AI 頭像現在可單次生成長達 5 分鐘的影片 OmniHuman 2.0 可將角色照片轉換為包含對話、面部表情、手勢和全身動作的影片。 上傳音軌，以文字描述鏡頭運動與動作，模型即可生成表演。 以下是其亮點： 5 分鐘影片：從 60 秒提升至 5 分鐘，無需拼接多個片段。 對話與音樂：支援更具表現力的內容格式。 降低生成成本：據稱每秒成本從 $0.12 降至 $0.07。 以每秒 $0.07 計算，5 分鐘影片成本約為 $21。 這開啟了虛擬主播、廣告創意、教育內容以及需定期發聲的品牌角色等實際應用場景。 更大的機會在於大規模內容生產。 無需每次製作新影片時都拍攝真人，您可建立一套以數位角色、腳本與音軌為核心的可重複工作流程。 真正的考驗在於，輸出內容在完整的 5 分鐘內是否能保持一致且自然。 https://t.co/PW8ib5olVc
BLACK FOREST LABS 已讓 8GB GPU 上實現 4K AI 圖像生成成為可能 @bfl_ai 推出了 FLUX 3 Image Klein，這是一款 5.6B 參數的開源權重模型，將高級圖像生成與編輯功能帶入消費級硬體。 開發者現在無需完全依賴雲端 API，即可透過 ComfyUI 或 Diffusers 在本地運行功能強大的圖像模型。 以下是其功能： 5.6B 參數 原生 4K 圖像生成 支援最多 10 張參考圖像進行編輯 提供邊界框控制以實現精確佈局 提供基礎模型與蒸餾模型以適應不同工作負載 支援 INT8，適用於 VRAM 僅 8GB 的 GPU 根據 BLACK FOREST LABS 的說法，蒸餾模型在 RTX 4070 上生成 1MP 圖像的時間不到 9 秒。 但更大的機遇並非另一項速度基準測試。 而是行銷團隊能夠自行建立圖像生產基礎設施時所帶來的變化。 想像一個創意流程：代理可生成數十種廣告變體、將現有素材適配至不同格式，並在不將每個請求發送到獨立 SaaS 平台的情況下維持一致的視覺參考。 該模型可在本地運行，其設定可標準化，並可透過自訂工作流程自動化重複性生產任務。 但有一項重要限制。 開源權重並不意味著無限的商業自由。FLUX Kommunity 許可證允許年收入低於 500 萬美元的企業免費商用，而規模更大的組織則需額外取得授權。 本地推論也伴隨硬體、維護與設置成本。 但方向已日益清晰。 隨著圖像模型變得更小且更易取得，生成視覺內容的能力已不再成為主要競爭優勢。 更重要的是圍繞它的系統：創意方向、品牌一致性、專有資產與分發策略。 AI 正使視覺生產基礎設施越來越普及。 那些清楚該創造什麼以及為何創造的團隊，將獲得最大收益。 研究 ↓
Meta 剛剛發布了一款可運行於兩台 Mac Studio 上的 816B 開源權重 AI 模型 @Meta 發布了 Muse Spark Open，這是一款專為複雜編碼、自主代理和長期工程任務設計的新型 AI 模型。 特別之處在於，開發者可以下載權重，並在本地硬體上運行如此規模的模型，而不必完全依賴雲端 API。 以下是 Meta 在此模型中整合的內容： 816B 個總參數 每 token 激活 42B 個參數 1M-token 上下文窗口 原生支援文字、圖像、影片和音訊輸入 支援 AMD、Apple、Intel 和 NVIDIA 硬體 該架構採用專家混合（Mixture of Experts）技術。與每次 token 都啟用全部 8160 億參數不同，此模型僅使用約 420 億參數，大幅降低推理時的運算需求。 這使得其在桌上型電腦上的部署尤其引人注目。 Meta 與 Apple 合作，利用 MLX 框架針對兩台 M5 Ultra Mac Studio 優化 Muse Spark Open。這兩台機器共同提供高達 1TB 的統一記憶體。 公司亦展示了實際在本地運行的代理工作流程： 修復 iOS 應用程式中的錯誤並實現新功能 透過 Muse Code 完成軟體建置 控制 DaVinci Resolve 以分析影片素材 識別影片中的精彩片段並建立垂直裁剪 該模型已透過 Hugging Face 及包括 Groq、Together AI、Fireworks 和 OpenRouter 在內的 API 提供商提供。 