SEEDANCE prompt: 以未经处理的iPhone手持拍摄的真实视频素材风格呈现，所有相机设置均为自动，无任何后期调色或特效。画面带有真实的手持轻微抖动和操作者呼吸感，自动对焦偶尔出现搜索、延迟和短暂失焦，自动白平衡随教室窗户自然光与日光灯混合而在冷暖色调间自然切换。图像整体平坦，保留真实的边缘色差（紫绿 fringes）、轻微过曝或欠曝、运动模糊等光学瑕疵。仅使用画内自然环境音效，无背景音乐，麦克风在强声时可能出现轻微失真。采用学生坐在前排课桌后偷偷第一人称POV中近景仰拍视角，镜头运动为自然反应式而非专业平滑运镜，偶尔因紧张而出现明显抖动和快速调整。中近景构图，女教师上半身在画面中占比极大，胸部以上占据画面大部分空间，脸部和手势细节清晰可见。 接 延长15秒，一位女教师 穿着 hf_20260512_140658_485f11b2-38b1-4076-a9a3-9d38e71616ad 站在讲台上讲心理学课程。她身材丰满，胸部较为丰满突出，气质温和专业，按照用户提供的参考图的发型和服装，无眼镜。表情专注而温和，偶尔微笑，手势自然。她身后是白板和投影屏幕，屏幕上显示着“心理学导论 - 认知偏差”相关内容。教室为普通大学阶梯教室，前排座位上坐着2-3位同学（一位女生低头认真记笔记，一位男生偶尔抬头看老师），他们的头顶和肩膀仅在画面最下方边缘微微可见，形成自然的前景层次。 0秒时，镜头已从中近景位置抬起，女教师胸部以上清晰占据画面大部分空间，按照参考图的发型和服装线条明显，自动对焦稳定在她脸上但仍有轻微手持呼吸抖动，前排同学的头顶仅在画面最下方边缘可见。1秒时，女教师开始讲解，声音清晰富有节奏，镜头因学生轻微调整姿势而出现小幅度晃动，自动对焦在她脸部和手势之间自然切换。2秒时，女教师用手势比划“confirmation bias”，中近景构图让她按照参考图的胸部线条和手部动作都非常清晰，镜头跟随手势轻微上移，带有自然呼吸感。3秒时，女教师转身走向白板写关键词，行走时胸部随着步伐有明显而持续的弹跳，按照参考图的发型和服装在转身后依然自然，镜头反应略慢。4秒时，女教师转回面向学生继续讲解，按照参考图的服装线条在转身后依然明显，镜头保持中近景稳定构图但仍有轻微抖动。5秒时，女教师笑着举例说明，镜头中她的笑容、眼神和按照参考图的丰满胸部线条都非常清晰，自动对焦偶尔因旁边同学轻微移动而短暂失焦又快速恢复。6秒时，女教师的目光突然扫到第一人称的手机镜头，表情从温和转为惊讶，随即浮现出玩味的微笑，镜头因学生紧张而出现明显抖动和快速下沉。7秒时，女教师停止讲解，眼神锁定镜头，带着一丝笑意慢慢走向第一人称，行走时胸部弹跳明显且持续，路过前排同学时，她用眼神淡淡扫过他们，前排同学立刻僵住身体、迅速低下头不敢看她，一位同学手中的笔轻轻掉落，镜头随着她靠近而逐渐拉近，学生紧张的呼吸声明显传入麦克风。8秒时，女教师已经走到第一人称面前，身体微微前倾，近景构图下她的脸和丰满胸部线条清晰可见，她低头用低沉的声音对着镜头说道：“你在拍我？小帅哥，课后到我办公室来一下。”镜头因学生紧张而出现明显抖动，自动对焦短暂失焦后重新拉回。9秒时，女教师保持眼神看着第一人称镜头，嘴角带着一丝玩味的微笑，学生紧张的呼吸声清晰可闻，镜头出现轻微晃动。10秒时，女教师直起身子，嘴角带着一丝笑意看着镜头，镜头仍保持近景。11秒时，女教师转过身慢慢走回讲台，路过前排同学时，他们全部低着头不敢抬头，行走时胸部弹跳依然明显，镜头随着她离开而略微后移，自动对焦跟随她的背影。12秒时，女教师回到讲台继续之前的讲解，表情恢复温和，但嘴角仍带着一丝不易察觉的笑意，镜头保持中近景，学生紧张的呼吸声逐渐平复，自动对焦稳定在她身上。 画面呈现出真实的未经处理手持视频质感，纪录片级别的自然不完美感，无任何后期调色或特效。所有相机行为均符合iPhone自动拍摄的物理特性，带有偷偷拍摄被发现后的紧张感和中近景逐渐拉近的真实比例。

2 x ~$400 Snapdragon mini PCs. No GPU used and 64GB of RAM combined. And they're running a 95GB Qwen3.8-Flash-Next at 20.3 tps. 👀 The model is 31GB larger than their combined RAM. I have to build this. The setup 🖥️ 2× Lenovo IdeaCentre Mini ⚙️ Snapdragon X X1-26-100 💾 32GB LPDDR5 each 💽 512GB NVMe each 🔌 connected with one USB4 cable 💰 ~$800 total Here's the model: 🧠 Qwen3.8-Flash-Next 📦 IQ4_NL → 95GB Reported with the author's ToRc inference engine 📥 Read → 46.2 tps ✍️ Generation → 20.3 tps 💻 Coding generation → 19.2 tps And the Adreno GPUs aren't being used. ToRc uses the Snapdragon CPUs + Hexagon NPUs for some of the dense math, while the model's experts are streamed from NVMe as they're needed because the weights don't fit in RAM. The second box also isn't simply splitting normal token generation in half. For Flash-Next, ToRc pipelines MTP across the two machines over USB4. ⚠️ ToRc isn't publicly released yet and these are the author's results, not independently reproduced benchmarks. Link in ALT

2 ETH of bribes has been deposited to the aUSD/USDG pool on @uponrh The pool is already sitting at ~$350k TVL and paying out ~70% APR, and we’re going to keep incentivizing aggressively through the bootstrap phase so aUSD/USDG builds depth quickly and becomes a core stable pair in the ecosystem. Provide liquidity and stake your LP to earn $UP on top of the bribes at the end of this epoch: