@yanaraika #54 看完你说的，我又去评论区看了下，评论区基本同质，要么夸讲得通俗易懂，要么说字都看得懂。从评论来看似乎确实看不出什么异常。前面我对它的评价，是看过几个视频后的第一印象，确实不是「实打实的对比」，不过我相信自己的直觉，看得懂看不懂还是很好区分的，后面我准备深入对比一下，看看到底是哪里的问题。毕竟我的目标就是自己做的视频不要做成底下一群观众说不明觉厉的。到时候我会把分析结果贴到漫士的评论区，我估计它也从来没有收到过像样的批评。

@yanaraika 我也学过大学高数和分析学啊。视频根本就不是它这么用的，在科普视频里讲公式为什么不做成课件教程呢？看起来它根本没有搞懂视频这种传播形式，视频的流式节奏根本就不允许它堆砌概念讲解公式，尽管它做了很炫酷的可视化，但李永乐用一张黑板一根铅笔讲解复杂概念，比它讲的清楚多了。比如最近它讲了“挂谷猜想”，「李永乐老师」、「彭导分享」也都讲了，但稍微过一遍，高下立判。

我挑它的毛病倒不是对它有意见，我也准备做科普视频，所以我希望用它作为反面例子，提醒自己在做科普视频时，不要弄成它这样。

我觉得，讲清楚一个东西，最重要的是知道别人的思维模型，知道自己一句话讲出来，会在读者头脑中激发什么样的想象、图景，然后下一句继续激发。很明显，自己能弄懂某些事的人，不一定是这样的人，不一定能给别人讲清楚。

@yanaraika #29 > “只是现在圈子扩大到他本来不打算涉及到的人群了”。
你这么说的依据是？我不知道一个做科普的，它“原本”的人群到底是谁。我的数学比 99%的 v 友都强，可我看它的科普照样难受。

它的科普的毛病主要有这么几个：

1 是讲公式。在有限的视频时长里讲公式，天呐。真不知道它怎么想的。我看李永乐、彭导分享、3blue1brown 或者其他的科普视频，从来没碰到过这样的。

2 是求大求全。总想把所有东西不分详略，一股脑儿塞到读者脑子里。结果总是半生不熟。给你的感觉就是不停在给你塞概念。根本不考虑受众是谁水平如何，只是自己在那里拆解。跟 AI 的表现简直一模一样。你看它的视频就会发现，给它 40 分钟的视频时间，它也觉得不够用，它的讲解节奏就是不断拆解，然后往里塞，拆到无法再放进去才会停止。而且讲述节奏非常快。概念一个接一个，总有一个会砸晕你。

3 把握不住节奏。我看其他人的科普，动画、配音、数学表达都是有机融合在一起的，而它的动画跟讲述是分开的，你的注意力根本不知道该放在哪里，看动画会漏掉讲解，听讲解又会漏掉动画。

总之，槽点太多，一个词形容就是：糟糕。
我不知道你怎么会觉得还不错的，评论区里看到最多的就是“看不懂”。

我这里有一个具体的例子，一个清华姚班的，把自己的事业定位为做数学科普。但是，你自己看看它的科普水平。
漫士沉思录： https://www.youtube.com/@manshi_math
在我看来，它做科普的水平，即使不算糟糕透顶，也是非常糟糕。它根本不了解它的受众。纯粹是在自嗨。

换个思路，你就把这钱投进去，逼自己一把：看着每个月 1000 多的花销，你想慢也慢不下来！我就是这样的，这个月已经买了 2 个 5x 了（当然也因为 Astra 确实是生产力）。

都够早班儿的啊。过节也不让 Codex 休息。

你说的好多包括我吗？效率是有点低，不过快出炉了。

这个我之前（ /t/985173 ）统计过：劳动法规定，病假工资不低于本市最低工资的 80%。各地执行的工资条例不同。目前只有上海、青岛、杭州、重庆、深圳规定病假工资为平常工资的 60%左右，其他省市(包括北京天津广州等)都按最低工资标准。

过去 3 年，平均每 3 个月，同等智能成本降低 50%。一年约降 13 倍。

https://aihot.news/items/cmud77i8r04yerorajpj343j2
- Epoch AI 发布报告，估算过去三年内达到同等 AI 性能的成本平均每季度下降约 47%，即每年约 13 倍，并认为这一速度可能自 2021 年 11 月商业 LLM 推理开始以来持续至今。分析覆盖数学、硬科学和技能游戏类五个基准；刚达到 SOTA 的性能成本每季度下降 66%，两年后放缓至每季度 32%；报告同时指出基准针对性训练、数据不完整等局限。数据与代码在 GitHub 上公开。

https://aihot.news/items/cmud711u104rurora0i4oiyc9
- Epoch AI 发布对比分析称，在同一性能水平下，AI 成本自 2023 年以来每季度下降约 47%，是历史上降价最快的变革性技术。这一速度约为 DNA 测序的 4 倍、算力的 6 倍、锂电池的 18 倍，以及电力（截至 1973 年）的 54 倍。

感谢，收藏了。

目前还有 2 个：
数字生命卡兹克的 AIHot： https://aihot.virxact.com/all
v 友的 AIDaily： https://aidaily.fyi/zh

