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

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

每次去问那些大模型某个项目怎么样，得到的回复永远是那种模棱两可的万金油——“项目有潜力，但请注意市场波动”。听君一席话，如听一席话，完全不敢拿真金白银去信它。 但这两天仔细看了下 Sentient 的逻辑，尤其是那个 SERA 架构，我是真觉得有点意思。它没想着用一套通用的语料库来“忽悠”你，而是老老实实地在做“拆解”。 你问它 DOGE 的风险，它不是在那瞎编，而是像个老练的研究员一样，先把问题拆成几个维度：经济模型是不是通胀的？链上流动性池子够不够深？大户是不是在集中出货？它有一套自己的索引库，先找工具，再抓实时数据，最后才给你写结论。... 这给我的感觉是，它终于不再是一个只会陪聊的机器人，而是一个懂得去查证、去推理的 Agent。在币圈这种信息满天飞、真假难辨的地方，我们需要的就是这种能把“情绪”和“事实”剥离开的能力。如果不解决“可信度”这个问题，AI 在 Web3 永远只是个玩具，但 Sentient 似乎找到了打破这个僵局的锤子。show more

很多人看 Inference Labs ， 第一反应都是那些听起来特别硬的技术名词，比如什么 zkML，什么 PoI。 但说真的，如果你把这层技术的皮给剥开，你会发现它讲的根本不是代码，而是权力。 Inference... Labs 真正做的，是把 AI 系统里以前那些模糊的权力关系，直接给拆散了摆在台面上。 在传统的 AI 世界里，模型方就是绝对的老大。 模型怎么跑，参数怎么调，最后给你一个结果，你除了相信，没有任何别的办法。 算力方也是一样，谁手里的机器多，谁的声音就大。这种结构下，用户其实是没有任何话语权的。 但 Inference Labs 正在把这套逻辑给彻底拆掉。 在它的 PoI 机制下，模型不再是那个不可挑战的上帝了。模型只能负责干活，负责给出推理结果，但它没有权利定义这个结果是不是对的。 一旦进了这个系统，模型的每一个输出都必须经过证明，经过别人的复现和验证。 这一步，本质上就是在削弱模型的权力。模型不再是权力的中心，它变成了一个纯粹的服务提供者。 再来看看算力。 很多人以为验证网络会让算力变得更值钱，更重要。其实恰恰相反，在 Inference Labs 的结构里，算力其实是被压制的。 算力在这里只负责执行任务，它不负责最后的裁决。你算得再快，机器堆得再多，你也改变不了结果的合法性。你没法靠着算力去强行说服系统接受一个错误的结果。 这意味着，算力在这里变成了一种商品化的成本，而不是一种能让你称王称霸的筹码。 那么，真正的权力流向哪儿了。 答案是验证者。 验证者不需要去训练什么顶级的模型，也不需要去买成千上万张显卡。 他们只做一件事，就是决定哪些推理是被系统承认的现实。这在现在的 AI 圈子里是非常罕见的设计。 它相当于承认了一点，AI 的问题其实不在于它聪不聪明，而在于当它给出结果的时候，谁有资格说这是一次有效的推理。 Inference Labs 把这个资格，从那些模型公司和平台手里，转移到了这个验证层。 这种变化的影响会非常深远。 以后在这个系统里，最强势的一方，不是那些最会训练模型的，也不是那些最有钱堆机器的。 而是那些能长期维持验证信誉的节点。这种节点看重的不是短期的那点博弈速度，而是长期的稳定性。 因为在它的规则里，只要你作恶一次，代价就是被系统永久边缘化。这种代价，任何想长久玩下去的人都承担不起。 所以我也一直在想，为什么 Inference Labs 在短期市场里显得这么安静。 其实道理很简单，这个系统里真正占便宜的角色，从来就不是那些会喊叙事，会搞投机的。 它奖励的是耐心，是持续不断的输出，以及永远不犯错的稳健。它天然地就在排斥那些只想进来薅一把就走的投机者。 我的感觉非常明确，Inference Labs 其实并不是在追求让 AI 变得更强，它是在尝试解决一个更有难度的问题。 那就是当 AI 已经足够强的时候，到底谁来约束它，谁来承担它产生后果后的责任。 在这个系统里，权力第一次不再是围绕着模型集中，而是被彻底拆散，被互相制衡。 这才是它最被低估的地方。 它在重新定义 AI 时代的规则。它告诉我们，在这个新的权力游戏里，诚实和稳定，才是最贵的资产。 #inference_labs #KAITOshow 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

