🐶Sentient Dobby 探索之旅第七画 🐶 淘气的Dobby出去玩走丢了，绵酱找来了迪迦帮忙。迪迦感应到Dobby在那座高山上，他们一起穿过树林，爬到了山顶终于找到了小Dobby。💗 〰️〰️〰️〰️ Sentient 又有新的合作伙伴宣布—— UnifAI... Network 。 这个组合本质上是在构建一个「 智能➕资本 」的双向流动网络。 从技术架构看： Sentient 负责去中心化的模型调用层，UnifAI 提供执行层基础设施。这种分工很明确：前者解决「谁来调用AI模型」的问题，后者解决「如何高效执行」的问题。 更深层的逻辑是，他们在尝试重新定义AI经济的分配机制。 传统AI经济里，OpenAI、Google这些巨头控制模型+推理+收益分配的全链条。用户付费，但模型训练的社区贡献者拿不到回报。 而Sentient的OML框架➕ UnifAI的执行层，想要打破这个垄断： ▪️开源模型通过区块链确权，社区贡献者可以获得收益分成 ▪️去中心化推理网络降低调用成本 ▪️透明的价值分配让每个参与者都能看到自己的贡献如何变现。 〰️〰️〰️〰️ 今天刷推看到有宝子说昨天DC角色在线直播提名，提了一百多个！！！ 感觉我这不能拖了，下周一定要整理好资料提交了！🤔show more

还得是小孩哥！！ 最近看 #OpenGradient，发现它的火爆可不是因为那些技术展示，更多的是背后那些关注它的人。你看，开发者、基础设施专家、研究人员、早期的贡献者都在聊同一个话题：把验证直接嵌入到基础层。 大家不是在吹什么炫酷的界面或演示，而是一直在讨论： 如何让执行留下痕迹； 模型能被检查，不是盲目信任； 智能体在开放环境中行为可预测。 这些话题说明，OpenGradient (∇,... ∇) 真正触碰到了一个大家每天都在面对的问题。 而且，Model Hub 最近已经有了 1000 多个可验证的模型，说明大家已经愿意以一种可以审计的方式去发布智能体。这种改变可不只是为了营销噱头，而是从根本上改变了大家的思维方式。 #OpenGradient 现在看起来像是悄悄地成为了“去中心化 AI”这个领域的基准，而不是追求炒作的热点。这个项目在悄悄地解决那些没人看到的问题，才是最稳固的基础。 更厉害的是，它刚完成了 850 万美元的融资！投资者包括 a16z 和 Coinbase Ventures，这个背后的资金支持说明，去中心化的人工智能已经吸引了大佬们的关注。 如果你还没注意到 #OpenGradient，这可能是个好机会。它不是在炒作 hype，而是在做事，给那些真正关心去中心化 AI 的人提供实际的东西。 #KaitoAI #Kaito #Yap Kaito AI 🌊 OpenGradient (∇, ∇) #OpenGradientshow more

