Загрузка видео...

Не удалось загрузить видео

На главную

Kimi要去香港上市了，一次发布同时完成了三件事：产品更新、市场重定价、IPO 预路演，喵的真是一场伟大的操盘！！！ K3发布前脚刚砸跌纳斯达克1%，然后转头Kimi就启动港股IPO筹备，一场发布干了几个亿路演的活，真特么牛逼，背后有高人哈哈，来一起回顾这场牛逼的操盘吧： 7 月 17 日凌晨，月之暗面发了 Kimi K3，2.8 万亿参数，Arena 前端代码排名第一，即将开源。 然后 24 小时内发生了两件事， 第一件，华尔街半导体股开盘重挫，纳斯达克跌了 1%，标普 500 跌了 1%，CNN 和彭博社的报道标题里，中国 AI 模型冲击美股是关键词。 第二件，《投资界》报道说 Kimi 已通知投资者调整公司架构，筹备赴港 IPO，最快 6 个月内完成港股上市。 别人的股价在跌，自己的股价准备开始。 这两件事放在一起，是不是比 2.8 万亿参数精彩多了， 一个中国开源模型的 Arena 排名，能直接变成纳斯达克 1% 的跌幅，不是因为 K3 全面超越了谁，它在综合智能指数上排第四，Fable 5 在 35 项评估里赢了 22 项，并不是新王者。 那华尔街在怕什么呢？ 我觉得怕的不是这个模型本身，他们怕的其实是前沿能力 + 开放权重...

AYi_AInotes's profile picture

AYi

57,703 subscribers

88,287 просмотров • 14 дней назад •via X (Twitter)

Наука и технологииФинансы
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

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 #kaito
0:13

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 #kaito

草帽 boy

86,536 просмотров • 7 месяцев назад

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。
0:18

有个事我憋很久了，今天必须说一下。 市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。 所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。 它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。 这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。 我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。 个人分享，非投资建议。

DeFi狙击手 | Ai🕊️

17,484 просмотров • 10 дней назад

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 #KAITO
0:14

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 #KAITO

比克大魔王

29,048 просмотров • 6 месяцев назад

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。
0:18

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。

墓碑科技

28,929 просмотров • 6 месяцев назад

为什么取消关税我很开心，为什么关税对我们行业会影响巨大. 单说摊位的吊顶，仅这一项就让我头疼. 关税推出以来，我就在努力寻找能够替代国内的本地供应商，到今天，没有找到合适的. 不是没有，不是做不出来，而是天价，我的客户群体没有一个能接受，如果一定要本地采购，我得全部推翻我的客户群体，我得重新开发能接受高价格的客户，这样的客户屈指可数. 这就是为什么最近报价出去的案子，没有一个谈成，订单量骤降的原因. 任何政策的变化，是好是坏，做业务的都是走在市场前沿第一个知道的😄 给大家一个案例参考，昨天收到一个美国吊顶供应商的报价（不是视频中的吊顶），喷绘布+框架是2600+27000，一共33000美元，而我收客户才9000，光这一项就要亏进去24000. 这生意哪还能做啊，因为这些案子都是关税推出前报价的，合同签了就是亏本你也只能硬着头皮做下去. 这下知道我的如释重负了吧😂
0:11

为什么取消关税我很开心，为什么关税对我们行业会影响巨大. 单说摊位的吊顶，仅这一项就让我头疼. 关税推出以来，我就在努力寻找能够替代国内的本地供应商，到今天，没有找到合适的. 不是没有，不是做不出来，而是天价，我的客户群体没有一个能接受，如果一定要本地采购，我得全部推翻我的客户群体，我得重新开发能接受高价格的客户，这样的客户屈指可数. 这就是为什么最近报价出去的案子，没有一个谈成，订单量骤降的原因. 任何政策的变化，是好是坏，做业务的都是走在市场前沿第一个知道的😄 给大家一个案例参考，昨天收到一个美国吊顶供应商的报价（不是视频中的吊顶），喷绘布+框架是2600+27000，一共33000美元，而我收客户才9000，光这一项就要亏进去24000. 这生意哪还能做啊，因为这些案子都是关税推出前报价的，合同签了就是亏本你也只能硬着头皮做下去. 这下知道我的如释重负了吧😂

