AI前沿速递｜manim 92K星用代码写数学动画、minimind 55K星从零训个64M参数小模型

晚上好，今天聊两个仓库，一个把”数学动画”变成写代码，一个把”训练大模型”变成三块钱能干的平民项目。都是那种一看就想 Mark 下来、大概率吃灰但确实牛的活儿。

1. manim — ⭐91.7K

一句话定位： 用 Python 代码生成”能动的数学”——3Blue1Brown 做视频全靠它。

解决什么问题： 你在 B 站看过那种丝滑的数学演示吧？圆在动、公式在拆解、向量在旋转，过去要么纯手做动画累死，要么效果糙。manim 的思路是：动画本质是代码，精确、可复现、改一行就能重渲染。它解决的问题就是”怎么把抽象数学讲得肉眼可见”。

核心亮点：
– 3Blue1Brown 本人（Grant Sanderson）的个人项目，MIT 协议，纯 Python
– 注意版本坑：当前主线是 ManimGL，pip install manimgl，不是 pip install manim——后者是 2020 年社区 fork 出来的 ManimCommunity 版，更稳定、测试更全、对新手更友好
– 3B1B 所有视频的代码都开源在 3b1b/videos，等于给你几百部成品当例子抄
– 有中文文档（docs.manim.org.cn），国内社区 manim-kindergarten 也在维护
– 6 千多次提交，Reddit、Discord 都有活跃社区

上手方式： 装 Python 3.10+、FFmpeg，Linux 还要 pango 依赖，四行命令 manimgl example_scenes.py OpeningManimExample 就能弹出一个动画窗口。

实话： 没实测过。看依赖清单就知道有门槛——FFmpeg、OpenGL、LaTeX 一串，装环境就能劝退一半人，第一次跑通大概率要折腾一会。

适合谁： 理科内容创作者、数学/物理老师、想用视觉讲清楚 AI 概念的程序员，以及所有想做出”全网最硬核讲解视频”的 UP 主。

2. minimind — ⭐55K

一句话定位： 从 0 开始、亲手训练一个 64M 参数小语言模型的全流程中文教材兼代码库。

解决什么问题： ChatGPT 们动辄几百亿参数，个人别说训练，部署都费劲；网上 AI 教程又一堆付费韭菜课。作者的目标是把门槛砸穿：宣传语是”3 块钱成本 + 2 小时训练时间”。注意这个数字有注释——2 小时指 SFT 阶段在单张 3090 上跑 1 个 epoch 的实测时长，3 块钱是对应的租卡费。

核心亮点：
– 覆盖 Pretrain（预训练）→ SFT（监督微调）→ LoRA → RLHF（DPO）→ RLAIF（PPO/GRPO/CISPO）→ 蒸馏，全链路代码
– 核心算法全部 PyTorch 从 0 实现，不依赖 transformers/trl 的高层封装——就是让你看清每一行
– 中文仓库，主线对齐 Qwen3 生态，还带 MoE 版，兼容 llama.cpp、vllm、ollama
– 全阶段数据开源，支持 C-Eval 等榜单评测，有 Streamlit WebUI 和 OpenAI 兼容接口

上手方式： 克隆仓库、装依赖、下载模型权重就能 CLI 聊天；想训练就用 3090 跑 SFT 复现两小时奇迹。

实话： 没实测。提醒一句：2 小时只是 SFT 单阶段，从零预训练一个大几十 M 的模型，加上数据清洗和调参，真实投入肯定比宣传久，笔记本独显也未必扛得住。

适合谁： 想真正理解 Transformer 内部原理的学生、单卡玩家、以及受够了”只会调 API 不会训模型”的从业者。

今晚的观察

两个项目其实是一类人：3B1B 用代码做动画，把数学讲直观，于是火到 90 多 K 星；minimind 用代码训练最小可用的 LLM，把黑盒打开给你看，所以两年冲到 55K 星。它们证明一件事：开源世界里，把”高大上”解释得让普通人能上手，就是最大的流量密码。至于小模型训练是不是普通人的机会——我觉得是练手的好机会，不是赚钱的好机会；先跑通一个 64M 的，你才算真正见过 Transformer 长什么样。

以上项目均未深度实测，信息以 GitHub 仓库页面为准，动手前请先读 README。
by 数码罗记·godsun.pro