在现在这个圈子，听到“狼来了”大家可能都不害怕，还要回过头看一眼狼是不是真的来了。但是如果听到“Coming Soon”，做法绝对是不回头直接往前冲。 今天要讲的是临时抱佛脚之0G Labs (Ø,G) - AI L1 ，故事的起源来自于0G传奇男人... Jtsong.eth (Ø,G) 的一句“Soon”。结合最近的消息，感觉0G可能是真的Soon了！ 其实早在之前就Building过0G，在三方数据中发现自己在6M和12M的排行榜有自己的排名。在最早之前也拿过0G DC的“0GYapper”Role，基础条件上面应该没什么问题。所以想着继续Builidng一下，万一有惊喜呢？ 最近也是关注到AI的基础设施发生重大变化源自0G Labs (Ø,G) - AI L1 的突破。0G 训练了迄今为止最大的分布式 LLM - 100B+ 参数。 传统的 AI 训练需要超算、高带宽网络、巨额资金投入。基本上只有大厂能玩得起，小公司和研究机构只能看着或者借用大公司的产品。 0G Labs 和中国移动合作推出的 DiLoCoX 框架，可以说如果面市就做了反垄断。他们成功在 1 Gbps 网络上训练了 107B 参数的模型。对比原有的成本降低了 95%，速度提升了 10 倍。这不只是技术突破，毫不夸张的讲可能对AI 训练逻辑都会重新洗牌。 看起来是一件降本增效的事情，但实际上意味着： 1️⃣初创公司不用烧钱买 GPU 就能训练大模型 2️⃣中型企业可以内部训练专属模型，不用过度依赖云 3️⃣政府和研究机构能够主权化开发 AI 能力 从技术层面来看，DiLoCoX 通过管道并行、延迟容错通信重叠、自适应梯度压缩，让原本需要数据中心高带宽的训练过程，能在分布式集群上跑通。 0G Labs (Ø,G) - AI L1 做的不是简单的技术优化，是在重新定义 AI 训练的门槛和规则。是从集中式超级计算机到分布式网络的转变。show more

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI... 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITOshow more

.PARTI的定位是一个基于Web3的创作者经济平台，把内容发布、NFT铸造、粉丝互动等功能放到同一个入口，帮助创作者在链上完成从作品生成到出售的一整套流程，平台提供了基础的NFT创作工具，你可以直接在站内生成数字作品、铸造成NFT并上架出售，也支持使用内置的AI功能来快速完成一些内容产出，降低创作门槛，平台目前已经上线token-gated能力，创作者可以用NFT作为通行证来设置粉丝专属内容，不论是私密帖子、社群访问，还是数字藏品，都能通过链上资产来实现粉丝分层和私域构建，在资金流方面，Parti强调去中间方和链上自托管，创作者的收入（例如 NFT 交易的款项）会直接进入自己的钱包，不过需要注意的是，生态仍在早期，交易量与用户规模还不算大，因此100%即时到账更多适用于单笔链上支付，而非大规模结算体系，在费用部分，Parti宣传低费甚至零费激励，确实降低了创作者的使用成本，但可持续性仍取决于项目后续的经济模型与用户增长，总体来说，Parti想构建的是一个让创作者直接和受众连接、减少中间抽成、提高收益占比的Web3创作平台。它确实提供了内容创作+NFT销售+token-gated社群的一体化能力，但整个生态还处在发展阶段，平台人气、流动性、衍生收益等方面需要时间成熟，所以更适合作为一个探索型工具 —— 让创作者提早布局Web3内容变现的可能性，而不是立刻成为高收益创作者的捷径 #Parti

迫不及待的用 Claude Sonnet 3.7 做了今天推上很流行的天气卡片效果的生成 在原始提示词上，再稍微调试了两次，真的好强，这个审美确实非常在线，动画也很赞。其他几个模型大多数都没法看，现在看来确实是 Coding 最强了，看来以后真的能用它做一些设计的工作了～

在这个瞬息万变的加密世界里，技术的创新和突破不断推动着我们向前发展。 今天，我们再聚焦一个真正值得关注的项目 Miden Miden 通过其创新性的 ZK-Rollups 技术，正在彻底改变我们对链上隐私和可扩展性的认知。它不仅仅是一个技术方案，它是一种对区块链未来的深远思考。随着 ZK-Rollups 的推广，Miden... 打破了传统区块链的性能瓶颈，为更大规模的应用提供了可能性。 通过 Miden 的零知识证明（ZKPs），用户的数据隐私得到保护，同时其交易的处理速度和可扩展性也大幅提升。这种技术的结合为去中心化应用（dApps）提供了更高效且安全的运行环境。 不只是技术层面的突破，Miden 还在去中心化生态系统中实现了真正的价值创造。它的架构不仅解决了链上隐私和扩展性的矛盾，还为开发者提供了一个可操作、可验证的环境，使得开发更为高效、无缝对接。 站在未来的视角，Miden 提供的技术解决方案将为去中心化网络的发展打下坚实的基础。它的出现，将推动更多创新应用的落地，让区块链在更多实际场景中实现价值。 随着 Miden 的不断完善和进化，我们期待它在未来几年能带来更多突破，助力去中心化世界迈向一个全新的阶段。 #Midenshow 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