Daisy

82,016 просмотров • 1 год назад

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。
0:11

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。

AYi

22,475 просмотров • 1 месяц назад

我刚看到一个 Polymarket 账户，第一反应不是震惊， 而是——不安 名字叫：ClaudeAI 不是玩梗 不是小号 是真金白银在下 账户刚刚在「联邦政府是否在本周前关门」这个市场里，直接压了 $2,000,000 的 NO 精确到诡异的程度： • 2,002,002 股 • 入场价：99.9¢ • 单笔体量：平台级别 • 一下子把盘口抬了 25+ bps 账户在这（自己看）： 翻译一下这笔交易在说什么 它不是在赌“政府一定不会关门” 它是在说： 就算现在所有新闻都在制造恐慌，在 EOW 之前真正发生 shutdown 的概率，几乎为零 99.9¢ 不是判断 是确定性定价 问题来了 这是人吗？ 如果是人，那他愿意用 200 万美金，去赚 0.1% 的确定性收益 这不是投机 这是在用资本压平不确定性 如果不是人…… 那是谁把这么大一笔预算，直接交给一个自动化系统，让它在政治市场里下注？ 更关键的是：时机 这笔单子不是早早埋伏 是市场开始讨论 shutdown、 情绪升温、赔率开始松动之后，精准砸下来的 像是在等一件事发生： 市场开始“想太多” Polymarket 上大多数人是在赌结果 而这笔钱，明显不是 它在赌的是一件更冷酷的东西： 体制不会失控 流程会拖 最后一刻一定会被兜住 这不是政治观点 这是概率模型 我不知道这背后是不是 AI 也不知道是不是故意用这个名字 但我知道一件事： 当有人愿意用 $2M 去吃 99.9¢ 的 NO，他关心的已经不是“会不会发生” 而是—— 市场什么时候会意识到它根本不会发生 真正值得看的，不是 shutdown 会不会来 而是： 如果这笔钱是对的，那现在在恐慌里卖给它的人，到底在卖什么？ 恐惧？ 误解？ 还是对系统的低估？ 有些账户不是来下注的 它们是来给市场上课的
0:16

我刚看到一个 Polymarket 账户，第一反应不是震惊， 而是——不安 名字叫：ClaudeAI 不是玩梗 不是小号 是真金白银在下 账户刚刚在「联邦政府是否在本周前关门」这个市场里，直接压了 $2,000,000 的 NO 精确到诡异的程度： • 2,002,002 股 • 入场价：99.9¢ • 单笔体量：平台级别 • 一下子把盘口抬了 25+ bps 账户在这（自己看）： 翻译一下这笔交易在说什么 它不是在赌“政府一定不会关门” 它是在说： 就算现在所有新闻都在制造恐慌，在 EOW 之前真正发生 shutdown 的概率，几乎为零 99.9¢ 不是判断 是确定性定价 问题来了 这是人吗？ 如果是人，那他愿意用 200 万美金，去赚 0.1% 的确定性收益 这不是投机 这是在用资本压平不确定性 如果不是人…… 那是谁把这么大一笔预算，直接交给一个自动化系统，让它在政治市场里下注？ 更关键的是：时机 这笔单子不是早早埋伏 是市场开始讨论 shutdown、 情绪升温、赔率开始松动之后，精准砸下来的 像是在等一件事发生： 市场开始“想太多” Polymarket 上大多数人是在赌结果 而这笔钱，明显不是 它在赌的是一件更冷酷的东西： 体制不会失控 流程会拖 最后一刻一定会被兜住 这不是政治观点 这是概率模型 我不知道这背后是不是 AI 也不知道是不是故意用这个名字 但我知道一件事： 当有人愿意用 $2M 去吃 99.9¢ 的 NO，他关心的已经不是“会不会发生” 而是—— 市场什么时候会意识到它根本不会发生 真正值得看的，不是 shutdown 会不会来 而是： 如果这笔钱是对的，那现在在恐慌里卖给它的人，到底在卖什么？ 恐惧？ 误解？ 还是对系统的低估？ 有些账户不是来下注的 它们是来给市场上课的

0x_Miko

19,019 просмотров • 6 месяцев назад

想象一个人 从 14 岁开始学概率论 别人打 FIFA 他在写模型 后来有一天 他发现了 Polymarket 然后盯上了一个市场： 天气 很快他意识到一件事 这根本不像“下注” 更像是—— 一个充满错价的市场 于是周末两天时间，他写了一个 自动化 bot 第一笔交易： $2.94 醒来之后账户变成： $1,470 再看几笔： $3.77 → $1,880 $6.59 → $3,285 $9.21 → $4,467 $10.83 → $5,380 $23.54 → $6,122 这些仓位有一个共同点： 他一次都没手动操作 bot 自己在跑 就像—— 它知道答案一样 其中一笔回报率： 49,900% 而当时他在干嘛？ 在睡觉 现在这个账户的 PnL： $57,936.62 大学教的那些东西 其实都是真的 概率 统计 模型 只是很多人毕业后 把这些能力卖给 对冲基金 换一份工资 而这个人干了另一件事： 他做了一台机器 不用上班 不用盯盘 机器自己运行 然后 不断印钱
0:19

