AYi Profile picture
Apr 23 1 tweets 1 min read Read on X
Damn,今天看到这个东西,我觉得未来30年的电脑界面可能要被彻底改写了。

它叫Flipbook,最疯狂的地方是它没有HTML,没有CSS,没有按钮,没有输入框,
你屏幕上的每一颗像素,都是AI实时画出来的。

过去30年,所有的电脑界面都是乐高积木式的,
工程师写代码,设计师画图纸,一块一块拼出固定的样子。
现在,AI直接从脑子里,给你流出一整张活的画面。

你搜巴黎旅行,
它给你画一幅完整的巴黎插画地图,
你点埃菲尔铁塔,它直接放大成门票和开放时间。
你点塞纳河,它给你画出游船路线和价格。
整个过程没有跳转,没有加载,只有流畅的变形,就像在翻一本有魔法的活绘本。

最颠覆的我觉得倒不是好看,而是再也没有按钮这个概念了,
任何你看到的东西,都能点,
设计师再也不用提前规定哪里能交互,哪里不能,
AI会理解你想点什么,然后给你对应的内容。

他们把视频生成模型,优化到了1080p24帧实时输出,
你的浏览器不再是只加载网页,
还能一帧一帧的接收AI专门为你画的专属电影。

教育领域会是被第一个干穿的,
以后讲水分子结构,不用看静态的PPT,你点一下氢原子,它就给你演示氢键怎么形成。

你点一下冰块,它就给你展示为什么冰会浮在水上。

复杂的知识,直接变成能玩的沉浸式动画。

当然现在它还很烂,
卡,慢,有时候会画错字,
计算成本是传统网页的2000倍,
很多功能还只是演示。

但我觉得这些都不重要,重要的是它证明了一件事:
界面根本不需要代码。

我们用了几十年的窗口、按钮、菜单这套范式,从今天起,真的要开始倒计时了。

这不是一个新玩具,这是计算范式的一次彻底转向,从代码驱动的结构化界面走向AI驱动的生成式界面

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with AYi

AYi Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @AYi_AInotes

May 9
Damn,Redis创始人用一个C文件,干翻了大厂烧几十亿的GPU集群。

Antirez,那个写出Redis的传奇黑客,昨天开源了ds4。

一个专门为DeepSeek V4 Flash写的原生推理引擎,只有几千行C代码。

它做到了一件很多人都觉得不可能的事:
把拥有1M上下文窗口、能跑完整coding agent循环的准前沿模型,完整跑在一台普通的128GB MacBook Pro上。

YC CEO Garry Tan看完直接转发,只说了一句话:
“正在下载… 1M上下文+可用的coding agent能力,全在一台128GB MacBook上,这太疯狂了🤯”

这已经不是一个普通的量化项目那么简单了铁汁们,
属于顶级黑客用极致的系统工程,把闭源实验室烧几十亿才能玩的东西,压到了每个人的笔记本里。

他的三个黑客级操作,每一个都颠覆了行业常识:

1. 不对称2-bit量化:
只对MoE里占90%体积的专家部分做2-bit压缩,所有关键路径保持全精度。
质量损失极小,Antirez本人亲测“coding agent工作良好,能可靠调用工具”。

2. 把KV Cache扔到SSD:
很多人都觉得KV Cache必须放内存,1M上下文会直接炸掉128GB内存。
他直接把KV Cache搬到了苹果的高速SSD上,用磁盘当扩展内存,彻底突破了硬件天花板。

3. 纯Metal原生优化:
没有任何多余的封装,
没有通用框架的开销,
所有代码只为Apple Silicon写,
只为DeepSeek V4 Flash写。

实测性能:M3 Max 128GB上稳定27 tok/s。

不算快,但对本地跑agent循环来说,完全够用了。

你不用再给OpenAI付API费,不用再担心数据泄露,不用再忍受网络延迟。

所有的AI能力,完完全全在你自己的电脑里。

卧槽,这才是真正的革命,
过去AI的权力攥在少数几家大厂手里,他们有GPU集群,定价格,甚至说删就删。

现在,一个黑客用几千行C代码,就把这个权力还给了每一个开发者。

开源AI真的是不可阻挡的,
大厂烧几十亿训练出来的模型,只要权重一开源,

全世界的黑客就会用你想象不到的方式,把它优化到每一个能跑的设备上。

今天是MacBook,明天是手机,后天是手表,太让人兴奋了!

