陈天桥的这个 MiroThinker，现在在X（原推特）上被吹上天，确实有点当年盛大搞“盒子”时那种毁誉参半的味道。这玩意到底行不行？ 陈天桥缺的是你的会员费吗？ 首先，别拿看那些割韭菜APP的眼光看陈天桥。人家当年是首富，现在在加州搞脑科学研究（TCCI）投了十几个亿美金。MiroThinker 不是为了赚你那点订阅费，它更像是陈天桥对“通用人工智能”的一次豪赌。 现在的AI分两路：一路是OpenAI那种，走“暴力美学”，拼算力、拼规模；另一路就是陈天桥这种，走“逻辑架构”，试图让AI像研究员一样思考。 为什么它写代码会“翻车”？ 前几天那场“HTML代码崩溃”的惨案，全网都在笑。说实话，310亿参数的模型写不出基础代码，确实丢人。 但这里有个逻辑陷阱：你不能因为一个核物理学家不会修马桶，就说他是骗子。... MiroThinker 的底层逻辑是 “Discoverative AI”（发现式AI）。它强在调用400多个工具去跑深度调研、去算地缘政治概率（就像我刚才给你分析的纳指和中东局势）。 它在“慢思考”领域确实有一套。如果你把它当成 ChatGPT 的替代品来写作业、写代码，那它就是个彻头彻尾的“废材”。 X上为什么吹得那么凶？ 这里面有两股力量：一股是“投机客”： 看着陈天桥的名头，想在AI赛道里找下一个暴富点，疯狂造势。 一股是“硬核派”： 他们受够了主流AI那种“一本正经胡说八道”的幻觉，MiroThinker 这种每说一句话都要翻几百遍资料、自我验证一遍的死板劲儿，确实戳中了一部分金融和科研人员的痛点。 到底行不行？看你拿它干什么： 如果你是想写公关稿、写代码、调戏机器人： 它是垃圾，别浪费时间。 如果你是想复盘纳指走势、算算中东开战对你手里那点股票的影响： 它的逻辑深度确实比现在的 GPT-5.4 还要稳一点。但是，经常给出模棱两可的说法，其实还是没有太大用处。 现在吹它的那些人，一半是看热闹的，另一半是还没被它那高达0.07美金一次的推理费吓跑的。 别看广告，看疗效。 在现在的乱世里，能帮你保住本金的工具才叫“行”，只会写诗的只能叫“玩”。 懂了吗？别被那些大V带节奏，自己心里要有杆秤。show 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

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

刚在抖音刷到个女版卡神，真的太绝了，那种气场、动作、眼神，全都一模一样，关键是还自带一种莫名的感觉，你懂我意思吧——就是那种「那种」的那种 刷着刷着我突然想起 Tria Tria 的 Beta，尤其是他们那个「yield 自治弧线」，说实话，这不就是链上的另一种 freestyle 吗？只是把跳舞换成了... farming、router、zkKYC，还有一堆你得自己琢磨明白的 friction。 我看越南那帮用户写UGC，一边撸点咖啡钱，一边还整得挺带感，不是为了炫，而是真的在用自己的方式 push 一套机制上线。你说他们懂不懂全局？未必。但他们写的每一句话、每一次意图提交，本质上都是在参与自治的共谋。 Tria这个设计我挺吃的，不是“你来我给奖励”，而是“你先动笔、我再给回应”。multipliers 不是随便塞糖，而是你有感、有参与、够真实之后，才会被引出来的一种“链上承认”。 整套Beta，更像一面镜子——你怎么用，它就怎么回你。自治不是系统开通了，而是你决定开始写那句还没写完的诗。 所以，链是冷的，但人写出来的那条线，可能是唯一的暖意。 #Triashow 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