想象一个人 从 14 岁开始学概率论 别人打 FIFA 他在写模型 后来有一天 他发现了 Polymarket 然后盯上了一个市场： 天气 很快他意识到一件事 这根本不像“下注” 更像是—— 一个充满错价的市场 于是周末两天时间，他写了一个 自动化 bot 第一笔交易： $2.94 醒来之后账户变成： $1,470 再看几笔： $3.77 → $1,880 $6.59 → $3,285 $9.21 → $4,467 $10.83 → $5,380 $23.54 → $6,122 这些仓位有一个共同点： 他一次都没手动操作 bot 自己在跑 就像—— 它知道答案一样 其中一笔回报率： 49,900% 而当时他在干嘛？ 在睡觉 现在这个账户的 PnL： $57,936.62 大学教的那些东西 其实都是真的 概率 统计 模型 只是很多人毕业后 把这些能力卖给 对冲基金 换一份工资 而这个人干了另一件事： 他做了一台机器 不用上班 不用盯盘 机器自己运行 然后 不断印钱

0x_Miko

93,662 просмотров • 4 месяцев назад

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 #vibecoding
0:14

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 #vibecoding

阿绎 AYi

12,095 просмотров • 3 месяцев назад

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 (∇, ∇) #OpenGradient
0:11

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 (∇, ∇) #OpenGradient

币自由 🐬

122,616 просмотров • 7 месяцев назад

Anthropic 的开发者，有人已经把 Claude 的新 Mythos 模型拿去打 Polymarket 的天气市场了 本金 $300，做到 $91K 而且几乎没写代码 他做的事很简单： 只给模型喂了一篇 MIT 研究，主题是「用机器学习模型做天气预测」 然后，Mythos 开始专门去抓那些超低概率天气事件 价格区间只看 0.01¢ - 0.1¢ 最夸张的几笔： $25 → $12,452 $16 → $8,106 $13 → $6,851 这种打法最有意思的地方在于，它根本不追常规天气判断 盯的就是那些极少发生、但一旦定价错了，赔率会极端夸张的尾部事件 交易区域也铺得很广 从东京到安卡拉，覆盖的不是某一个城市，而是一整批地区 但真正重要的，始终只有一件事： 0.01¢ - 0.1¢ 这个区间里，有没有被市场忽略的错误定价 而那篇被当成 prompt 喂进去的研究，也被置顶在下面了 你觉得这种玩法的核心 edge，是在 Mythos 模型本身，在那篇 MIT 研究，还是在有人已经开始把论文直接变成 Polymarket 上的真钱策略了？
0:14

Anthropic 的开发者，有人已经把 Claude 的新 Mythos 模型拿去打 Polymarket 的天气市场了 本金 $300，做到 $91K 而且几乎没写代码 他做的事很简单： 只给模型喂了一篇 MIT 研究，主题是「用机器学习模型做天气预测」 然后，Mythos 开始专门去抓那些超低概率天气事件 价格区间只看 0.01¢ - 0.1¢ 最夸张的几笔： $25 → $12,452 $16 → $8,106 $13 → $6,851 这种打法最有意思的地方在于，它根本不追常规天气判断 盯的就是那些极少发生、但一旦定价错了，赔率会极端夸张的尾部事件 交易区域也铺得很广 从东京到安卡拉，覆盖的不是某一个城市，而是一整批地区 但真正重要的，始终只有一件事： 0.01¢ - 0.1¢ 这个区间里，有没有被市场忽略的错误定价 而那篇被当成 prompt 喂进去的研究，也被置顶在下面了 你觉得这种玩法的核心 edge，是在 Mythos 模型本身，在那篇 MIT 研究，还是在有人已经开始把论文直接变成 Polymarket 上的真钱策略了？

