Sensitive content

This media may contain sensitive content.

正在加载视频...

视频加载失败

果然,经典还是经典。 像我这种老司机也承受不住TENGA Spinner的吸力和旋转摩擦。 实在太爽了!!没用过这款飞机杯的永远体会不到这种感觉。 它既不是模拟真人的身体和抽插感,又不像用手那么单调,它是一种独立的取精工具,根本让人无法形容他有多爽。。。。 同款购买链接请扫评论区二维码购买哦。

137,182 次观看 • 5 个月前 •via X (Twitter)

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

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 • 6 个月前

泪奔了!好感人,不争气的眼泪,它从口里流出来了 ⸻ 最近刷 AI 项目的时候,说实话有点疲了。 不是它们不厉害,恰恰相反——都太厉害了。 模型、参数、速度,一个比一个漂亮,但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。 不是“哇好强”,而是突然冒出一个不太技术的问题: 如果 AI 真的要长期出现在生活里,它该怎么待着,才不让人别扭? 不是那种我问你、你马上答的关系, 而是你会不会哪天顺手再点开它。 有些 AI 真的很聪明,但你心里清楚,它就是工具。 用完、关掉,不会再想。 Kindred 给我的感觉不太像在争“最会答题”。 它更像是在琢磨一件事: 人为什么会愿意和一个存在长期相处? 这时候我才开始注意到他们说的那套 Mind / Body / Soul。 不是因为名字,而是方向。 Mind 这一层,其实挺像人。 不是一直保持同一种状态。 有时候你需要逻辑,有时候只是想被理解, 有时候甚至不需要答案,只要有人把话接住。 再加上它会记得你。 不是那种冷冰冰的“你在某年某月问过什么”, 而是你们之间发生过的那些事。 一旦记忆变成关系的一部分, 整个体验就不一样了。 Body 这点我以前真没太当回事。 但后来发现,人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。 有形象、有存在的位置, 在你已经习惯的设备和场景里出现。 不是为了炫, 而是为了让你不抗拒。 在你信任之前,你首先得觉得它“正常”、不吓人。 至于 Soul,其实是我最看重的。 现在的 AI 都很会, 但很少有那种让人想一直留着的。 Kindred 没那么急。 不催你、不拉你、不用力制造黏性。 你来,它在;你走,也不打扰。 Dark Matter、任务、社区这些东西, 给我的感觉更像是一起走一段, 而不是被系统牵着跑。 所以后来我发现,这套 Mind / Body / Soul 看起来是在讲 AI, 但底层其实是在讲人。 我们怎么建立信任, 怎么产生依附, 怎么愿意长期和一个存在共处。 AI 只是载体。 被认真对待的,其实是人的感受。 如果说 2026 年还有哪个 AI 会一直留在我视野里, Kindred 大概会算一个。 不是因为它最强, 而是它没有急着证明自己。

