Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

麒麟9000S极限性能到底有多强？Mate 60 Pro 超线程负载测试避免内容过于晦涩，省流结论： “超线程技术给麒麟9000s带来了50%左右的性能提升，麒麟9000s关闭超线程得分960分，大概只有骁龙855的水平。而开启超线程后居然跑到1470分，多核性能可以轻松干翻骁龙8Gen1，甚至接近骁龙8+了。”

Eason Mao☢

112,828 subscribers

20,658 просмотров • 2 лет назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

1. 有史以来最快的 Windows PC 这是最快的Windows PC，采用全新系统架构，结合了CPU、GPU和NPU • 每秒超过 40 万亿次操作 • AI 功能强大 20 倍，效率提高 100 倍 • 多线程性能比 MacBook Air 高 58%

1. 有史以来最快的 Windows PC 这是最快的Windows PC，采用全新系统架构，结合了CPU、GPU和NPU • 每秒超过 40 万亿次操作 • AI 功能强大 20 倍，效率提高 100 倍 • 多线程性能比 MacBook Air 高 58%

AI Will

15,634 просмотров • 2 лет назад

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,657 просмотров • 4 месяцев назад

提升明显! Qwen3-Max 正式版 vs Preview版实测! 距离 Qwen3-Max-ThinkingPreview 版发布已经过去3个月了, 正式版终于来了! 这次提升有多大? 给大家直接上测试结果! 编程能力测试: 鞭炮连锁爆炸测试史诗级提升, 之前Preview版完全无法连锁, 现在不仅能连锁, 效果还相当不错; 大象牙膏测试锥形瓶建模改善明显, 甚至有液体下降动画了, 不过粒子动画还是有些问题; 陀飞轮机芯从无法完成到顺利建模; Python杯子倒水的粒子弹性和碰撞检测都修好了. 这次追加了美学测试: 用文字描述让它还原p5.js现代艺术作品, 效果还可以, 但空间理解能力还是拖后腿, 小窗口的横线错位了. Agent能力测试: 60K上下文以内表现优秀, 预估能刷到500分SOTA水平, 但超过60K后性能急剧下降, 会出现任务循环或遗忘工具的问题. 召回能力接近70%, 但出现了奇怪现象——上下文越短召回反而越差, 目前还不清楚是什么问题, 我已经反馈给官方了. 总结: 正式版比Preview版提升肉眼可见, 编程和美学都有进步, 但空间理解、Agent能力和长上下文召回还需打磨. 另外, 本次测试的是正常的thinking版本, 而那个分数超高的TTS模式目前还没上线呢! 期待一波！ #Qwen3Max #Qwen3MaxThinking #KCORES大模型竞技场 #AI编程 #大模型测评 #阿里千问

提升明显! Qwen3-Max 正式版 vs Preview版实测! 距离 Qwen3-Max-ThinkingPreview 版发布已经过去3个月了, 正式版终于来了! 这次提升有多大? 给大家直接上测试结果! 编程能力测试: 鞭炮连锁爆炸测试史诗级提升, 之前Preview版完全无法连锁, 现在不仅能连锁, 效果还相当不错; 大象牙膏测试锥形瓶建模改善明显, 甚至有液体下降动画了, 不过粒子动画还是有些问题; 陀飞轮机芯从无法完成到顺利建模; Python杯子倒水的粒子弹性和碰撞检测都修好了. 这次追加了美学测试: 用文字描述让它还原p5.js现代艺术作品, 效果还可以, 但空间理解能力还是拖后腿, 小窗口的横线错位了. Agent能力测试: 60K上下文以内表现优秀, 预估能刷到500分SOTA水平, 但超过60K后性能急剧下降, 会出现任务循环或遗忘工具的问题. 召回能力接近70%, 但出现了奇怪现象——上下文越短召回反而越差, 目前还不清楚是什么问题, 我已经反馈给官方了. 总结: 正式版比Preview版提升肉眼可见, 编程和美学都有进步, 但空间理解、Agent能力和长上下文召回还需打磨. 另外, 本次测试的是正常的thinking版本, 而那个分数超高的TTS模式目前还没上线呢! 期待一波！ #Qwen3Max #Qwen3MaxThinking #KCORES大模型竞技场 #AI编程 #大模型测评 #阿里千问

karminski-牙医

15,566 просмотров • 6 месяцев назад

GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛? 直接说结论, 前端能力非常好, 效果甚至达到了炫技的程度, 不过随之而来的是复杂场景可能面临性能问题, 所以需要注意防止模型过度发挥或者偶尔留意下代码设计和架构. 不过 python 能力没看到太多变化, 考虑到 python 就一个测试, 所以建议大家如果用来写后端代码还是要多测试一下, 以及希望国产大模型也提升一下其他语言性能. #glm46 #KCORES大模型竞技场

GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛? 直接说结论, 前端能力非常好, 效果甚至达到了炫技的程度, 不过随之而来的是复杂场景可能面临性能问题, 所以需要注意防止模型过度发挥或者偶尔留意下代码设计和架构. 不过 python 能力没看到太多变化, 考虑到 python 就一个测试, 所以建议大家如果用来写后端代码还是要多测试一下, 以及希望国产大模型也提升一下其他语言性能. #glm46 #KCORES大模型竞技场

karminski-牙医

20,127 просмотров • 10 месяцев назад

抱歉我们只有超大杯! GLM-4.7实测! 本次测试覆盖了GLM-4.7的编程能力, Agent/ToolCall能力, 长上下文召回能力, 给大家带来刚发布的 GLM 4.7 的测试结果: 考验Agent能力的硅基骑手测试, 简单讲是让大模型使用工具模拟骑手取外卖送餐. GLM 4.7 在24小时总计300回合的极限送餐中收益达到了 571.91 元, 执行了总计 354 次 tool call, 测试使用了大约 50% 的上下文空间, 直到超过100K后才停止工作. Agent 测试这次是创了新高, 执行效率特别高, 得益于模型可以在一次会话中发起多个 tool call, 节省了时间并能选择收益最大的方案. 然后是考验长上下文召回能力的霍格沃茨测试, 简单来讲就是在长上下文中, 能否记住上下文并准确的回答问题. GLM 4.7 在192K以内召回水平在91%到100%区间, 而200K也有95%, 召回效果同样也很不错. 最后再来看编程能力测试上最大的感受是粒子, 建模, 光影效果都有提升, 尤其是空间能力有了巨大的提升. 当然性能问题仍然存在, 希望下个版本着重优化下生成代码的性能问题. 总结, 这次GLM 4.7 在各个方面都有明显的提升, 作为主力编程模型不是问题, LMArena 和 SWE-bench 等编程测试中都取得了开源大模型 SOTA 的水平. 不过还是要说一句, 测试中我发现API速度时快时慢, 是不是因为大家都在用新版本导致的? 希望官方赶紧加机器. #GLM47 #智谱AI #智谱GLM #AIAgent #ai编程 #大模型 #开源 #KCORES大模型竞技场

抱歉我们只有超大杯! GLM-4.7实测! 本次测试覆盖了GLM-4.7的编程能力, Agent/ToolCall能力, 长上下文召回能力, 给大家带来刚发布的 GLM 4.7 的测试结果: 考验Agent能力的硅基骑手测试, 简单讲是让大模型使用工具模拟骑手取外卖送餐. GLM 4.7 在24小时总计300回合的极限送餐中收益达到了 571.91 元, 执行了总计 354 次 tool call, 测试使用了大约 50% 的上下文空间, 直到超过100K后才停止工作. Agent 测试这次是创了新高, 执行效率特别高, 得益于模型可以在一次会话中发起多个 tool call, 节省了时间并能选择收益最大的方案. 然后是考验长上下文召回能力的霍格沃茨测试, 简单来讲就是在长上下文中, 能否记住上下文并准确的回答问题. GLM 4.7 在192K以内召回水平在91%到100%区间, 而200K也有95%, 召回效果同样也很不错. 最后再来看编程能力测试上最大的感受是粒子, 建模, 光影效果都有提升, 尤其是空间能力有了巨大的提升. 当然性能问题仍然存在, 希望下个版本着重优化下生成代码的性能问题. 总结, 这次GLM 4.7 在各个方面都有明显的提升, 作为主力编程模型不是问题, LMArena 和 SWE-bench 等编程测试中都取得了开源大模型 SOTA 的水平. 不过还是要说一句, 测试中我发现API速度时快时慢, 是不是因为大家都在用新版本导致的? 希望官方赶紧加机器. #GLM47 #智谱AI #智谱GLM #AIAgent #ai编程 #大模型 #开源 #KCORES大模型竞技场

karminski-牙医

19,592 просмотров • 7 месяцев назад

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

karminski-牙医

14,175 просмотров • 7 месяцев назад

乌克兰再次击落俄罗斯预警机A50，事发地点位于俄罗斯本土，距离前线超过240公里，大家觉得乌克兰是如何击落A50的呢？有三种可能： 1.爱国者，爱国者的公开射程只有70公里。上次击落A50距离前线大概是100公里，这次超过200公里实在是有些超出我的想象。 2 俄罗斯误击自己人。虽然俄罗斯经常干这种事，但是连自己最先进的预警机都能被自己击落，我也是没话说了 3 最后一种可能性，F16参战了！

乌克兰再次击落俄罗斯预警机A50，事发地点位于俄罗斯本土，距离前线超过240公里，大家觉得乌克兰是如何击落A50的呢？有三种可能： 1.爱国者，爱国者的公开射程只有70公里。上次击落A50距离前线大概是100公里，这次超过200公里实在是有些超出我的想象。 2 俄罗斯误击自己人。虽然俄罗斯经常干这种事，但是连自己最先进的预警机都能被自己击落，我也是没话说了 3 最后一种可能性，F16参战了！

周子定 - Joe Zhou

182,364 просмотров • 2 лет назад

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 просмотров • 2 месяцев назад