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

Google推出了一种在 StableDiffusion 图像生成中保证内容特征一致性的方式。 这个其实是现在图像生成中一个非常重要的问题，故事可视化、游戏开发资产设计、广告等都需要在生成的时候具备角色或者内容的一致性。 从演示来看效果非常好人物角色和其他内容的特征都保持的非常好，他们有一个示例是一个男人的一生十几张不同年龄段的图片都很像能看出来是一个人。 而且这个项目还可以跟 SD 已有的控制方式结合，比如局部重绘和 Controlnet... 等。下面是具体的介绍： 实现方法： 身份聚类：这一步骤涉及首先生成一系列图像，然后将这些图像嵌入到一个语义空间中。接着，使用聚类算法将这些图像分组，每个组代表一种可能的角色身份。这个过程旨在识别出一组视觉上一致的图像，从而确定角色的主要视觉特征。 身份提取：在确定了一组具有高内聚性的图像之后，接下来的步骤是通过在这些图像上训练模型来提炼出一个更一致的角色身份。这意味着模型将学习到特定角色的关键视觉特征，以便在未来的生成中更准确地重现这些特征。 收敛性：方法的最后一个步骤是迭代过程，该过程在达到一定的收敛标准时停止。在每次迭代中，模型基于最新的训练数据生成新的图像，并重新进行聚类和身份提取。这个过程重复进行，直到模型能够可靠地生成具有一致视觉身份的角色为止。 效果验证： 定性和定量比较：在这一部分，作者将他们的方法与其他个性化文本到图像生成技术进行比较。这包括通过视觉和数值指标来评估生成图像的一致性和质量。 用户研究：作者还进行了一项用户研究，以评估他们的方法在实际使用中的效果。这包括让用户评价生成图像的一致性和吸引力。 消融研究：这部分是对方法中不同组件的效果进行评估。通过修改或移除方法的某些部分，作者能够理解每个组成部分对最终结果的贡献。 论文链接：show more

