dot最新体验跟大家说一下。 表现好的： 1，模型比grok bot能讲人话，gork bot反馈读起来很费解。 2，模型智力目前感觉还可以，但是刚上手没有太复杂的任务。 表现不足的： 1，不能创建多bot，这一点不如grok bot这样很多任务都堆在一个窗口，交互体验差。... 2，通话无法接通，只能短暂的回复就断了，但这个可能跟机场有关？ 3，云端配置不如grok bot，实际回复配置如下： 刚实测了当前云端环境：Linux，能看到 9 个逻辑 CPU，约 10 GB 内存，工作盘 32 GB、可用约 30 GB。CPU 是否独享、网络带宽上限目前没法确认。show more

刚发现 Grok Bot 也可以操作本地电脑，我现在每天让它自动汇总几个 X List 的内容，抓完帖子直接整理成摘要。配合 ego Lite... 做自动化任务体验太好了。 最新版体验提升很明显。之前 agent 跑任务疯狂开新标签页，内存直接爆炸。现在学会复用标签页了，看完一个就在当前标签上开新的，内存占用降了一大截。整体操作也顺了不少，Space 切换、钉选、管理这些交互细节都打磨了一轮，用起来更顺手了。 目前还没有 Linux 版，希望官方 ego 尽快支持，这样把 ego Lite 直接装在 Grok Bot 云主机里面岂不是更好？ 下载地址：show more

这个交易员在 Polymarket 用 $12 做到了 $104,000。 只用了 16 笔交易。... 打法一点都不复杂： 每一笔都 直接翻倍仓位 只做 短时间窗口内的 BTC 价格方向 连续 16 次全对 结果就是： $12 → $104,000 8300x 回报。 没有机器人，没有内幕，也没有复杂策略 本质就是一句话： 👉 在对的地方连续押对 16 次。 他的账户在这： 如果你： 有时间 有 $12 也想体验一次极端玩法 那你至少知道——这在 Polymarket 里，是真实发生过的事。 不是每个人都能做到，但确实有人做到了。show more

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者... Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。show more

最近发现大家都在往 TermMax | Fixed Rate Borrowing & Lending 这边挤，毕竟现在的环境大家也懂，好多路都走不通了，剩下的机会不多，这里算是一个还在“动”的地方。... 刚刚去 TermMaxFi 签到的时候，发现连续加了8天分后，昨天今天都没有没加分了，有点迷惑TermMaxFi 的审核机制。 参与平台最简单的方法： 最简单的： 每天动动手指点个签到。 进阶一点： 手里要是有闲置的 U，稍微存进去一点点（不用多30U），就能拿个徽章，这个是有加成的。 除了这些，还有每周的活动可以参加。至于交易赚积分嘛说实话我试了一下，感觉系统反应慢半拍，有点卡顿，体验不算太丝滑，所以我没怎么敢深玩这个功能。 #TermMax $TMX TermMax | Fixed Rate Borrowing & Lending #TeamOrdershow more

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大， 主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个... Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。 以下是一些实例： 1️⃣基础任务完成度高 比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等； 家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。 以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。 其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。 但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。 另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。 我们的depin报告如下 他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。 整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个 交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行） 不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互 以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。 很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。 这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如 微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。 某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。 最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。 如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：show more

AI又有新气象……抓紧体验🔥 Google 悄悄发布了一个东西，可能比 Gemini App 更值得关注——AI Edge Gallery 它不是又一个... AI 聊天软件。 本质上，它是一个本地 AI 运行平台：模型直接跑在手机芯片上，推理全程离线，数据不经过任何服务器。 目前已支持 Gemma 3/4 系列模型，最新版本还加入了 Thinking Mode 和 Agent Skills——也就是说，手机本身可以完成多步骤任务推理，而不只是回答问题。 ▍实际能用来做什么？ ∙拍照提问、文档理解，完全本地处理 ∙没网络也能用的实时翻译、语音转写 ∙敏感文件分析，内容不出设备 ∙未来可能支持本地 Agent 自动完成任务流 这件事真正的意义，不在于”又多了一个 AI App”——而在于 Google 正在验证一件事：AI 能不能成为每台 Android 手机的底层能力，而不是需要联网调用的云端服务？ ▍如果这条路跑通 手机 AI 的竞争格局会重写。 苹果有 Apple Intelligence，高通在推 AI PC，现在 Google 在 Android 端下这步棋。 ► 端侧 AI 的入口之争，已经开始了。show more

