本不训练，把游戏逻辑直接写进 Transformer 的权重，算出来应该能和原引擎逐帧对上。但它也可能是训练一个模型去学 DOOM 的画面，这种跑久了会漂。两件事差得挺远。 目前公开的只有标题和仓库地址。进仓库先看有没有训练数据和 loss。有，就是在学画面。没有的话更像手写权重，不过也可能只是没把训练记录传上来。

嫌 IPTV 按下去要 1 秒多才出画面，有人直接用 Rust 把协议、解封装、音画同步全手搓了一遍，硬解不了就直说，不偷偷软解。

Mac 的「允许 App 查找本地网络上的设备？」弹窗，已经有人写工具自动关掉了。你平时怎么点？ 允许 不允许 放着不管 也想自动关

给一个主体拍几张参考照，让模型生成一段关于它的视频，最难的一刻是镜头转到照片里没拍到的那一面。OmniShowcase 这篇论文就是冲着这一刻去的。 摘要里能看出这条路线走过三步。最早的 subject-to-video（S2V）只用一张参考图做条件，镜头一转，主体看不见的外观和几何结构全靠模型去推断。后来的方法改成输入多张不同视角的参考图，关于主体的信息多了，但这些照片之间靠什么 3D 结构连起来，并没有明确交代。模型拿到了几个角度的观测，却不知道它们在空间里怎么接。OmniShowcase 的标题写的是从多视角图像生成「全向」、主体一致的视频，要补的就是这段连接。 这篇值得看的地方在于，它把问题从「参考图够不够」挪到了「参考图之间有没有结构」。张数加上去，看不见的面会变少，可两张照片之间的部分还是要靠模型自己拼。摘要开头点的难点也正在这里：镜头露出的，恰好是输入里没出现过的表面。 做压缩感知出身的人对这个直觉会很熟：观测少的时候，补全主要靠对结构的先验，光加样本不够。 有一点我拿不准。素材里的摘要到「existing train」就断了，后半句没显示全。它具体用什么方式把 3D 结构显式交给模型、比多参考图方法好多少，这段摘要里都没写。HF 上目前 47 个赞、2 条评论，讨论还少，细节得去看正文。

Anthropic 上半年营收 $16.3 billion，算力承诺至少约 $850 billion，增长一刻都不能停。

FastVideo 在 Hugging Face 上新挂了一个 Space，叫 FastH3-Omni。现在 50 个 like，trending 值 33。 名字里有 Omni，我第一眼以为一个入口就能出图、出视频。但页面上就两行：Gradio，部署在 us。支持哪些模态、背后用的是哪个模型，页面都没写。 想确认支持啥模态，直接翻 Files 里的 app.py 就行。里面写着加载了哪些模型、界面上有几个输入输出框。

Gemini 4 Carbon 今天发布。Google DeepMind 这次主打网络安全和长程智能体。三项安全跑分放在一起看，三个分数之间的差距比"领先"两个字更值得看： • SEC-bench Pro 88.2%，三项里最高，离满分已经不远。 • CWE-bench 71.0%，排中间。 • ExploitGym 只有 54.8%，和 SEC-bench Pro 差了一大截。就算是领先的模型，这一项也有将近一半没拿下，安全智能体还有多少空间要看这一项。 • Artificial Analysis Intelligence Index v5.0 拿 59 分登顶，说明押注安全方向没有拖累综合排名。