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

很多人在研究 StandX 的时候，习惯性地会把它归类为又一个永续合约交易所，然后就开始机械地对比手续费或者奖励政策。 说实话，如果你的视角只停留在这些表面参数上，那大概率会错过它真正想做的那次底层取舍。 它真正动刀子的地方，其实不在于交易撮合有多快，也不在于界面做得多华丽，而是在于清算这件事本身。 如果你在币圈待得够久，你就会发现，链上衍生品发展到今天，最大的系统性风险从来不是成交深度够不够，而是清算过程中的那种失序感。 别只盯着深度看，清算才是协议的死穴 现在的链上衍生品市场，看起来挺热闹，但其实逻辑挺脆弱的。 一旦行情出现那种极端的剧烈波动，清算价格往往会被预言机牵着鼻子走，导致大量的仓位在短时间内集中爆掉。... 这时候，系统要么得靠保险基金硬扛，要么就得面对直接产生的坏账。 这也是为什么很多协议在小规模运行的时候看着挺好，可一旦交易量和持仓量上去了，整个系统就会变得特别脆。 StandX 的切入点其实挺让人意外的，甚至有点反直觉。 它并没有跟着大流去研究怎么把清算的速度做得更快，而是换了个思路，把清算这个原本是断裂的，瞬间发生的动作，拆解成了一个可以被定价，且有缓冲余地的持续过程。 它不是在火烧眉毛的时候才去救火，而是把风险管理的工作做到了最前面。 把风险前移，让保证金不再是死钱 在 StandX 的这套设计逻辑里，保证金不再是一个死气沉沉的抵押物，而是一个能持续参与系统博弈的变量。 这里就不得不提到 DUSD 的作用了。 通过这种设计，仓位在还没真正进入高风险区间的时候，其实就已经在为整个系统积累缓冲层了。 你仔细想想，这种缓冲并不是事后的补救措施，而是一种事前就已经完成的风险定价。 换句话讲，StandX 是把清算的风险给前移了。 它不需要等到你的仓位快要爆仓了才去急急忙忙处理，而是在你整个持仓的周期里面，通过收益流和资金费率的变化，不断地在吸收那些潜在的风险波动。 这就带来了一个非常关键的改变，清算不再是系统的某个断点，而是变成了一段连续过程的一部分。 它把那种爆发式的价格波动给拆解到了时间的长河里，而不是让它集中在某个特定的价格区间内爆发。 为什么低波动环境反而能体现它的优势 我们平时见到的传统永续协议，最怕的就是行情平淡。 一旦市场没波动了，交易量就会下滑，资金费率也会枯竭，最后导致提供流动性的人收益下降，整个系统的稳定性反而会变差。 StandX 在这种低波动的环境下，它的模型反而跑得更顺。 因为 DUSD 的收益流和那套做市机制是一直在工作的，风险在这里被缓慢地累积，同时也在被缓慢地消化掉。 从协议的角度来看，这其实是一次风险管理思维的彻底转向。 它不再寄希望于外部的保险基金来兜底，而是让每一笔仓位在它的生命周期里，都在为自己可能带来的清算风险买单。 最聪明的地方在于，这个成本对用户来说是隐性的，它是通过整个收益结构的优化来完成的，而不是让你直接感觉到手续费变贵了。 做一个风险定价引擎，而不是单纯的交易台 这也解释了为什么 StandX 好像并不急着去宣传那些百倍杠杆之类的噱头。 因为它更关心的是，在允许高杠杆存在的前提下，系统到底还能不能保持一种线性的响应。 你得明白，只有当清算变成了一个可控的变量，高杠杆这件事才有真正的金融意义。很多协议把风控当成了一种不得不加的限制条件，而 StandX 显然是把风控当成了它的核心产品。 所以说，StandX 的本质其实更接近一个风险定价引擎，而不仅仅是一个交易平台。 你在前端看到的那些交易行为，只是冰山露出来的尖端，而在底层跑的那套把波动转化为系统收入的机制，才是它最厚实的底座。 如果这套逻辑能在各种复杂的行情里持续跑通，那它解决的就不只是某一轮牛熊市里的流量问题，而是链上衍生品长期以来无法规模化扩张的那个根本矛盾。 在这个行业里，谁能吸引更多交易者固然重要，但谁能在不失控的情况下承载更多的风险，谁才能真正笑到最后。 这条路确实不好走，短期内可能也没法通过几个简单的数据指标来验证它的优越性。 但一旦这种模式被市场验证是可行的，StandX 的位置就不再是去参与那些同质化的竞争，而是会变成那个定义规则的人。 #StandX #kaitoshow more