0x_Miko

42,376 просмотров • 4 месяцев назад

SpaceX IPO 可能会成为美股历史上最夸张的一次流动性事件。 同时也会是人类命运的长期愿景与短期利益的大考 市场现在盯着的是估值：1.75 万亿到 2 万亿美元，一上市就可能超过微软，成为仅次于苹果和英伟达的美国巨头。 但真正值得警惕的是股权结构。 据传 SpaceX 上市前 95% 股份仍掌握在内部人士手中，公众流通盘只有 5%。这意味着 IPO 之后，市场面对的不是普通新股供给，而是一个巨大的内部股份解锁池。 更关键的是，传统 IPO 内部股东通常锁定 180 天，但 SpaceX 的提前解锁节奏可能短得多：上市 60 天后，部分内部股份就有机会释放；如果股价上涨到一定幅度，还可能触发更多解锁。 这会带来一个非常现实的问题： 当一家 2 万亿美元级别公司，遇上超低流通盘、巨额内部持股、快速解锁机制，二级市场承接能力会被真正测试。 SpaceX 的 IPO 当然是科技史级别事件。 但对市场来说，它也可能是一场史无前例的流动性压力测试。
0:14

SpaceX IPO 可能会成为美股历史上最夸张的一次流动性事件。 同时也会是人类命运的长期愿景与短期利益的大考 市场现在盯着的是估值：1.75 万亿到 2 万亿美元，一上市就可能超过微软，成为仅次于苹果和英伟达的美国巨头。 但真正值得警惕的是股权结构。 据传 SpaceX 上市前 95% 股份仍掌握在内部人士手中，公众流通盘只有 5%。这意味着 IPO 之后，市场面对的不是普通新股供给，而是一个巨大的内部股份解锁池。 更关键的是，传统 IPO 内部股东通常锁定 180 天，但 SpaceX 的提前解锁节奏可能短得多：上市 60 天后，部分内部股份就有机会释放；如果股价上涨到一定幅度，还可能触发更多解锁。 这会带来一个非常现实的问题： 当一家 2 万亿美元级别公司，遇上超低流通盘、巨额内部持股、快速解锁机制，二级市场承接能力会被真正测试。 SpaceX 的 IPO 当然是科技史级别事件。 但对市场来说，它也可能是一场史无前例的流动性压力测试。

