正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

#BTC 牛市周期预测表模型结论：真正意义上的牛市还未爆发，2025年10月份左右整体价格会进入阶段新高，模型预计今年可以看到15.8-20万美金的比特币为了更直观的展示，为大家二创了视频查看幂律模型说明：幂律支撑:(10^-17.361)x(days^5.839 价格/支撑峰值指数衰减:1+10^(1.838天x0.000233) 通道下界是幂律支撑。通道上界是支撑与峰值衰减的乘积以上循环无限重复并创造泡沫 ——泡沫是这个循环中重要且必要的组成部分。视频原创：apsk32 视频二创：看不懂的sol

看不懂的sol

161,870 subscribers

37,680 次观看 • 1 年前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

8 条评论

住二楼的林胖的头像

住二楼的林胖1 年前

不太同意，从宏观面看绝对没有这么乐观。先前的牛市必须建立在资金热潮下，而现在不仅没有释出流动性，更有可能继续收紧。今晚老鲍谈话便可见一斑。

Lark Davis 的头像

Lark Davis1 年前

2013: $BTC topped 367 days post-halving 2017: 526 days 2021: 548 days If the trend holds, next peak could hit in Oct 2025. Subscribe now and join 130K+ investors prepping for the next big cycle.

apsk32 的头像

apsk321 年前

Wow, your edit looks great. The method in the video does not use exponential decay. It's just a fit to a power curve and time shifts.

Jh113 的头像

Jh1131 年前

11.12月正好降息

币圈VIP付费社群汇总（转发群信息聚合）的头像

币圈VIP付费社群汇总（转发群信息聚合）1 年前

这个预测太吓人了，2025年比特币会飚到20万美金吗？太疯狂了吧！

哈几米_ksms🐶 的头像

哈几米_ksms🐶1 年前

11.12月正好降息

Sean 的头像

Sean1 年前

11月降息，看来10月份是一个比较好的逃跑的时机

Hunter Petty 的头像

Hunter Petty1 年前

弄的那些玄幻的数据和指标越来越复杂，价格和走势却越来越下探。

相关视频

#BTC 牛市周期预测表模型结论：真正意义上的牛市和山寨季还未爆发，2025年4月份左右整体价格会进入阶段新高，模型预计今年可以看到22.5万美金的比特币为了更直观的展示，为大家二创了视频查看幂律模型说明：幂律支撑:(10^-17.361)x(days^5.839 价格/支撑峰值指数衰减:1+10^(1.838天x0.000233) 通道下界是幂律支撑。通道上界是支撑与峰值衰减的乘积以上循环无限重复并创造泡沫 ——泡沫是这个循环中重要且必要的组成部分。

#BTC 牛市周期预测表模型结论：真正意义上的牛市和山寨季还未爆发，2025年4月份左右整体价格会进入阶段新高，模型预计今年可以看到22.5万美金的比特币为了更直观的展示，为大家二创了视频查看幂律模型说明：幂律支撑:(10^-17.361)x(days^5.839 价格/支撑峰值指数衰减:1+10^(1.838天x0.000233) 通道下界是幂律支撑。通道上界是支撑与峰值衰减的乘积以上循环无限重复并创造泡沫 ——泡沫是这个循环中重要且必要的组成部分。

看不懂的SOL

93,279 次观看 • 1 年前

牛市逃顶信号指标清单更新：#BTC 牛市周期预测表模型结论：真正意义上的牛市和山寨季还未爆发，2025年4月份左右整体价格会进入阶段新高：模型预计17万美金附近。为了更直观的展示，为大家制作了视频查看幂律模型说明：幂律支撑:(10^-17.361)x(days^5.839 价格/支撑峰值指数衰减:1+10^(1.838天x0.000233) 通道下界是幂律支撑。通道上界是支撑与峰值衰减的乘积以上循环无限重复并创造泡沫 ——泡沫是这个循环中重要且必要的组成部分。 #BTC #ETH

牛市逃顶信号指标清单更新：#BTC 牛市周期预测表模型结论：真正意义上的牛市和山寨季还未爆发，2025年4月份左右整体价格会进入阶段新高：模型预计17万美金附近。为了更直观的展示，为大家制作了视频查看幂律模型说明：幂律支撑:(10^-17.361)x(days^5.839 价格/支撑峰值指数衰减:1+10^(1.838天x0.000233) 通道下界是幂律支撑。通道上界是支撑与峰值衰减的乘积以上循环无限重复并创造泡沫 ——泡沫是这个循环中重要且必要的组成部分。 #BTC #ETH

