LiLens

🚨 AI 自己写的推理引擎，把 Strata 和 Basalt 给办了？ GitHub 上刚冒出一个黑马推理引擎 Infernix，最骚的是作者在主页坦白：这项目的代码和文档，几乎全是 Claude Opus 5.5 和本地跑的 Qwen 联手搓出来的！ 在单张 RTX 5090（Windows 11 / 84G 内存预算）上实测 Qwen3.8-Flash-Next： 1️⃣ NVFP4 权重下全面暴走： 首字响应时间（TTFT）比官方 Strata 快了整整 4.6~7.4 倍！在双路并发的 Agent 编码任务里，总耗时直接从 Strata 的 15.9 分钟缩减到 6.7 分钟——连前两天刚刷榜的 Basalt（8.9 分钟）都被它超了。 2️⃣ 不同量化的微妙反差： - 跑 NVFP4：Infernix 优势明显，直接登顶； - 跑 IQ3_S：Basalt 在 Prefill 阶段依然更快，但长文本解码时 Infernix 重新反超 25%。 3️⃣ 客观提醒： 目前的实测全部集中在吞吐速度上，具体生成质量和精度损失（Perplexity）还在测、尚未公开。 现在连底层高性能 C++/CUDA 推理引擎都开始由 AI 自己迭代自进化了。 📎 开源仓库：github.com/Wallawalla47/Infe…

🔥他来了🤓 huggingface.co/IteraCompute/…

别再让 AI 画那些毫无灵魂的方块箭头架构图了。 开源项目 Anatomy 搞出了一个颠覆性的玩法：只要输入一句话，Claude 直接给你手搓出一台可以鼠标悬停、爆炸拆解、零件级精度的 3D 机械装置！ 📌 它到底强在哪？ • 以前的系统图：几个方块 + 几根虚线，枯燥抽象。 • 现在的 Anatomy：把“技术概念”变成“实体机械”——螺栓、齿轮、导管全都有；不仅有 4 阶等轴测光影，连尾焰、光晕和水波都是实时 WebGL Shader 粒子算出来的！ 🛠️ 三大极致爽点： 1. 鼠标交互爆破拆解：鼠标放上去，上百个机械组件立刻分层悬浮展开，内部自带物理碰撞审计，绝不穿模。 2. 轻量到不可思议：零外部重型依赖！纯原生矢量 SVG 与 WebGL，直接塞进网页、Markdown 或 React 项目，丝滑缩放不糊。 3. 全平台一键安装：Claude Code / Antigravity 一行命令即用： npx skills add wheresryan22/anatomy -g 拿来做技术白皮书、GitHub 开源 README、系统解构展示，视觉逼格直接拉满。 🔗 开源地址：github.com/wheresryan22/anat…

强烈推荐收藏！这份《一个人做 AI 短剧》全流程保姆级 SOP 做得太清晰了。 一个人就是一个剧组的落地工作流： 1. 编剧/分镜：Claude / DeepSeek 2. 角色/场景资产：GPT Image / 即梦（白底角色图 + 纯场景图） 3. 摄影与表演：MiniMax H3（RunningHub 跑生成） 4. 剪辑与字幕：剪映 55 分钟新手跑通路线和参数对照全给齐了，想尝试 AI 漫剧/短剧出海的直接对着抄作业！👇 teapawt.net/tuyetloanp81840/status…

太离谱了！阿里神秘代号“Hawk”曝光：Qwen-4-Flash 偷跑屠榜，直接干翻 Opus 拿下全球第一！ 游戏与代码权威评测 GameFeel Bench 刚刚更新了 V1.4 榜单，结果直接让海外 AI 圈炸锅： 阿里未发布的代号 “Hawk”（Qwen-4-Flash-Early）首次现身实测，一上来就把全场闭源顶级模型全办了！ 🚨 看下这个离谱的战绩： 1. 全榜总分断层登顶（49.9 分）：直接力压 Opus 5.5（47.2）、Sonnet 5.5（45.0）和 DeepSeek V4.1-Flash（42.8），拿下第一！ 2. 轻量 Flash 倒挂满血旗舰：一个定位小尺寸、极速的 Flash 模型，在“代码编写、Bug 修复、游戏手感、创意与视听”等综合硬核基准上，居然超越了各家的超大号旗舰。 3. 性价比炸裂：在性价比帕累托前沿分析图上，Qwen-4-Flash 相比同分位预期的商业模型，成本直接被砍碎，同分位下便宜好几倍。 4. 开源战力预警：同步上榜的 Qwen-4-27B-Early 也跑出了 44.6 的超高分，比预计成本便宜 8.4 倍！ 难怪海外评论区都在哀嚎：“闭源大厂的末日要来了，如果真按 Flash 定价放出来，市场直接洗牌。” 蹲一波通义千问官方何时正式端上来！ cr: @follistatindev · GameFeel Bench V1.4