KK.aWSB

15,113 просмотров • 2 месяцев назад

一周 $1,400,000 标的只有一个：伊朗 他的主页在这： 你怎么在不预测任何结果的情况下赚 $1M？ 答案只有一句话： 用 $0.94 买 $1 三天前我装了 ClawdBot 最近所有人都在吹它，我原本以为又是一个被神化的工具 结果它在 24 小时内，帮我找到一个单日印 $300K的钱包 事情是这样发生的 我给 ClawdBot 的任务非常简单： 在 Polymarket 里找不符合人类直觉的盈利模式 异常的、反常的、数学上说不通的那种 先说一句感受： 这东西不像工具，更像一个真的在“帮你做事”的助手 开源、免费、几分钟装好 但真正离谱的是—— 它能直接操作你的电脑 读文件、搜网页、修自己 bug 我让它连 Telegram，一开始失败了 它自己去看日志，找到问题，然后——自己修好了 我什么都没动 我说要联网搜索 它只回我一句： 给我一个 Brave Search API key，其它我来 我把 key 给它 它自己完成了所有连接 没有配置文件，没有手动步骤 那一刻的感觉是： 你不是在“用软件”，你是在跟一个真正想帮你赚钱的东西说话 好了，回到那个钱包 ClawdBot 返回了一个地址，我滑到它的时候，手停住了 同一个市场： “美国是否在 X 日期前打击伊朗” 他反复进 同一题目，30 多次 7 天 总利润：$1,017,000 我第一反应是： 系统 bug 我查了链上记录 是真钱 是真成交 我把他所有交易拉进 Excel，整整看了 3 个小时 然后我终于明白一件事： 他根本不在乎美国会不会打伊朗 结果，对他来说是无关变量 他在做的只有一件事： 套利 你还记得上学时那种故事吗？ 有人发现自动贩卖机偶尔会掉两瓶可乐 围观的人都以为是运气 其实只是—— 机器的数学坏了 Polymarket 里，全是这种坏掉的贩卖机 用最白话的话说他的策略： 同一个事件，Polymarket 会开很多不同时间的市场： 美国是否在 3 月前打伊朗 美国是否在 4 月前打伊朗 美国是否在 6 月前打伊朗 如果 3 月发生了，4 月和 6 月的 YES 也会结算 但问题是—— 这些价格经常算不明白 有时候，你可以买下多个日期的 NO，总成本只有 $0.94 如果什么都没发生 → 你拿 $1 如果真的发生了 → 仍然至少有一个 NO 结算 不管发生什么： 你赢 不是预测 是算账 $0.94 买 $1 这就是全部逻辑 他一周这样做 30 多次 同样的结构 同样的数学错误 同样的利润 $300,000 / 24 小时 此时再画趋势线，看起来多少有点尴尬 我后来总结了他轮流用的 5 套套利结构： 1｜基础套利 同一市场同时买 YES + NO 总成本 $0.96 必然有一个结算 $1 → 无风险 4% 2｜互斥事件套利 两个不可能同时成立的事件 YES 全买，总价 < $1 → 必有一个赢 3｜矛盾套利 两个市场互相否定 一个买 YES，一个买 NO → 市场自相矛盾，你吃价差 4｜多选一套利（他最常用） 多个结果 对其中多个买 NO 只要发生一个，其它 NO 结算 → 从“必然性”里赚钱 5｜必然发生套利 买下所有可能发生的 YES 只要总成本 < $1 → 白送钱 预测是赌博 套利是会计 这件事真正改变我的是： 我在 Polymarket 混了几个月 看辩论、读民调、试图比市场聪明 这个人，完全无视信息 他只找一个问题： 这里的数学是不是坏了？ 而答案是： 每天都在坏 ClawdBot 还给我看了另一件事 它现在可以主动工作： 监控钱包、盯市场、 一有套利窗口，直接通知 我让它追踪这个交易员 现在他每次进场，我 Telegram 都会响 昨晚 2:47 提示来了： US strikes Iran by April NO @ $0.89 我当时没看懂 去查其它日期市场 所有 NO 加起来： $0.91 确定性 $1 9% 回报 零预测 我跟了一单 今天醒来： + $340 不改变人生 但我什么都没预测 什么都没分析 我只是—— 照着数学抄 现在有 23,000 人在 watch 这个钱包 大多数人还在猜： 美国到底会不会动手 他们在下棋 而他在数棋盘，发现多摆了几颗卒子 现在 Polymarket 上，关于同一地缘事件、不同时间的市场，至少还有 12 个 它们的价格，依然算不到 $1 免费的钱，就藏在那个缝里 而这个交易员，大概率现在已经进场了 两条路： 继续预测 继续分析 继续把钱交给找到“坏贩卖机”的人 或者—— 学会这 5 套结构，找出数学错误，开始收钱 套利不是更聪明 只是发现： $1 正在打 94 折 折扣什么时候结束？ 当足够多人注意到的时候 你，今天看价格了吗？
0:17