亲爱的，四月份的AI圈真热闹，有很多大新闻啊！ 昨天马斯克和奥特曼打官司，认为 OpenAI 转向盈利导向，违背了当初“为全人类利益开发AI”的使命 另外一个AI热点，是很多大佬都在聊的 Gensyn gensyn 连知名投资人 Andreessen... Horowitz 旗下的 a16z crypto 都发了联创兼CEO Ben Fielding Ben Fielding 的采访视频 你知道吗？这几个热点，原则方面是有关联的呢！ 为了帮大家节省时间，月光把全网中英文讨论整理成重点 先简单说Gensyn gensyn 团队发现的问题，其实很前瞻 就像早期社交媒体，很多人当时没意识到它会变成重要基础设施 现在不管在哪个圈子，认真运营社媒账号，确实更容易破圈、建立连接 而AI，其实也处在类似阶段 如果你想抓住AI这个风口，Gensyn的思路，以及马斯克起诉的原因，都值得思考 如果AI不只是聊天工具，而是未来社会基础设施，它应该被谁拥有？ 是少数平台，还是更开放、更分布式、属于所有人？ 这也是月光开始认真看Gensyn的原因 现在大家都在聊AI应用，但真正长期价值，往往在底层基础设施 而Gensyn吸引月光的地方在于，它不是只讲算力，而是在做全栈AI基建 把算力、数据、身份验证、安全执行这些模块串起来，更像在搭一张机器智能网络 再回过头看，如果AI被单一公司定义，就意味着权力集中 但如果运行在开放网络，由用户设备协作，整个社会走向会完全不同 这和马斯克强调“为全人类开发AI”的理念，其实是一致的 而且它不只是理念，进度也很扎实 Gensyn gensyn 融资接近8000万美元，包括a16z最近追投的1600万美元 更重要的是，它已经开始把叙事变成产品 比如主网的Delphi，让人和AI一起参与预测，并通过可验证机制自动结算 它更像是在做一个AI自我优化的闭环 预测越准，收益越高，再反哺模型训练，让市场成为训练信号 相比传统喂数据，这种方式更像“用市场训练AI” 测试网数据也说明项目已经跑起来了！四万多个节点、17.5万个模型在协同训练 现在很多项目在讲去中心化AI，但更多只是标签 Gensyn不一样，它在搭完整协议层：机器通信、身份体系、可验证执行 这种完整度，决定它更像基础设施，而不是单点产品 还有一点，它的代币机制也比较合理，网络使用和价值绑定，而不是纯叙事 说实话，很多真正重要的基础设施，早期都不性感，但最后往往最关键 如果去中心化AI成为趋势，这类底层项目大概率绕不开 最近越来越觉得，机会不一定在最热闹的地方，而是在还没被完全理解的地方 我会继续关注这个方向，有兴趣也可以自己研究一下 当然，这不是投资建议，只是个人观察分享 附上刚上线主网的 Delphi： 还有官网链接，欢迎感兴趣的宝子一起来研究哦！ 谢谢你看到这里，么么哒 😘show more