为什么刘震云是刘震云？ 因为他能把一个人一辈子都绕不过去的事，写成一句最普通的家常话。 电影《一句顶一万句》，改编自刘震云的同名小说。 里面有一句话，特别轻。 轻到你第一次听见，可能都不会停下来。 但这句话在原著里出现了两次。 一部作品里，一句话反复出现，就不是随便写的。 它是刘震云真正看透日子以后，说出来的话： “过日子是过以后，不是过以前。”... 这句话，不只是写给曹青娥的，也不只是写给牛爱国的，它就是刘震云自己的觉醒。 一个人要活到一定年纪，经历过很多绕不过去的事，才会明白： 人这一生，最难的不是吃苦。 最难的是，别一直困在以前的苦里。 年轻的时候，总觉得有些事必须想明白。 为什么当初会那样？ 为什么那个人要那么对我？ 为什么那条路走错了？ 为什么明明已经很努力，结果还是不如人意？ 想来想去，日子还是一天一天过。 只是人慢慢被过去拖沉了。 后来才知道，过去的事，真的没法重新过一遍。 你再不甘，它也发生了。 你再后悔，它也改不了。 你再放不下，明天还是会来。 所以刘震云这句话狠就狠在这里。 它不是劝你忘了过去。 忘不了。 真正经历过的人都知道，有些事不是说放下就能放下。 它是在告诉你： 别再拿以前，继续过今天。 以前吃过的苦，留下教训就够了。 以前走错的路，认了、改了就够了。 以前离开的人，走远了也就走远了。 人这一生，真正能过的，永远是后面的日子。 身体要往后养。 心要慢慢放宽。 路也还得继续走。 刘震云厉害的地方就在这儿。 他不是站在高处讲道理。 他是把人活着最朴素、最疼、也最难做到的事，写成了一句家常话。 过日子是过以后，不是过以前。 这句话，表面是写人物。 其实是他自己过人生的方式。 人到了一定年纪，真要学会这一点： 别总回头。 后面的日子，才是真正要过的日子。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