看不过来了！

官方用 mimo v2.6 做的 3D 素材（ 3D 模型、游戏、PPT 、视频、音乐与图像），可以有个大概的印象：
https://mimo.xiaomi.com/mimo-gallery/

话说这 RL 后训练为什么花费这么少，才 200 多万美元？

「按下 Reset 按钮」和「发布 GPT6 Sol 」的叠加态。别选错了世界。

这个还是比较准的：
https://i.v2ex.co/Vr43qZa3l.jpeg

@wenjiu 就是对自己做视频的价值的怀疑啊，尤其是当你看到很多博主比如李永乐做的视频很棒，那自己还要不要做同一类。或者说自己做的视频的价值点到底在哪里，特别是讲同一个主题的视频。怎么形容呢，就是别人做了一个教程，你已经看到了，然后你又做了一个大差不差的教程，而且都是发布在油管上，这样想你就能想象我的处境了吧。

@EricYuan1 之前胡思乱想的，因为当时对我的困扰很大，东挖一块西刨一块想找到一条出路。
现在回头看，能看到的几个点是：提供的是有价值的（差异化价值更好），减少触达用户成本（获取信任，并持久积累它，比如自媒体圈订阅粉）。

我思考过类似的问题：「为什么要在互联网上生产同一个内容」？

如果互联网上已经存在了某个视频，比如讲述零知识证明的，那么，我是否还有必要重新做一个？特别是，如果感觉那个已有的视频质量很不错，那我重新做一个的价值在哪里？

首先，纯粹从成本收益的角度看，如果说我做完并发布之后，获取的收益，大于制作成本，那就说明一个问题，那就是我提供的价值，是高于成本的，我带来了正的效用！所以，这决定了我做的事情是有意义的。

但是从互联网的角度想，这个问题很让人疑惑，因为互联网最基本特性就是 0 复制成本，1 个视频触达 1000 个用户，再触达 100 万用户，增加不了更多成本。假设有 2 个相同的视频，按说如果第 1 个视频能够以零成本复制多份，触达更多用户，为那些看第 2 个视频的人提供相同的价值，为什么还要再花费额外的制作成本，去做第 2 个视频呢，这从效果上来说是浪费，本来可以用 1 份制作成本来得到一个总的收益，现在需要 2 份制作来达到。

现实中这种同一主题多份视频的情况非常常见。为什么会发生这种情况呢？为什么在已有一个主题的视频时，还需要再做一个，特别是它还能产生足够的价值，养活制作它的人？

我分析了一下：
1 是从覆盖的角度看，我可能是一个独特的分发渠道，用户信任我，这个内容经由我，可以触达用户！而其他的作者，可能根本不能触达这些用户，比如由于信任关系等等。
2 是从竞争的角度看，虽然 2 个视频的效用是类似的，但往往有至少细微的差别，那么这 2 者就是竞争关系，而竞争可以为整体带来好处，如带来整体质量的提高，特别是在面临不确定的情况下，以大量精子为例，是一个筛选的过程。当然，如果失败了，那就成为了这个过程的一个代价。
3 是如果把它跟实体经济类比，实体经济中有地域性的商店，批发商也有独特的渠道。那么自媒体就是看作是一个渠道商，就是地区的商店。它起到了一定的分发作用。信任自媒体博主，就是信任这个分发渠道。用户的注意力是有限的，就类似于地区商店的货架是有限的。这样类比其实并不十分准确。即使是在实体经济时代，用户的注意力也是有限的，如果物流成本占比较低，那么，一个地区商店，有限的货架也是要面临众多的进货选择的。用户通过地区性的商店，间接选择商品——不受用户欢迎的商品自然不能带给商店收益从而被商店下架。所以，注意力始终是稀缺的。工厂或渠道，最开始要吸引的是地区商店的注意力，而互联网时代，由于互联网和物流的发展，可以去掉地区商店了，众多商品开始直接作用于用户的注意力了。

AI 对我的思考作了补充：
1 是在实体经济中，一个螺丝钉的质量可以通过硬度、精度来客观衡量。但在互联网内容中，“质量”不是一个标量，而是一个矢量。不同用户，对这些维度的权重完全不同。同样是讲科普，有人喜欢严肃专业的论文风，有人喜欢幽默搞怪的动画风。质量最高的理财教程可能是大教授讲的，但对于初学者来说，那个“质量略低、但讲得通俗易懂”的博主，对他而言才是“质量最高”的。
2 是质量只能“事后感知”，不是事前可知。用户在点击之前，看到的只有标题封面推荐位简介他人的点赞数，这些只是噪声很大的代理变量，所以用户的决策逻辑是：最大化：期望质量 ÷ 发现成本，而不是：直接选择真实质量最高的那个。即使“真·最优内容”存在，也未必被选中。
3 （略）

从理论上瞎想了一通，不知道真不真，但安慰作用还是有的。

20x 的 luna 有 1500 亿 token ，除以 20x ，得到 plus 的 luna 每月有 70 亿 token 。
https://i.v2ex.co/Vr43qZa3l.jpeg