说实话，现在的 AI 赛道像极了早期的互联网泡沫 大家都在疯狂造车、飙车，却没几个人在乎制动系统。 如果你现在去聊 AI 项目，最受追捧的无非两类。 一类是像 AI... Agent 这种，能立刻上手帮你自动交易、写代码、发推特，让大家觉得未来已来 另一类是卖算力、卖推理额度的，收益率写在脸上，代币叙事极其丝滑。 Inference Labs 刚好哪边都不占。它既不给你提供现成的智能助理，也不大张旗鼓地卖算力。 它的这种冷淡，让它在当下的喧嚣中显得有些被低估。 但如果你静下心来琢磨一下它的底层逻辑，你会发现，它不是不重要，而是走得太靠前了。 它不解决怎么更聪明，它解决怎么不骗人 大多数 AI 项目都有一个心照不宣的默认前提 只要模型足够强大，输出的结果就是圣旨，我们就该信任它。 Inference Labs 偏偏不信邪。它的逻辑刚好相反：不管你模型多强，只要不可验证，就不该被信任。 这听起来很抽象，甚至有点杠精。 但在金融、治理、预言机这些动辄涉及真金白银的领域，这简直是命门。 当 AI 开始替你管理资产、替你做决策时，你真的敢只凭一句模型很强就放权吗？ 万一它黑箱操作了呢？万一它的逻辑跑偏了呢？ Inference Labs 卖的不是结果，而是约束。 在一个崇尚野蛮生长的阶段，卖约束的人肯定不如卖兴奋剂的人受欢迎。 但从系统演化的角度看，当行业进入深水区，约束层的价值永远高于应用层。 嵌进巨人的肩膀：Subnet 2 与验证逻辑 很多人看 Inference Labs 觉得它是实验室里的 Demo，但这其实是最大的误读。 看看它落脚的地方 Bittensor 和 EigenLayer。 这些不是什么空气实验室，而是已经有巨大经济体量的实战系统。 以 Subnet 2 为例，它构建了一个真实的博弈网络。在这里，矿工不能随随便便交个答案就领钱，他们必须提交一套可验证的推理证明。 验证者如果想偷懒直接复制别人的结果，系统的惩罚机制会瞬间教他做人。 这套逻辑不性感，甚至有点枯燥，但它极其重要。 它解决了 AI 网络规模化的一个核心矛盾：你没法靠信任去扩展一个由机器组成的网络。 如果没有这套问责机制，AI 世界永远只是个脆弱的草台班子。 它的价值，不在 DAU 里 Inference Labs 之所以容易被忽略，是因为它的成败并不体现在 DAU或者短期交易量上。 它的爆发点在于一个临界点 当一个 DeFi 协议决定引入 AI 策略时，它必须要求策略可验证 当一个预言机需要提交数据时，它必须要求推理路径可审计 当成千上万个 Agent 开始自动签署合约时，它们需要一个公允的底层证明。 到了那个时候，Inference Labs 才会真正站到舞台中央。它不是为当下的市场设计的，它是为那个系统面临失控风险的下一阶段提前准备的防弹衣。 在 Kaito 的社交热度排行榜上，这类项目往往排名靠后，因为它们讨论门槛高，不适合做快消内容的传播。 但我总觉得，时间是站在 Inference Labs 这一边的。 它属于那种迟到但不可替代的类型。 历史上所有关键的基础设施，其实都不是被大家追捧出来的，而是当老路走不通、当问题爆发到不得不解决时，被硬生生地推到历史高位上的。 真正的问题从来不是它会不会被用到，而是当所有人意识到非它不可的时候，市场还没给观望者留下上车的机会。 现在的沉默，或许正是它最好的掩护。 Inference Labs #inference #KAITOAIshow 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

马斯克在想什么？ 他说，先别做PPT。 任何东西在PPT上看起来都很完美。 但那只是“看起来”而已。 如果你要创业，第一件事是什么？ 去做一个能跑起来的原型机。 哪怕它极其简陋。 一个能动的东西，比一万页精美的PPT都有说服力。 这套逻辑是不是很熟悉？... “实干家”的逻辑。 这恰恰是那些习惯了在达沃斯开会、用PPT就能撬动资本的全球主义精英们最不理解，也最害怕的东西。 他们擅长的是叙事、概念和包装。 而实干家只相信一件事：让它动起来。 一个国家的发展，是不是也该如此？ 到底是需要更多夸夸其谈的“设计师”，还是需要更多能让机器转起来的工程师？ 一个值得思考的问题。show more

