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。

Claude 个人用户要刷脸实名了 7月8日开始，所有个人版 Claude 用户（Free、Pro、Max）在某些情况下会被要求上传政府签发的身份证件，并拍实时自拍照做人脸比对验证由第三方平台 Persona 处理。个人开发者是第一批被纳入验证范围的这个消息放在 Fable 5 被封的背景下看就很好理解了。模型发布第一天就被越狱，政府直接下令封禁，Anthropic 现在大概率是在用实名制来堵越狱和滥用的口子用 AI 以后可能跟开银行账户差不多了——得证明你是你对中国用户来说这个影响需要关注：如果验证只接受特定国家的证件，很多人可能连 Free 版都用不了了

Vincent

54,775 subscribers

37,296 次观看 • 2 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

韩跑跑

26,722 次观看 • 6 个月前

先洗个头，突然有个想法，为什么好多项目都在和 #Brevis 合作，是因为现在的项目，数据多、链多、格式乱，自己搞验证又麻烦又慢。 #Brevis 把链上的历史数据整理成可以直接用、可以验证的证明。以前每个项目都得自己建索引、自己算、自己验证，现在直接去 Brevis 要证明就行。他们的 AVS 节点也比较可靠，有很多大家熟悉的服务商，网络稳定性和去中心化做得还可以。对于需要链下计算的应用，这点很重要。想查用户历史操作，直接拿证明就能用。跨链逻辑也能复用证明，风控、身份、成就系统这些都能用同样的方式搞。帮开发者少做重复工作，让数据可以直接用，验证也靠谱。 #KaitoAI #Kaito #Yap Kaito AI 🌊 Brevis

先洗个头，突然有个想法，为什么好多项目都在和 #Brevis 合作，是因为现在的项目，数据多、链多、格式乱，自己搞验证又麻烦又慢。 #Brevis 把链上的历史数据整理成可以直接用、可以验证的证明。以前每个项目都得自己建索引、自己算、自己验证，现在直接去 Brevis 要证明就行。他们的 AVS 节点也比较可靠，有很多大家熟悉的服务商，网络稳定性和去中心化做得还可以。对于需要链下计算的应用，这点很重要。想查用户历史操作，直接拿证明就能用。跨链逻辑也能复用证明，风控、身份、成就系统这些都能用同样的方式搞。帮开发者少做重复工作，让数据可以直接用，验证也靠谱。 #KaitoAI #Kaito #Yap Kaito AI 🌊 Brevis

币自由 🐬

568,327 次观看 • 8 个月前

一定要看到最后，听哥老师说现在做系统升级越来越难，什么都互相牵着，一动就乱。他一说这个，我想到链上很多项目其实也差不多，大家都挤在一个模型里，久了就开始卡、开始不灵活。刚好最近看到 Miden Miden 的 Testnet v0.12 更新。他们把几个之前让用户和开发者觉得麻烦的点做了调整。对普通用户来说：地址格式重新做了，把加密和路由信息塞到地址里，发隐私资产基本跟普通转账差不多，不用额外处理那些密钥交换的步骤。签名方式也支持 ECDSA，平常用的以太坊钱包直接能用，不需要另外准备工具。对开发者：装环境变轻松了，就一条命令。节点多了基本的检测，让运维少踩点坑。这些对用过隐私链的人来说算是比较实在的改动，主要是减少操作的门槛。然后 #Miden 不是围绕统一大状态这种结构，而是把东西拆成一个个独立的小单元（他们叫 notes）。钱包、资产、应用都能这样处理，逻辑各在各的范围里跑，互不干扰。还有一个点是他们把运算放到用户设备上，你算完再把证明交给链验证。链的任务变简单，用户这边的动作也不被统一的链负担拖慢。对企业那类使用场景，他们是靠 STARK 技术在隐私、合规、验证这三件事之间找一个平衡：数据加密、监管需要的时候可以验证但不用公开全部内容、链能确认操作的真实性。团队内部有人提过 TGE 大概在 2026 年 Q1，这时间点也算公开信息。有后续我再说。 #Miden #zk Miden #KaitoAI #Kaito #Yaps Kaito AI 🌊

