前些天网上出了很多让ai画图并且不断升级描述的视频。我做了个视频，发现给GPT发挥空间生成详细的图像描述后让dalle生成的效果非常好，视频中的例子我觉得不亚于一般人的想象了。两点感受:
1. openai dalle文生图的语言理解能力很强，能把复杂的语言描述转化成图片，midjourney这种堆prompt短语的模式可能要被普通人抛弃，专业人士可以直接用sd。
2. AIGC能大大提高普通人从一个想法到创作的生产力。我的两个这类视频播放分别是几万和十几万

情绪价值不如两边偷偷安排两个ai卧底送我人头。⊙∀⊙！这个SB凯送人头的是不是就是ai

"对结果给予 90 分的肯定，不如过程中持续 80 的肯定和鼓励。" 这个思路不止对孩子，对所有人都很重要。

我觉得大模型最后的赢家除了OpenAI这种方法论领先的就是芯片厂或者云提供商这种可以压低模型运行成本的。立个flag几年后看看🤨

做了一个视频分享coze的体验。
总的来说是我目前遇到最好的ai原生应用平台。
应用平台和中间层这个赛道创业团队很多，但我总觉得大部分团队迷失在各种对接大模型或者第三方api这类加水加面的工作中，并没有做出一两个用户真正会爱上的功能。
反观做coze的字节团队，保持了足够的客制，把整个开发流程控制得足够精简，大模型甚至只有OpenAI一家提供商，让开发者客户聚焦在如何快速打磨自己的ai应用上。如果之后再利用公司资源大规模补贴抢占市场，很难想象新玩家们如何在这场比拼中胜过字节。

Google最新Gemini模型的文本能力评估似乎有些小花招，很多评估条件都是不太一样的，如果真的如宣传的那样全面超过GPT4没必要玩这些trick。
考虑到之前palm2模型的能力并不亮眼，还是对Gemini的真实能力存疑。
不过不管怎么样这也是ChatGPT发布一年以来第一个真正的挑战

之前一直在想OpenAI gpt5会有怎么样的视频理解能力，没想到Google年底偷偷抢跑了。假如视频演示的是正常水平而不是cherry pick出来，确实可以说超过GPT4。
Q*的说法有些捕风捉影，2024的主要战场应该还是多模态，如果视频理解的成本还足够低，lui的这条还没走通的体验可能又被颠覆了。

老小区翻新感觉好像被卡进后室backrooms

之前觉得agents和tool former的思想看起来好像一个是面向对象编程，一个是面向过程编程

自然语言在处理

言语皆裸尸，秘密你全悉。
光将光解剖，神泣无所匿。
尸体在膨胀，尸体在清洗。
尸体在烹饪，尸体在标记。
尸体在练习，尸体在言语。