但有一個重要區別：「開源權重」並不等同於無限制的開源。Meta 的 Muse 模型授權條款包含商業限制，且在本地運行 816B 模型仍需昂貴的硬體。 最令我感興趣的是，這對 AI 原生運作可能意味著什麼。 行銷團隊正日益建立能處理客戶對話、分析競爭對手、分類內容並協調生產流程的代理系統。 如今，這些系統的每個步驟大多依賴外部模型供應商。 更具能力的開源權重模型提供了另一種選擇：在組織自行控制的基礎設施上運行敏感研究、內部知識處理和專用代理。 這並不自動使本地 AI 更便宜或更優秀。部署成本、推理速度、維護與模型品質，仍決定其是否值得採用。 但競爭格局正在改變。 強大模型的存取正逐漸減少對少數封閉式 API 供應商的依賴。 隨著模型存取變得更具彈性，優勢將轉向那些能建立可靠工作流程、整合專有資料，並將 AI 能力轉化為實用系統的團隊。
Meta 正在為 AI 代理構建下一層分發架構 @Meta 與 Sierra 正與 Shopify、@stripe 和 Walmart 合作開發一項協議，讓 AI 代理能夠代表客戶驗證身份並與企業互動。 顯而易見的重點是安全性。代理需要獲得權限，才能訪問帳戶、查詢訂單並執行操作，而不會被視為機器人。 但我認為更大的影響在於行銷。 數十年來，企業一直優化網站以轉化人類訪客。如今，他們可能需要服務於那些在人類打開網站之前，就已研究產品、比較優惠並做出決策的 AI 代理。 這改變了購買流程。 產品資料、定價、庫存、聲譽以及機器可讀資訊，可能會與 landing page 本身同等重要。 而競爭優勢將轉向讓機器能夠發現、理解並存取品牌。 該協議仍處於早期階段，但其方向值得關注。 品牌花了多年時間優化搜尋引擎，下一個挑戰是確保 AI 代理能夠實際選擇並與其互動。
AI 讓開發 Adobe 替代品的成本大幅降低 據報導，一位開發者使用 Claude Opus 5.5 和 Rust 建立了七款開源創意應用程式，涵蓋 Photoshop、Illustrator、Premiere Pro、After Effects 等。 這些應用程式尚未達到生產級別的替代水準。專業相容性、渲染品質和可靠性仍然至關重要。 但更重要的故事並非 Adobe 一夜之間失去七個產品類別。 而是當複雜軟體的開發成本大幅下降時，所引發的後續變化。 多年來，已建立的軟體公司因競爭所需的巨大工程投資而享有優勢。 AI 正開始削弱這一壁壘。 真正的競爭優勢可能將從「誰負擔得起開發軟體」，轉向「誰能讓軟體更可靠、贏得用戶信任並建立最強大的生態」。 這對 Adobe 的威脅，遠比另一個免費的 Photoshop 克隆版更為深刻。
預測市場面臨一個虛榮指標的問題：交易額。 交易額看似有吸引力，但可能在重大事件周圍急升，並因交易者輪換持倉而重複計算相同資本。未平倉合約量則呈現出更清晰的圖景。 截至5月1日，追蹤的預測市場持有約$1.11B的未平倉合約量。 Kalshi：~$630.7M Polymarket：~$449.9M 兩者合計佔近98%。 其餘所有平台均低於$15M。 這改變了我對這一類別的解讀：這並非十個平台在同等條件下競爭，而是兩個流動性中心，加上一長串日益專業化的產品。 @Kalshi 透過合規基礎設施和類經紀商的用戶體驗脫穎而出。@Polymarket 則掌握加密原生市場的主導地位。較小的參與者則透過特定環境進行差異化：交易所風格的加密市場、宏觀合約，或直接嵌入現有交易場所的預測市場。 更廣泛的教訓很簡單：活動並不等同於深度。 你可以補貼交易額，讓儀表板看起來活躍；但你無法偽造重大資本能否在不動搖市場的情況下進出。 我會根據未平倉合約量、深度、點差和結算品質來對預測市場排名，而非僅看頭條交易額。