一定要看到最后，听哥老师说现在做系统升级越来越难，什么都互相牵着，一动就乱。他一说这个，我想到链上很多项目其实也差不多，大家都挤在一个模型里，久了就开始卡、开始不灵活。刚好最近看到 Miden Miden 的 Testnet v0.12 更新。他们把几个之前让用户和开发者觉得麻烦的点做了调整。对普通用户来说：地址格式重新做了，把加密和路由信息塞到地址里，发隐私资产基本跟普通转账差不多，不用额外处理那些密钥交换的步骤。签名方式也支持 ECDSA，平常用的以太坊钱包直接能用，不需要另外准备工具。对开发者：装环境变轻松了，就一条命令。节点多了基本的检测，让运维少踩点坑。这些对用过隐私链的人来说算是比较实在的改动，主要是减少操作的门槛。然后 #Miden 不是围绕统一大状态这种结构，而是把东西拆成一个个独立的小单元（他们叫 notes）。钱包、资产、应用都能这样处理，逻辑各在各的范围里跑，互不干扰。还有一个点是他们把运算放到用户设备上，你算完再把证明交给链验证。链的任务变简单，用户这边的动作也不被统一的链负担拖慢。对企业那类使用场景，他们是靠 STARK 技术在隐私、合规、验证这三件事之间找一个平衡：数据加密、监管需要的时候可以验证但不用公开全部内容、链能确认操作的真实性。团队内部有人提过 TGE 大概在 2026 年 Q1，这时间点也算公开信息。有后续我再说。 #Miden #zk Miden #KaitoAI #Kaito #Yaps Kaito AI 🌊

币自由 🐬

283,058 次观看 • 8 个月前

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

超级个体｜柿子

94,325 次观看 • 1 个月前

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 次观看 • 1 个月前

今天说这个小红书不应该开店的事儿在小红书 12k 播放，抖音 12w 播放，现在还在涨然后就发生了一个事儿，我觉得可以很好地解释很多人无法赚钱的原因 1、我说别在自己账号开店，重新开个店，对方说身份证实名不够用了 2、我说那你就花点钱解决，600 块钱用个体户认证，就不占用身份证了，对方说还没开始赚钱，就花 600 太亏于是这个事儿就死锁在这了，不能上也不能下，无限内耗也许他花了这个 600，就有一个能赚钱的生意，未必能持久，但至少有机会有机会，就有可能能辞职，也许人生就往另外一个路线走但这些可能性通通不存在了，他的先天基因和后天经历，决定了他这一生在遇到任何一个极小的门槛的时候，都会卡住就这样吧，完犊子

今天说这个小红书不应该开店的事儿在小红书 12k 播放，抖音 12w 播放，现在还在涨然后就发生了一个事儿，我觉得可以很好地解释很多人无法赚钱的原因 1、我说别在自己账号开店，重新开个店，对方说身份证实名不够用了 2、我说那你就花点钱解决，600 块钱用个体户认证，就不占用身份证了，对方说还没开始赚钱，就花 600 太亏于是这个事儿就死锁在这了，不能上也不能下，无限内耗也许他花了这个 600，就有一个能赚钱的生意，未必能持久，但至少有机会有机会，就有可能能辞职，也许人生就往另外一个路线走但这些可能性通通不存在了，他的先天基因和后天经历，决定了他这一生在遇到任何一个极小的门槛的时候，都会卡住就这样吧，完犊子

dontbesilent

83,790 次观看 • 11 个月前

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️ 🐬TermMax

27,155 次观看 • 7 个月前

Reddit的联合创始人承认：我们最初的用户，基本上是伪造的。怎么伪造？就是他和另一个创始人Steve，用不同的用户名不断发帖。最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。先创造出一个“很多人在用”的假象。等真实的用户进来，看到一个热闹的社区，自然就留下了。这就是硅谷著名的增长黑客策略：“Fake it till you make it”。先用欺骗手段制造繁荣，再用繁荣吸引真实用户。这套玩法是不是很熟悉？从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。控制叙事的基因，从第一天就写在代码里了。一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？这仅仅是一个创业故事，还是一种系统性欺骗的开端？