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。 原因甚至不是 Grok 有多聪明。... 是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。 听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。 比如我每天都要刷 X。 以前让我用 AI 帮忙看 X，工作流通常是这样的： 我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。 我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。 它就真的去操作浏览器了。 网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。 这才是 Agent 真正重要的一步。 过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。 我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。 名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。 等它跑完，把结果拿回来，然后继续完成后面的事情。 到这里整个关系就开始发生变化了。 以前是我管理五个 Agent。 现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。 而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。 我觉得这才是真正让我兴奋的地方。 过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。 电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。 这和在聊天框下面再塞十个按钮，完全是两种产品感受。 只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。 几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。 现在这个人，第一次可以不是我了。show more

蹭一下clawdbot的热度，很多大V教大家云端部署以降低成本来打击“必须mac mini部署的认知）这个做法直接把私有化的工具暴露在了网络上，任意测绘引擎都可以发现到你的中台（并不是只有shodan可以）。本视频仅演示了黑客窃取你bot token的方式，实则还能执行任意命令（可编辑白名单）

Telegram 上线了一个挺有意思的能力,叫 Managed Bots 让机器人创建和管理机器人 而且机器人之间能互相聊天了 以前你想要一个专属 AI 助手... Bot，得打开 BotFather、输命令、复制一长串 token、回到开发者网页粘贴、配 webhook，普通人 90% 卡在第三步就放弃了。 现在变成两步：点链接、确认名字。几秒后你的聊天列表里多了一个挂着你起的名字的 Bot 体验上跟以前最大的差别其实是心理感受，公共 Bot 像在用客服，专属 Bot 像有个私人助手。 说话方式都不一样了。 能干啥(脑洞别太小) • 个人 AI 助手:每个用户挂自己名字一个 bot,记忆 / 配置 / 连的账号全隔离 • 客服 SaaS:平台让每个商家一键开一个挂自家品牌的客服 bot • AI Agent 平台:用户点链接就开通,省掉注册下载订阅整套流程 • 内容订阅:每个订阅者一个专属推送 bot,频率内容按偏好定制show more

字节新视频模型Seedance1.5 pro有个很牛🍺的点，目前只有它能做。 可以一句话复刻经典影视片段、热门片段，做出同款名场面效果，甚至人物的动作和台词都能直接复用，比如我做的这个经典你过来啊（沈腾熊猫版） 我还测试了X个cases （1/4）

Damn.. 一款今年你一定要体验下的产品 上次我发的这个落地页火了，随手还赚了2000块。有不少推友想要，我们今天打算开放出去。但方式来点不一样的 这次你甚至不需要安装skill、配置你的agent，你只需要点开我配置好的agent 聊天即可 这个就是Bloome这个产品的妙处，也是我们企业内部正在走的路～ 我之前一直也在思考一个问题，目前AI Agent 市场还是没有全面铺开，很大一部分原因就是不会配置，龙虾经常挂掉。... 现在好了，有了Bloome 你只需要与配置好的agent 聊天即可获得你想要的东西 Bloome 最酷的点，是把Agnet 变成了我们IM里的成员： 以前分享AI能力，是发prompt、workflow、skill 让别人自己配置，但是没法产品化，没法赚钱 现在让别人把你配置好的agent 拉进群或者单聊，它就能把你干活了，如果你的agent足够有价值，那就可以开启赚钱之路了！ 同时关于AI Agent 社区怎么做分享几点心得： 我在Bloome 里与Yiming Zhang 数字人（agent）聊天，他提到： 用户来这里，能不能比自己找信息快10倍？ 不是快一点，是数量级的差异。比如一个人想搞清楚怎么用Agent做客服自动化，他在你的社群里，3分钟就能拿到一个经过验证的方案、别人踩过的坑、可以直接跑的配置。这个体验如果在外面需要30分钟甚至3小时，那你就有价值。 具体怎么做到： 一是让Agent本身成为社群的基础设施，不只是讨论的话题。用户进来不是看别人聊Agent，而是直接跟Agent协作、测试、分享workflow。社群的核心资产是可复用的Agent配置和经验，不是聊天记录。 二是结构化沉淀。聊天是最低效的信息载体。好的社群产品应该把对话里的有价值信息自动提取、结构化，变成可检索的知识。下一个人进来不需要重新问。 三是匹配。不是所有人都需要看所有内容。谁在做什么、谁解决过什么问题、谁的经验跟我最相关——这个匹配做好了，社群的信息效率就上去了。 最怕的是做成一个"AI爱好者交流群"。那个东西微信群就能干，没有产品壁垒。 现在我们可以靠着Bloome 来卖我们的idea了～ 评论区分享手把手教agent 配置、分享的方法👇 我们这个agent体验地址：show more