2026 年的永續 DEX 不是面臨流量問題，而是留存問題。 透過 KOL、積分和空投活動獲得 50,000 個錢包相對容易，但要讓交易者充幣、開倉、下週回訪，並最終將你的平台納入其交易堆疊，則困難得多。 這正是 @entropyIO 值得關注的原因。 Entropy 不僅依賴於未來的投機性獎勵，而是圍繞可複利的行為建立激勵機制：交易返利、推薦、合作分發，以及使用部署者層級費用支付的 $HYPE 奖勵。它最近已開始向交易者和推薦人分發這些返利，同時透過 Trust Wallet 等渠道擴大分發範圍。 目前已有顯著的活動用於留存。DefiLlama 目前顯示 Entropy 的 30 天永續交易量約為 8.95 億美元。 現在重要的指標不再是活動能獲取多少錢包， 而是：已資金帳戶 → 首次交易 → 第二週 → 第 30 天留存 → 客戶生命週期價值。 積分只能租賃成交量。 真正的增長系統，即使在活動結束後，仍能讓回訪變得經濟上合理。
漏斗中的死帳戶，往往是創始人的 每一份審計都如出一轍。品牌每天發帖，但創始人的個人帳戶早在四月就被凍結，貼文仍停留在上一季的發佈。對於一個需要用戶與合作夥伴的產品而言，這道鴻溝代價高昂，卻無人願意負責填補。 團隊將這個頻道歸類為「個人」或「等我有空再處理」。在 Web3 中，創始人的聲音是公司已擁有的最具信任度的資產，但大多數團隊卻將其忽略。 這並非關於魅力 埃德曼 2025 年報告：科學家 77%、教師 75%、總體 CEO 53%。人們信任的是了解該領域的人，而非組織架構圖。 在加密貨幣領域，關注度同樣有其代價。心智佔有率圍繞著一張面孔與一個觀點聚集。一個沒有面孔的品牌，在缺乏最強大資產的情況下，艱難爭取關注。 品牌只說什麼已上線；創始人則說明為何重要，以及打造這項產品的人是否值得投資。 入站流量真正落地之處 合作夥伴、優秀人才、基金引薦、交易所對話，很少出現在品牌郵箱中。它們實際上都落在了那些讀者看完後私訊的人的 DM 裡。 個人帳戶是漏斗頂端，而非週五的臨時想法。 如何不扼殺這個頻道 品牌：公告、產品、事實。 創始人：市場錯在哪、你如何打造、偶爾的失敗。 同一份新聞稿從兩個帳戶發出，只會成為累贅。 不要計算粉絲數，要計算正確人數的回覆、開啟的串、電話、能與貼文直接掛鉤的交易。五千個新粉絲卻零對話，就是失敗的一個月。 這個頻道的一半不是你自己的時間線，而是你買家已關注帳戶下的回覆。 這個頻道不能依賴「空閒夜晚」。一旦你這麼做，它就會在你需要它時死去。 LinkedIn 是另一個房間。來自 Crypto Twitter 的信任不會隨你移動。投資者會搜尋名字；空無一物的個人檔案或「早安，新空投」在那裡不是可信度，而是訊號——你正在對錯的人說話。公司頁面獲得的觸及率僅為個人帳戶的一小部分。 沉默的創始人讓後續的所有接觸成本更高；活躍的聲音則讓它們更便宜。
您的下一位客戶可能是機器人 長期以來，行銷的唯一任務是讓人類訪問頁面。但如今，這個標籤往往是由其他東西開啟的。瀏覽器代理會閱讀、比較，並越來越多地代替從未見過網站的人完成操作。 2026年4月，約71%的代理流量來自瀏覽器代理。Perplexity的Comet和OpenAI的Atlas佔據了該層級約70%的流量。電商是第二大目的地，約佔38%的路徑。 它們確實會購買。Adobe：2026年第一季度，來自AI來源的美國零售網站訪問量同比增長393%。3月份，這些訪問的轉化率比其他訪問高出約42%。而一年前情況恰恰相反：低了38%。Salesforce：在2025年假日季節，代理完成了約20%的全球訂單，總額約為2620億美元。 機器人看重什麼 它不會感受創始人的故事。它只取用事實：這是什麼、價格、期限，以及操作能否無阻礙完成。 大多數網站，尤其是Web3網站，對此極不友好。隱喻、動畫、第三次點擊才出現的重點。人類會等一秒鐘，但代理會離開到一個它真正能讀取的頁面。 受眾已分裂：人類仍需要故事與證據；機器則需要一個能解析並可直接購買的頁面。這已成為一個獨立渠道，就像過去Google排名那樣。 加密貨幣的先行優勢 機器人需要的是為軟體設計的路徑，而非為拇指點擊設計的按鈕。穩定幣、可程式化錢包和鏈上結算，比信用卡表單更接近這一需求。如今，僅約3%的代理會話能到達結帳環節，這扇窗不會一直敞開。 在文字中保留事實：產品、價格、期限。在分析中分離代理流量。將主要操作以簡短路徑完成，避免額外彈窗與錢包繞路。 二十年來，搜尋意味著：他們找到你並派來一個人。下一層：代理理解了頁面，並在不到一秒鐘內決定是否採購。毫無忠誠度。 一支小型團隊，只要擁有清晰、易讀取的頁面，就能擊敗那些機器無法解析的精美網站。