狂揽 Google 50 万美元大奖！这位老哥开源了 3000+ 个“代码写出来的” 3D 资产，Three.js / React 开发者狂喜 最近 Reddit 和海外 3D 圈直接炸了：开发者 Lucas Martinic 凭借项目 Polyfork 拿下 Google 赞助的 Build with Gemini XPRIZE 第一名与 50 万美金巨奖！ 获奖后他做了一个极其极客的决定：全站 3,000+ 个 Low-Poly 3D 模型全部免费开放，免注册直下，商用免署名！ 🔥 为什么能拿 Google 50 万刀？它跟传统 3D 资源库完全不同： 1. 代码即模型，不是死的网格：每一个资产都是一段原生的 Three.js ES 模块（.mjs），不是固化的烘焙模型，而是由代码参数化生成的程序！ 2. 参数滑块任意改装：每个模型都带交互参数（Knobs），同一棵树改个数值就能从夏天的绿树变成冬天的枯雪树；建筑、车辆的配色、涂装、季节状态全靠参数驱动。 3. React Three Fiber（R3F）天作之合：普通模型需要 loader、useGLTF 和 Suspense，而 Polyfork 直接同步返回 THREE.Group，直接写成 <Model colorway="autumn" /> 即可像普通组件一样用 props 驱动渲染。 4. 性能怪物（单次 Draw Call）：自带顶点色材质，整套场景几十上百个模型可通过内置工具合并为单次 Draw Call，网页 3D / 移动端丝滑拉满。 5. 全格式通吃：除 .mjs 源码外，支持免登录直接导出 GLB、FBX、USD、OBJ，无缝导入 Blender / Unity / Godot。 以后做独立游戏、AI Agent 交互场景、3D 网页或者作品集，再也不用为 3D 资产发愁了。 👉 体验与下载：polyfork.dev/ 👉 获奖详情与回顾：polyfork.dev/blog/build-with…

单张照片秒变可建造房屋模型！这个 Claude 逆向 3D Skill 把建筑师看傻了 海外有位老哥发文感叹：“今晚我决定退掉我的建筑师，因为一个免费的 Claude Skill，直接用一张街拍照片造出了一套真实可建造的房子！” 这跟普通的 2D 转 3D 或摄影测量（Photogrammetry）完全不是一个维度： 🔥 为什么它这么硬核？ 1. 真正建网格，不是贴图描边：原图仅作为参考，Claude Opus 5.5 负责在 Blender 里亲自写出每一面墙、门窗开口和屋顶坡面，连窗框都严格做了 110mm 的物理进深，绝非薄片假立面。 2. 单图逆向隐藏立面：传统摄影测量需要几十个角度环拍，而它直接利用照片里的屋顶坡度、阴影长度、窗户韵律等几何逻辑，逆向推导出看不见的侧面与背面体积。 3. 真实世界工程尺度：以入户门 2.04 米为基准对齐现实比例，生成的全模型带精准物理尺寸（单位米），而非游戏里的任意虚拟比例。 4. 组件级拆分结构：整个屋顶由 23 个独立构建拼接而成，完全可以拆解、做工程造价核算或直接送去 3D 打印。 5. 纯几何逻辑，零建筑预设：没有针对房屋做过度拟合，全凭画面证据做逻辑几何求解，甚至拿去测其它奇形怪状的非建筑结构一样能还原。 最后输出的是标准的 Blender 可编辑实体几何体，工程、游戏、3D 打印全链路通吃。 👉 项目开源地址：github.com/0xwast3/boomtown 👉 原推文引用文章：teapawt.net/0xWast3/status/2119007…