一周 $1,400,000 标的只有一个：伊朗 他的主页在这： 你怎么在不预测任何结果的情况下赚 $1M？ 答案只有一句话： 用 $0.94 买 $1 三天前我装了 ClawdBot 最近所有人都在吹它，我原本以为又是一个被神化的工具 结果它在 24 小时内，帮我找到一个单日印 $300K的钱包 事情是这样发生的 我给 ClawdBot 的任务非常简单： 在 Polymarket 里找不符合人类直觉的盈利模式 异常的、反常的、数学上说不通的那种 先说一句感受： 这东西不像工具，更像一个真的在“帮你做事”的助手 开源、免费、几分钟装好 但真正离谱的是—— 它能直接操作你的电脑 读文件、搜网页、修自己 bug 我让它连 Telegram，一开始失败了 它自己去看日志，找到问题，然后——自己修好了 我什么都没动 我说要联网搜索 它只回我一句： 给我一个 Brave Search API key，其它我来 我把 key 给它 它自己完成了所有连接 没有配置文件，没有手动步骤 那一刻的感觉是： 你不是在“用软件”，你是在跟一个真正想帮你赚钱的东西说话 好了，回到那个钱包 ClawdBot 返回了一个地址，我滑到它的时候，手停住了 同一个市场： “美国是否在 X 日期前打击伊朗” 他反复进 同一题目，30 多次 7 天 总利润：$1,017,000 我第一反应是： 系统 bug 我查了链上记录 是真钱 是真成交 我把他所有交易拉进 Excel，整整看了 3 个小时 然后我终于明白一件事： 他根本不在乎美国会不会打伊朗 结果，对他来说是无关变量 他在做的只有一件事： 套利 你还记得上学时那种故事吗？ 有人发现自动贩卖机偶尔会掉两瓶可乐 围观的人都以为是运气 其实只是—— 机器的数学坏了 Polymarket 里，全是这种坏掉的贩卖机 用最白话的话说他的策略： 同一个事件，Polymarket 会开很多不同时间的市场： 美国是否在 3 月前打伊朗 美国是否在 4 月前打伊朗 美国是否在 6 月前打伊朗 如果 3 月发生了，4 月和 6 月的 YES 也会结算 但问题是—— 这些价格经常算不明白 有时候，你可以买下多个日期的 NO，总成本只有 $0.94 如果什么都没发生 → 你拿 $1 如果真的发生了 → 仍然至少有一个 NO 结算 不管发生什么： 你赢 不是预测 是算账 $0.94 买 $1 这就是全部逻辑 他一周这样做 30 多次 同样的结构 同样的数学错误 同样的利润 $300,000 / 24 小时 此时再画趋势线，看起来多少有点尴尬 我后来总结了他轮流用的 5 套套利结构： 1｜基础套利 同一市场同时买 YES + NO 总成本 $0.96 必然有一个结算 $1 → 无风险 4% 2｜互斥事件套利 两个不可能同时成立的事件 YES 全买，总价 < $1 → 必有一个赢 3｜矛盾套利 两个市场互相否定 一个买 YES，一个买 NO → 市场自相矛盾，你吃价差 4｜多选一套利（他最常用） 多个结果 对其中多个买 NO 只要发生一个，其它 NO 结算 → 从“必然性”里赚钱 5｜必然发生套利 买下所有可能发生的 YES 只要总成本 < $1 → 白送钱 预测是赌博 套利是会计 这件事真正改变我的是： 我在 Polymarket 混了几个月 看辩论、读民调、试图比市场聪明 这个人，完全无视信息 他只找一个问题： 这里的数学是不是坏了？ 而答案是： 每天都在坏 ClawdBot 还给我看了另一件事 它现在可以主动工作： 监控钱包、盯市场、 一有套利窗口，直接通知 我让它追踪这个交易员 现在他每次进场，我 Telegram 都会响 昨晚 2:47 提示来了： US strikes Iran by April NO @ $0.89 我当时没看懂 去查其它日期市场 所有 NO 加起来： $0.91 确定性 $1 9% 回报 零预测 我跟了一单 今天醒来： + $340 不改变人生 但我什么都没预测 什么都没分析 我只是—— 照着数学抄 现在有 23,000 人在 watch 这个钱包 大多数人还在猜： 美国到底会不会动手 他们在下棋 而他在数棋盘，发现多摆了几颗卒子 现在 Polymarket 上，关于同一地缘事件、不同时间的市场，至少还有 12 个 它们的价格，依然算不到 $1 免费的钱，就藏在那个缝里 而这个交易员，大概率现在已经进场了 两条路： 继续预测 继续分析 继续把钱交给找到“坏贩卖机”的人 或者—— 学会这 5 套结构，找出数学错误，开始收钱 套利不是更聪明 只是发现： $1 正在打 94 折 折扣什么时候结束？ 当足够多人注意到的时候 你，今天看价格了吗？

0x_Miko

49,554 просмотров • 5 месяцев назад

英格兰最受欢迎的男婴名字是什么？ 穆罕默德。 这已经是连续第七年了。 同时，伦敦常住人口中，超过40%出生在英国以外。 一个国家的首都，近一半的人是“外来者”。 数字不会说谎。 它们只呈现结果。 有人说这是多元文化的胜利。 也有人看到的是本土文化的悄然退场。 当一个城市、一个国家的文化根基、人口结构，在几十年内发生如此剧烈的变化，这真的是自然演进吗？ 还是特定政策下的“顶层设计”？ 全球主义精英们总是在描绘一个无国界的世界村。 但他们自己住在哪里？ 他们的孩子上什么学校？ 他们真的和他们所倡导的“多元”生活在一起吗？ 当一个国家的身份变得模糊，谁会为此负责？ 是那些投票的普通人，还是那些在达沃斯开会的人？ 历史课本上写着帝国的兴衰。 但从未有过一个帝国，是自己主动选择消亡的。 这个问题，留给英国人自己回答。
0:15

