语音可能是更适合AI交互的方式一个验证： coze 平台上在学习教育分类中推荐的 12 个应用中，有一半是支持实时语音的。 t.co/SjaQ7ZFrot

Coze 的这个画布工作流很强大了，批量生成运营图文太方便。

coze 的工作流支持画板了，这个是期待很久的能力。 用这个画板的能力基本上可以复刻 glif @heyglif 上很多玩法。

看到 coze 的 plugin 也开始收费了。 后面有没有可能一个个的小 SaaS 变成了Agent 平台的一个个 plugin，根据调用次数进行收费。

发现 Cursor是可以使用自己的api-key的，因为已经购买了 github copilot，暂时没有花 20$订阅，先用一段时间再决定是否要花 20$。 Cursor可以在配置中设置自己的 api-key，设置方案如下：

继ChatGPT、t.co/PufjzPrSyJ 把 RTC 作为实时语音的交互方案之后，Retellai也转向了WebRTC，国内的各大模型厂商也都会跟进。

Grok 已经初步能用了，最近一段时间 twitter上的少，这样的总结能力确实能帮助我不少。

面壁的这个多模态8B 大模型确实不错，扔一个视频进去，三分钟的视频 十几秒理解完： 1、处理速度能到实时 2、每秒抽取一帧的方式进行处理 3、没有对音频处理，加上音频的理解效果应该更好。 t.co/L2s8n0V9Kv

面壁的这个多模态8B 大模型确实不错，扔一个视频进去，三分钟的视频 十几秒理解完： 1、处理速度能到实时 2、每条抽取一帧的方式进行处理 3、没有对音频处理，加上音频的理解效果应该更好。 t.co/L2s8n0VHA3

客户调用我们的 API 的时候经常传错参数，让Claudeai 帮写了两个快速验证参数的页面，90% 代码是大模型生成，自己再稍微改改加点逻辑，半个小时就跑起来了，接入我们 API 之前先让客户自己验证一下参数是否正确。 省事省力，支持客户的时间也大幅减少了。

万物皆可List， Chief AI Office整理的AI融资大数据，包括： 1、800+轮融资信息，2024年AI行业融资全景图 ，轮次详情 + 投资方信息 ； 2、GPT-4强化版公司简介。 售价 $197 一份。t.co/CIilLWAgyo

本地测试了下 Gemma2 2B，基本的翻译和总结都能胜任，可以用来做一些好玩的应用了。

Deepseek这个API Cache 直接把输入 token 的价格降低了一个数量级， 百万 token 价格到了 0.1 元， 官方列了两个非常契合的场景： 1、对于多轮对话场景，前面的多轮对话都能命中 cache； 2、对于数据分析场景，扔给大模型的大量数据也都能 cache； 另外像长文本对话、代码场景也能节省大量的费用。

再也不用担心推文封面生成的问题了，折腾了一晚上的推文自动生成封面工作流完成了，效果如下：

让Claudeai 帮我实现了一下这两天很火的大字报，两次 prompt 就完成了。 图一是生成的效果图，图二是 Prompt。 需要注意的是需要把claudeai 生成的html 本地运行，用Artifacts预览的时候会报一个沙箱错误。

拾象的这篇关于Voice Agent的文章写的非常专业，端到端大模型性并不能真正的解决企业工作流中的问题。 推荐给大家： 《Voice Agent：AI 时代的交互界面，下一代 SaaS 入口》 t.co/p5oUSO3c9A

在Llama 3 405B模型54天的预训练期间，总共发生了417 次意外中断，训练过程挑战重重。 主要原因包括: 1、GPU故障: 148次 (30.1%) 2、GPU HBM3内存: 72次 (17.2%) 3、软件Bug: 54次 (12.9%) 4、网络交换机/线缆: 35次 (8.4%) 5、主机维护: 32次 (7.6%) 6、GPU SRAM内存: 19次 (4.5%) 7、GPU系统处理器: 17次 (4.1%) 8、NIC: 7次 (1.7%) 9、NCCL看门狗超时: 7次 (1.7%) 10、静默数据损坏: 6次 (1.4%) 11、GPU热接口+传感器: 6次 (1.4%) 训练大模型仍充满了各种工程上的挑战，向meta致敬。

