Loading video...

Video Failed to Load

Go Home

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。...

QF88688's profile picture

比克大魔王

6,688 subscribers

29,048 views • 7 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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 views • 7 months ago

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 #KAITOAI
0:17

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 #KAITOAI

紫川 | ∞KIN |

31,400 views • 7 months ago

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。
0:19

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。

大魔王提莫

440,533 views • 8 months ago

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 views • 7 months ago

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 #KAITO
0:18

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 #KAITO

比克大魔王

89,488 views • 7 months ago

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数 AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMind
0:15

看 OpenMind 如果还把注意力放在“AGI 能有多强”，其实已经有点落后了。 真正开始变难的问题是： 当 AI 不再只是给建议，而是直接参与决策，人类还能不能理解并承担后果。 现在大多数 AI 项目，都在能力层竞争： 模型更大、推理更快、Agent 更自动。 只要 AI 还停留在“辅助角色”，黑盒是可以被容忍的。 但一旦 AI 进入执行层， 开始影响资源分配、规则执行和长期结果， 不被理解的决策，本质上就是不可治理的系统。 OpenMind 切入的，并不是能力升级，而是这个更前置的问题： 在做决定这件事上，人类是否仍然保留解释、质疑和修正的权力。 如果一个系统只能输出结果，却无法说明“为什么这么做”， 那它永远只能作为工具被隔离使用， 而不可能被真正授权进入现实系统。 从这个角度看，OpenMind 更像是在为 AGI 设定一道硬门槛： 你可以足够聪明，但你不能不可理解。 能力可以不断叠加， 但决定 AI 能走多远的， 最终一定是人类是否还能对它的决策负责。 #OpenMind

DD

84,065 views • 7 months ago

我一直觉得，判断一个交易系统是不是偏心，最好的办法不是看谁赚得多，而是看谁更容易活下来。 在 MemeMax 里，这个问题尤其重要，因为它不是一个试图平滑风险的系统，而是一个把风险放在台面上的系统。 在 MemeMax 里，天然更占优势的，不是消息最快的人，也不是手法最花的人，而是能和清算结构长期共存的人。 这听起来有点抽象，但拆开看，其实非常现实。 第1️⃣层优势：时间，而不是判断 MemeMax 的清算逻辑，本质上并不奖励判断正确一次，而是奖励在多次波动中不断留下来。 高波动、高杠杆、快节奏，决定了任何一次重仓判断，都可能直接被市场抹掉。 所以你会发现，真正活得久的人，往往不是最会猜顶猜底的，而是允许自己看错很多次的人。 他们的仓位天然更轻，节奏更慢，不是因为保守，而是因为清楚一件事，清算不是意外，是常态。 第2️⃣层优势：结构理解，而不是操作技巧 很多人把 MemeMax 当成一个操作空间很大的地方，但真正的优势，其实来自对结构的理解。 清算线不是风险提示，而是系统的核心齿轮。 只要你愿意频繁去触碰它，系统就一定会把你吃掉。 所以在 MemeMax 里，占优势的人往往有一个共同点： 他们不试图和清算线博弈，而是围绕它设计行为。 什么时候必须退，什么时候允许错，什么时候宁愿少赚。 这不是技术，是结构感。 第3️⃣层优势：资金曲线，而不是单笔盈亏 在 MemeMax 里，系统真正偏向的，是能维持平滑资金曲线的人。 不是不亏，而是不爆。 因为一旦爆仓，你在系统里的“参与权”就被强行中断。 而 MemeMax 的很多机会，本质上是给持续参与者准备的，而不是给一次性玩家准备的。 换句话说，这不是一场比聪明的游戏，而是一场比谁能持续留在桌上的游戏。 第4️⃣层优势：心理结构 这点很多人不愿意承认。 在 MemeMax 里，情绪越强烈的人，反而越容易成为系统的燃料。 系统对 FOMO、重仓、加速下注的容忍度非常低。 不是道德问题，而是结构问题。 清算机制不会关心你的理由，只会执行结果。 所以真正占优势的人，往往情绪并不激烈，甚至有点冷。 不是因为他们不信 Meme，而是因为他们接受不确定性是常态。 说一句很实在的判断MemeMax 从来没有试图让所有人都赚钱。 它真正做的，是在一开始就把“谁更容易被淘汰”这件事，写进了系统里。 如果你追求的是刺激、爆发、一次翻倍，那你会觉得这个系统很残酷。 但如果你追求的是在高波动环境中，尽可能多地活过几个周期，那你会慢慢理解它的偏向。 我个人的选择很简单。 我不会把 MemeMax 当成提款机，也不会把它当成赌场。 我更愿意把它当成一个会不断筛人的系统。 如果你也在参与，不妨问自己一个问题 你是在赌一次判断，还是在和这个结构长期共存。 想清楚这一点，再决定怎么玩，结果会完全不一样。 #Mememax #KAITO
0:19