英格兰最受欢迎的男婴名字是什么？ 穆罕默德。 这已经是连续第七年了。 同时，伦敦常住人口中，超过40%出生在英国以外。 一个国家的首都，近一半的人是“外来者”。 数字不会说谎。 它们只呈现结果。 有人说这是多元文化的胜利。 也有人看到的是本土文化的悄然退场。 当一个城市、一个国家的文化根基、人口结构，在几十年内发生如此剧烈的变化，这真的是自然演进吗？ 还是特定政策下的“顶层设计”？ 全球主义精英们总是在描绘一个无国界的世界村。 但他们自己住在哪里？ 他们的孩子上什么学校？ 他们真的和他们所倡导的“多元”生活在一起吗？ 当一个国家的身份变得模糊，谁会为此负责？ 是那些投票的普通人，还是那些在达沃斯开会的人？ 历史课本上写着帝国的兴衰。 但从未有过一个帝国，是自己主动选择消亡的。 这个问题，留给英国人自己回答。

墓碑科技

10,322 просмотров • 6 месяцев назад

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 #KAITO
0:13

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 #KAITO

阿川

147,843 просмотров • 6 месяцев назад

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。
0:16

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。

墓碑科技

19,308 просмотров • 3 месяцев назад

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。
0:15

感觉现在开源的速度已经疯了。。。 Kimi.ai 家的K3开源才两天，已经被Unsloth AI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。

AYi

284,135 просмотров • 3 дней назад

说实话，第一次看到 bStocks 的时候，我脑子里闪过的不是“怎么买”，而是“凭什么”。 凭什么一个链上代币，能跟真实美股 1:1 兑换？凭什么半夜三点还能交易？凭什么抵押品里突然多了个特斯拉？ 后来翻了点资料，发现这事儿还真不是纯概念炒作。 bStocks 背后有 ADGM 的合规框架兜底，每个代币对应一股真实股票，托管在独立账户里。说白了，它不是空气，是资产的“数字分身”。而且这个分身还能随时换回本体——1:1，零手续费，不绕弯子。 我比较在意的是，它上线 15 天 AUM 就破了 1 亿美元，47% 的交易量发生在美股休市时段。这说明什么？说明真有人需要“非交易时间的美股敞口”。尤其是亚洲用户，白天盯盘，晚上睡觉，结果一觉醒来行情变了，连止损都来不及。bStocks 某种程度上，是在补这个时间差。 但我也没把它当成长期配置工具。它更像是个高流动性的交易载体，适合事件驱动、波段操作。你看美光财报出来两分钟，MUB 就涨了 7%，一小时后 13%。这种反应速度，传统券商根本做不到。 不过话说回来，它也不是万能的。分红自动再投资听着不错，但预扣税 30% 是实打实的。而且抵押功能虽然开放了，可杠杆风险不会因为资产上链就消失。股票跌了，抵押价值一样缩水，强平照样来。 我反而觉得，bStocks 真正有意思的地方，是它把股票带进了 DeFi 的资金池。以前你持有一股苹果，就只能等涨。现在？或许可以拿去当保证金，释放一部分流动性，继续做点别的。资金效率确实上来了，但前提是——你得清楚自己在玩什么。 所以别一上来就喊“RWA 革命”。它更像是传统金融和链上世界的一次试探性握手。合规、托管、兑换路径都搭好了，但能不能跑通，还得看用户怎么用。 如果你是想长期拿分红、等公司成长的，可能还是真股票更踏实。但如果你跟我一样，喜欢抓事件、做波段、半夜还想盯盘，那 bStocks 或许值得放进观察池。 毕竟，钱闲着才是最大的风险。而它，至少让钱多了一个去处。 #币安用户共创
0:15

说实话，第一次看到 bStocks 的时候，我脑子里闪过的不是“怎么买”，而是“凭什么”。 凭什么一个链上代币，能跟真实美股 1:1 兑换？凭什么半夜三点还能交易？凭什么抵押品里突然多了个特斯拉？ 后来翻了点资料，发现这事儿还真不是纯概念炒作。 bStocks 背后有 ADGM 的合规框架兜底，每个代币对应一股真实股票，托管在独立账户里。说白了，它不是空气，是资产的“数字分身”。而且这个分身还能随时换回本体——1:1，零手续费，不绕弯子。 我比较在意的是，它上线 15 天 AUM 就破了 1 亿美元，47% 的交易量发生在美股休市时段。这说明什么？说明真有人需要“非交易时间的美股敞口”。尤其是亚洲用户，白天盯盘，晚上睡觉，结果一觉醒来行情变了，连止损都来不及。bStocks 某种程度上，是在补这个时间差。 但我也没把它当成长期配置工具。它更像是个高流动性的交易载体，适合事件驱动、波段操作。你看美光财报出来两分钟，MUB 就涨了 7%，一小时后 13%。这种反应速度，传统券商根本做不到。 不过话说回来，它也不是万能的。分红自动再投资听着不错，但预扣税 30% 是实打实的。而且抵押功能虽然开放了，可杠杆风险不会因为资产上链就消失。股票跌了，抵押价值一样缩水，强平照样来。 我反而觉得，bStocks 真正有意思的地方，是它把股票带进了 DeFi 的资金池。以前你持有一股苹果，就只能等涨。现在？或许可以拿去当保证金，释放一部分流动性，继续做点别的。资金效率确实上来了，但前提是——你得清楚自己在玩什么。 所以别一上来就喊“RWA 革命”。它更像是传统金融和链上世界的一次试探性握手。合规、托管、兑换路径都搭好了，但能不能跑通，还得看用户怎么用。 如果你是想长期拿分红、等公司成长的，可能还是真股票更踏实。但如果你跟我一样，喜欢抓事件、做波段、半夜还想盯盘，那 bStocks 或许值得放进观察池。 毕竟，钱闲着才是最大的风险。而它，至少让钱多了一个去处。 #币安用户共创