一个最基本的问题，现在摆上了美国最高法院的辩论桌。 大法官Ketanji Brown Jackson在庭审时提出了这个议题。 女孩的定义是什么？ 她说，我们正在讨论，是否只有“出生时被指定为女孩”的人，才有资格。 这个用词很有意思。 “出生时被指定”。 它暗示了性别不是一个客观生理事实，而是一个后天赋予的社会标签。... 一个词的改变，背后是整个逻辑起点的颠覆。 当最高法律机构开始辩论生物学常识时，意味着什么？ 这不是语言学问题，而是法律和社会根基的问题。 如果法律的基石，建立在一套可以随时重新定义的语言系统上，那么法律的稳定性在哪里？ 今天可以重新定义“女孩”，明天是不是可以重新定义“个人财产”或者“公民权利”？ 这种趋势的终点是什么？ 从一个词的解构开始，最终会解构掉什么？ 这值得每一个关心社会秩序的人深思。show more

玩币的过年坐小孩那桌！ 截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。 有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的 连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 —... NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。 除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。 这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。show more

重构 Meme 资产的链上使用方式是 MemeMax 的本质。 大多数人理解 Meme，停留在两个层面。 一个是价格波动。 一个是情绪传播。... 但如果你长期在链上，你会发现一个更底层的问题。 Meme 的交易量很大，但使用深度极浅。 大多数 Meme 只完成了一件事，被买卖。 一旦热度消失，它们在链上的存在感几乎归零。 MemeMax 的价值，并不在于又做了一个永续 DEX。 而在于它第一次让 Meme 资产，具备了持续被使用的结构。 在传统现货市场，Meme 的生命周期非常短。 从注意力爆发，到交易高峰，再到流动性枯竭，节奏极快。 因为现货市场只能承载单向行为，买或者卖。 MemeMax 引入永续之后，直接改变了这一点。 资产不再只在一个方向上消耗情绪。 而是开始承载双向博弈。 多头并不是为了长期持有。 空头也不只是为了对冲。 双方的存在，本身就在持续制造成交和费用。 这会带来一个非常关键的变化。 Meme 的价值开始从叙事价值，转向使用价值。 当一个 Meme 拥有足够深的合约市场时。 它就不再只是一个情绪符号。 而是一个可以被反复参与、反复交易、反复定价的资产。 MemeMax 把这一层做成了基础设施。 它不是在筛选最强的 Meme。 而是在给 Meme 一个延长生命周期的工具。 这也是为什么 MemeMax 更像 MemeCore 生态里的中枢。 不是流量入口，而是行为聚合器。 你会看到一个趋势。 随着合约深度增加， 链上讨论不再只围绕价格。 而是围绕仓位结构，资金费率，情绪倾斜。 这其实是 Meme 资产成熟的标志。 从纯粹注意力，进入可持续博弈。 如果你只把 MemeMax 当成一个交易所。 那你一定会低估它。 它真正做的，是让 Meme 从一次性叙事， 变成可以反复被使用的金融对象。 这一步一旦成立。 Meme 赛道就不再是短线玩家的游乐场。 而是会诞生真正长期存在的资产。 #Mememax #kaitoshow more

OpenClaw 已经过时了。 如果你现在还在用 OpenClaw，说明你可能还没看到 Hermes Agent。 很多人对 agent 的理解，还停留在“会调工具”“会自动执行”这一层。... 但这套东西很快就要卷废了。 下一阶段比的根本不是谁能多 call 几个 tool， 而是谁的 agent 会学习、会记忆、会随着任务一起成长。 Hermes Agent 真正有意思的地方就在这： 会从经验里沉淀 skill 会在使用中自我改进 会搜索过去的对话和任务 会逐渐建立对你的理解 还能跨 Telegram、Discord、Slack、CLI 持续工作 说白了， 别的 agent 还在想办法“替你执行”， Hermes 已经在试图变成“你的长期数字分身”了。 所以不是 OpenClaw 不行， 而是这条路线已经开始落后了。 接下来真正值得看的， 不是哪个 agent 更像 demo， 而是哪个 agent 越用越强。 项目：👇show more