我一直觉得，判断一个交易系统是不是偏心，最好的办法不是看谁赚得多，而是看谁更容易活下来。 在 MemeMax 里，这个问题尤其重要，因为它不是一个试图平滑风险的系统，而是一个把风险放在台面上的系统。 在 MemeMax 里，天然更占优势的，不是消息最快的人，也不是手法最花的人，而是能和清算结构长期共存的人。 这听起来有点抽象，但拆开看，其实非常现实。 第1️⃣层优势：时间，而不是判断 MemeMax 的清算逻辑，本质上并不奖励判断正确一次，而是奖励在多次波动中不断留下来。 高波动、高杠杆、快节奏，决定了任何一次重仓判断，都可能直接被市场抹掉。 所以你会发现，真正活得久的人，往往不是最会猜顶猜底的，而是允许自己看错很多次的人。 他们的仓位天然更轻，节奏更慢，不是因为保守，而是因为清楚一件事，清算不是意外，是常态。 第2️⃣层优势：结构理解，而不是操作技巧 很多人把 MemeMax 当成一个操作空间很大的地方，但真正的优势，其实来自对结构的理解。 清算线不是风险提示，而是系统的核心齿轮。 只要你愿意频繁去触碰它，系统就一定会把你吃掉。 所以在 MemeMax 里，占优势的人往往有一个共同点： 他们不试图和清算线博弈，而是围绕它设计行为。 什么时候必须退，什么时候允许错，什么时候宁愿少赚。 这不是技术，是结构感。 第3️⃣层优势：资金曲线，而不是单笔盈亏 在 MemeMax 里，系统真正偏向的，是能维持平滑资金曲线的人。 不是不亏，而是不爆。 因为一旦爆仓，你在系统里的“参与权”就被强行中断。 而 MemeMax 的很多机会，本质上是给持续参与者准备的，而不是给一次性玩家准备的。 换句话说，这不是一场比聪明的游戏，而是一场比谁能持续留在桌上的游戏。 第4️⃣层优势：心理结构 这点很多人不愿意承认。 在 MemeMax 里，情绪越强烈的人，反而越容易成为系统的燃料。 系统对 FOMO、重仓、加速下注的容忍度非常低。 不是道德问题，而是结构问题。 清算机制不会关心你的理由，只会执行结果。 所以真正占优势的人，往往情绪并不激烈，甚至有点冷。 不是因为他们不信 Meme，而是因为他们接受不确定性是常态。 说一句很实在的判断MemeMax 从来没有试图让所有人都赚钱。 它真正做的，是在一开始就把“谁更容易被淘汰”这件事，写进了系统里。 如果你追求的是刺激、爆发、一次翻倍，那你会觉得这个系统很残酷。 但如果你追求的是在高波动环境中，尽可能多地活过几个周期，那你会慢慢理解它的偏向。 我个人的选择很简单。 我不会把 MemeMax 当成提款机，也不会把它当成赌场。 我更愿意把它当成一个会不断筛人的系统。 如果你也在参与，不妨问自己一个问题 你是在赌一次判断，还是在和这个结构长期共存。 想清楚这一点，再决定怎么玩，结果会完全不一样。 #Mememax #KAITO

