Google 这波,等于把 GPU 黄牛的桌子掀了 🤯
VS Code 现在可以直接连接 Google Colab。
也就是说:
→ 在你自己的编辑器里,白嫖一张 T4 GPU
→ 代码和文件在本地,算力用 Google 的
链接:
顯示更多
刚团队小伙伴在 Google Colab 部署 DeepSeek v4.1 Flash 它一直坚称自己是 Claude。重启,重新部署都是如此!
据网络安全公司 Cynet 11 月 13 日发布的调查报告,黑客利用《GTA 6》即将发售的热度,通过伪造的 PC 版免费下载页面传播 WARDEN Stealer 恶意软件。研究人员发现,攻击者通过 Google Colab 页面引导用户下载虚假游戏安装包,并诱导用户以管理员权限运行程序、绕过安全警告。该恶意软件可窃取浏览器密码、Cookie、Steam 账号及加密钱包信息,还能替换用户复制的加密货币收款地址,将资金转向攻击者钱包。
顯示更多
🎭 厉害了,MultiTalk 喂几段音频加一张参考图,就能生成几个人对着说话的对话视频,口型还能跟上音频。
MultiTalk 在 GitHub 3000 star,五百个 fork,论文中了 NeurIPS 2025。
以前做一段两个人对话的短视频,要么真人出镜录,要么用数字人工具一个一个生成再剪到一起,人物之间很难有互动。MultiTalk 是直接按多路音频生成同一个画面里的多人对话,提示词还能控制人物之间怎么互动,卡通角色、唱歌视频也能做。
门槛也降下来了:480p 用单张 RTX 4090 就能生成,社区做的 Wan2GP 最低 8GB 显存就能跑,还接进了 ComfyUI 和 Google Colab。
同一个团队后面又接着出了 InfiniteTalk 和 LongCat-Video-Avatar 系列,最新的 1.5 版把推理压到了 8 步。
生成的是真人模样的说话视频,用谁的脸、谁的声音,得先拿到人家同意。
拍对话戏,以后可能真不用凑齐演员了。
GitHub:
顯示更多
千万别拿我和张雪峰这个大傻逼作对比。
网友:我想学AI相关的专业,我对AI很感兴趣,请问我应该选计算机还是数学?
我:你一定要选计算机,先把python和数据结构基础打好,
然后从deep learning这门课开始学,可以在家配置一个nvidia GPU的笔记本或者台式机,或者用google colab,先从最简单的 CNN 开始训练,找一个dataset,自己安装好pytorch和cuda、cudnn,抄一个经典CNN model,训练你的第一个神经网络,
然后可以学习transformer,学习encoder only的BERT,学习decoder only的GPT模型,从minGPT开始,训练你的最小版本的GPT模型,
如果你对训练模型感兴趣,可以读个PhD,如果你的inference感兴趣,可以多花点时间看cuda,简单学习一下nvidia tensor core architecture,可以了解GPT后续的模型的架构,
如果你对inference感兴趣,你也可以直接看vllm的架构,读里面的代码,理解vllm是如何load一个用pytorch训练好的LLM模型,
如果你对AI Agent感兴趣,可以从ReAct Agent开始看,然后看SWE Agent,知道一个Agent是如何抽象出来的,如何调用function call,如何自己做reasoning,如何把一个软件开发的任务用agentical的方式拆分和执行的,
然后你可以看codex的架构,看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。
张雪峰(下面视频中可以找到原话):
孩子,你一定要学数学,数学学好了可以转互联网、AI、科技、半导体、金融所有专业,数学是一切专业之母,所有专业的老祖宗!
孩子,deepseek就是一群纯数学博士造出来的,这些人天天研究数学,就把deepseek造出来了!
孩子,AI本质就是数学建模,就是一个个自变量,你只有研究数学,一直读到数学博士,才能把这些数学建模研究明白,计算机毕业生是永远研究不明白AI的!
我的结论是,鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝,都是彻彻底底的大傻逼。
顯示更多
📖 刚发现一本讲大模型的书,配套代码和近三百幅插图全部开源
GitHub 上 2.83 万 stars
学大模型最难受的地方在于,讲原理的材料往往只给公式,讲实践的又直接甩 API 调用,中间那层「这东西内部到底怎么运转」始终是糊的。看完能复述名词,但让你说清注意力机制里数据是怎么流的,还是说不出来。
这本《Hands-On Large Language Models》走的是图解加动手的路子。作者之一 Jay Alammar 就是以把 Transformer 画明白著称的那位,全书配了近 300 幅定制插图,配套仓库里是 12 章 Jupyter Notebook,每一章都能直接跑。
章节顺序按认知铺开:先是语言模型基础、词元与嵌入、Transformer 结构,再到文本分类、主题建模、提示工程和文本生成,最后是语义搜索、检索增强生成、多模态模型、嵌入模型训练和微调。示例主要在 Google Colab 上构建和测试,没有本地显卡也能跟着做,仓库同时给了本地环境、Conda 和 PyTorch 的安装说明。
书是 O'Reilly 2024 年出的,纸质版要花钱,但代码和 notebook 是完全开放的。
看图理解,跑代码验证,这两步凑齐才算真学会。
GitHub:
顯示更多
一位中国开发者做了个免费的"印钞机",名字就叫MoneyPrinterTurbo,在GitHub上已经拿了13000多个星标。
你只需要输入一个主题或者关键词,它就会自动生成脚本,找高清无版权素材,加上字幕、背景音乐和配音,最后输出一条完整的短视频。
这恰恰就是那些TikTok Shop和YouTube不露脸频道用来做到月入六千到一万美元的流程。区别在于,他们得花钱买工具,这个是免费的。
里面都有什么:
脚本生成可以接Claude、DeepSeek、Gemini、GPT,或者你自己在用的任何大模型。
支持批量生成视频,一次出好几个版本,挑最好的用。画面比例可以选9比16竖屏,适配TikTok和Reels;也可以选16比9横屏,适配YouTube。
语音合成带实时预览。字幕可以自定义,字体、大小、颜色、位置、描边都能调。背景音乐可以从内置库里选,也能用自己的文件。
在本地机器上就能跑,带网页界面和API,支持Docker部署。不想装任何东西的话,也能用Google Colab。
不需要订阅,没有水印,没有使用限制。
这个仓库维护得很勤,最后一次提交就在44分钟前。
顯示更多