Reddit的联合创始人承认：我们最初的用户，基本上是伪造的。怎么伪造？就是他和另一个创始人Steve，用不同的用户名不断发帖。最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。先创造出一个“很多人在用”的假象。等真实的用户进来，看到一个热闹的社区，自然就留下了。这就是硅谷著名的增长黑客策略：“Fake it till you make it”。先用欺骗手段制造繁荣，再用繁荣吸引真实用户。这套玩法是不是很熟悉？从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。控制叙事的基因，从第一天就写在代码里了。一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？这仅仅是一个创业故事，还是一种系统性欺骗的开端？

墓碑科技

157,304 次观看 • 8 个月前

中国的“数位身分证”在7月15日正式上路，只要透过身分证进行线上验证，就可以获得一组“网号”和“网证”，并可用来注册多个网站平台。 💻 虽然官方宣称，这项措施是为了减少各平台采集的用户个资、预防诈骗，但不少人担心，这会让中国政府能进一步追踪每个人使用的网站和App，而且还可能被“一键封号”。目前这项措施还处于“自愿申办”阶段，但专家已纷纷表达关切，认为“数位身分证”会让中国民众更有意识地进行“自我审查”👀。你对中国的“数位身分证”有什么看法？到底是打诈神器还是另一个言论审查的工具？ 🤔

中国的“数位身分证”在7月15日正式上路，只要透过身分证进行线上验证，就可以获得一组“网号”和“网证”，并可用来注册多个网站平台。 💻 虽然官方宣称，这项措施是为了减少各平台采集的用户个资、预防诈骗，但不少人担心，这会让中国政府能进一步追踪每个人使用的网站和App，而且还可能被“一键封号”。目前这项措施还处于“自愿申办”阶段，但专家已纷纷表达关切，认为“数位身分证”会让中国民众更有意识地进行“自我审查”👀。你对中国的“数位身分证”有什么看法？到底是打诈神器还是另一个言论审查的工具？ 🤔

DW 中文- 德国之声

96,126 次观看 • 1 年前

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,532 次观看 • 7 个月前

Abhishek，一个普通的独立开发，靠做平替软件，月入 $10k+。他的这套打法，很值得每个独立开发者学习。他的思路很简单：不做创新，专门盯已经跑通的大产品，比如 Typeform 这种。这些产品功能强，但问题也很明显—越来越贵、越来越复杂。他第一步不是写代码，而是去看用户怎么骂。在各种点评网站、论坛里蹲着，只看两类评论： “太贵了”、“用不到这么多功能”。当这种声音足够多，他就确定方向了：做一个更轻量、更便宜的版本。但他也没有马上开发。而是先做了一个极简页面，直接写：某某产品平替，只要 1/10 价格，直接把支付按钮都放上去了。然后把这个页面丢回用户聚集的地方。有人付钱，他才开始做；没人买，直接换方向。最后做出来的产品，只保留核心功能，够用就行，用低价去吃那批对价格敏感的用户。整套流程：看差评 → 做减法 → 低价切入 → 先收钱再开发他成功的秘诀其实就是把已经被验证过的需求，用更简单、更便宜的方式再做一遍。

