最新

OpenClaw 看起来只是另一种在非人工智能中心平台上与 AI 聊天的方式，而不是通过命令行界面或公司的官网。为了真正使用它，你需要提供很多 API 密钥，这让我对它能够实现完全自主的印象大打折扣。是的，我明白这只是一次性的事情，但现在所有这些平台都有自己的 AI，为什么我还要经历这样的麻烦呢？而且有些 API 密钥还会过期或有某些限制。总的来说，这又是一个功能，而不是一个产品。

2023年初，一家小型金融科技初创公司。截止日期：4个月内上线。工程团队只有3个人。我担任架构师，还有两名开发人员。我们已经准备好了。架构设计完成，基础设施在云端运行，后端框架也搭建好了。 开发人员正在构建功能。我们进展顺利。然后到了第二个月，管理层开始招聘。很多经理出现了。接着，他们引入了一位Scrum Master。这个家伙在第一周就想要实施完整的敏捷仪式。 每日站会、冲刺规划、回顾会议、待办事项梳理，所有的流程都来了。他的理由是：“你需要流程来扩展。”而我们只剩下8周的时间。 我们并不是在尝试扩展。我们只是想完成项目。我已经看到这种模式多次上演。小团队在交付，管理层对缺乏可见性感到不安，于是他们招聘流程专家。流程专家需要证明自己的存在，仪式被实施，一切都变得缓慢。 让我感到痛心的是时机。我们正在工作。为什么在距离截止日期只有8周的时候要修复那些并没有坏掉的东西？我真心好奇，为什么管理层不能就让工作团队独立运作？这是真正对可持续性的担忧，还是仅仅对缺乏控制机制的不安？ 你对此有什么经验？

在过去几周，世界模型首次开始显得真实。你可以看到连贯的环境、长时间的展开，以及越来越令人信服的视觉效果。同时，这些系统大多数难以运行，难以集成，并且在规模与交互性之间进行了权衡。 我们创立Overworld是因为我们更关注构建可以实际栖息的世界，而不是制作令人印象深刻的视频。这意味着低延迟、持续控制，以及每次你采取行动时系统都会做出响应，而不是每次只在提示时响应。 上周，我们发布了Waypoint 1，这是一个实时扩散世界模型的研究预览，能够在本地运行。下周，我们将发布Waypoint 1.1 Small，旨在能够在现代消费级GPU上运行，并且易于构建和修改。 Waypoint是从零开始构建的，而不是从大型视频模型微调而来。我们在控制频率、稀疏注意力和快速推理方面进行了大量优化，以便系统能够维持持久的世界状态，并以游戏级帧率响应输入。我们的目标是创造一些开发者今天就能集成的东西，而不仅仅是作为演示观看。 我们认为，一旦世界模型遵循类似于大型语言模型（LLMs）的路径：本地执行、开放工具和快速的社区驱动迭代，这个领域将会快速发展。Genie和类似系统展示了在大规模下的可能性。我们的重点是让这个未来变得本地化和可接触。 我们在最近的博客文章中详细讨论了“沉浸差距”，为什么交互性比单纯的视觉效果更重要，以及我们如何优化模型。 代码、演示和发布详情请访问：https://over.world/blog/the-immersion-gap

我一直在使用人工智能来寻找“我可以用这个做什么”，但我希望能有更快速和更有结构的解决方案，于是我创建了Spud（spud.recipes）。它可以将你的食材转换为可烹饪食谱的简短列表。欢迎反馈。