2026年5月9日,AI终于从云端的神坛,落到了每个人的笔记本里。

或许这一天,会被写进历史!
实测已经跑通了,128GB M3 Max下载q2版本就能直接跑。OpenAI兼容的服务器一键启动,直接对接OpenClaw、Claude Code这些agent工具,体验和云端几乎没差
估计很多铁汁会问Windows能不能跑,答案是目前只有Metal支持,CUDA版本正在开发中。
但我相信这只是时间问题,很快所有平台都能跑本地1M上下文模型了!
Read 4 tweets
Mar 28
你越急着堆复杂的多Agent框架,
越做不出真正能用的AI Agent。

这篇221万浏览1.8万收藏的完整教程,
把从零造AI Agent的每一步都拆透了。

没有空泛的概念,没有复杂的开发要求,是普通人今天就能落地的完整路径。

主要内容拆解在评论区,一起学习👇 Image
大多数人做Agent,从一开始就搞反了顺序。
为了Agent而Agent,先去卷各种花里胡哨的框架,却从来没先想清楚,自己到底为什么需要一个Agent。
所有复杂的Agent系统,拆到最后,都是一个最基础的核心循环。
用户输入,大模型思考,决定调用工具还是直接回复,再回到循环的起点。
工具是Agent的手,记忆是Agent的记事本,检索是Agent的外部知识库。
所有复杂的设计,都是这个核心循环的延伸。
绝大多数真实需求,根本不需要完整的自主Agent。
先把五种基础工作流用对,就能覆盖90%的场景。
提示词链,路由,并行处理,编排器加工作者,评估器加优化器。
不用一上来就追求完美的自主系统,先把具体的问题,拆成这些基础的工作流。
很多人折腾了几个月的复杂系统,其实用基础的工作流,一天就能搭好。
Read 7 tweets
Mar 28
学英语必读的一篇好文,
各位宝子别再每天
刷十几分钟单词APP硬背了,

老哥这篇文章讲透了语言学习的本质:脱离语境的孤立单词,转头就忘根本就是常态。

90%的人学语言背单词的顺序从一开始就错了,先过闪卡再看剧,才是符合大脑记忆逻辑的正确路径。

我折腾完这套AI语言学习系统才发现,原来大脑记不住单词,
核心原因是你给的信息没有场景和情绪锚点。

全文核心方法论和底层逻辑翻译+拆解见评论区👇Image
很多人学语言,总在重复一件事,每天雷打不动刷十几分钟单词APP,对着孤立的单词反复背诵,转头就忘得一干二净。
我们总以为靠机械重复就能把单词刻进脑子里,却忘了大脑的记忆逻辑,脱离了真实场景和情感连接的孤立词汇,只会被大脑判定为无关信息,很快就会被清理掉。
这套用NotebookLM,Claude和Anki搭建的语言学习系统,正好踩中了大脑记忆的核心逻辑。
Read 6 tweets
Mar 22
大家还记得半个月前刷屏整个AI圈的传奇故事吗?
二十岁北邮大四学生郭航江,仅凭十天的Vibe Coding,
手搓出了能预演未来的群体智能引擎MiroFish。

上线即登顶GitHub全球趋势榜,狂揽2W+Star,
无数人用它推演红楼梦失传结局,预判舆情发酵路径,
模拟金融市场波动,盛大创始人陈天桥更是在看完Demo的二十四小时内,当场拍板三千万注资。