今天在地铁上看到一大爷刷视频，边看边偷笑，我瞄了一眼，原来是靓女整活。那一瞬间觉得——还是大爷会玩，应该要学习一下大爷，好好放松一下，反倒是我们这些盯盘的人，被行情晃得上气不接下气，难受得要命😂。 这几天的波动，说难受是真难受，但越是这种时候，我反而会把注意力往“结构”上拉。像最近一直在关注的 MemeMax，我现在已经不把它当成单纯的 Meme 项目看了，更像是一个“情绪基础设施”： 市场再怎么跌，大家总要找地方吐槽、玩梗、发泄，这就是 Meme 的土壤； MaxPack... 给的是“内容+激励”的组合拳，你不是干看行情，而是把自己的情绪、故事、梗，打包成可以流转的资产； MaxPoint（MP）像是一张长线参与记录，每一笔交互、每一次解锁，都是在给后面生态扩展埋伏笔，而不是一波流的活动积分。 我现在看这种项目，已经不再问“明天能涨多少”，而是看：在这种大盘乱流里，它还在不在迭代、有没有新玩法上线、数据是不是在稳步走，产品是不是在把更多人的“真实情绪”收入自己的场域。 如果说大盘是暴雨里时涨时落的水位，那 MemeMax 这种项目，更像是在河道边慢慢加固堤坝的人：短期看不那么热血沸腾，但等下一轮水位再涨上来，谁家地淹、谁家能接住增量，一眼就清楚了。 大爷刷视频刷得开心，是他给自己上的一个“防抑郁 Meme 课”；而我们在这个周期里，还能安静研究清楚自己站在哪些机制之上，其实也是另一种“会玩”。毕竟行情终究会轮回，但那些能把情绪沉淀成资产的东西，才有机会陪你穿过一个又一个来回。 #MemeMax MemeX MemeCoreshow more

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源 能看到的钱包在这，自己点开看： 他们做的不是 crypto 原生叙事... 而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易 问题也很现实： 这些数据平时都在大型中心化交易所里。 你怎么拿？ 拿到之后又怎么处理，才能真的变成可交易模型？ 这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。 核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。 据说在 BrowseComp benchmark 上做到 88.2。 特点是： 长周期推理 先验证再下结论 步骤级 + 全局级校验 单任务最多可调用 300 次工具 它的作用不是直接下单。 而是先通过 MCP Server 拉数据， 把研究、清洗、验证这些环节跑完， 最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去， 再设定模拟参数， 就可以开始跑价格行为模拟。 本质上，它卖的不是一个指标。 而是一种更接近“矩阵视角”的东西： 价格在不同条件下会怎么动 哪些路径更常见 哪些定价其实偏离了历史结构 整个流程串起来就是： 拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场 这种玩法最值得看的，不是“开源”两个字 而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。 你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？show more

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。 咱们看看这个案例， 零游戏开发经验，两周时间， 一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉， 骑着电动车在城市里穿梭接单， 订单会真实堆叠在后座，掉了就会失败， 还有完整的手机App导航和超市捡货系统， 很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利，... 本质是人类品味的胜利， 他没写几行代码， 所有的逻辑模型贴图音乐音效， 全都是AI生成的， 他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的， 最后花两周时间一点点打磨细节， 调参数摆道具改手感， 其实这就是现在大家说的vibe coding， 让AI接管了所有的执行层， 人类只需要负责方向和品味， 以前你得学会编程建模配乐剪辑， 才能做出一个游戏， 现在你只需要知道， 什么东西是好的， 很多人说这是作弊， 但这才是真正的创意民主化呀， 一年前需要一个小团队干几个月的活， 现在一个普通人两周就能搞定， 我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。 这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切， 但它不知道的是 什么东西看起来舒服， 什么东西玩起来爽， 什么东西能让人会心一笑， 比如那些纯AI生成的游戏为什么不好玩， 因为它们只有技术，没有灵魂， 那什么是灵魂呢？ 我理解灵魂就是那个站在AI背后， 做每一个微小选择的人， 就是那个知道什么时候该停手， 什么时候该再改一下的人， 而且我觉得这只是一个开始， 今天是浏览器3D游戏， 那明天可能就是完整的App， 后天甚至是3A级别的游戏原型， 我们正在见证一个全新的创作时代， 任何人都能把自己的脑洞， 变成真正的产品， 游戏链接放在评论区了， 直接浏览器打开就能玩， 建议大家去试试， 你会真切地感受到， 那个属于普通人的创作黄金时代， 真的已经来了！ #AI #游戏开发 #vibecodingshow 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