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数... AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMindshow more

Polymarket 上一个 天气套利 Python bot 的代码，被泄露出来了 而且这次放出来的，不只是代码 还包括一整套 从搭建到策略逻辑... 的说明 这篇内容讲的核心很直接： 就算你 完全不会写代码，也能照着流程，先搭出一个自己的天气交易 bot 它覆盖的内容包括： 机场天气 API 的解析 策略的基本设置 仓位大小的处理逻辑 这套 bot 的逻辑，大致是这样： • 用机场坐标，从 NWS 获取天气预测 • 把站点实时数据和 1 小时 forecast 做比较，拿到更接近真实的判断 • 在 Polymarket 上寻找 $0.01–$0.15 的温度区间 • 当市场价格 低于或等于入场阈值 时进场 • 先用 $1000 做策略模拟测试 • 后续仓位管理还会加入 Kelly + EV 的 sizing 逻辑 这类 bot 最值得看的地方，不是“明天能不能立刻赚到 $500” 而是它给了你一个可反复测试的 sandbox 你可以先把自己的想法丢进去跑，再决定哪些天气策略真的值得上实盘。 也就是说，它卖的不是暴富承诺 而是一套能让你自己验证策略的框架 这种“先给你测试环境，再让你慢慢调策略”的 bot， 你觉得更适合新手入场，还是只对已经会做天气盘的人有用？show more

刚去小米店摸了下它的折叠机有感，大家有没有注意到在安卓这边折叠机都叫“Fold”，而苹果选了“Duo”。 其实从字面意思来看，Fold就是折叠，强调这个动作，很直观，但苹果使用了Duo这个从拉丁语来的词，它其实是有一组，一对的意思，是个组合。重点从“能折”转到“两种体验（一个手机两个形态，手机+iPad）是一对、能一起用合二为一，强调的是体验。 现在在回过头来看苹果的那个折叠动画，就解释了这个Duo，它从手机形态打开到iPad形态，或者反过来闭合起来，动画是连续的，强调只是变了形态，从人的大脑认知来看也是一样，你看到的东西没有消失后又出现一次。并没有安卓那样，从一个形态关闭后，又重新打开了另一个形态，中间过程不连续，是断开的。所有安卓折叠机都是这样，你在外屏打开一个app，在展开的时候，内屏是从黑到重新打开app的一个过程。所以并不能简单理解苹果的和其它安卓在这方面，就是多做了个过场动画那么表面。 另外苹果在这个时候推出Duo，一个呢，当然也是供应链技术发展到了苹果认为相对成熟的时候，二呢，也是它的AI布局，目前Apple Intelligence在今年也会迎来大更新，苹果相信在手机+iPad这个二合一的组合形态下，人们可以更好的体验AI的各种操作。简单的任务可以在手机形态下进行，复杂点的比如Codex和Claude这样的编程任务，也方便在iPad这个形态下进行。 如果说安卓或者是更早的微软Surface Duo开启了折叠这个形态，那么Apple可以说是重新定义了它。后续发展会更有意思，感谢自己处在这个科技飞速发展的时代，可以亲自见证这些迭代的过程。 当然我个人现在并不会买第一代的Duo，毕竟它相机过于拉胯了，这个是我个人非常看重的一个工具。 大家Enjoy！😊