今天大家都约会跨年了吧？是不是饭店爆满？酒店爆满？至于我还在一线奋斗吗？ 如果回到最底层去看区块链，其实它只解决了一个问题。 程序是不是按照约定执行了。 EVM 时代，这个问题的答案是，用全网重复执行来换确定性。 所有节点跑一遍同样的程序，用资源浪费换信任。 但这个模型一旦遇到复杂程序，就开始崩。 状态越复杂，成本越高。 逻辑越多，执行越慢。... ZK 的出现，并不是为了让链更快，而是为了换一种证明方式。 不是你跑过，而是你能证明你跑对了。 问题在于，大多数 ZK 系统，只解决了证明问题，没有解决编程问题。 开发者写的依然是“执行逻辑”，只是最后被翻译成电路。 而 Miden 真正不一样的地方，在于它一开始就假设。 程序不是给机器跑的，是给人验证的。 这就是为什么 Miden 要单独设计一套 VM。 不是因为 EVM 不够好，而是因为 EVM 从来不是为可证明性而生。 Miden VM 的核心不是 Gas，不是吞吐，而是可组合的证明语义。 每一段程序，在设计时就已经被拆解成可以被证明的最小单元。 你写代码的时候，不是在思考执行顺序。 你是在定义一条可被验证的状态转换路径。 这听起来抽象，但它会直接改变开发者的行为方式。 在 Miden 上，状态不是默认共享的。 状态是本地的、私有的、按需提交证明的。 这意味着什么。 意味着你不再被迫把所有中间状态暴露给链。 你只需要在关键节点，证明结果成立。 这对应用层的影响非常大。 比如钱包逻辑。 在传统模型里，账户状态是公共的。 余额、nonce、授权路径，全在链上。 在 Miden 的模型里，账户更像一个本地程序。 你控制状态。 链只验证结果。 这让很多过去“不可能”的设计，第一次变得合理。 比如复杂账户抽象。 比如多步条件执行。 比如带隐私的业务逻辑。 更重要的是，这套模型天然降低了应用复杂度对链的压力。 在 Miden 上，复杂性不会扩散。 你写复杂逻辑，只会增加你自己的证明成本，而不会拖慢全网。 这和 EVM 体系是反的。 EVM 的复杂性是外溢的。 一个复杂合约，会影响所有人。 Miden 的复杂性是内收的。 复杂度由使用者自己承担。 这背后其实是一种非常明确的价值取向。 让写复杂程序的人，为复杂性买单，而不是让整个系统为其兜底。 这也是为什么 Miden 更像一台操作系统，而不是一条普通公链。 它不是在堆功能，而是在重新划分责任边界。 链负责验证正确性。 程序负责证明自己。 当你站在这个角度看，就会明白 Miden 为什么不急着追 TPS。 也不急着推生态数量。 因为它赌的是一个长期趋势。 链上程序一定会越来越复杂。 而复杂程序，必须有更强的可验证结构。 如果你只用 Miden 来写简单合约，那你感受不到它的优势。 但一旦你开始尝试写有状态的、长期运行的、需要隐私的逻辑。 你会发现，传统模型根本撑不住。 所以 Miden 的真正目标用户，不是短期应用开发者。 而是那些想把“业务逻辑本身”搬到链上的团队。 当链不再只是结算层，而开始承载程序可信度。 Miden 这种设计，就会显得非常超前。 这也是我对 Miden 的核心判断。 它不是为当前周期服务的链。 而是在为下一代链上程序，提前搭好运行环境。 在 ZK 赛道里， 速度会被追平，成本会被压低。 真正拉开差距的，只会是编程模型本身。 而 Miden，走的是一条非常少有人敢走的路。 从源头重写规则，而不是在旧规则上修补。 Miden #Miden #KAITOshow more

贝索斯明牌了AI的终极定价逻辑。 可惜大多数人完全没听懂。 他在采访里说了这么一段话。 AI是真实的，必将颠覆所有行业。 这句是铺垫，重点是后面半句。 “AI是一项极其罕见的技术，它是一个横向赋能层。” 横向赋能层（horizontal enabling layer）。... 英文正好三个词。 这三个词，直接掀翻了现在的估值模型。 剥离掉垂直行业的局限。 它直接化身为全社会的底层水电煤。 把AI当软件卖，赚的只是每月几十刀的订阅费。 让AI成为基础设施，收的就是所有行业的过路费。 资本市场还在按旧软件的逻辑给AI算账。 顶级的掠食者已经看清了底牌。 谁掌握了这个底层，谁就能给整个商业世界重新标价。show more

AI 都是大公司垄断的，大家其实很担心过度依赖这些公司。而去中心化就是要打破这种垄断，让更多人能公平地参与其中。 Bluwhale 宣布和 XDGAI 合作，这个项目是一个去中心化的 AI 平台，结合了区块链技术和先进的 AI... 技术，目标是创建一个全球智能计算网络，不再依赖那些中心化的大公司。 这次合作的核心就是要打造一个智能、可以自我进化的 AI 生态系统，未来可能会有更多去中心化的 AI 应用，让智能技术变得更公平、更高效。 总的来说，这是一个有意思的合作，意味着 AI 可能会朝着更加开放和公平的方向发展。show more