Abhishek，一个普通的独立开发，靠做平替软件，月入 $10k+。他的这套打法，很值得每个独立开发者学习。他的思路很简单：不做创新，专门盯已经跑通的大产品，比如 Typeform 这种。这些产品功能强，但问题也很明显—越来越贵、越来越复杂。他第一步不是写代码，而是去看用户怎么骂。在各种点评网站、论坛里蹲着，只看两类评论： “太贵了”、“用不到这么多功能”。当这种声音足够多，他就确定方向了：做一个更轻量、更便宜的版本。但他也没有马上开发。而是先做了一个极简页面，直接写：某某产品平替，只要 1/10 价格，直接把支付按钮都放上去了。然后把这个页面丢回用户聚集的地方。有人付钱，他才开始做；没人买，直接换方向。最后做出来的产品，只保留核心功能，够用就行，用低价去吃那批对价格敏感的用户。整套流程：看差评 → 做减法 → 低价切入 → 先收钱再开发他成功的秘诀其实就是把已经被验证过的需求，用更简单、更便宜的方式再做一遍。

开发者Hailey

38,988 次观看 • 4 个月前

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

Yihui

74,963 次观看 • 9 个月前

无臂男子免费乘地铁被要求出示残疾证，地铁：规定必须出示证件核验！这个政策初衷和目的是照顾残疾人，要出示证件是为了一些可能不怎么容易辨识残疾的人，也能凭证享受政策！现在这个人逻辑是有证就能享受，管你真不真残疾！

无臂男子免费乘地铁被要求出示残疾证，地铁：规定必须出示证件核验！这个政策初衷和目的是照顾残疾人，要出示证件是为了一些可能不怎么容易辨识残疾的人，也能凭证享受政策！现在这个人逻辑是有证就能享受，管你真不真残疾！

🌿长大以后要变老虎🌱🌙

425,550 次观看 • 2 年前

没有身份证，在美国连很多日常动作都做不了。开银行账户，要身份证。找工作，要身份证。坐飞机，要身份证。贷款，要身份证。买烟草、买酒，也要身份证。连申请政府福利，都绕不开身份证明。可一到投票，身份证明突然就被包装成“限制投票”。这才是最荒唐的地方。一个社会明明知道，烟酒、航班、贷款、工作、福利这些事都需要验证身份。因为这些行为有风险，有责任，有资格边界。结果到了决定谁掌握公权力、谁制定税法、谁任命官员、谁控制边境的时候，身份验证反而成了敏感词。这不是技术问题。这是规则一致性问题。同一套公共秩序，不能在买酒时相信身份证，在投票时突然假装身份证是压迫工具。不能在普通人贷款时要求证明“你是谁”，在选举权力流向哪里时却说“别问太多”。真正值得盯的，是谁从这种不一致里获利。普通人被要求守规矩，机构却在最关键的入口处降低验证门槛。这会伤到的不是某一党某一派，而是选举本身的可信度。投票是公民权利。身份证明是制度底线。把底线说成压制，最后损失的是每一个合法选民的票。

没有身份证，在美国连很多日常动作都做不了。开银行账户，要身份证。找工作，要身份证。坐飞机，要身份证。贷款，要身份证。买烟草、买酒，也要身份证。连申请政府福利，都绕不开身份证明。可一到投票，身份证明突然就被包装成“限制投票”。这才是最荒唐的地方。一个社会明明知道，烟酒、航班、贷款、工作、福利这些事都需要验证身份。因为这些行为有风险，有责任，有资格边界。结果到了决定谁掌握公权力、谁制定税法、谁任命官员、谁控制边境的时候，身份验证反而成了敏感词。这不是技术问题。这是规则一致性问题。同一套公共秩序，不能在买酒时相信身份证，在投票时突然假装身份证是压迫工具。不能在普通人贷款时要求证明“你是谁”，在选举权力流向哪里时却说“别问太多”。真正值得盯的，是谁从这种不一致里获利。普通人被要求守规矩，机构却在最关键的入口处降低验证门槛。这会伤到的不是某一党某一派，而是选举本身的可信度。投票是公民权利。身份证明是制度底线。把底线说成压制，最后损失的是每一个合法选民的票。