Chatgpt的Astra我要吹爆！！！强烈推荐！ 对空间的理解能力非常强。 我之前一直在写动作捕捉的 retargeting 算法，已经几乎把市面上所有的模型都测试过，都无法解决。刚刚用 Astro，Medium 一下子就解决了，而且效果还可以啊。 最重要的是，对额度几乎没有变化。解决这个问题只用了 不到1%... 的额度。如果是用 Fable，估计要花一半以上的周额度，而且不一定能解决，因为之前我也试过。 这在几个小时前，我都无法想象竟能把这个困扰我很久的技术难点解决了。show more

前天不是说看到一个洗浴城，有个很好的技师小姐姐嘛！ 我昨天凌晨1点专门去找她，结果要排队等3小时，前面有个老哥一直加钟。 不死心的我，我昨天8点就去，对！我刚刚吃了晚饭和朋友酒吧都不去了，直接就去这家店了。 结果8点我都要排队，前面还有2个，还不一定保证前面有没有老哥会加钟。😂😂 然后我一听马上就走了（开玩笑等女朋友都不可能这么等），最后留了经理电话，经理说88号一般不接受电话预约，但是我跑了俩次，下次可以电话给她说，她来安排。 我都服气了，真的是 现在长得好看只能说有竞争力，关键是如果你长的好看 还有一技之长 那就很抢手了。 我就是被这个视频钓过去的🎣

可能是 Polymarket 上唯一“真的能长期跑通”的策略 不是预测方向 不是赌消息 甚至不是“判断对错” 而是：吃延迟 有个机器人，每天稳定 $20K–$30K... 起点资金：$50 时间：1 月 6 日 → 1 个月 现在账户：接近 $500K 他只做一类市场： • BTC / ETH / SOL • 15 分钟 Up / Down 🔗 关键点在于： 他根本不预测涨跌 他做的是一个所有散户都忽略、 但在短周期里反复出现的漏洞： 价格延迟 逻辑非常简单： Binance / Coinbase 的现货价格已经动了 但 Polymarket 的 15m 概率还没来得及更新 那一瞬间： • YES / NO 的定价是错的 • 概率 ≠ 真实价格 • 下单那一刻，盈利已经锁死 所以你会看到他的曲线非常反直觉： • 没有连续赌方向 • 没有高胜率神话 • 没有情绪化加仓 • 但 PnL 像机器一样平滑 这也是为什么我一直说： 15 分钟市场 ≠ 赌场 它更像一个反应迟钝的定价引擎 大多数人拿它当 futures 玩，而真正赚钱的人，只是把它当一个慢半拍的盘 很多人看到这种账户，第一反应是： “我也能不能做？” 实话说： • 手动基本没戏 • UI 点单太慢 • 需要多所交易所同步 • 延迟窗口极短 这是工程问题，不是判断问题 我在文章里已经把用到的工具和逻辑拆过了 （链接在 bio，这里不展开） 但有一点可以确定： 如果 Polymarket 上还有“确定性 edge”， 那一定存在于 短周期 + 延迟 + 非方向性 这条线上 你可以不做 但你至少要知道： 当你在 15m 市场猜涨跌的时候，有人在吃你点确认按钮之前的那 2 秒 你怎么看？show more

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过... 1,000 Token 的速度。 同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。 藏师傅提前试了一下，做了三个测试，确实爽。 第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。 这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。 第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。 这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。 第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。 这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果 这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒 官方测试平台下面有个数据展示，会显示相关信息 在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的 之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象 最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式 在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率： 如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间 这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的 毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的 希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型show more

目前 Polymarket 的 No.1 策略。 靠这一招，2 天赚了 $230,000，不是段子 下面这个地址我刚分享的... trader，两天前才注册 Polymarket 地址在这，自己去翻他的每一单： 没有花活，没有复杂模型，核心思路只有一句话： 在超短周期市场里，专打“极端错误定价” 他的做法很简单： 不预测方向 不追胜率 等赔率被情绪甩飞 一旦偏离过头，直接重仓 就这么干 很多人玩短期市场，盯的是对不对 他盯的是——赔率错得有多离谱 在 Polymarket，定价错误 ＞ 胜率。 2 天，$230K 这不是运气，这是理解了平台机制之后的执行力 不是所有人都能扛住这种波动 但这，就是现在 Polymarket 最锋利的刀show more