3D 艺术圈变天！94 个专业级 Blender Skills 开源，Cursor/Claude 直接化身资深技术美术团队 如果你还在让 AI 一步一步教你 Blender 菜单点哪里，那真是大材小用了。 GitHub 刚开源了一个杀手级项目——blender-skills（MIT 开源），直接把 94 个专业级 3D 技能塞进了 Cursor、Claude Code、Kiro 和 Codex 里，搭配 Blender MCP，让 AI 从“教程答疑机器人”升级为你的资深技术美术（TA）团队！ 🔥 核心颠覆点： 1. 真正执行，不是嘴炮教学：通过 Blender MCP 协议，AI 直接在本地跑着的 Blender 视口里建模型、调节点、刷材质、烘焙贴图，全过程无需手动点选。 2. 总指挥架构（blender-director）：说一句“做一个赛博科幻步枪，3000面，写实PBR质感”，Director 会自动编排执行链条：硬表面建模 → 自动化UV → PBR材质 → 面数优化 → 引擎导出 3. 垫图复刻（Image Match）：喂一张概念原画或实物照片，AI 自动逆向推导相机透视、层级搭建几何体，并通过截图比对循环反复校准。 4. 94 个硬核技能，工业级全链路覆盖： - 建模与雕刻：硬表面、载具、生物、场景、角色原型、重拓扑（Retopology） - 材质与解算：几何节点（Geo Nodes）、毛发 Grooming、布料与物理模拟、灯光运镜 - 游戏引擎管线：LOD 梯队生成、碰撞体 Proxy、Unreal/Unity/Godot 规范化一键导出 - 全风格预设：赛博朋克、暗黑克苏鲁、PSX 复古低模、动漫二次元、体素等。 🛠️ 极简配置 4 步走： 1. 本地安装 uv 并克隆仓库：git clone github.com/arjun988/blender-… 2. Blender 安装 BlenderMCP 插件并在侧边栏点击 Connect 3. 把 skills 目录复制到你的 .cursor/skills 或 .claude/skills 4. 对 AI 说出资产需求，静看 Blender 自动执行！ 👉 项目地址：github.com/arjun988/blender-… 👉 文档官网：blender-skills.vercel.app/

阿里今天自己发帖，给自家编程App塞进来一个匿名模型，叫Qoduck 配文就一句：别问它是从哪来的 💰 今天起个人用户每天送免费额度，额度内计费倍率从0.5×直接砍到0.0× 开最高思考强度也不扣分 免费账号和积分用完的也能参加，用满了就按0.5×接着跑 📲 免费的是阿里自家App Qoder 更新客户端，模型列表里选Qoduck就直接生效，不用领取 🧪 用户实测1M上下文加最高推理也能免费跑，记得去模型设置里打开 高峰期要排队，这是官方自己提醒的 🎲 没人知道它是谁，社区猜是阿里自己的新模型，官方没回应 有人赌最好是个27B 已经有人拿它干活了，评论区有人让它做个小溪流水，跑了两个小时效果挺好 📱 手机端和电脑端都能用,IDE、CLI、团队版还看不到 入口：qoder.com 😏 反正白送的，试试又不亏——就当帮它做盲测

别人还在花 API 费跑字幕和配音，它从写脚本到出片可以一分钱不花。 这是开源的 MoneyPrinterTurbo：你丢个主题，它自己写词、配音、配素材、上字幕，最后直接端出能发的成片。 🖱️ 四种用法都有，WebUI 点鼠标、命令行、API 接进自动化，还能派 AI Agent 干活。 批量跑多条不用干等，任务历史都留着，昨天挂任务今天来收。 🎞️ 素材哪来的都行，自己传的、Pexels/Pixabay 免费库存库里的、接文生视频服务现生成的。 哪条不合挑哪条重跑，整片不用从头返工。 🎙️ 配音用 Edge TTS 免费不用 API Key，十几家声音服务随便换。 字幕字体位置颜色描边全能调，成片直接能拿。 🚀 竖屏横屏方屏都支持，做完一键自动传 TikTok、Instagram、YouTube Shorts。 从选题到发出去，手不用碰剪辑软件。 🧧 做矩阵号的人，这份账算下来，等于多了个不领工资还肯干活的剪辑。 GitHub：github.com/harry0703/MoneyPr…

GitHub 7.1k 星，敢自封全球第一个 AI 原生开源矢量设计工具 你随口描述一句，它就在无限画布上一笔一笔实时把界面画出来，真是动画，不是等半天蹦一张。🤖 多个 AI 还能一起干活：它把页面拆成块，hero、features、footer 同时开画，画布上能看到每个 AI 正在画哪块。 🎨 不会设计也有活路：玻璃拟态、野兽派、复古这些风格挑一个，套上就出图。不用从空白画板磨，审美它先给你兜一层。 ⚡ 泡终端的更爽：Claude Code、Codex 一键接上，命令行敲一行，界面跟着变。MCP 服务器它自带的，这条线官方修好的，不是野路子。 📦 设计文件就是个 JSON，进了 Git，哪一笔改坏的 diff 一眼看到。设计变量直接生成 CSS 变量，设计改了代码那边跟着动。 导出 React+Tailwind、HTML+CSS 都能出。把想法直接推进代码里，省得设计师和前端互相转述。 官网：op.zseven.tech GitHub：github.com/ZSeven-W/openpenc… macOS：brew tap zseven-w/openpencil + brew install --cask openpencil

