Readwise Reader 是最好用的阅读软件之一。
但作为一款海外产品，Readwise Reader 在中国有些许水土不服。

为了让你更好地使用 Readwise Reader ，我们做了一款小工具—— wechat 2 reader

这款小工具解决了两个问题：
1. 让收藏文章更加便捷，在微信内转发文章或链接，即可以收藏文章。
2. 解决了Readwise Reader 在收藏中文文章时，图片丢失的问题。

突然想到一个问题，
水果摊主是怎么规避过年的库存亏损的？

我有一个暴论：语言的上限，决定了大模型的上限。

现在这一波生成式 AI 的技术，实际上都太依赖 Transformer 了，太依赖语言了。

因为大模型依赖人类的训练，而人类只能通过语言来描述一个东西，所以现在的大语言模型都高度依赖人类的语言。

比如视频生成。

了解了现在视频生成模型的技术原理。有种感觉，按照现在的框架，比如 DiT，不太可能实现通用的视频生成模型。

因为，视频是很难用语言描述的东西。

可以做一个思想实验：你蒙住眼睛，让另外一个人通过语言来和你描述一个一分钟的视频，让你在大脑中想象他的画面。无论于语言描述得多么完善，你想象的视频必然和原始视频有非常大的偏差。

所以，我有一个暴论：语言的上限，决定了大模型的上限。

按照现在的框架来看，通用的视频生成模型更难出现，视频生成模型只能在在特定的场景中稳定使用。例如基于一些画面信息，进行一些稳定的简单的镜头移动，生成时间短的视频还是可以的。但是通用的长的模型生成不可行。

当然，希望技术的突破可以打我的脸。

用 Deepseek 沉浸式翻译 Deepseek 的论文

闫俊杰说：“不能用搞移动互联网的方式搞大模型”

今天的大语言模型厂商似乎在做一件比以往都更难的事情。同时在寻找 TPF 和 PMF。

一方面，模型的能力要追赶上友善，追赶上顶尖的模型
另一方面，产品也要做用户量，做留存。

这后面都是大量的成本，目前看来，只有字节的资源足够做这件事。周一字节发布了 AI coding 的 IDE，我还挺震惊的，没有相当一家模型厂商，可以做自己的 IDE，这件事情是很夸张的。

其他的模型厂商，建议还是要 trade-off，目前阶段， 放弃一些不切实际的战略。

反面的例子就是 Kimi，我不理解 Kimi 用这么高的获客成本，买了大量低留存的用户，到底有什么意义？不如把资源好好投入去做模型研究，维持技术的优势。

正面的例子是 deepseek，非常欣赏 deepseek 这家公司。天不生 deepseek，中国开源大语言模型万古如长夜。

积极从 B 端收集市场需求，训练相关的模型，这个才是最重要的。

好产品

早期kimi长上下文得定位可能是对的，但现在他们自己已经完全放弃了这个定位。成为了买量最多亏钱最多，模型迭代最慢的公司😂 //@OrangeCLK: 因为访谈内容全面针对月之暗面，然后还认可了月之暗面的不少早期判断。

辣辣花生培根牛堡

好有层次感的汉堡🍔

微信最近在灰测把送礼功能放到聊天页的一级入口，斗胆猜测为了春节这一波流量，这个功能会在春节前全量。

我对微信的送礼功能的判断，对供给侧影响更深远。

用户之间的送礼，在春节倒不一定会有很大的量级。（想要复刻十年前的红包功能是不可能的）

但有一个副产物对微信来说很重要：帮助完善微信生态里的的商品 SKU。

现在很多商品，你只能各个品牌的的微信小程序里找到。但有了送礼功能的推进，很多商家会主动把商品上架到微信的视频号小店，并且可以直接在微信搜索里找到，这个价值是更大的，影响也更长远。

以后用户直接在微信里搜索商品就下单了，比起去电商网站，路径更短。

最近小红书老外内容流量太好，都影响我正常发内容的流量了😂搞得我都不敢投🍟