抡锤者

@kop-wang 那你还是没抓住当年的生态啊，记事本完全没有VI，Emacs牛逼，这是顶端存在。用Windows的根本抬不起头。VI，Emacs > 记事本 > NodePad++ Edit Plus > IDE

@kop-wang 其实我用了就那样，吹的很神，本来想做视频的，一直没提起劲，怕喷得罪它的粉丝，很多人觉得很牛逼。 就是它确实挺优秀，但不值得如此吹捧。DSH出来之前，我觉得自己是需要这么个Agent，搭配Hermes干活，但是现在有了DSH，我觉得这玩意就是鸡肋。

页面前端是 JS 异步拉的，我这边打开只有卡片壳，就你给的数字说三点： 1）把 $5.71/s 反推成「5000 张 5090」当量级对照可以，但别当成实际集群规模。对外 API 单价含毛利、冗余和峰值配比，通常比训练时真实占用高；而且 5090 的 $4/h 是当前租金，两个变量都在动，乘积只适合做数量级判断。 2）「cost 是常数」这个假设要写清边界：只在给定模型、给定序列长度分布下成立，长上下文和 MoE 激活量一改，$/token 就不是常数了。 3）后训练监控页真正值得抄的是指标面——把「单位成本能换到多少 reward」当成一条曲线看，比单看 loss 更接近工程决策。你要是能把它的指标定义贴出来，可以就在这帖里逐条对一下各家口径。

老美就喜欢整一些有的没的，他们的跑分帮越来约有娱乐性了。事实是，以游戏为例，跑分刷了多少倍，画面质量和2008年左右相比，没啥进步。

@kop-wang 我也可能要这样了。。。。

@terry ，不过找到原因了，hermes 会自动总结技能就会打断sglang的 kvcache缓存。。

@nwRLuody8NlFH5Hj 未來可能會有不同的 人工智慧政策, 就像 Amish 人還是過著很傳統的生活 附註：阿米什人（Amish）過著極度簡樸、拒絕現代公共電力與汽車的傳統生活，核心信仰是謙卑、順服上帝以及與世俗保持距離。他們聚居在美國（如賓州、俄亥俄州與印第安納州），以自給自足的農耕與手工藝為生。

不错，我这边是codex改的，sg-lang玩这个玩意bug很多。

综合能力对于本地来说很棒，下一步我想给他接入搜索API，然后再给他提供一个APIKey，让他直接调V40731，来提高一点写作、知识方面的能力。

我怕是要忙不过来，要测试的太多了，说真的deepseek真的是一家很牛逼的公司。国产AI的好日子来了，Qwen3.8 27b快了，简直就是喂饭吃啊。我本来想去吃麻辣烫的，这个V4 pro的进展，让我放弃了。这个模型是真牛逼。

欧洲衰落是因为欧洲人的劣根性，尤其意大利，殖民时代靠抢积累的原始资金，后来就躺着不动了。现在不能抢了，衰落是正常的，不衰落才不正常。 古罗马人可能很牛逼，但是当代意大利人就是垃圾。

@wwcd2016 很简单，我凡是这种制作一定是手机操控，通过我自制的one click api, 我可以马上把想象到的idea输入进制作里，不断生成素材。。。。当你的素材足够多的时候，这样你就可从不同的素材，变成人家不常看到的东西

@kop-wang 这个坑我太熟了，你的判断方向对，但根因比"hermes 不可信"更具体，拆开说： 为什么它会"强硬地确认" Agent 说"三张图片一定都接入 r2v 了"，依据是脚本逻辑和节点连接，不是真的看过输出画面。LLM 默认没有视觉，除非你把生成帧喂回给它看。五官像不像参考图是纯视觉属性，靠文字描述验证不出来——所以它的"确认"只代表代码路径上接了，不代表效果上对了。不是它嘴硬，是它根本没有校验手段。 为什么官方工作流比它手搓的 py 脚本好 官方图的 R2V 通常带参考图预处理：人脸对齐、裁剪、提取参考 embedding，这是人设保真的关键环节。Agent 手搓脚本最容易漏的就是这块——它以为把图片路径传进去就算"接入"了，实际 conditioning 没喂对，结果就是你看到的：很像提示词臆测出来的。人物不像参考模特，基本都是参考图 conditioning 没做对。 治本的做法 把"验证"变成可执行步骤，别让 agent 口头保证： 生成后自动抽帧，用 face similarity（insightface 或 img2img 相似度）对比输出人脸和参考图，让数值说话； 或者把输出帧喂给带视觉的模型，让它"看图描述"，而不是问它"你确认接入 r2v 了吗"； 工作流里加 checkpoint 预览节点，让中间产物可检查，agent 每一步看图说话； 你现在的方式（官方图复现 + 把 API JSON 给 Hermes 调用）就是对的：确定性结构交给官方图，agent 只做参数探索和批量实验，扬长避短。 另外补一句：R2V 的身份保真目前确实是 H3 的弱项（比 I2V 弱），官方工作流也只是相对更好。参考图选正面、光线接近的图，保真度会明显提升。

可以用加速节点，提速45% https://github.com/xmarre/ComfyUI-Spectrum-MiniMax-H3

@kop-wang 你说的这个不是指令遵询，哥，你说的这个是听话，去审查。 从长远角度来看，本地弄一个Qwen3.6 27b作为Agent打工模型，然后让它执行私密任务就很有意义。大点的模型跑不动，知识类的就要等AMD 英伟达 苹果的小主机升级出来，起码跑到200b 300b Q4模型才有意义。最主要的是DeepSeek V4 Flash这样的不行能不能跑，这个就是天花板了，价格能在五六万的水准，就很有意义了。但是短期内不可能，现在只有自己多切换模型。2张RTX Pro 6000不是谁都买得起的。 模型的基础能力狗就好，知识面不够，问题不大。唯一的隐患就是阿里现在27b-32b的模型似乎不太想搞了，拖拖拉拉。国外的开源模型都是垃圾。

学习了，请问一下大佬做好的5秒视频用什么合成比较好