在Llama 3 405B模型54天的预训练期间，总共发生了417次意外中断，训练过程挑战重重。 主要原因包括: 1、GPU故障: 148次 (30.1%) 2、GPU HBM3内存: 72次 (17.2%) 3、软件Bug: 54次 (12.9%) 4、网络交换机/线缆: 35次 (8.4%) 5、主机维护: 32次 (7.6%) 6、GPU SRAM内存: 19次 (4.5%) 7、GPU系统处理器: 17次 (4.1%) 8、NIC: 7次 (1.7%) 9、NCCL看门狗超时: 7次 (1.7%) 10、静默数据损坏: 6次 (1.4%) 11、GPU热接口+传感器: 6次 (1.4%) 训练大模型仍充满了各种工程上的挑战，向meta致敬。

Llama 3.1 是一个多模态大模型，支持图片、音频、视频输入。但看起来多模态部分评分并不太高，图片和视频部分相比 gpt-4o 有一些差距，音频理解部分对比 whisper 有不小差距。 多模态部分看起来还不是 Llama 3.1 的重心。

ElevenLabs 已经不只是一家tts技术服务商了，陆续推出了Dubbing studio、Voiceover Studio、Voice Isolator声音分离工具，开始往产品方向转型。

如果要做 RTC 跟 大模型的实时交互，TTFT 以及 TPS 非常关键。 今天在 SiliconFlow上整体评测了一下各个模型的 TTFT和 TPS，供大家参考。 TTFT: 首Token 耗时。 TPS: 每秒 Token数。

如果要做 RTC 跟 大模型的实时交互，TTFT 以及 TPS 非常关键。 今天在SiliconFlow 上整体评测了一下各个模型的 TTFT和 TPS，供大家参考。 TTFT: 首Token 耗时。 TPS: 每秒 Token数。

阿里也开源了一个 agent 开发平台，阿里选择了用开源的方式来培育生态。 t.co/egv3az4Ewr

两个 voice agent 产品都新增了 workflow 的设计，左边是t.co/aa5ztoPt12，右边是t.co/ZIautQuzhR。

agent101 的前四个教程已经更新完毕，详细的教程和 workflow 可以在 t.co/l4BDLbinbB 查看： 1、AISearch：打造专属的 AI搜索助理 t.co/6QB13bHx2L 2、Trans Ninja: 复现吴恩达老师的 AI 翻译工作流 t.co/2aspgRE7Ah 3、Tweet Hunter：抓取 X/Twitter 热点内容 t.co/QMlnfZjfwe 4、AI Article Writer: 将 Youtube 视频转写为 SEO 友好的文章 t.co/EHMoMjHWC5

coze 国内版本也开始收费计划，不过这个免费版本比 coze海外版本要宽松一些。 t.co/k9yvlr7NEN

Canva 有个 autofill 的 API非常好用，你创建一个 canva 的模版以后就可以通过 API 来进行文字和图片的替换和渲染，配合 大模型批量出图非常方便。 不过这个autofill API 只开放给企业客户，不知道有没有其他的替代方案？ t.co/tWnFSMd3cw

AI Article Writer -- 将YouTube视频改写为SEO友好的文章Workflow发布了，依旧是 workflow和代码公开访问。 Workflow地址： t.co/XvqaXKuYQt 教程：t.co/SYCAE5CCMT #Agent101

这两年买的耳机，自从戴AirpodPro导致中耳炎之后就跟入耳式的耳机说拜拜了，目前带着最舒服的华为的这款FreeClip开放式耳机 。

看marscode 提供的 AI Plugin 能力，可以直接生成代码，而且可以直接部署，看接口规范还能和 coze 的 plugin 直接打通，生态的力量确实强大。