我尼玛，Claude Fable 5今天把整个软件行业的底层逻辑给击穿了！ 以前做软件要几个月，现在只要15分钟，Claude Fable 5把产品经理和程序员的中间环节，直接干掉了。 也就是说，15分钟的销售电话打完， AI当场做出了客户要的可运行软件原型，喵个咪，这谁受得了啊🤯 Todd... Saunders，Dalton Mills AI 的 CEO，做的是 trades 行业的垂直 SaaS——建筑、家政、暖通这些。 他用刚发布的 Claude Fable 5， 在跟一个客户的销售电话里， 让 AI 在后台实时转录通话， 同时自主构建客户刚刚提到的软件功能。 通话结束，他当场演示了一个完全可运行的原型，精确匹配客户 15 分钟前描述的需求。 一个语音报价系统：AI 实时听服务电话，自动匹配价目表，识别 upsell 机会，生成 Good/Better/Best 三档方案，自动发提案短信。整个过程近乎零人工干预。 不是 简单的AI 辅助开发，直接对话即构建，damn！ 平复下激动的心情，这个案例最让我震惊的不只是AI 写代码快，AI 真的能听懂人话了啊啊啊， 然后一个长达几十年的产品开发范式，就这么被直接击穿了，holy sh*t！ 想一想过去几十年我们怎么干活的，客户跟你说工人在现场太乱经常算错钱，你记下来，回去消化，以为懂了， 画原型，约评审，排期，开发，几周后拿出来， 客户摇头说不对不是这么回事， 你一肚子委屈，说我每个字都记了，他说你记的是我说的话，不是我脑子里的东西。 这个循环叫理解-翻译-验证，短则几周长则几个月，整个行业就吃这碗饭的，我们管它叫专业服务。 但是今天，Fable 5 把这个循环干掉了，不是压缩啊兄弟们，直接彻底干掉了， 客户说，AI 听，AI 当场做出来，客户当场看对不对， 没有 PRD，没有你在内部群里发那个需求我回去评估一下，没有一切中间件， 从客户嘴里说出来的那一刻，一个能跑的东西就在屏幕上等着他。 这才是真正要命的地方，这哪是提效啊，简直把整个底层逻辑都改变了。 但我们也必须立刻面对一个最尖锐的问题，就是那客户为什么还需要你？这不就 15 分钟的事吗？ 这个问题必须正面面对，确实是客观存在的， 如果你对自己的定位只是把客户需求翻译成代码的那个人，那你完全可以被这 15 分钟取代，因为 AI 现在翻译得比你快，还不用开评审会。 但如果你做完项目就知道，原型和系统，中间隔着的不是几行代码，还有权限体系里那几十个你不知道为什么会存在的字段， 是客户二十年前的财务系统里藏着的那个没人敢动的数据表，是工人在负二层没信号的地方操作时该怎么缓存，也是某个老小区因为水压问题装不上你方案里那个完美的配件， 又或者是当地监管对报价条款里的某个措辞有特殊要求，这些东西，Fable 5 不知道，你问它它也不知道，它甚至不知道它不知道。 它的原型是乐高模型，系统是能住人的楼，之间的差距，专业术语叫工程判断，也可以叫领域责任，更可以叫为长期可用性兜底。 所以这个案例真正揭示的，不是谁会被替代，是什么在剧烈地变稀缺。 第一样，把 AI 的生成能力锚定在真实世界的复杂约束里， 这一下子就筛掉两种人：只会做原型不会做系统的人，和只会做系统但不懂行业的人。 留下的是那种，你问他这个需求能不能做，他会先问你那边现场平均信号几格、工人习惯左手拿手机还是右手、他们现在用的那个老系统数据库编码是 UTF-8 还是 GBK 的人。 第二样，领域知识， 我说的不是行业报告里那些漂亮话，是那些只有在这个行业干了十年才知道的脏东西。 AI 能生成完美的三档报价界面，但它不知道某个配件的供应商在雨季会涨价 30%，不知道某个话术在北方好使在南方会让客户挂电话，不知道这个工种的师傅脾气大你不能在流程里多加一步确认否则他宁愿不干，这些脏知识才是真正的护城河。 第三样，也是最被低估的一样：把原型变成可信赖系统的治理能力。 评估框架你怎么建，AI 改了这一处你怎么知道没把另一处改坏。 记忆持久化你怎么做，客户上次改的需求下次对话能不能记住。 错误恢复你怎么设计，流程跑到一半 AI 崩了用户看到什么。 多代理协作你怎么编排，一个 Agent 听电话提取意图，一个匹配价目表，一个检查合规，一个生成界面，人类在哪个节点介入裁决。 这些东西不酷，开会聊这些会让人想抽烟，但就是从酷到能用的最后那一公里。 Fable 5 和后续更强的模型，把生成这件事的成本和速度打到了一个新的量级。 这个量级意味着，做出一个看起来能用的东西，以后不再是任何人的竞争力。竞争的分水岭是，谁能把 AI 吐出来的东西，变成一个别人敢在上面跑业务、能长期依赖、出了问题找得到人负责的系统。 扯了这么多，最后一句话给大家共勉： 从今天起，把 80% 的精力，从怎么让 AI 生成得更快，转移到怎么为 AI 生成的东西负责，说白了，酷是给外人看的，稳是给我们自己续命的。show more

2017年我还在出租屋阳台抽烟的时候，比特币刚过1000美金 手里攒了几个币，说实话也不懂多深的逻辑，就是一点点买上来的 后来涨到3000，我卖了一部分，把家里的债清了 那一刻不是爽，是有点后怕——第一次意识到，这东西真能改变生活 但真正让我醒的，是2020年312那一波暴跌 一天腰斩，满屏爆仓 我提前几天把杠杆清掉了，反而在底下接了一点 年底回头看，那一小点仓位翻了好几倍 从那之后，我就不再折腾那些花里胡哨的东西了... 我做的事很简单：涨多了卖一点，跌狠了买一点 听起来像废话，但大多数人就是做不到 涨了舍不得卖，跌了不敢买，刚好反着来 这些年我也总结出一套特别笨的打法，但很稳 基本只碰比特币和以太坊，再加一个自己真的研究过的，其他的不看 你一旦什么都看，心就乱了，操作一定变形 钱一定分开，永远有一部分是不动的，有一部分是拿来做节奏的 这样不管行情怎么走，你不会慌 还有两个我一直死守的点：赚到一定比例，必须把本金拿出来 连续亏了，就停手，不跟市场赌气 你别小看这几条，很多人不是不会分析，是根本管不住自己 我现在看盘也很简单，就看价格，其他一堆指标早关了 越复杂，越容易把自己绕进去 说到底，炒币不是比谁更聪明，是比谁更能守规矩 你能做到买得少、拿得住、该走就走，已经赢大多数人了 我这些年赚的钱，不是靠抓了多少机会，是因为没乱来 如果你现在还在频繁操作、越做越乱，其实不是你不行，是没人把这个简单的东西讲透 想明白的，自己慢慢做也可以 想少走几年弯路的，来找程哥聊聊，我把这套最简单但最能活下来的逻辑，给你讲清楚@带单程哥 #币圈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