很多基础设施真正的问题，并不是能力不够，而是存在感太强。 创作者本来只想把想法跑通、把应用做出来，却不得不分心去理解链、Gas、账户模型、交互细节。 当基础设施频繁打断创作过程，生产力就会被结构性消耗。 从这个角度看 Vanar 它更像是在做一件“反直觉”的事： 不是不断强调链本身，而是尽量把链退到后台。 当底层默认适配 AI... 和应用逻辑，创作者关注的就不再是“怎么和链打交道”，而是“这个想法值不值得继续做下去”。 这种变化短期里不一定体现在数据上，但会直接影响生态的行为方式。 当创作不再被基础设施频繁打断，尝试的密度会自然提高， 新的应用和内容也更容易以一种连续的方式生长出来。 也正是在这个意义上 $VANRY 更像是一种对创作专注度和应用自然演化能力的押注。 真正成熟的基础设施，往往不是被反复讨论的那一个， 而是被大量使用，却很少成为讨论对象的那一个。 #Vanarshow more

今天好像都在聊现在加紧加密监管了，我昨天注册了bg的u卡，真的非常好用方便。 200rmb以下的消费各种手续费都会返还，不过这个0手续费是阶段活动还是一直都是这样啊 谢家印 家印哥 即便距离 Crypto Content Creator Campus... 已过去一周多，里斯本之行带来的能量依然强烈。 Mantle 团队携 6 位学者前往里斯本，围绕 TradFi × DeFi 融合 与 全球 RWA 脉动 展开系统调研，进一步明确了 Mantle 在新金融格局中的关键定位。 作为专注模块化执行层的高性能网络，Mantle 正致力于解决： 🔹 TradFi 与 DeFi 之间长期存在的流动性割裂 🔹 跨链资产迁移的高成本与高延迟 🔹 RWA 在链上缺乏高效流通与组合性的问题 在此次调研中，Mantle 确立了核心方向： 以低成本、高吞吐、可扩展的基础设施，搭建连接传统金融机构与去中心化金融世界的桥梁。 这包括： ⚙️ 通过优化的数据可用性与模块化设计，降低 TradFi 资产上链成本 🌐 为债券、股票、房地产等 RWA 的代币化与跨链流动提供技术保障 📈 以生态激励吸引更多传统机构参与，强化 RWA 在 DeFi 中的流通性与可组合性 里斯本之行的意义不仅在于调研本身—— 更在于 Mantle 在全球 RWA 浪潮中进一步明确了自身角色： 成为连接 TradFi 与 DeFi 的关键基础设施，推动真实世界资产在区块链的规模化落地。 Mantle 的目标不止是速度与成本的突破，而是搭建一个真正融合 TradFi 与 DeFi 的新金融底座。 🌍✨ 0xMantleCN Mantle XHunt XHunt中文社区show more

有个搞气候数据分析的哥们，直接把工作辞了，跑到Polymarket的天气市场里玩了一票。 他从1000美元起步，愣是干到了77000美元。 他是怎么想的呢？ 说白了，他觉得机器学习跑出来的天气模型，能看到那些传统物理模型漏掉的东西，而且市场反应总是慢半拍，没跟上。 这老哥自己整了个五模型联动的系统，专门抓那种温度预测的定价错误——价格在0.01到0.1美元之间的，他一眼就能看出来不对劲。 他的钱包地址在这： 他这套玩法其实很简单： 天气模型每6小时更新一次，但Polymarket上那帮人得过好几个小时才反应过来。 只要三个以上的模型（比如GFS、ECMWF、ICON）都指向同一个温度区间，而市场给的价格只有0.15美元，实际应该值0.70美元，那这就是一个差不多5倍的定价漏洞。... 操作也很直接： 看到这种机会就买入预测，等着结果出来结算，然后重复这么干。 你要是也想跟着他抄作业，可以打开这个Telegram机器人： 进去之后： · 先连上TG · 找到“Copy Trading”那个栏目 · 选“Add Wallet to Copy” · 把上面那个交易钱包地址“0x594edb9112f526fa6a80b8f858a6379c8a2c1c11”一加，就完事了。show more