92秒出5秒带声视频，这事发生在本地 🥹 这是 Video Rebirth 的 HyperFlow H3 Flash 快采版。 它不是外挂加速，模型本体已经做了拆骨架、低秩拆解，并走 INT8 与 GGUF 量化。 ⚡ 速度这块很干脆 默认跑 6 步，可选 4/6/8，不用 CFG。 5090 出 5.2 秒片子约 92 秒。 5090 出 15 秒片子约 551 秒。 4090 出 5.2 秒片子约 130 秒。 🎬 声音这块也顺手 视觉和立体声在同一次采样里出来，不是先做哑视频再配音。 文生、首尾帧、多参考，这三条路都通。 🧠 体积这块能接受 原版约 31B，FL2VA 约 13.7B / REF2VA 约 13.9B Q4_K_M 约 9.1GB Q8_0 约 14.9GB 24GB 显存就能碰 Q4_K_M 🛠️ 接入这块接老流程 GGUF 模型 + ComfyUI-GGUF + ComfyUI-HyperFlow-Flash 节点，能接现有工作流。 适合想让 H3 本地跑得便宜点、或者在消费级显卡上玩音画一起出的创作者。 ⚠️ 两个坑先说清 9.1GB 只是视频 Transformer 的权重，文本编码器和两个 VAE 另算，4090 峰值约 23GB。 美/欧/英/韩使用之前要先拿 MiniMax 授权，别把文件大小当成能随便商用。 github.com/Video-Rebirth/hyp… huggingface.co/VideoRebirthA…

🚨 Hugging Face 差点被挤爆 🧠 它是个9B混合体，底座千问3.5-9B，推理从DeepSeek V4 Pro蒸来——Max Effect模式生成约25万条数学/理科数据微调，再补了一轮轻量强化学习。 🔧 解限用Heretic v2/ARA，定向擦掉模型第9-24层的拒绝方向；KL散度0.042——衡量行为和原版差多远的指标，基本没差，拆的是"不肯做"那个开关。 🧪 100条刁钻问题实测，原版拒100，这版只拒3。 📊 小学数学应用题跑分94.5%（主流评测环境四次平均）；大学多学科考试平均90.53%——数学92.4、物理89.4、化学89.8，比原版高0.93分。 🪙 同一条答案跑对，比原版少烧36.1%的生成量。 💻 llama.cpp量化格式5.6GB，16GB内存的普通电脑塞得下，12GB独显起跑得顺。 🔓 Apache-2.0完全开源，商用随便用，本地跑一个聪明、听话、不审查、不用订阅的模型。 📌 先收藏，拿来离线解题、编程、私密问答正合适。 huggingface.co/xtools-at/Dee…

让 AI 替你操作 Mac，你得把整台电脑交出去：密码管理器开着，银行网页开着。 开源项目 terminal-mac 把这问题解了：终端里跑一整台真的 macOS 虚拟机，AI 操作它的专属 Mac，你的桌面一动不动——不抢你鼠标、不动你剪贴板，家目录麦克风摄像头根本不挂进去。Ghostty、iTerm2 里实时看它干活。 装法就两行： curl -fsSL github.com/govijr/terminal-m… | bash terminal-mac up Claude Code 里还能一条命令直装插件：/plugin install terminal-mac --marketplace govijr/terminal-mac —— 观测→执行→验证的 skill 都配好了。 开源第五天，star 已经 2144。先 star 备用 👇 github.com/govijr/terminal-m…

一句话丢给它："帮我在微信给 XX 发个消息"。第二天醒来，消息已经发出去了。 开源项目 Mika：真正的 Phone Agent，跑在你自己的安卓手机上。用你现有的登录态，不用 Root、不用电脑。微信、小红书、任何 App 直接上手操作，不用事先适配；内置浏览器，节奏像真人，不容易被风控。 你继续玩手机，它在后台干活。 开源一周，400+ star。仓库放下面了，先 star 备用 👇 github.com/wangzan101/Mika cc @wangzan101