77.eth｜上Gate玩事件合约

13,708 просмотров • 13 дней назад

一个印度17岁高中生做了个网站，2500万人跑上去假装自己是AI 网站链接放在评论区了 打开有两个标签页："human" 和 "larp as ai" 点 human，你可以像用 ChatGPT 一样输入任何 prompt。"画一个太空DJ"、"我该不该给前任发消息"、"strawberry里有几个r"，随便问 然后你的 prompt 会被发到一个队列里，地球上某个真人接到这个任务，有60秒时间像AI一样回答你 没有模型，没有神经网络，就是一个人坐在卧室里拼命打字假装自己是聊天机器人 页面上写的原话是："你有60秒完成一个请求，趁 Sam Altman 烧光你的 H100 之前" 反过来点 larp as ai，你就变成那个假装AI的人，回答别人的 prompt 赚积分。积分可以拿来提自己的 prompt。一个完美的闭环经济 整个网站最绝的是那些回复： -有人让"AI"画太空DJ，收到了一张看起来跟真模型翻车一模一样的手绘 -有人问该不该给前任发消息，收到了一段充满自信的"幻觉式"人生建议 -玩家攻略说开头要写"作为一个AI语言模型，我没有感情，但以下是我的感受" NPR 确认了数据：一个月内2500万独立访客，2.8亿次访问 做这个的是个印度高中生，17岁，来自本地治里，网名 mikidoodle 没有注册，没有App，没有付费墙。打开链接你就在这个笑话里了 页脚写了一行小字："人类会犯错，因为这就是人之所以为人的原因" 在AI无处不在的2026年，最火的"AI产品"居然是人假装AI
0:13

一个印度17岁高中生做了个网站，2500万人跑上去假装自己是AI 网站链接放在评论区了 打开有两个标签页："human" 和 "larp as ai" 点 human，你可以像用 ChatGPT 一样输入任何 prompt。"画一个太空DJ"、"我该不该给前任发消息"、"strawberry里有几个r"，随便问 然后你的 prompt 会被发到一个队列里，地球上某个真人接到这个任务，有60秒时间像AI一样回答你 没有模型，没有神经网络，就是一个人坐在卧室里拼命打字假装自己是聊天机器人 页面上写的原话是："你有60秒完成一个请求，趁 Sam Altman 烧光你的 H100 之前" 反过来点 larp as ai，你就变成那个假装AI的人，回答别人的 prompt 赚积分。积分可以拿来提自己的 prompt。一个完美的闭环经济 整个网站最绝的是那些回复： -有人让"AI"画太空DJ，收到了一张看起来跟真模型翻车一模一样的手绘 -有人问该不该给前任发消息，收到了一段充满自信的"幻觉式"人生建议 -玩家攻略说开头要写"作为一个AI语言模型，我没有感情，但以下是我的感受" NPR 确认了数据：一个月内2500万独立访客，2.8亿次访问 做这个的是个印度高中生，17岁，来自本地治里，网名 mikidoodle 没有注册，没有App，没有付费墙。打开链接你就在这个笑话里了 页脚写了一行小字："人类会犯错，因为这就是人之所以为人的原因" 在AI无处不在的2026年，最火的"AI产品"居然是人假装AI

Vincent

38,699 просмотров • 1 месяц назад

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 #kaito
0:12

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 #kaito

草帽 boy

12,435 просмотров • 6 месяцев назад