Cyberpunk Anime Storyboard × Horizontal Cinematic Diptych × 雨夜霓虹电影感。
这套最有意思的是「巨型全息角色 A × 渺小角色 B」的尺度反差,再用上下双联画把远景叙事切到人物情绪特写。上半格负责世界观和关系张力,下半格用硬边洋红侧光、深蓝紫阴影和对白完成情绪反转。
提示词:
【横版电影双联画构图】
16:9 横版电影画幅,Cyberpunk Anime Storyboard,Horizontal Cinematic Diptych,上下两格分镜,上半格占画面高度 60%,下半格占 40%,清晰细黑线分隔,具有宽银幕动画电影的镜头语言。
上半格:
超宽视角赛博朋克都市雨夜全景。角色 B 位于左侧前景,背对镜头,站立于高架天桥栏杆前,占画面宽度约 15%–20%,仰望城市上空。
巨型角色 A 全息投影横卧于右侧及中央天空,单手托腮,半透明身体与霓虹都市建筑交叠,头部位于右侧三分点附近,身体横向延展,形成强烈的巨大与渺小的尺度反差。
画面以宽阔城市天际线、工业金属高架、雨夜建筑纵深和数字全息故障光效构成电影级环境叙事。
角色 A 根据身份与双方关系生成一句简洁对白,置于上半格自然留白区域。
下半格:
镜头切换为角色 B 的正面偏左面部近景,头肩局部入画,脸部占据下半格约 40%–50% 的宽度。角色五官、发型、瞳色与上半格完全一致。
眼神与表情根据角色身份及角色 A 的对白自然变化。洋红与猩红硬边侧光照亮半张脸,另一侧沉入深群青与蓝紫阴影,雨水沿发丝和脸颊流淌。
画面右侧保留适量赛博朋克霓虹环境及暗部留白,呈现角色 B 的回应英文对白。对白根据人物性格自动生成,与上半格形成情绪呼应或反转。
整体采用深蓝紫环境、洋红霓虹光源、锐利动画线稿、几何硬边阴影、数字故障与雨夜反射,保持两格画面统一的电影调色与叙事连续性。
顯示更多
昨天发的K2 Horizon一次开源了六个模型,375B-A23B、36B-A4B、32B、7B、3.7B 和 0.9B,发现Artifical Analysis出了测试结果了
很恐怖,3750亿参数的大模型,败给了Qwen3.8-27B(xhigh),虽然Artifical Analysis
不过K2 Horizon真正的意义,还是完大模型所有流程的开源,给新入行的人一个标准的参考
顯示更多
卧槽,K2 Horizon一次开源了六个模型,375B-A23B、36B-A4B、32B、7B、3.7B 和 0.9B
最最最牛逼的是他们把大模型代码、所有训练数据、构建方案、配置、最终权重全部公开了(目前的其他开源大模型基本是只开源权重)
这意味着你完全可以照着这六个模型的开源数据,站在巨人的肩膀上,快速优化出自己的模型,大模型不再是个黑盒,对所有人都可见!!!
PS: 性能比较一般,赶不上第一梯队
顯示更多
基础模型研究所(IFM)发布了一套名为 K2 Horizon 的全新开源 AI 模型家族。这套模型一共包含六个不同尺寸的版本,涵盖了从手表、眼镜等轻便随身设备,到手机、电脑,再到大型企业服务器的各种使用场景。
尺寸从大到小分别为:0.9B、3.7B、7B、32B、36B-A4B、375B-A23B。
很多开源 AI 只会公开最终训练好的模型文件,使用者能直接拿来用,却完全不知道它是怎么一步步被教会这些能力的。IFM 这次把整个研发过程彻底公开,不仅免费开放了模型本身,还公开了训练代码、数据配方、中间版本的记录以及测试日志。这意味着研究人员可以像看实验记录一样,看懂这些 AI 到底是如何学会推理、规划和使用工具的。
最小的 0.9B 版本专门为手表、智能眼镜这类小设备设计,虽然体积很小,但在数学推理和简单工具调用上表现亮眼。3.7B 和 7B 版本则适合放在手机上离线运行,处理写代码和复杂的网页浏览任务都很轻松。
最大的 375B 版本适合企业处理复杂的科研和长流程任务。
官网:
模型:
顯示更多
一个专门盯海外科技圈的AI情报雷达Horizon,会自动抓 Hacker News、Twitter、Reddit、GitHub 的内容,AI筛选去重再总结,然后输出日报
1️⃣ AI自动打分,高质量讨论单独提出来,垃圾内容直接踢掉
2️⃣ 同一条新闻全网只出现一次,不重复轰炸
3️⃣ 中英双语简报,推送飞书/邮箱/微信都行
顯示更多
比特币矿企转型 AI 基础设施商 IREN 已向微软交付首个 Horizon AI 云项目,这是双方五年期 97 亿美元合同的四个部署阶段之一。Horizon 1 位于得州 Childress 园区,规模 50MW,采用英伟达 GB300 GPU;四期合计将达到 200MW,其余项目预计年内完成。IREN 目标在 2027 年将 AI 云容量扩至 1.2GW。
顯示更多
一个 Greenwich 的 24 岁量化,去年拿 $650,000 年薪
做的事情,现在 Horizon AI agent 90 秒就能完成
不是比喻
而是同一件事:
提出 hypothesis
写代码
回测
部署
过去一条 strategy 的成本大约是 $87,500
而且大多数策略第 6 周就死掉
真正变化的是这里:
Backtest 时间:7 周 → 90 秒
单个 hypothesis 成本:$87,500 → $0
每月能测试的 hypothesis:可能 1 个 → unlimited
技能门槛:Python / Pine Script / APIs → 一句英文
以前机构的 moat,不一定是数据
也不一定是速度
而是你请不起那个“把想法翻译成系统”的人
这个 translator,以前是高薪量化和工程师
现在变成了 autonomous AI agent
它会写
会测
会部署
还能 24/7 运行
所以真正被压缩的,不只是工资
而是从想法到交易系统之间的整条 pipeline
文章里拆了完整流程
Save this
6 个月后,可能就不是秘密了
你只需要 Claude + device + 每天 1 小时
问题是:
当 hypothesis → code → backtest → deploy 都被 AI agent 自动化之后,交易员剩下的核心优势会是什么?
顯示更多