为什么这样子说呢，因为我听录音就是感觉那个女的在念稿子 然后今天那个女的，发推特了，说的是他名牌支持他的山野基金，我看了下全是内幕钱包在收割 一秒钟拉到了300K，然后瞬间就归零了 刚刚去他们空间喷了几句，那女的说他不知道，是别人送他的他就发推特支持了 然后空间里面一群洗脑大神正在洗脑 还有那个女的既然收到币她就可以发推支持，那么有没有可能那一句话，也是那几个车头让他说的 还有就是我对币安广场不熟悉，因为不知到那女的在排队的时候，下面的观众 比如那个深大高材生，王小二 冷静... 会不会私信她，让他念着一句话 因为他既然可以收币发推特支持别人的代币，那么他就可以收钱帮别人念稿子 这里是她当时的录音，大家可以听听，看像不像是念稿子，感觉她自己都记不出来这一句台词，完全就是照本宣科，读稿子 我请问下 你踏马支持的基金 ，你说一句别人给你打币了，你就发推特了，然后装无辜，说你被骗了？ 那别人被收割的人怎么办？ 一群车头还在那里CTO，我真不知道这些狗杂种会有多少花样可以玩出来 不愧为一个烧鸡，只要给钱，什么事都可以干 干了还说自己不会玩推特，我真是笑死了 去尼玛的 不要P脸的人，还有就是那些几万粉丝的大V，真的是闻到味道就去了，看见钱就两眼冒金花 我怕是掉钱眼眼里面去了，跟到蛆儿子一样，看见洞洞就往里钻 一看就是割韭菜的 真的垃圾 我草泥马 王小二 冷静 mirro 几个杂种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

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在... GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarketshow 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

独立开发者最大的幻觉："功能做出来，用户就会来。" 现实是：如果你在写第一行代码前没想清楚业务逻辑，这行代码注定是废代码。 没做过 PM 不知道怎么想？ PM Skills Marketplace 把... 100+ 个顶级产品经理的思考框架塞进了 Claude。 一个指令 /discover，AI 帮你跑完一整个真实的产品发现流程。 把节省下来的 3 个月乱写代码的时间，花在正确的方向上。 ⬇️👇show more

有钱就有自由，有钱就有尊严，男人不搞钱，拿什么面对生活的毒打？现在不是看热闹的时候，现在是下注命运的时候！这个项目，这波行情，就是给准备好了的人上的一班暴富列车！你要还是在犹豫，在怀疑，那注定只能是旁观者。兄弟们，评论区给我喊出来：我要暴富！我要翻身！给我一个机会，我能把天捅破！这不是梦想，这是现实中的破局点，就差你一个狠字！

看到好几个人发这个上海复兴路隧道在漏水的视频，都在说什么豆腐渣工程，隧道要塌了。 我觉得这就是很多海外极端反贼的问题，看到中国发生什么坏事就兴奋，完全失去了逻辑和理智。 我做过一期视频《大基建落幕》，分析中国的疯狂大基建已经进入大维修时代，但我是拿出具体数据和事实来讲这些事的。 像这个视频里的情况，官方说是车子撞上了消防设施，消防用水喷出。我觉得这是个合理的解释。我虽然不是什么隧道专家，但起码的物理常识是有的。这如果是隧道已经破裂，河水都已经开始用这样的水势在喷入的时候，那是多么巨大的水压，隧道根本撑不了多久就要崩塌了。况且，视频里明显可以看到确实有事故车在边上。 有些极端反贼总是认为只要是共产党的官方通报，就肯定都是假的，标点符号都不能相信。虽然中共确实经常造假，但我们还是要具体事情具体分析。 反贼们如果总是用这种不讲常识不讲逻辑的方式去反共，那么你只不过是天平另外一端的张维为和司马南罢了。那么你其实不是反贼，你成为了变相的大外宣，因为这种愚蠢的反共言论不会伤害中共一丝一毫，反而是在帮助中共。 我最大的担忧之一，就是那些刚刚学会翻墙的人一出来就看到那些支黑和极端反贼，反而把他们推向了中共的怀抱。