战斗室

11,078 次观看 • 1 个月前

你真的完全信任Ai吗？如果AI 真要帮你进入交易、钱包、风控和链上执行时，你肯定会担心靠不靠谱。现在大多数 AI 产品还是黑盒。你输入一句话，它给你一个结果。中间调用了哪个模型、用了哪些数据、有没有被篡改、执行过程是不是真实发生过，用户基本看不到。如果只是生成图片、写文章，出错了还能改。但如果 AI Agent 以后开始帮你管理资产、执行交易、调用合约、判断项目风险，这个问题就不是体验问题，而是资金安全问题。 OpenGradient OpenGradient (∇, ∇) 要解决的就是这个问题。它做的是可验证 AI 基础设施，让 AI 的推理过程和执行结果可以被证明，而不是只靠平台一句“相信我”。对普通用户来说，它能解决几个具体问题：第一，减少 AI 黑盒带来的不确定性。以后 AI 给出交易建议、风控判断、链上执行结果，不只是给你一个答案，还能留下可验证的证明。用户可以知道这个结果不是凭空编的，也不是中间被人动过手脚。第二，让 AI Agent 管理资产更安全。 AI Agent 如果未来要帮用户自动执行 DeFi 操作、管理钱包权限、处理交易任务，背后必须有一套能验证执行过程的系统。否则用户把资产权限交出去，本质上还是在赌平台不会出问题。第三，降低开发者接入 AI 的成本。 OpenGradient 提供模型托管、可验证推理和链上证明能力，开发者不用自己搭一整套 AI 计算和验证系统，就能把 AI 能力接到链上应用里。项目本身也是做到了打铁自身也够硬。 OpenGradient 已经托管了 4500 多个开源 AI 模型，处理过数百万次可验证推理，并生成了大量链上证明。融资方面，a16z crypto、Coinbase Ventures、SV Angel 等机构都参与过，团队成员背景也覆盖 Google、Amazon、NASA、Palantir 等公司和机构。它的前景主要看 AI Agent 能不能真正走向资产场景。如果 AI 只停留在聊天和内容生成，可验证推理的价值不会被完全放大。但只要 AI 开始接触交易、钱包、合约和现实任务，用户就一定会关心三件事：它有没有乱执行，结果能不能查，出问题能不能追溯。这也是 OpenGradient 这类项目的机会。 AI + Crypto 后面不会只看谁会包装概念，真正能留下来的项目，大概率要能解决实际问题。可验证推理、可信执行、链上审计，都是 AI 进入金融和资产场景前绕不开的基础能力。这次 $OPG 上线币安，也说明 Binance 对 AI + Crypto 基础设施方向还在持续加码。对于 BNB Holder 来说，这次新一期的空投和 TGE 再次展现了 BNB 的底层入口价值。现在持有 BNB 的权益正在从以前单纯的打新、手续费减免（现货和杠杆交易手续费低至 7.5 折），进一步升级为捕获早期 AI 核心基建红利的金铲子。在这个阶段，与其在二级市场顶着高风险频繁换仓去搏一些短生命周期的项目，不如把 BNB 当作稳健的底仓配置。通过长期持仓持续吃足每一期生态发展的空投和赋能红利，拿稳生息资产带来的现金流，在不确定的市场里反而是确定性更高的玩法。如果你本来就持有 BNB，可以关注后续 Binance Wallet 和 BNB 生态相关机会：我的判断是，OpenGradient 这类项目看的不是短期热度，而是 AI Agent 以后进入资产世界时，市场到底需不需要一套可验证的执行基础设施。如果这个需求成立，可验证 AI 会是 AI + Crypto 里绕不开的一环。