草帽 boy

42,304 views • 7 months ago

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🕊️

17,513 views • 1 month ago

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 views • 2 months ago

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 views • 7 months ago

这个 BTC 交易机器人，连装都不装了。 名字就叫 btcbot01 如果你看得够仔细，会发现它真正的 edge： 没有故事，没有包装，甚至连“我不是机器人”的姿态都懒得摆 它每一笔只下 $5 然后，从每一单里，抠出 $1.5 到 $3 的利润。 不多 但极其稳定 你点开这个钱包，会发现一件很怪的事： 几乎没人看它 没有围观，没有讨论，像是被市场直接忽略掉了 可这种账户，往往才最危险 它不追爆点，不试图证明自己有多聪明。 它只是在重复一件事—— 当 BTC 的短周期定价出现细微偏差，就进去，把那点误差拿走 对大多数人来说，这种利润规模甚至不值得点开 但对程序来说，这是可以被无限复制的节奏 $5 一单，看起来像玩笑 可当“不会犹豫、不犯错、不停手”叠加起来，这就不再是交易，而是一条自动运转的流水线 Polymarket 上真正恐怖的，从来不是那些晒单炫耀的账户 而是这种—— 安静、低调、没人关注，却在持续修正市场的小误差。 你可能看不起它的单笔收益 但市场从来不在乎你的审美
0:17

这个 BTC 交易机器人，连装都不装了。 名字就叫 btcbot01 如果你看得够仔细，会发现它真正的 edge： 没有故事，没有包装，甚至连“我不是机器人”的姿态都懒得摆 它每一笔只下 $5 然后，从每一单里，抠出 $1.5 到 $3 的利润。 不多 但极其稳定 你点开这个钱包，会发现一件很怪的事： 几乎没人看它 没有围观，没有讨论，像是被市场直接忽略掉了 可这种账户，往往才最危险 它不追爆点，不试图证明自己有多聪明。 它只是在重复一件事—— 当 BTC 的短周期定价出现细微偏差，就进去，把那点误差拿走 对大多数人来说，这种利润规模甚至不值得点开 但对程序来说，这是可以被无限复制的节奏 $5 一单，看起来像玩笑 可当“不会犹豫、不犯错、不停手”叠加起来，这就不再是交易，而是一条自动运转的流水线 Polymarket 上真正恐怖的，从来不是那些晒单炫耀的账户 而是这种—— 安静、低调、没人关注，却在持续修正市场的小误差。 你可能看不起它的单笔收益 但市场从来不在乎你的审美

0x_Miko

52,155 views • 7 months ago

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。
0:18

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。

最爱吃兽奶

20,289 views • 8 months ago

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。
0:10

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。

Invincible Thunder

92,113 views • 5 months ago

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

19,031 views • 6 months ago

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 views • 6 months ago

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 🐬

122,681 views • 7 months ago

相信大家都有过这种体验？AI给你一个结果，根本不知道它是怎么算的、有没有瞎编，只能闭眼盲信！ 现在Inference Labs直接把这个痛点解决了👇 普通AI只给答案 Subnet-2 DSperse 直接给密码学证明 清清楚楚锁定三件事： ✅ 是哪个模型跑的 ✅ 用了什么输入 ✅ 输出就是这个结果，没篡改 不用查日志、不用凭信任，直接验证就完事，AI变成可审计、可查证的可信基建 而且这不是实验室概念，是已上线量产的可验证推理 还是全球最快zkML证明集群，Subnet 2 可验证预言机，覆盖任意计算验证！ AI输出不再靠猜，有证可依才是真可信 #VerifiableAI #zkML #InferenceLabs Inference Labs
0:10

相信大家都有过这种体验？AI给你一个结果，根本不知道它是怎么算的、有没有瞎编，只能闭眼盲信！ 现在Inference Labs直接把这个痛点解决了👇 普通AI只给答案 Subnet-2 DSperse 直接给密码学证明 清清楚楚锁定三件事： ✅ 是哪个模型跑的 ✅ 用了什么输入 ✅ 输出就是这个结果，没篡改 不用查日志、不用凭信任，直接验证就完事，AI变成可审计、可查证的可信基建 而且这不是实验室概念，是已上线量产的可验证推理 还是全球最快zkML证明集群，Subnet 2 可验证预言机，覆盖任意计算验证！ AI输出不再靠猜，有证可依才是真可信 #VerifiableAI #zkML #InferenceLabs Inference Labs