有人在 Claude Code 上跑了 288 次对照，发现提示词里顺手写句"用子代理搜索"，账单直接多掏 221%，准确率却连 1% 都没涨。🤯 不是凭感觉测的：6 个开源项目，12 道找函数调用点的硬题，标准答案提前上 GitHub 存证防抵赖。 为什么说这事扎心：不管开不开子代理，找全率都在 97% 到 100% 之间，差距不到 2 个点。但时间直接拖长 2 到 3 倍，钱全白花了。 实测数据（共 288 次测试）： • 成本死贵：Haiku 账单多出 74%~116%，Opus 每条贵了 143%~221%（medium 档比 high 还要贵） • 没有小模型打工：Opus 派出去的子代理还是 Opus，计费全按顶配算 • 官方根本不爱用：没明说的时候，Claude Code 跑了 72 次，自己叫子代理的次数是整整 0 次 • CI 脚本巨坑：headless 跑 Explore 代理会发很多事件，216 次里有 210 次第一个 result 没东西，只读首个事件准确率直接掉到个位数 为什么平时搜代码别自作聪明开子代理？ 主模型自己拿 Grep 和 Read 找就够准了，强行分工纯粹是自己给自己找事。 上下文拷来拷去，时间耗了 2-3 倍，还省不下一分钱。 后台偶尔还会假死，Haiku 测出来 4 次跑完卡了 20 分钟没退出来。 普通搜代码把 effort 留默认就行，这钱烧得纯冤。 Via @yunany90 🔗 链接：github.com/johnisking/token-… | qiita.com/yunany90/items/631… | tokensave.app/data/claude-su… #ClaudeCode #Anthropic #CodingAgent #TokenCost #DevTools

AI 只跑了 3 天，直接把量子计算界悬了 18 年的 Aaronson-Ambainis 猜想彻底证死。🤯 没有人工手写繁琐推导，非公开 Anthropic 模型在自研基建上闭环，Lean 逐行 kernel checked 纯形式化验证通过。 为什么这玩意炸裂：18 年前的经典难题——证明了"有界低次多项式必有高影响力变量"，直接把量子霸权的虚火浇灭，锁死量子加速边界。 实测与推进节奏： ⏳ 3 天拿解：自研研究系统起跑第 3 天直接拿到完整证明，后续还自动自我迭代改进了 2 次 🛡️ 100% 可信：全流程通过 Lean 证明助手内核级验证，零幻觉漏洞 📉 终结玄学：正式敲定随机输入下量子机最多只有多项式加速，指数级优势仅限特殊结构问题（如 Shor） ⚡ 暴力超车：斯坦福 8 月刚啃下固定轮数的特例，11 月 PSI 直接拿下完全体通用证明 这套系统到底凭什么啃下 18 年硬骨头？ 未公开 Anthropic 模型驱动，部署在自研专用科研推理集群 自动化结合 Lean 形式化验证环境，机器生成证明同时即刻逐行反向核验 递归式假设自优化，系统在通过首版证明后自主连续两次推高结果边界 量子计算在随机输入上的指数幻想破灭了🔥 AI 开始成片收割顶级数学难题，人类理论家以后只负责出题吗？ Via @psipbc 🔗 链接：github.com/physical-superint… | psi.inc #QuantumComputing #Anthropic #LeanProver #FormalVerification #AIforScience

基于千问3.8的125B大模型，在真实任务环里用RSI自己转了一圈，高难榜直接暴涨9分多。🤯 没有人工离线洗数据重训，上一代自己干活、自己查漏补缺，直接产出 NeoHorse-1.5-Flash Preview。 为什么这玩意炸裂：125B 总参只激活 6B（基于 Qwen3.8 Flash 做 RSI 进化）——不追求虚荣 SOTA，专打一次任务动辄上百万 token 的真实 Agent 极致性价比。 硬核评测成绩（纯实测不掺水）： 🎯 ALE 高难榜：平均直接暴涨 +9.23 分（物理科学 +20 点以上 / 工程 +13 以上 / 医疗 +10 以上） 💻 NL to Repo 实测：基座 44.24 ➔ 50.16（+5.92） 🔐 安全认证与加密：35.68 ➔ 48.39（净拉升 +12.71） 🌐 Web 开发与内容获取：51.19 ➔ 61.76（+10.56） 🛠️ 开发工具与测试：34.92 ➔ 44.66（+9.74） 怎么翻越自我诊断盲区、分布坍缩和人工迭代瓶颈这三座大山？ 多模型差分诊断：多前沿模型同场作答融合出标尺，动态画出模型"能力缺陷画像" 对抗式环境进化引擎：环境像种群一样繁衍筛选，配合会改需求、会反悔的"数字镜像交互体"高压逼迫 群体智能在线学习：依托自家 OpenSquilla 路由调度真实前沿模型群，拿群体差分当信号 on-policy 边跑任务边进化 让模型在真实生态里当数字牛马自我繁殖迭代🔥 闭源昂贵大模型的蒸馏路线是不是真要走到头了？ Via @opensquilla 🔗 链接：github.com/TokenRhythm/NeoHo… | arxiv.org/html/2609.08183v2 | woshipm.com/ai/6489618.html #NeoHorse #Qwen #OpenSquilla #AgentAI #LocalLLM