看不懂的SOL

210,471 次观看 • 1 年前

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 次观看 • 8 个月前

Flux3真的很强！终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里主打图像、视频、音频和动作预测的统一架构。它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

Flux3真的很强！终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里主打图像、视频、音频和动作预测的统一架构。它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

huangserva

28,605 次观看 • 29 天前

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！爽用Seedance 2.0的感觉也太夯了！！赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！我相信很多人都想找一个好用又便宜的生成式模型API平台，说实话，真的很不好找！！大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜，要么就是个黑盒子，花钱用的啥模型都不知道！今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！果不其然，Pika还是太懂AI视频创作者了！基本上能用到的模型都包圆了，定价也特别香，应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！关键是，每月才10美金，可以用70多个生成式模型，不光是视频，主流模型都有，1个API能接住所有的模型需求！！所以搞了一个创意工作台，把原创的一些提示词做成预设，一键套用成片，效率直接拉满！！

最适合做AI视频的API平台终于被我找到了！! 成本比预期低很多！爽用Seedance 2.0的感觉也太夯了！！赶紧用Codex把很早就想做的“个人视觉创意工作台”安排上了！我相信很多人都想找一个好用又便宜的生成式模型API平台，说实话，真的很不好找！！大大小小的AI平台用了不少，要么贵的要死，要么可用模型少的可怜，要么就是个黑盒子，花钱用的啥模型都不知道！今天看到Pika Pika上线了Pika API Club，我就知道这事稳了！！果不其然，Pika还是太懂AI视频创作者了！基本上能用到的模型都包圆了，定价也特别香，应该都是从厂商拿的“集采价”，而且还让利给了用户！ Pika API定价比Runway、Fal等等都要便宜不少， Seedance 2.0的价格相对Runway，最高能便宜87%，相当于打1.3折！！关键是，每月才10美金，可以用70多个生成式模型，不光是视频，主流模型都有，1个API能接住所有的模型需求！！所以搞了一个创意工作台，把原创的一些提示词做成预设，一键套用成片，效率直接拉满！！

沐阳

24,812 次观看 • 18 天前

量化水平位算法：用 Market Profile + KDE 自动寻找支撑阻力昨天分享的是倾斜的动态趋势线，今天这条则是水平的筹码共识线。这支约 10 分钟的录制视频，展示了一套高度数据驱动、无未来视角的水平支撑/阻力位计算方法。不同于传统主观画线或简单看高低点，它结合了市场轮廓（Market Profile）、核密度估计（KDE）、时间衰减加权，以及地形学中的峰值显著性（Peak Prominence）算法。视频核心亮点： 1️⃣ 用 KDE 把价格直方图平滑成连续概率密度曲线 2️⃣ 时间加权：越近期的价格权重越高 3️⃣ ATR 自适应带宽：波动大时自动放宽平滑半径 4️⃣ 峰值显著性过滤：只保留真正「拔地而起」的强支撑/阻力峰 5️⃣ 严格滚动窗口，确保无未来数据泄漏最终结论很明确：上一期解决的是「价格以什么速度推进」，这一期解决的是「价格在哪个位置停留最多、换手最频繁」。两者结合使用，一个做入场触发，一个做止盈止损锚定，会更完整。想把支撑阻力从主观判断变成数据模型的朋友，可以看看这套方法。建议收藏，配合代码一起研究。

爱吃折耳根的Ace

26,556 次观看 • 9 天前

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,836 次观看 • 7 个月前

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

Ashlyn He

12,093 次观看 • 1 个月前

🔥特斯拉今年预计将投入创纪录的200亿美元资本支出！ 🚨方舟基金Tasha表示这并不意外，在ARK对特斯拉的估值模型中，本就假设了极为激进的投资。未来5年90%的价值来自Robotaxi，要实现大规模运营，必须提前重金投入，主要用于工厂和AI设施。她认为特斯拉具备无与伦比的规模化优势，几乎无人能及。