币自由 🐬

34,582 views • 6 months ago

我发现了一个很奇怪的 Polymarket 钱包 它几乎从不预测结果 一次都没有 看每笔交易，都像是“买错了” 它先买 YES 再买 NO 五分钟后，两边一起卖掉 钱包在这，自己点开看： 一开始我以为这是个坏掉的账户 后来我把账一算，才发现不是 它根本不是在赌输赢 它吃的是 价差 公式很简单： π = δ⁺ + δ⁻ 也就是说，这个钱包赚的不是“结果对了”的钱 而是订单簿里反复出现的那点摩擦收益 每次有人恐慌下市价单，它就顺手把点差收走 这里 2 cents，那里 3 cents 然后一天重复： 60 到 100 次 多数交易者还在争谁对谁错 这个钱包根本不参与争论 它只是一直在给这场争论 收税 我后来甚至做了一个 bot，专门去实时盯这种相同的订单簿模式 这种完全不做方向判断、只反复吃点差的钱包，你觉得比“预测型交易”更可怕吗？
0:18

我发现了一个很奇怪的 Polymarket 钱包 它几乎从不预测结果 一次都没有 看每笔交易，都像是“买错了” 它先买 YES 再买 NO 五分钟后，两边一起卖掉 钱包在这，自己点开看： 一开始我以为这是个坏掉的账户 后来我把账一算，才发现不是 它根本不是在赌输赢 它吃的是 价差 公式很简单： π = δ⁺ + δ⁻ 也就是说，这个钱包赚的不是“结果对了”的钱 而是订单簿里反复出现的那点摩擦收益 每次有人恐慌下市价单，它就顺手把点差收走 这里 2 cents，那里 3 cents 然后一天重复： 60 到 100 次 多数交易者还在争谁对谁错 这个钱包根本不参与争论 它只是一直在给这场争论 收税 我后来甚至做了一个 bot，专门去实时盯这种相同的订单簿模式 这种完全不做方向判断、只反复吃点差的钱包，你觉得比“预测型交易”更可怕吗？

0x_Miko

17,764 views • 5 months ago

前几天还币的时候点错了，还了u保留了大饼和以太，没想到第二天行情马上起飞，白捡钱！ 最近看项目有个明显感受： 真正有变化的，不再是“多做了什么”，而是“不让你多做什么”。 不逼你理解、不强迫你学习、不要求你记路径。 而是让你在不知不觉中，把事情做完。 下面这几个项目，最近的变化都指向同一件事： 减少人的负担，而不是增加系统能力。 Spaace 🟠 Spaace 最近的重心，不在交易规模，而在行为权重。 你会发现： 不是谁交易最多谁重要，而是谁持续参与、反复出现、行为稳定。 平台开始给“留下来的人”更高的可见度。 这是一种很反市场直觉的设计： 不奖励最激进的，而奖励最耐心的。 NFT 市场第一次开始认真思考： 谁是真正的生态成员，而不是路过者。 Veera Veera 最近做的事很“反钱包”。 它没有加更多按钮，而是在不断删“必须理解的东西”。 你甚至不需要知道自己现在是在用钱包、浏览器还是任务系统。 打开 → 滑 → 点 → 结束。 没有解释，没有教学。 Veera 像是在赌一件事： 如果用户不用被提醒“你在用 Web3”，他们反而会用得更久。 MagicBlock ✨ Magicblock 的重点越来越清晰： 不是扩容，而是消除等待感。 用户在意的不是 TPS，而是 “我点了，现在有没有反应”。 Magicblock 把链上执行拆成“短时态体验”， 让应用先跑起来，再结算。 这是第一次有人认真把 “即时反馈”当成链上第一体验指标。 Altura Alturax 最近的变化，不是资产更酷，而是资产更“黏”。 资产开始记录经历，而不是只记录属性。 你做过什么选择、承担过什么风险，会影响资产后续的可用性。 这让资产第一次有了“履历”。 不是你拥有它，而是你们一起走过一段路。 链游开始从“数值系统”，转向关系系统。 Konnex Konnex 最近最不像 Web3 的地方，反而是它承认现实世界很乱。 任务可能失败、执行可能偏差、环境永远不稳定。 它没有试图抹平这些，而是直接把不确定性写进协议。 这意味着： 链上第一次不是假设世界完美，而是学会如何在不完美中结算。 这比任何“连接现实世界”的口号都难，也更真实。
0:11