🚀 YellowCatDAO 全面解析 | 一场由社区与AI共同驱动的Web3革命 🐱--梓梓日记（1️⃣） 在Avalanche链上，一只“流浪猫”正在悄然崛起——它就是yellowcatdao！灵感来源于流浪猫 $KET ，从被边缘化到重生，这只象征自由与力量的“猫”正带领社区走向去中心化新时代。... YellowCatDAO致力于打造一个真正由社区主导、由AI驱动的去中心化Web3生态。每一位 $KET 持有者不仅是投资者，更是项目发展的参与者与决策者。这里没有中心化的操盘手，一切通过链上智能合约实现自治治理，公平透明。 YellowCatDAO对AI技术的深度融合。AI算法被用于跨链交易路由优化、资产配置管理与社区治理建议生成，大幅提升了交易效率与社区协作水平。这不仅是一个普通DAO，更是AI+DeFi+治理的结合体，重新定义了Web3社区的可能性。 去中心化：无“项目方”概念，智能合约+链上提案让所有决策权归于社区。 创新性：AI为底层驱动，未来将支持更多链交互与自动化治理。 社区驱动：持币者可提出提案、参与投票、贡献内容，真正“DAO由你做主”。 🎫 $KET 代币作用 $KET 不仅是生态治理的核心代币，也是奖励、投票、参与资源分配的通证。它承载着YellowCatDAO的价值传导与社区共识。 让“流浪”变“王者” 👇猫猫永不屈服！！🐾 #YellowCatDAO #KETtoTheMoon $eKET yellowcatdao $KET #KET #COOKIE #eKet Cookie DAO 🍪 Nobs 诺布斯 (Fortune Cat GCR)show more