🔥特斯拉今年预计将投入创纪录的200亿美元资本支出！ 🚨方舟基金Tasha表示这并不意外，在ARK对特斯拉的估值模型中，本就假设了极为激进的投资。未来5年90%的价值来自Robotaxi，要实现大规模运营，必须提前重金投入，主要用于工厂和AI设施。她认为特斯拉具备无与伦比的规模化优势，几乎无人能及。

谢嘉琪

17,942 次观看 • 6 个月前

Adobe 发布了视频超分项目 VideoGigaGAN。从演示效果来看相当牛批，支持8倍视频放大，可以适应不同风格的视频。详细介绍：该模型能够生成既保持时间连贯性又具有高频细节的视频。VideoGigaGAN基于一个先进的大规模图像放大模型GigaGAN进行设计和优化。如果简单地将GigaGAN扩展为视频处理模型，并增加处理时间信息的模块，会引起视频中的严重闪烁问题。为解决这一问题，我们识别并改进了几个关键技术点，显著提升了视频的时间稳定性。通过在公开数据集上与其他先进的VSR模型对比，并展示8倍超分辨率的视频效果，我们验证了VideoGigaGAN的高效性。

Adobe 发布了视频超分项目 VideoGigaGAN。从演示效果来看相当牛批，支持8倍视频放大，可以适应不同风格的视频。详细介绍：该模型能够生成既保持时间连贯性又具有高频细节的视频。VideoGigaGAN基于一个先进的大规模图像放大模型GigaGAN进行设计和优化。如果简单地将GigaGAN扩展为视频处理模型，并增加处理时间信息的模块，会引起视频中的严重闪烁问题。为解决这一问题，我们识别并改进了几个关键技术点，显著提升了视频的时间稳定性。通过在公开数据集上与其他先进的VSR模型对比，并展示8倍超分辨率的视频效果，我们验证了VideoGigaGAN的高效性。

歸藏(guizang.ai)