你真的完全信任Ai吗？如果AI 真要帮你进入交易、钱包、风控和链上执行时，你肯定会担心靠不靠谱。现在大多数 AI 产品还是黑盒。你输入一句话，它给你一个结果。中间调用了哪个模型、用了哪些数据、有没有被篡改、执行过程是不是真实发生过，用户基本看不到。如果只是生成图片、写文章，出错了还能改。但如果 AI Agent 以后开始帮你管理资产、执行交易、调用合约、判断项目风险，这个问题就不是体验问题，而是资金安全问题。 OpenGradient OpenGradient (∇, ∇) 要解决的就是这个问题。它做的是可验证 AI 基础设施，让 AI 的推理过程和执行结果可以被证明，而不是只靠平台一句“相信我”。对普通用户来说，它能解决几个具体问题：第一，减少 AI 黑盒带来的不确定性。以后 AI 给出交易建议、风控判断、链上执行结果，不只是给你一个答案，还能留下可验证的证明。用户可以知道这个结果不是凭空编的，也不是中间被人动过手脚。第二，让 AI Agent 管理资产更安全。 AI Agent 如果未来要帮用户自动执行 DeFi 操作、管理钱包权限、处理交易任务，背后必须有一套能验证执行过程的系统。否则用户把资产权限交出去，本质上还是在赌平台不会出问题。第三，降低开发者接入 AI 的成本。 OpenGradient 提供模型托管、可验证推理和链上证明能力，开发者不用自己搭一整套 AI 计算和验证系统，就能把 AI 能力接到链上应用里。项目本身也是做到了打铁自身也够硬。 OpenGradient 已经托管了 4500 多个开源 AI 模型，处理过数百万次可验证推理，并生成了大量链上证明。融资方面，a16z crypto、Coinbase Ventures、SV Angel 等机构都参与过，团队成员背景也覆盖 Google、Amazon、NASA、Palantir 等公司和机构。它的前景主要看 AI Agent 能不能真正走向资产场景。如果 AI 只停留在聊天和内容生成，可验证推理的价值不会被完全放大。但只要 AI 开始接触交易、钱包、合约和现实任务，用户就一定会关心三件事：它有没有乱执行，结果能不能查，出问题能不能追溯。这也是 OpenGradient 这类项目的机会。 AI + Crypto 后面不会只看谁会包装概念，真正能留下来的项目，大概率要能解决实际问题。可验证推理、可信执行、链上审计，都是 AI 进入金融和资产场景前绕不开的基础能力。这次 $OPG 上线币安，也说明 Binance 对 AI + Crypto 基础设施方向还在持续加码。对于 BNB Holder 来说，这次新一期的空投和 TGE 再次展现了 BNB 的底层入口价值。现在持有 BNB 的权益正在从以前单纯的打新、手续费减免（现货和杠杆交易手续费低至 7.5 折），进一步升级为捕获早期 AI 核心基建红利的金铲子。在这个阶段，与其在二级市场顶着高风险频繁换仓去搏一些短生命周期的项目，不如把 BNB 当作稳健的底仓配置。通过长期持仓持续吃足每一期生态发展的空投和赋能红利，拿稳生息资产带来的现金流，在不确定的市场里反而是确定性更高的玩法。如果你本来就持有 BNB，可以关注后续 Binance Wallet 和 BNB 生态相关机会：我的判断是，OpenGradient 这类项目看的不是短期热度，而是 AI Agent 以后进入资产世界时，市场到底需不需要一套可验证的执行基础设施。如果这个需求成立，可验证 AI 会是 AI + Crypto 里绕不开的一环。

神币 🔶 馬良

22,142 次观看 • 2 个月前

Wise新币入金新加坡盈立证券的完整流程。新加坡盈立证券开户，纯国内身份证开户，交易港美新加坡股，不用地址证明，注册的时候用我的邀请码：4kbz，不用入金，开户之后直接领取0.02股特斯拉，卖了8美元，直接可以提现到Wise钱包里面。 Wise注册的教程: 现在政策一直收缩，看到这条消息的人，都把新加坡盈立证券开通了，可以不用，不能没有。

Wise新币入金新加坡盈立证券的完整流程。新加坡盈立证券开户，纯国内身份证开户，交易港美新加坡股，不用地址证明，注册的时候用我的邀请码：4kbz，不用入金，开户之后直接领取0.02股特斯拉，卖了8美元，直接可以提现到Wise钱包里面。 Wise注册的教程: 现在政策一直收缩，看到这条消息的人，都把新加坡盈立证券开通了，可以不用，不能没有。