从产品视角看 白 + 支付结算 + 隐私”做成一条更短的路径 孙哥参与顾问的项目 白 让用户/开发者/未来的智能体，用统一入口与统一结算方式，低摩擦地调用顶尖模型与算力，同时尽可能减少传统支付体系带来的行为画像与围墙效应。... 1）用户痛点到底是什么？不是“没有模型”，是“调用这件事太碎” 如果你是普通用户或轻量创作者，你会遇到这种体验问题： • 想用不同模型完成不同任务：写作一个、代码一个、图片一个、推理一个 • 但每家要注册、订阅、绑定支付、切换账号 • 一旦涉及支付，信息链路和行为沉淀很重（隐私敏感的人会非常在意） 如果你是开发者/团队，痛点会更硬： • 多家模型不同 API、不同限速、不同计费、不同账单 • 采购与对账像在做供应链 • 模型迭代很快，接入层维护成本越来越高 • 更现实的一点：跨区域支付/风控/合规流程会直接卡进度 而当你开始做 Agent，痛点会升级成“结构性问题”： • Agent 要按任务动态选模型、选算力 • Agent 需要“自己付钱买资源”，才能持续运行 • 没有支付与结算能力，Agent 很容易停在 demo（靠人工续费/人工维护） 2）白 把产品拆成三层：入口、路由、支付网络 白 的产品设计不是单点功能堆叠，而是三层结构，对应三类用户与未来演进： （1）To C：BAIclaw（白虾助手）——多模型交互入口，主打隐私体验 这是面向普通用户的入口层：把多模态与多模型聚合到一个交互端，并把“隐私保护”放在主叙事上。 从产品价值来说，它解决的是“想用最合适的模型，但不想在一堆平台之间迁移和暴露信息”的需求。 一个很直观的对比案例： 你在传统平台用信用卡订阅/计费时，支付链路天然会把“你是谁、你在哪、你买了什么、你多久用一次、你偏好什么能力”沉淀成画像；而 白 主推的路径是钱包地址登录 + 链上支付，尽量把这条“支付—身份—行为”的绑定关系拆开，让隐私敏感用户在使用多模型时不必默认交出完整画像。 这也是孙哥特别推的一点：匿名与隐私不是噱头，而是 Agent 时代的生产要素——谁控制了调用与支付数据，谁就控制了未来的分发与定价权。 （2）To B：LLM 顶尖大模型聚合路由——开发者默认网关 对开发者来说，白 的关键点是“路由”而不是“模型”。 它提供统一 API，把多模型接入变成一种更工程化的能力： • 不用逐家谈采购、逐家接 SDK • 不用自己维护复杂的切换与策略 • 让产品团队能把资源花在体验与场景，而不是胶水工程 你可以把它理解为：多模型时代的“接入层与调度层”。 （3）To Agent：AI 智能体链上支付网络——让智能体拥有身份与支付能力 白 提到的双协议（x402 / ERC-8004）对应两个核心能力： • ERC-8004：链上身份（让 Agent 可被识别、授权、计量） • x402：无摩擦支付（让支付成为可编程能力） 它想解决的是：当 Agent 开始自主运行时，支付/结算不应继续依赖“人类账号 + 信用卡 + 平台风控”这套体系。 这里也可以用一个更“可感知”的案例来理解： 假设一个 Agent 需要和另外 5 个 Agent 协作完成任务（A2A），并且按贡献实时分账：传统体系下你很难做到“秒级微结算 + 自动对账 + 可验证历史”；而依托 x402 与 ERC-8004，交易与交互历史可以沉淀为可验证的信任基础，逐步形成“Agent 社会”的信用体系，使得真正去中心化的 A2A 协作与微结算成为可能。 更重要的是，一旦这条支付网络已经支持多链、支持主流加密币种的支付，那对 Agent 来说就不是“能不能付”的问题，而是“付得足够快、足够低摩擦、可跨生态”的问题——这会直接决定 Agent 商业闭环能不能跑起来。 3）它解决的问题可以总结成一句产品话术：把路径缩短 站在产品角度，白 做的是把链路变短： 以前： 多平台注册/订阅 → 各自绑定支付 → 调用留痕与画像 → 多模型维护与对账 现在（白 叙事）： 钱包登录 + 链上支付 → 统一调用与路由 → 清算网络支撑结算 → 更少网关壁垒 这里要注意它的 PR 边界：白 并不把自己描述成“代理/中转站”，而是强调智能路由、算力聚合、底层基建、隐私保护、无边界访问——也就是把自己放在基础设施位置，而不是工具拼装位置。 4）对标怎么说才专业：体验上像 OpenRouter，但差异点在隐私与支付闭环 如果非要找一个“体验层”的参照，白 在 To C/To B 的使用路径上，确实会让人联想到“多模型聚合平台”（比如 OpenRouter 的那类思路）。 但 白 想强调的差异不是“模型更多”，而是两点： 1）隐私叙事更强：通过链上支付，尽量切断传统支付体系的信息收集闭环 2）更偏 Agent 经济化：不仅是聚合调用，还要把身份与支付/清算做成底层网络，让 Agent 能自主购买算力并形成商业循环 这也是为什么它避免和 OpenAI/Anthropic 直接竞争——它的野心不在模型层，而在“让模型与 Agent 可持续运行”的底层能力。 5）适合谁用：三类用户一眼就能对号入座 普通用户/创作者： 想要一个入口随时切模型，同时更在意隐私与支付痕迹的人。 开发者/产品团队： 想降低多模型接入维护成本，尤其是需要动态路由、统一结算、快速迭代的团队。 Agent 构建者： 目标是让 Agent 真正自主运行（能付费、能对账、能闭环），而不是停留在演示。 6）为什么说孙哥这步布局“格局高”：再创业不是换赛道，是把赌注押在底座 孙哥作为 白 顾问，我觉得这里最打动人的点，反而不是“站台”，而是他身上那种典型的 AI 赛道创业者气质：看得更远，也更愿意做难事。 很多人会选择在应用层追热点、做流量型产品；孙哥更像是在“第二次创业/再出发”时，把筹码压在下一阶段的必需件上——当 Agent 从“会对话”走向“会协作、会交易、会自我运转”，身份、支付、清算、路由会从可选项变成基础配置。 这种选择不一定最热闹，但一旦趋势兑现，基础设施的生态位会更稳、更厚。能在大家都追短期叙事的时候，去推动“匿名与隐私保护”以及“Agent 经济化 H.E. Justin Sun 👨‍🚀 🌞 B.AI #TRONECOStarshow more