17,965 次观看 • 2 年前

危险了！5w5 如果守不住，牛市逻辑就结束了！先说结论：比特币现在所处的位置，已经逼近一个真正的“临界边缘”。不是情绪上的悲观，而是数学、周期和逻辑本身给出的警告。如果跌破 5.5 万美元，那么2026就完全进入2022的熊市节奏了，这也意味这四年周期理论回来了。市场想要重回牛市节奏，需要再熬四年。接下来我们从数学角度来看看为啥这个临界点是5w5 一、周期涨幅越来越瘦，这是核心事实先看最关键的一组数字，让你一眼就看懂问题所在：比特币各个周期顶： 2013：≈ 1242 美元 2017：≈ 19700 美元 2021：≈ 69000 美元 2025：≈ 126000 美元得出每次涨幅倍数： 1,242 → 19,700：15.9 倍 19,700 → 69,000：3.5 倍 69,000 → 126,000：1.8 倍（史上最弱）二、为什么 1.8 倍这个数字如此重要？用一个最简单的逻辑理解它：我们定义： m = 周期峰值倍数 = 当前周期峰值 ÷ 上一轮周期高点 d = 本轮回撤比例（小数形式）那么数学上能保证周期结构不被破坏的条件是：当前周期底部 ≥ 上一轮的历史高点因为周期底部一般会被上一轮高点作为结构支持。按照公式计算：（pseudocode 形式）周期底部相对值 = 本轮峰值倍数 ×（1 – 回撤比例）如果这个值不低于上一轮历史高点，周期结构就“没有被突破”。套入当前数据：上一轮历史高点 ≈ 69,000 本轮峰值 ≈ 126,000 所以： m ≈ 126,000 ÷ 69,000 ≈ 1.8 带入公式可得出：最大允许回撤 ≈ 44% 也就是说：如果回撤超过这个比例，那么周期结构已经接近临界。三、现实已经突破安全边界事实证明：比特币从 ~126,000 跌到 60,000 以内的那波，对应回撤比例：回撤比例 ≈ (126,000 – 60,000) ÷ 126,000 ≈ 52%+ 这已经超出了 44% 的安全阈值。换句话说：如果上一轮高点应当构成结构性底部支撑，按现在的回撤幅度，这个支撑已经被强行突破了。周期模型本身开始发出“不稳”的信号。四、5.5 万美元，真正的生死线在哪里？接下来，最关键的点来了：如果价格进一步跌破 5.5 万美元：回撤比例 ≈ 56%，远超 44% 的允许上限当下周期底将比上一轮高点低 20% 以上下一个周期顶即便维持 1.8 倍，也只能涨到 ~9.9 万美元这意味着：周期增长逻辑彻底失效。即便下一个牛市也不会重启原来的爆发模式。这是数学规律，不是情绪。五、好消息 / 坏消息二选一这不是危言耸听，而是现实判断： 🌟 荣耀线（最理想）比特币必须：波动率大幅收缩回撤幅度远低于历史水平上一轮高点区域重新成为稳固支撑这种情况下即便周期峰值倍数缩小，风险收益比仍能被优化，比特币能实现长期稳健投资属性。 ⚰️ 毁灭线（最悲观）如果 5.5 万以下被确认：波动率依旧高企历史高点不再发挥支撑四年周期模型彻底失效周期交易逻辑不再主导市场在这种情况下：比特币不会消失，但原有的增长模型会终结。它可能继续波动、继续短线上涨，但资本化行情将无法重启。 🔄 重置线（唯一的救命稻草）要打破“收益倍率衰减”的趋势，需要真正的需求驱动力：大规模结构性资金配置进入主权国家或央行采用长期、不敏感于价格的刚性买盘只有这些，能真正重塑增长曲线。值得注意的是： ETF 本身已落地，所以它无法再单独成为“重置”力量。真正需要的是长期资金和刚性需求。六、技术结构也在逼近临界从技术面看，5.5 万不是随便的整数：它同时叠加了三重长期结构支撑： 3000 日趋势线（8 年级别） 2022 周期低点的成交量加权均价（VWAP）上一轮周期历史高点（6.9 万）延伸支撑如果在这些结构上彻底失守，那不仅是数学模型崩溃，更是技术位的崩溃。七、现实更扎心的方向性风险这次周期与前几次真的不同：过去：多数资产都有爆发性增长泡沫逻辑和资金增长逻辑相互叠加现在：整体上行空间被压缩波动率依旧高企很多代币表现惨淡大多数资产依靠杠杆、资金轮动赚钱，而非价值增长这意味着比特币和整个加密市场不再是“长期稳健资产”的简单叙事，而是更像一种高杠杆博弈场。八、长期隐患：协议层与未来演化的计时器这篇文章的核心不是技术协议讨论，但有一点值得长期关注：比特币协议本身必须在不破坏市场信任的情况下完成升级——尤其是抗量子能力层面。这是长期存续问题的底层逻辑之一。短期不影响价格，但长期是结构性隐患。九、最简单的判断标准（真正可操作）现在市场只有三种可能： 1）比特币重新站稳并守住 6.9 万美元 → 周期结构保留，荣耀线仍在。 2）价格维持在 5.5 万–6.9 万区间震荡 → 市场处于最大压力测试期。 3）持续跌破 5.5 万美元 → 在 1.8 倍弱周期背景下，发生结构性破位，市场格局将产生根本性改变。