太阳闯关记

36,485 次观看 • 5 个月前

现在的确想保留双重身份基本上是不可能了。过海关只要持有外国护照的华人出生地在中国的没有户籍注销证明的一概得去注销。如果是国内护照过海关，你得有签证吧，出入境管理的也很严。总之几乎是不可能了，早晚的事。

现在的确想保留双重身份基本上是不可能了。过海关只要持有外国护照的华人出生地在中国的没有户籍注销证明的一概得去注销。如果是国内护照过海关，你得有签证吧，出入境管理的也很严。总之几乎是不可能了，早晚的事。

WangNextDoor

32,927 次观看 • 4 个月前

兄弟们，DeepSeek V4 Pro在ZenMux上免费放开了，登录就能跑，实测能替掉你80%的Claude活。视频是我早上实测的和Claude opus 4.7同时跑一个昨SaaS产品网站的任务，效果真的炸裂！说个前情，老朋友都知道我今年Claude被封过一次号，那之后我就想通一件事——API这种东西绑死在单一厂商手里是给自己埋雷，付费用户说封就封，申诉通道石沉大海，深夜破防一次就够了。从那之后我转战聚合平台，试了一圈最后留在ZenMux，半年用下来没再折腾过。所以这次V4 Pro在ZenMux上免费开放，对我来说不是又一个新模型上线，是我一直在用的平台又多了一张能打的牌，顺手就想推给兄弟们。先说V4 Pro到底值不值得冲，这几天X上吹V4 Pro的推刷屏了，参数跑分价格屠杀，都是同一个模板。但对我这种每个月真金白银付API账单的人来说，跑分都是虚的，能不能替掉我手头项目里的Claude调用才是真问题。免费窗口就是用来验证这件事的，我这昨天就干了一件事——用ZenMux的PK模式把V4 Pro、GPT-5.4、Claude Opus 4.6摆在同一屏，拿自己项目里最头疼的prompt开跑，三栏并排输出，谁快谁慢谁token烧得少一眼看完。四个场景跑完结论很清晰——日常80%的活V4 Pro能接，便宜到让我下不去手再用Opus，剩下20%极限稳定性的关键链路我还是留给Claude兜底。这就是模型分层，上周讲Ling的时候也提过这个逻辑，2026年不存在一个模型打天下，只存在你工具箱里的模型组合。顺便说说ZenMux这平台为啥值得留下来。 PK模式是第一个杀手锏，三家模型同屏对比这种功能市面上很少有平台做，每次选模型省我一整个下午，比自己写脚本调三家API再人肉对比快十倍。真正让我踏实的是保险赔付机制，模型输出异常或者延时拉胯，平台自动检测并补偿。被Claude封过号之后再看到这个设计，感觉完全不一样，出问题有人兜底，不用再深夜破防。再加上日志、成本、用量、性能四个维度的可观测性做得细，每一笔钱烧在哪、每一次请求卡在哪点开就能看，调prompt和选型的时候非常好使。回到这次的白嫖窗口， DeepSeek V4 Pro和Flash都有免费版，每天有用量限制但够你跑测试。这几天想验证要不要换模型的兄弟，别再刷跑分推了，自己扔几个真实prompt进去跑一遍，十分钟你就知道该不该换，比谁的测评都诚实🌚 免费入口老规矩评论区自取⬇️ #DeepSeekV4 #ZenMux #AI #大模型 #Agent