有人用一台 AMD Strix Halo 把 DeepSeek-V4.1-Flash 跑到了 38.2 tok/s。🤯 没有多卡服务器，就一颗 Ryzen AI Max+ 395，128GB 统一内存。 为什么这玩意炸裂：这模型大得离谱——552B 骨干 + 196B Engram 参数，激活只有 16B。 测试环境： 🖥️ 处理器：AMD Ryzen AI Max+ 395 🎮 核显：Radeon 8060S 🧠 内存：128GB Unified Memory 🐧 系统：Linux + ROCm 7.x 秘诀是什么？没错，新推理引擎！一个叫 libosmos 的开源引擎（MIT 协议）。 开发者实测数据（Unsloth UD-IQ1_S 量化）： ⚡ 38.2 tps：开投机解码 🐢 19.2 tps：裸跑解码 🚀 482 tps：8K 提示词预填充 📜 1M 上下文支持 同台硬碰 Project Maya 1.1.53： • 解码速度：38.2 vs 35.4（+8%） • 预填充速度：482 vs 429（+12%） 这么大模型怎么塞进 128GB 的？ 1-2bit 激进专家量化（122GB 专家分片 + SSD 巨型 Engram 表） 热专家留统一内存，其余冷专家全从 NVMe SSD 流式加载（CPU/GPU 跑输出完全 bit-identical） DSpark 投机解码兜底 这就是真正的 Localmaxxing 吧🔥 你会把专家扔 NVMe SSD 上跑吗？ Via @TeksEdge #DeepSeek #StrixHalo #AMD #OpenSource #LocalLLM

上线才一周就拿下 2,413 Star（339 Fork），这个叫 rea-video 的开源项目把视频拆解做绝了：丢给它任何视频，直接逐镜扒出底裤，告诉你怎么一比一复刻。 它本质是个给 Claude Code、Codex 这类编程助手用的技能（Python 3.10+ 配合 ffmpeg，Apache-2.0 开源）。在助手里说句“安装这个仓库，然后拆解这个视频”就能直接跑。 几个实测表现和硬核细节： 交付物极细：先给一句总结（比如“41% AI 视频 + 59% 代码界面，8 秒真实录屏，曲库音乐 122 BPM”），再生成带逐镜截图的 report.html，连判定证据、反推提示词、机位灯光、哪些实拍哪些写代码都列得明明白白。 真假难辨也能揪：官网对比 TikTok 实拍广告和 AI 复刻版，直接看穿后者 8 个镜头只需 3 次生成；165 秒 86 镜头的 MV，听出歌是 Suno 写的，还靠画面卷轴上的假中文把误判成实拍的镜头揪了出来；带货混剪片里的 AI 镜头，靠即梦水印和礼盒乱码字精准锁定；72 秒实拍开箱被离线工具误判 35% 是 AI，经 agent 复核直接拉回 97% 实拍。 准确率离谱：16 支测试视频按时长加权，纯离线工具准确率 98.9%–99.6%，加视觉模型和 agent 复核能到 99.6%–99.8%。最难搞的微信压缩视频，离线仅 88.6%，加上视觉模型 99.6%，再加复核直接干到 100%。 全品类通吃：口播、AI 短剧、数字人、3D、代码动效、录屏全能拆，连 SRT/ASS 字幕导出、花字贴纸画中画的位置时长、配音是不是真人、BGM 卡点音效全给你扒干净。 指路：github.com/JuneYaooo/rea-vid… #GitHub #开源项目 #AI视频 #ClaudeCode #视频拆解