危险了！5w5 如果守不住，牛市逻辑就结束了！先说结论：比特币现在所处的位置，已经逼近一个真正的“临界边缘”。不是情绪上的悲观，而是数学、周期和逻辑本身给出的警告。如果跌破 5.5 万美元，那么2026就完全进入2022的熊市节奏了，这也意味这四年周期理论回来了。市场想要重回牛市节奏，需要再熬四年。接下来我们从数学角度来看看为啥这个临界点是5w5 一、周期涨幅越来越瘦，这是核心事实先看最关键的一组数字，让你一眼就看懂问题所在：比特币各个周期顶： 2013：≈ 1242 美元 2017：≈ 19700 美元 2021：≈ 69000 美元 2025：≈ 126000 美元得出每次涨幅倍数： 1,242 → 19,700：15.9 倍 19,700 → 69,000：3.5 倍 69,000 → 126,000：1.8 倍（史上最弱）二、为什么 1.8 倍这个数字如此重要？用一个最简单的逻辑理解它：我们定义： m = 周期峰值倍数 = 当前周期峰值 ÷ 上一轮周期高点 d = 本轮回撤比例（小数形式）那么数学上能保证周期结构不被破坏的条件是：当前周期底部 ≥ 上一轮的历史高点因为周期底部一般会被上一轮高点作为结构支持。按照公式计算：（pseudocode 形式）周期底部相对值 = 本轮峰值倍数 ×（1 – 回撤比例）如果这个值不低于上一轮历史高点，周期结构就“没有被突破”。套入当前数据：上一轮历史高点 ≈ 69,000 本轮峰值 ≈ 126,000 所以： m ≈ 126,000 ÷ 69,000 ≈ 1.8 带入公式可得出：最大允许回撤 ≈ 44% 也就是说：如果回撤超过这个比例，那么周期结构已经接近临界。三、现实已经突破安全边界事实证明：比特币从 ~126,000 跌到 60,000 以内的那波，对应回撤比例：回撤比例 ≈ (126,000 – 60,000) ÷ 126,000 ≈ 52%+ 这已经超出了 44% 的安全阈值。换句话说：如果上一轮高点应当构成结构性底部支撑，按现在的回撤幅度，这个支撑已经被强行突破了。周期模型本身开始发出“不稳”的信号。四、5.5 万美元，真正的生死线在哪里？接下来，最关键的点来了：如果价格进一步跌破 5.5 万美元：回撤比例 ≈ 56%，远超 44% 的允许上限当下周期底将比上一轮高点低 20% 以上下一个周期顶即便维持 1.8 倍，也只能涨到 ~9.9 万美元这意味着：周期增长逻辑彻底失效。即便下一个牛市也不会重启原来的爆发模式。这是数学规律，不是情绪。五、好消息 / 坏消息二选一这不是危言耸听，而是现实判断： 🌟 荣耀线（最理想）比特币必须：波动率大幅收缩回撤幅度远低于历史水平上一轮高点区域重新成为稳固支撑这种情况下即便周期峰值倍数缩小，风险收益比仍能被优化，比特币能实现长期稳健投资属性。 ⚰️ 毁灭线（最悲观）如果 5.5 万以下被确认：波动率依旧高企历史高点不再发挥支撑四年周期模型彻底失效周期交易逻辑不再主导市场在这种情况下：比特币不会消失，但原有的增长模型会终结。它可能继续波动、继续短线上涨，但资本化行情将无法重启。 🔄 重置线（唯一的救命稻草）要打破“收益倍率衰减”的趋势，需要真正的需求驱动力：大规模结构性资金配置进入主权国家或央行采用长期、不敏感于价格的刚性买盘只有这些，能真正重塑增长曲线。值得注意的是： ETF 本身已落地，所以它无法再单独成为“重置”力量。真正需要的是长期资金和刚性需求。六、技术结构也在逼近临界从技术面看，5.5 万不是随便的整数：它同时叠加了三重长期结构支撑： 3000 日趋势线（8 年级别） 2022 周期低点的成交量加权均价（VWAP）上一轮周期历史高点（6.9 万）延伸支撑如果在这些结构上彻底失守，那不仅是数学模型崩溃，更是技术位的崩溃。七、现实更扎心的方向性风险这次周期与前几次真的不同：过去：多数资产都有爆发性增长泡沫逻辑和资金增长逻辑相互叠加现在：整体上行空间被压缩波动率依旧高企很多代币表现惨淡大多数资产依靠杠杆、资金轮动赚钱，而非价值增长这意味着比特币和整个加密市场不再是“长期稳健资产”的简单叙事，而是更像一种高杠杆博弈场。八、长期隐患：协议层与未来演化的计时器这篇文章的核心不是技术协议讨论，但有一点值得长期关注：比特币协议本身必须在不破坏市场信任的情况下完成升级——尤其是抗量子能力层面。这是长期存续问题的底层逻辑之一。短期不影响价格，但长期是结构性隐患。九、最简单的判断标准（真正可操作）现在市场只有三种可能： 1）比特币重新站稳并守住 6.9 万美元 → 周期结构保留，荣耀线仍在。 2）价格维持在 5.5 万–6.9 万区间震荡 → 市场处于最大压力测试期。 3）持续跌破 5.5 万美元 → 在 1.8 倍弱周期背景下，发生结构性破位，市场格局将产生根本性改变。