兄弟们，DeepSeek V4 Pro在ZenMux上免费放开了，登录就能跑，实测能替掉你80%的Claude活。视频是我早上实测的和Claude opus 4.7同时跑一个昨SaaS产品网站的任务，效果真的炸裂！说个前情，老朋友都知道我今年Claude被封过一次号，那之后我就想通一件事——API这种东西绑死在单一厂商手里是给自己埋雷，付费用户说封就封，申诉通道石沉大海，深夜破防一次就够了。从那之后我转战聚合平台，试了一圈最后留在ZenMux，半年用下来没再折腾过。所以这次V4 Pro在ZenMux上免费开放，对我来说不是又一个新模型上线，是我一直在用的平台又多了一张能打的牌，顺手就想推给兄弟们。先说V4 Pro到底值不值得冲，这几天X上吹V4 Pro的推刷屏了，参数跑分价格屠杀，都是同一个模板。但对我这种每个月真金白银付API账单的人来说，跑分都是虚的，能不能替掉我手头项目里的Claude调用才是真问题。免费窗口就是用来验证这件事的，我这昨天就干了一件事——用ZenMux的PK模式把V4 Pro、GPT-5.4、Claude Opus 4.6摆在同一屏，拿自己项目里最头疼的prompt开跑，三栏并排输出，谁快谁慢谁token烧得少一眼看完。四个场景跑完结论很清晰——日常80%的活V4 Pro能接，便宜到让我下不去手再用Opus，剩下20%极限稳定性的关键链路我还是留给Claude兜底。这就是模型分层，上周讲Ling的时候也提过这个逻辑，2026年不存在一个模型打天下，只存在你工具箱里的模型组合。顺便说说ZenMux这平台为啥值得留下来。 PK模式是第一个杀手锏，三家模型同屏对比这种功能市面上很少有平台做，每次选模型省我一整个下午，比自己写脚本调三家API再人肉对比快十倍。真正让我踏实的是保险赔付机制，模型输出异常或者延时拉胯，平台自动检测并补偿。被Claude封过号之后再看到这个设计，感觉完全不一样，出问题有人兜底，不用再深夜破防。再加上日志、成本、用量、性能四个维度的可观测性做得细，每一笔钱烧在哪、每一次请求卡在哪点开就能看，调prompt和选型的时候非常好使。回到这次的白嫖窗口， DeepSeek V4 Pro和Flash都有免费版，每天有用量限制但够你跑测试。这几天想验证要不要换模型的兄弟，别再刷跑分推了，自己扔几个真实prompt进去跑一遍，十分钟你就知道该不该换，比谁的测评都诚实🌚 免费入口老规矩评论区自取⬇️ #DeepSeekV4 #ZenMux #AI #大模型 #Agent

AYi

132,811 次观看 • 3 个月前

Claude Code 用了2个月 17,600,000 tokens 消耗 4,100 次对话连续 74 天每天使用这是一个人真实的数据。他把这 2 个月学到的所有东西，整理成了 45 条技巧，放在 GitHub 上免费给所有人用。里面有些东西我看完直接愣了：原来可以让 Claude Code 在容器里跑另一个 Claude Code，全程不需要审批任何操作。原来系统提示词可以被直接砍掉一半，凭空多出 10,000 个 token 的空间。原来他用 Claude Code 做调研，真的省出了 $10,000。 7400 Star。519 次 Fork。这不是教程。这是一个人 31 个月的经验压缩包。项目👇

Claude Code 用了2个月 17,600,000 tokens 消耗 4,100 次对话连续 74 天每天使用这是一个人真实的数据。他把这 2 个月学到的所有东西，整理成了 45 条技巧，放在 GitHub 上免费给所有人用。里面有些东西我看完直接愣了：原来可以让 Claude Code 在容器里跑另一个 Claude Code，全程不需要审批任何操作。原来系统提示词可以被直接砍掉一半，凭空多出 10,000 个 token 的空间。原来他用 Claude Code 做调研，真的省出了 $10,000。 7400 Star。519 次 Fork。这不是教程。这是一个人 31 个月的经验压缩包。项目👇

axiaisacat

35,662 次观看 • 4 个月前

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。年化 40 亿美金，Claude Code 25 亿，差一截。这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。年化 40 亿美金，Claude Code 25 亿，差一截。这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：

Yanhua

27,570 次观看 • 1 个月前