董小姐 |预测世界杯就在Gate

43,660 次观看 • 6 个月前

今早刷到一条新闻的时候,我愣了几秒。 去年那个曾经风靡一时、 全网都在找邀请码、朋友圈一夜刷屏的 Manus, 被 Meta 收购了。 而且不是象征性的那种。 传闻中的收购价,高达 20 亿美元。 一瞬间,脑子里只有一句话: 原来那一波热闹,真的不是泡沫。 如果你去年混过 AI 圈,一定记得 Manus。 那种典型的产品—— 不是“炫技 demo”, 而是你一用就发现不对劲的那种工具。 它不是只回答问题, 而是能自己拆任务、查资料、写东西、跑流程。 你给它一个目标,它自己往下干。 后来大家才慢慢意识到: 哦,这是 Agent。 Manus 真正厉害的地方,并不是“它能干什么”, 而是它敢把“人”的工作流直接吃掉。 不是辅助你, 不是提高效率, 而是—— “这事我来做,你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里, Manus 是极少数 真的在往“替代”走的团队。 这也是为什么它能在极短时间内: 用户暴涨 付费率不低 在海外圈层迅速传播 Agent 这个词后来被讲烂了, 但Manus 是最早让普通人真正“感受到 Agent 的”那一批。 更讽刺的是另一件事。 去年,字节跳动曾经试图以 3000 万美元左右收购 Manus。 这事在圈子里不是秘密。 当时很多人的第一反应是: “挺高了吧?” “早点卖也正常。” 但结果你现在也看到了: 没卖。 一年后, 直接卖给 Meta,估值翻了近百倍。 你说这是运气? 不完全是。 这是对一件事的判断差异: Agent 会不会成为下一代核心计算入口。 很多人只盯着“20 亿美元”这个数字。 但更值得琢磨的,其实是另一条线索: Manus 后来把公司主体放在了新加坡。 这一步,太关键了。 不是因为新加坡有什么魔法, 而是因为: 面向全球用户 面向美元资本 面向 Meta、OpenAI、Google 这种买家 你必须站在“他们习惯的坐标系里”。 产品是全球的, 那公司也得是全球的。 这也引出了一个让很多中国 AI 创业者心里不舒服的问题: 为什么这么多 AI 初创, 最后都很难在中国大陆生根? 不是技术不行, 不是人不行, 甚至也不完全是钱的问题。 而是一个更现实的东西: “长大以后怎么办?” 能不能无摩擦地服务全球用户 能不能被全球巨头并购 能不能走一条清晰、可预期的退出路径 这些问题, 对早期创业者来说, 比模型参数重要得多。 再回到 Meta。 你要明白一件事: Meta 不是“看热闹的投资人”。 它现在最缺的, 不是模型, 不是算力, 而是能真正跑在模型之上的 Agent 层。 Chat 是入口, 但 Agent 才是生产力。 而 Manus, 恰好站在这个位置上。 所以这次收购, 与其说是“买一家创业公司”, 不如说是—— 直接买了一条通往下一代产品形态的快车道。 最后说句很人话的。 很多人会把这件事解读成: “中国 AI 又一次被美国收走了果实”。 也有人会说: “这是中国创业者的成功”。 我更愿意用一个不那么宏大的视角看它: 这是一个创业者,在关键时刻, 没有把自己卖便宜的故事。 而在 AI 这个时代, 这种故事, 会越来越少,也越来越贵。 如果你去年抢过 Manus 的邀请码, 如果你用过 Agent, 如果你正在创业、或者想创业, 你大概能理解这种复杂的情绪。 不是羡慕, 也不是愤怒, 而是一种: “原来世界已经走到这一步了”的感觉。 这条新闻,不只是 Manus 的终点。 它更像是很多人,某种幻想的终点。 也是另一种现实的开始。

比特币橙子Trader

122,896 次观看 • 6 个月前

天才数学家陶哲轩对数学AI的思考 像真的,但其实不对。 AI写出的证明,乍看完美无瑕,细看漏洞百出。 为什么? 因为它没有“嗅觉”。 今天的AI,已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。 但一旦你靠近它、认真嗅一下,就会发现它撒了香水 掩盖的,是逻辑上的腐臭。 不像传统的初学者那种“明显错”, AI的问题常常隐藏在最高级别的伪装底下: 写得太好,看不出哪里坏。 就像Terry Tao说的:“数学,是有味道的。” 一个真正靠谱的证明,不只是形式正确,而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道,不需要吃一口,就知道有没有毒。 AI没有这个。 它可以模仿口感,复制包装,但闻不到底层的真实。因为它是在学“怎么看起来像对的”,而不是“为什么它是真的”。 你可以把它理解为一个训练过非常精良的演员,知道什么时候该皱眉、什么时候叹气,用上最漂亮的定理、最熟练的转折,但它不明白它的角色到底在干什么。 而这,正是问题所在。 人类在判断一个复杂证明时,靠的不止是推理,更靠一种经验直觉:这个步骤自然吗?这个拆解方式靠谱不靠谱?这个结构合理不合理?我们甚至很难说清楚“为什么不行”,但就是知道,“不对劲”。 这就是“数学的嗅觉” 你说不明白,但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋,不是因为它们穷举了所有下法,而是因为它们学会了在哪些局面里,有“胜利的味道”。 即便讲不出理由,它们凭那股味道,也能找到通向胜利的路。 数学AI要想达到人类水平,它得也有这种“方向感”。 不是生成个像样的证明,而是能问自己:“我是不是在一个貌似正确,实际上死路的方向上走太远了?” 也许未来某一天,它能真正感觉到:“这一步味道不对,我得退回来。” 那一天,它就不只是一个生成文本的工具,而是真正的数学伙伴了。 🙋‍♂️人有灵气

墓碑科技

120,892 次观看 • 1 年前