前几天还币的时候点错了，还了u保留了大饼和以太，没想到第二天行情马上起飞，白捡钱！ 最近看项目有个明显感受： 真正有变化的，不再是“多做了什么”，而是“不让你多做什么”。 不逼你理解、不强迫你学习、不要求你记路径。 而是让你在不知不觉中，把事情做完。 下面这几个项目，最近的变化都指向同一件事： 减少人的负担，而不是增加系统能力。 Spaace 🟠 Spaace 最近的重心，不在交易规模，而在行为权重。 你会发现： 不是谁交易最多谁重要，而是谁持续参与、反复出现、行为稳定。 平台开始给“留下来的人”更高的可见度。 这是一种很反市场直觉的设计： 不奖励最激进的，而奖励最耐心的。 NFT 市场第一次开始认真思考： 谁是真正的生态成员，而不是路过者。 Veera Veera 最近做的事很“反钱包”。 它没有加更多按钮，而是在不断删“必须理解的东西”。 你甚至不需要知道自己现在是在用钱包、浏览器还是任务系统。 打开 → 滑 → 点 → 结束。 没有解释，没有教学。 Veera 像是在赌一件事： 如果用户不用被提醒“你在用 Web3”，他们反而会用得更久。 MagicBlock ✨ Magicblock 的重点越来越清晰： 不是扩容，而是消除等待感。 用户在意的不是 TPS，而是 “我点了，现在有没有反应”。 Magicblock 把链上执行拆成“短时态体验”， 让应用先跑起来，再结算。 这是第一次有人认真把 “即时反馈”当成链上第一体验指标。 Altura Alturax 最近的变化，不是资产更酷，而是资产更“黏”。 资产开始记录经历，而不是只记录属性。 你做过什么选择、承担过什么风险，会影响资产后续的可用性。 这让资产第一次有了“履历”。 不是你拥有它，而是你们一起走过一段路。 链游开始从“数值系统”，转向关系系统。 Konnex Konnex 最近最不像 Web3 的地方，反而是它承认现实世界很乱。 任务可能失败、执行可能偏差、环境永远不稳定。 它没有试图抹平这些，而是直接把不确定性写进协议。 这意味着： 链上第一次不是假设世界完美，而是学会如何在不完美中结算。 这比任何“连接现实世界”的口号都难，也更真实。

搞子(明日香版)🕊️

25,560 views • 7 months ago

很多时候，一个生态起不来，并不是因为大家没想法，而是从想法到真正跑起来，中间的摩擦太多。 环境搭建、工具适配、链上交互，每一步都会劝退一批人。 最后留下来的，往往不是最有创意的，而是最能熬流程的。 从这个角度看 Vanar 它更像是在解决一个很现实的问题： 怎么让“试一试”这件事变得足够便宜。 当一条链从设计上就是 AI-native 的，很多原本需要手动拼接的步骤，会自然被系统吸收掉， 创意不需要先翻过一堆基础设施的门槛，才能进入可运行状态。 这类差异在早期并不显眼， 但时间一拉长，你会发现生态里愿意持续尝试的人明显更多。 不是每个想法都会成功，但只要失败成本够低，新的东西就会不断冒出来。 也正是在这个意义上 $VANRY 更像是一种对开发者密度和持续试错能力的押注。 当“做点东西”不再是一件很累的事， 生态才有机会真正活起来。 #Vanar
0:13

很多时候，一个生态起不来，并不是因为大家没想法，而是从想法到真正跑起来，中间的摩擦太多。 环境搭建、工具适配、链上交互，每一步都会劝退一批人。 最后留下来的，往往不是最有创意的，而是最能熬流程的。 从这个角度看 Vanar 它更像是在解决一个很现实的问题： 怎么让“试一试”这件事变得足够便宜。 当一条链从设计上就是 AI-native 的，很多原本需要手动拼接的步骤，会自然被系统吸收掉， 创意不需要先翻过一堆基础设施的门槛，才能进入可运行状态。 这类差异在早期并不显眼， 但时间一拉长，你会发现生态里愿意持续尝试的人明显更多。 不是每个想法都会成功，但只要失败成本够低，新的东西就会不断冒出来。 也正是在这个意义上 $VANRY 更像是一种对开发者密度和持续试错能力的押注。 当“做点东西”不再是一件很累的事， 生态才有机会真正活起来。 #Vanar

DD

68,100 views • 6 months ago