最新

OpenClaw 看起来不过是在一个非 AI 平台（而不是命令行界面或公司网站）上与 AI 聊天的另一种方式。然后，你必须提供大量的 API 密钥才能真正使用它，这对我来说，打破了它能够实现完全自主的印象。是的，我知道这只是一次性的事情，但现在所有这些平台都有自己的 AI，我为什么要经历这种新的麻烦呢？而且，有些 API 密钥还会过期或有某些限制。总而言之，这又是一个功能，而不是一个产品。

2023年初，一家小型金融科技初创公司。截止日期：4个月内上线。工程团队实际上只有3个人。我担任架构师，外加两个开发人员。我们一切就绪。架构已设计好，基础设施在云端运行，后端框架也已准备就绪。<p>开发人员正在构建功能。我们按部就班。然后到了第二个月，管理层开始招聘。来了一堆经理。然后他们请来了一位Scrum Master。第一周，这家伙就想实施完整的敏捷仪式。<p>每日站会、Sprint计划、回顾会议、Backlog梳理。一整套流程。他的理由是：“你需要流程来扩展。” 我们还剩8周时间。<p>我们不是想扩展，我们是想完成任务。我已经见过这种模式多次上演了。小团队交付产品。管理层对缺乏可见性感到不安，他们聘请了流程人员。流程人员需要证明他们的价值，仪式被实施，一切都慢了下来。<p>让我抓狂的是时机。我们正在工作。离截止日期还有8周的时候，为什么要修复没有坏的东西？我真的很想知道，为什么管理层就不能放过正在工作的团队呢？这真的是出于对可持续性的担忧，还是仅仅是对没有控制机制感到不安？<p>你对此有什么经验？

在过去的几周里，世界模型开始首次展现出真实感。你可以看到连贯的环境、长时间的演变过程以及越来越逼真的视觉效果。与此同时，大多数此类系统难以运行、难以集成，并且为了规模而牺牲了交互性。 我们创建 Overworld 的初衷是，我们更关注于构建你可以真正进入的世界，而不是制作令人印象深刻的视频。这意味着低延迟、持续控制，以及每次你行动时都会响应的系统，而不是每条提示只响应一次。 上周，我们发布了 Waypoint 1，这是一个实时扩散世界模型的研发预览版，可在本地运行。下周，我们将发布 Waypoint 1.1 Small，它设计用于在现代消费级 GPU 上运行，并且易于构建和修改。 Waypoint 从头开始构建，而不是从大型视频模型进行微调。我们针对控制频率、稀疏注意力以及快速推理进行了大量优化，以便系统能够保持持久的世界状态，并以游戏级别的帧率响应输入。我们的目标是让开发者今天就可以集成它，而不仅仅是观看演示。 我们认为，一旦世界模型遵循与大型语言模型（LLM）类似的路径，即本地执行、开放工具和快速的社区驱动迭代，这个领域的发展速度将会最快。Genie 和类似的系统展示了大规模的可能性。我们的重点是让这个未来变得本地化和可访问。 我们在一篇最近的博文中详细阐述了“沉浸感差距”，为什么交互性比单纯的视觉效果更重要，以及我们如何优化模型。 代码、演示和发布详情请见：https://over.world/blog/the-immersion-gap