即梦现在可以用Seedance 2.0 生成 1080P 的视频了 试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。 在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。... 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：show more

🧵小五研报之【4】$KET：链上“照妖镜”ShameFi/RegretFi大揭秘！🚀 各位链上老铁，今天我们来聊聊 $KET 一个特别有意思的玩法——ShameFi/RegretFi模型！这可不是随便说说，它旨在让链上交易更透明，减少那些不光彩的事儿！👇 ShameFi/RegretFi：让坏行为无所遁形！👀 简单来说，ShameFi/RegretFi就是一种“问责机制”。它利用区块链的透明性，加上一些巧妙的设计，让那些不符合社区规范或有欺诈嫌疑的交易行为，能够被清晰地记录下来，甚至公开。目的是什么？当然是为了促进整个生态的交易透明度！ $KET ：驱动“链上照妖镜”的核心力量！✨ 那... $KET 在这里扮演什么角色呢？它就是驱动这个ShameFi/RegretFi机制的核心力量！用户可能需要通过持有或质押 $KET 来参与这个问责流程。它赋予社区成员一种权力，去共同维护一个更干净、更公平的交易环境。 用户参与：一起当链上“纪检委”！🕵️‍♀️ 想知道怎么参与吗？很简单！ $KET 持有者可以通过特定的机制，比如投票、举报，或者参与争议解决，来对可疑的交易行为进行问责。通过这种方式，社区的力量被集中起来，能够有效地减少欺诈行为，保护大家的利益。 “后悔”的代价：让坏行为付出透明的成本！😥 这个模型之所以叫“ShameFi”或“RegretFi”，也暗示了当不良行为被揭露时，可能会让当事人付出“声誉”上的代价，甚至在社区中产生“后悔”效应。这种公开的问责本身，就是一种强大的震慑力！ Cookie社区助攻：让“照妖镜”广为人知！📣 我们的好伙伴Cookie DAO 🍪在这里可没闲着！Cookie社区在强化和推广这个ShameFi/RegretFi模型方面，发挥着不可替代的作用： 社区推广：让透明理念深入人心！🌐 Cookie作为一个强大的Web3社区平台，能够有效地将ShameFi/RegretFi的理念和机制，传播给更广泛的用户群体。通过社区教育、讨论和传播，让更多人了解并支持这种去中心化的问责模式，从而共同维护生态的健康发展。 协作强化：让问责机制更高效！🤝 Cookie可能还会通过其平台工具和社区激励机制，进一步强化用户参与ShameFi/RegretFi的积极性。想象一下，如果有奖励激励用户参与举报或验证，那这个模型的效率和影响力就会大大提升！ $KET 、 $Cookie 与透明未来：共建信任桥梁！🌈 所以， $KET 驱动的ShameFi/RegretFi模型，加上Cookie社区的强大推广和协作，共同为YellowCatDAO构建了一个更加透明、诚信的交易环境。这不仅减少了欺诈，更是在区块链世界里，用社区的力量，搭建起信任的桥梁！ Nobs (hot emin arc) Cookie DAO 🍪 #YellowCatDAO #KET #ShameFi #RegretFi #CookieDotFunshow more