今天回村看看节目，也是开了眼了，这不比抖音看的爽？ 对于 Brevis 这个项目，如果我们只盯着它所谓的ZK 协处理器这种技术标签看，其实很容易把路走窄了。 坦白说，我更愿意把它看作是一套链上激励的终极结算层。 咱们先看看现在的 DeFi 圈子，最大的摩擦点到底在哪里？... 其实往往不是交易速度不够快，也不是手续费太贵，而是所有的活动和激励机制，永远都绕不开信任这两个字。 你想想看，现在的积分活动、空投计算，谁在算？怎么算的？后台规则有没有临时被改过？ 作为用户，我们只能傻傻地盯着项目方的公告和 Excel 表格 而作为协议方，其实也很累，得背负沉重的运维压力，还得天天应付社区的对账质疑。 Brevis 的出现，核心价值就是用零知识证明（ZK）把这件原本充满人为操作空间的事，变成了一个纯粹的数学结论并直接上链。 这种改变是颠覆性的，它意味着争议直接被技术压扁了。 大家看的是同一份不可篡改、可验证的数学结果，信任成本直接从相信项目方的人品变成了相信代码和数学。 这方面，Euler 在 Incentra 上做的那次落地应用非常有代表性，完全可以作为教科书级别的案例。 它每隔 4 个小时抓一次市场快照，然后把奖励计算生成证明，再发到链上。 这中间不需要任何中间人，也不需要财务再去手工跑账。但在这个案例里，最让我感到惊艳的其实是它的上线速度——仅仅一个周末就跑起来了。 不需要为此专门部署新的智能合约，几乎没有额外的运维开销。 这就给所有的建设者打开了一个新思路 对于协议来说，这相当于直接把激励系统模块化了。 以后想做活动，就像插一个组件一样，插上去就能用，算完就能被任何人复算。 站在建设者和开发者的视角，这类基础设施的价值，绝对不在于它帮项目方发了多少糖，而在于它把激励的可信度和可组合性抬到了基础层的高度。 当奖励证明可以上链之后，活动就不再是一次性的脚本代码，而是变成了一种长期可持续的机制。 协议方可以更频繁、更放心大胆地去做精细化的激励设计，而用户也更敢把大资金放进去。 因为用户心里清楚，规则一旦定好，就不会在后台被悄悄揉搓修改。这会带来一个很现实的市场结果 用户的参与度会更深，资金的停留时间会更长。激励机制的作用，从单纯的拉新变成了真正的留存。 今天既然提到了代币经济学，我也看到了相关的消息。 但我不想去讨论币价会怎么走，我更关心的是它有没有把价值捕获设计得足够干净。 这才是判断一个基础设施代币能不能拿长线的关键。 我们需要搞清楚几个问题 到底是谁在付费？这笔费用来自哪里？算力提供者和应用方的关系是怎么绑定的？证明的发布和验证成本是怎么分摊的？ 这里的激励是为了短期的冲量数据，还是能喂出长期的真实需求？ 如果代币仅仅是活动积分的换皮，那它很快就会变成市场的噪音。 但如果这个代币能把可验证计算的需求变成一个有人持续买单的市场，那 Brevis 才会从一个好用的工具，升级成一个赛道的标准。 对于后续的观察，我给自己定的信号非常简单，不看那些花里胡哨的 PR 稿，只盯三个指标。 第1️⃣：Incentra 上的活动数量和入驻的协议质量，有没有持续向上的趋势。 第2️⃣：证明发布的频率和链上验证的行为，有没有在社区和项目方之间形成一种习惯 第3️⃣：也是最重要的一点，那些头部的协议方，是不是真的把更多的核心激励模块迁进来了，还是说只是为了配合宣发做了一次性的营销秀。 只要这三条路跑通了，Brevis 的位置就会越来越稳，它会越来越像行业默认的激励结算底座。 以后所有想要做复杂奖励、做精细对账、做流量归因的项目，都会绕不开它。 你要知道，这类基础设施从来不是靠喊口号赢的，而是靠被市场反复、高频地使用，才能最终赢下这场战争。 Brevis #Brevis #KAITOAIshow more

人人都在喊maga，真的能让大家都赚钱吗？特别是那些反指大神，似乎每个人都觉得会成为pepe那样的，我不想说实话，实话是不可能成为pepe那种，因为所有kol都在喊，真正的好项目大家怎么可能知道，一定是悄无声息的人，想想rats，sats等项目，明牌喊得都死绝了，现在买无非接盘，醒醒吧 #MAGA #BITCOIN