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

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

极致的利己，才是利他 如果你对别人好的目的是为了让别人对你好，那你直接对自己好不就行了？ 干嘛非要绕一圈？你要知道维系所有人与人之间的关系的基础不是情感，也不一定是利益，而是预期价值的博弈。 我很小的时候跟大多数人一样傻白甜，一个相信感情，相信人性本善，相信只要付出付出就有回报。 结果遭遇了现实一次又一次毒打，在经历一些事后，你最终会悟到：如果你一味的忍耐，那最后的结果就是忍无可忍；如果你一味的退让，最后结果注定是退无可退。 你被任何人抛弃都是因为在别人有选择的情况下不再对你的未来的价值抱有任何期待，你已经被人吸干了，看透了。 男女情感是这样，师徒关系是这样，被公司裁员是这样，找有钱的亲戚借钱被拒绝是这样，连子女长大后不再跟你联系也是这样。 只要认定了你今后不会再给我带来更大的利用价值或者情绪价值，你就注定被抛弃。 所以如果有一天你发现你跟某个人的关系突然变了，一点都不奇怪，就是因为你们彼此能提供的价值预期出现了偏差。... 不是有那么一句话吗？别人瞧不起你的原因并不一定是你现在不行，而是赌你今后也不行。那这道题怎么解？ • 第一，你必须要让自己一天比一天更好，创造被人期待的价值，这才是你命运的齿轮开始转动的象征。 你得把自己看成是一支股票，投资者最看重的不一定是你现在值多少钱，而是你未来值多少钱，这样的股票才能让收益最大化。所以你只要一天比一天更好，那你就对别人产生了预期价值，你的能量势能就像泡沫一样被放大很多倍。 凡事留一手，永远不要被人一眼看透，也不要做任何不计回报的付出，这些都是在降低别人对你的价值期待，让自己变得不值钱。 • 第二，你越是一文不值的时候，社交这件事对你的价值就更加一文不值。 而且你会发现往往在这个阶段所有的感情都会变成你内耗和痛苦的导火索，对你的影响全是负面的。在这个时候去社交，讲感情本质上跟自虐没有任何区别。 但你不去怪别人，因为人家什么都没做错，一切都只能怪自己太无能。 • 第三，人性无善恶，人性的本质是自私，最大的利己就是利他，最大的利他就是利己。所以我要干一件为了利己而利他的事。 很多人一辈子都想不明白这一点，开头我说到的直接对自己好并不是你想干什么就干什么，想买什么就买什么，而是我们时时刻刻都要把所有的注意力放在自己身上，来让自己成为那个拥有选择权的人，而不是一辈子都在被别人选择的那个人。 什么公平，什么正义，这只是社会的明规则，只有在利益博弈中失败的人才会去追求那些东西。 而在这个规则之下的潜规则就是一片充满博弈的残酷的黑暗森林，不是你吃了别人就是别人吃了你，你除了靠自己谁都靠不住。 当我对自己说完了这番话以后，只专注提升自己的价值，直到今天有资格瞧不起我的人，他们反而不会瞧不起我。 而那些没资格瞧不起我的人对我的攻击，我根本就不在乎，你害怕啥？ 当来自外界的任何东西都伤害不了你的时候，你就天下无敌。show more

硅谷那帮人，讲了一整年AI。 结果，还不如马克·库班几句话说得清楚。 AI到底是什么？ 一个工具。 一种学习方式。 这是有史以来最大规模的知识民主化。 但库班警告，这东西会把人分成两种。 第一种人，用AI，是为了让自己什么都不用学。 第二种人，用AI，是为了让自己有机会学会一切。... 一边是思想上的懒汉。 一边是知识上的探险家。 这条线，未来可能比贫富差距还重要。 它决定了谁是工具的主人，谁会变成工具的奴隶。 你会是哪一种？ 或者一个更尖锐的问题： 那些大公司和教育系统，希望你成为哪一种？show more