搜索
remove-ai-watermarks是支持一条命令去除AI生成图片明水印和C2PA文件信息层暗水印的开源工具，覆盖Nano Banana、豆包、即梦等多种水印，像素层SynthID暗水印需借助NVIDIA显卡跑invisible命令重绘去除。
加州理工学院 Anima Anandkumar 团队 8 月 24 日发了一篇论文，用一个 AI 模型把这类计算的复杂度从立方级压到了近线性级。效果相当震撼：在单块 GPU 上完成了一个含 82500 个电子的金属缺陷模拟，2019 年同类计算用了约 7800 块 GPU。
上周，我去五道口，接了一个16岁的高中生下班。
刚刚，阿里千问正式开源Qwen3.8-27B模型权重。Qwen3.8-27B是一款270亿参数的原生多模态稠密模型，支持图像、视频理解，原生上下文长度达到262K，并可通过YaRN扩展至100万Tokens。
一块 8.24GB 内存的 CPU，一个 2.78 万亿参数的大模型，甚至不需要显卡，Kimi K3 就这么水灵灵地跑起来了。
金涛今年 26 岁，还是清华在读博士。真正把他带进「推理加速」的，是一个很朴素的判断——当大家都默认 FlashAttention 已经把 Attention 算子做到极致时，他却发现：显卡上明明还有更快的计算单元没被用起来 ——「这么明显的收益，为什么没人做？」
就在最近，英伟达亲自下场，发布了一篇名为《AI Model Co-Design: Hardware-Friendly LLM Design》的技术博客。整篇文章洋洋洒洒，其实就想点醒行业一件事：别光顾着堆算力了，来看看你们是怎么把顶级显卡逼成“磨洋工”的吧。
Vidu S1 面向的是一类全新的使用场景：让视频模型从离线成片，走向可对话、可响应、可持续在线的实时交互。它的核心能力包括语音实时控制视频生成内容、无限长实时生成、540P (960×540) + 25FPS (最高可支持 42FPS) 实时交互，以及自定义初始图像与音色。难得的是，这套实时交互能力在消费级显卡上就能跑起来。
最近的B300市场可以说是“冰火两重天”——群里叫卖得火热，实际成交却降至冰点。老美的出口管制如同悬在头顶的达摩克利斯之剑，彻底改变了顶级算力芯片的流通逻辑。 以下是基于近期一线实操、买卖双方博弈以及
5 月份，非常非常多的人寄希望于两个大佬谈判之后的的 GPU管制放松，特别是上一代 hopper架构的顶配算力卡松绑，弥补内部的算力不足，但是结果事与愿违，双方在 GPU 算力领域抓紧了卡脖子竞赛，彼此相互掐。（不要抱幻想了，干就完了）