如果说MiroFish是让AI拥有了精准预判未来的能力,
那这次同一个团队带来的全新技术MSA,就是给AI装上了真正的海马体,彻底终结了困扰行业许久的电子失忆症。

一亿token的上下文窗口,全程性能下降不到百分之九,
这个数字放在整个AI行业里,都是足够炸裂的存在。

目前主流大模型的有效上下文,还卡在十二点八万到一百万的区间,它用端到端的MSA架构,彻底抛弃了传统的RAG外挂,把记忆直接长进了注意力机制里,直接把行业天花板捅到了一亿。

从一万六千到一亿,跨了近四个数量级,已经不是常规的渐进式改良了,等于是换了一套全新的思路,重构了AI的长期记忆能力。Image
Image
Image
Image
说实话,同为 4B 参数的两条线让我看了两遍:
Qwen3-4B 在 1M token 崩到谷底,
MSA-4B 在 1 亿 token 还稳在顶部,
上下文差 100 倍,一个塌方,一个几乎没掉。
我整理了张架构图,核心就一句话:
不压缩、不外挂,让记忆直接长进注意力机制里,
以前的「长上下文」,可能从来不是在记住,就是在硬撑🤣Image
1亿个token的上下文窗口,性能下降不到9%。 看了两遍,这个数字是认真的。 目前主流LLM的有效上下文还在卡12.8万到100万这个区间,
MSA直接把天花板捅到了100M——而且是端到端可训练的,不是靠外挂RAG管线硬凑的。 从16K到100M,跨了近四个数量级。 不是渐进式改良,等于是换了一种思路在做长期记忆。Image
Read 4 tweets
Mar 14
软件设计的底层逻辑要变天了,
之前我们做产品天天研究用户体验,想的是怎么让人类用得舒服,现在反过来了,你得先想怎么让 AI 智能体用得舒服😁

@levie 发的这篇《Building for trillions of agents》点透了一个趋势:未来10年,软件的主要用户不会是人,会是跑在服务器上的智能体。

我之前做AI工具踩过这个坑:功能UI做得再好看,没有完整的API,智能体根本调不动,等于白做。

什么叫做智能体想要的东西?三个核心标准:

#AI #产品设计 #SaaS创业
① 所有核心功能100%可通过API访问,少一个都不行
② API设计优先给机器用:无歧义、结构化输出、高容错,不用考虑人类阅读体验
③ 定价支持按用量弹性计费,而不是按人头卖License
这不是远在天边的趋势,现在OpenClaw、Devin这些已经能24小时独立跑任务的智能体,每天都在调用各种工具。

你的产品API不好用,它们会直接选下一个,根本不会跟你废话。

未来你家产品好不好用,智能体的投票比人类用户的意见还重要。
Read 4 tweets
Mar 11
Claude现在搞研究堪比斯坦福博士生了,熬一周读不完的30篇论文,
Claude30分钟给你理得明明白白,

这9个Claude 神级提示词,直接把学术研究的门槛砍到了底,30分钟理清50+篇论文,挖出你读10小时都找不出的矛盾点,揪出值得发论文的研究空白,搭出真正记得住的知识框架,收藏这条推文,下次写论文直接翻出来用。

连能发SCI的研究空白都给你挖出来,直接把Claude变成你的专属斯坦福级研究副驾,

全流程搞定文献到综述,赶紧收藏,写论文做课题直接抄。

9 个 Claude 提示词宝子们评论区自取👇Image
1️⃣ 我这里有[X]篇关于[主题]的论文,在我提问前,请先做三件事,
1. 列出所有论文:作者 + 年份 + 一句话核心观点,
2. 按共同假设分组归类,
3. 标注出观点互相矛盾的论文,别总结,给我画个「学术地图」。
2️⃣ 在所有上传的论文里,找出所有作者观点直接冲突的地方,每个冲突点请说清楚双方立场,点明是哪几篇论文,分析分歧原因(方法、数据、时代背景),用表格给我列出来。
Read 10 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(