比特币橙子Trader

28,063 次观看 • 6 个月前

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

小互

38,838 次观看 • 9 个月前

段永平120亿疯狂买入泡泡马特，现已成为第二大股东。网传段是受其20多岁小女友影响买入的，我看未必，在去年田朴珺采访段永平的视频中，段就对泡泡马特表现出了浓厚兴趣，并表示虽然看不懂泡泡玛特，但是佩服创始人十几年一点一滴的付出，能把情绪价值的产品做到这个程度，是花了大功夫的。

段永平120亿疯狂买入泡泡马特，现已成为第二大股东。网传段是受其20多岁小女友影响买入的，我看未必，在去年田朴珺采访段永平的视频中，段就对泡泡马特表现出了浓厚兴趣，并表示虽然看不懂泡泡玛特，但是佩服创始人十几年一点一滴的付出，能把情绪价值的产品做到这个程度，是花了大功夫的。

一禅

85,876 次观看 • 2 个月前

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,282 次观看 • 3 个月前

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

预测真实世界下一秒北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是：它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备：理解真实世界的空间关系推理物体随时间变化的规律预测“世界下一秒”会是什么样不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中：首先把多模态信息包括图文视频都统一成了token；模型通过“预测下一个 token”来学习不同模态间的关系；任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”，而是让模型学习“世界是如何变化的”。意思就是它不再区分：这是一张图这是一句话这是视频的一帧在它眼里，它们都是同一套“世界积木”。然后模型只做一件事：预测下一块积木是什么如果下一块积木是一行字 → 它补全文字如果是下一帧画面 → 它补全动作如果是下一步结果 → 它推演世界变化所以：预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,792 次观看 • 8 个月前

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,373 次观看 • 7 个月前

今天是4月21日 BTC价格87390 1、兄弟们要注意了 BTC时隔3个月首次站到了线上（4小时MA260牛熊分界线）并且均线方向微微向上，这是多头走好的最直观的指标。 2、4小时突破站长MA250 ，并且MA250慢慢向上，很容易出现几个月的牛市的行情，（请看图） 3、合约单子日内等回踩做多为主，具体请看视频；TC 短期压力位 89610 ~ 90730，第一支撑位 85720，第二支撑位 84330 4、周末合约跟单7连胜，躺在赚钱有没有，有兴趣的留言888 参与一键跟单，社区胜率90%

今天是4月21日 BTC价格87390 1、兄弟们要注意了 BTC时隔3个月首次站到了线上（4小时MA260牛熊分界线）并且均线方向微微向上，这是多头走好的最直观的指标。 2、4小时突破站长MA250 ，并且MA250慢慢向上，很容易出现几个月的牛市的行情，（请看图） 3、合约单子日内等回踩做多为主，具体请看视频；TC 短期压力位 89610 ~ 90730，第一支撑位 85720，第二支撑位 84330 4、周末合约跟单7连胜，躺在赚钱有没有，有兴趣的留言888 参与一键跟单，社区胜率90%

天才俱乐部

14,008 次观看 • 1 年前

🔥3小时，上周我和会员们一起创造了这支价值6位数的视频广告！上周直播的时候，我现场直播这支视频的音乐制作、动画设计、配音设计、音效等，会员朋友们都看到了，今天这支视频已经正式发布，并且获得甲方的一致好评。我想没有什么比这个更值得开心的。如果你回看上周的直播，你会发现，我最终的成片基本就是直播时搭的框架，甚至连音乐都是会员说没有正版PR不能直接扩展音乐后，我现场演示手搓的。还是那句话，AI里最厉害的工具，就是TMD我自己！

🔥3小时，上周我和会员们一起创造了这支价值6位数的视频广告！上周直播的时候，我现场直播这支视频的音乐制作、动画设计、配音设计、音效等，会员朋友们都看到了，今天这支视频已经正式发布，并且获得甲方的一致好评。我想没有什么比这个更值得开心的。如果你回看上周的直播，你会发现，我最终的成片基本就是直播时搭的框架，甚至连音乐都是会员说没有正版PR不能直接扩展音乐后，我现场演示手搓的。还是那句话，AI里最厉害的工具，就是TMD我自己！

Master Xiao

21,541 次观看 • 7 个月前

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

宝玉

114,706 次观看 • 3 年前