Anthropic CEO 昨天的访谈说：最晚 2029 年 AI 几乎会在所有任务上超越人类 ------ AGI 不是具体的时间点，是一条指数曲线别再问"什么时候会有 AGI"了。过去 10-15 年，AI 模型的认知能力每 4-12 个月翻一番，就像 90 年代的摩尔定律。 Anthropic 有个工程师两个月没写过代码了，全是 Claude 写的，他只负责审核。他们最近推出的 Claude Code 工具，开发过程也是用 Claude 写的，一周半搞定。所以现在的状态是：初级软件工程师的很多工作，甚至高级工程师的部分工作，已经可以大部分交给 AI 了。指数曲线的特点就是看起来很慢，突然就飞过去了。达里奥的判断是：1-2 年内会真正加速，最晚 2020 年代结束前，AI 会在几乎所有任务上超过人类。

Anthropic CEO 昨天的访谈说：最晚 2029 年 AI 几乎会在所有任务上超越人类 ------ AGI 不是具体的时间点，是一条指数曲线别再问"什么时候会有 AGI"了。过去 10-15 年，AI 模型的认知能力每 4-12 个月翻一番，就像 90 年代的摩尔定律。 Anthropic 有个工程师两个月没写过代码了，全是 Claude 写的，他只负责审核。他们最近推出的 Claude Code 工具，开发过程也是用 Claude 写的，一周半搞定。所以现在的状态是：初级软件工程师的很多工作，甚至高级工程师的部分工作，已经可以大部分交给 AI 了。指数曲线的特点就是看起来很慢，突然就飞过去了。达里奥的判断是：1-2 年内会真正加速，最晚 2020 年代结束前，AI 会在几乎所有任务上超过人类。

歸藏(guizang.ai)

13,362 просмотров • 6 месяцев назад

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾

龙虾专用大模型? GLM-5-Turbo 实测! 给大家带来刚发布的 GLM-5-Turbo 大模型实测, 官方说这是一个加强了 tool call/Agent 能力的大模型, 于是我使用它搭建了一个可以帮我比对大菠萝里面物品的SKILL, 可以帮我辅助判断我是应该把垃圾直接甩商店还是应该留着传三代哈哈哈. 另外本次也是老生常谈的测试了这个模型的基础能力, 包括前后端编程, 以及 Agent 能力, 测试结论是, 前端没有太大的提升, 不过后端提升明显, vector-db-bench 直接跃升到了国产模型SOTA, 另外 Agent 测试中, 虽然没有超过 GLM-5, 但是它的 token 效率特别高, 几乎是 GLM-5 的三倍, 所以只要约束好上下文轮次和长度, 就能在龙虾里面达到非常理想的效果. (P.S. 本次测试使用的是内测版本 pony-alpha-2) #GLM5Turbo #智谱 #GLM5 #AutoClaw #OpenClaw #龙虾

karminski-牙医

41,275 просмотров • 4 месяцев назад

这是一个超级精准的指标，有的品种两年内连续交易胜率能达到76%以上，有的品种能到67%，想试试的可以添加到自己的图表中😍🤑 我还把它做成了策略脚本，并且还在几十个品种中进行了两年的深度回测，筛选出了三个最适合这套策略的品种～对了，#OKX 刚上了k线交易助手功能，将交易的全过程嵌入到了k线图表中直接操作，也就是说在k线图表就可以直接开单并管理仓位，不用再在k线图和下单界面来回切换，不论什么行情走势，都能快速的调整订单/ 这绝对是目前为止最最最最好用的交易功能，交易体验比德芙还丝滑，各位可以试试，视频最后也有功能演示，一定坚持到最后！

这是一个超级精准的指标，有的品种两年内连续交易胜率能达到76%以上，有的品种能到67%，想试试的可以添加到自己的图表中😍🤑 我还把它做成了策略脚本，并且还在几十个品种中进行了两年的深度回测，筛选出了三个最适合这套策略的品种～对了，#OKX 刚上了k线交易助手功能，将交易的全过程嵌入到了k线图表中直接操作，也就是说在k线图表就可以直接开单并管理仓位，不用再在k线图和下单界面来回切换，不论什么行情走势，都能快速的调整订单/ 这绝对是目前为止最最最最好用的交易功能，交易体验比德芙还丝滑，各位可以试试，视频最后也有功能演示，一定坚持到最后！

投机实验室

37,535 просмотров • 1 год назад

很多人觉得 AI编程门槛太高，不愿意使用，那么你们有福了！！！扣子发布2.0版本带Skills 功能，非常有幸拿到 Coze Skills 的内测。试了一下，对于不会用Claude Code，或者惧怕使用的人来说，真是太友好了！如果说：Claude的Skills很强，还需要懂一点技术的话，那么扣子把这个门槛降到了零。对话就能创建零代码创建普通人也能拥有AI超能力。我做了个论文一键转公众号的 Skill，还能自动配图，自动发布！ 1. 支持从论文/文章 PDF 或链接中一键提取核心内容 2. 智能解析：自动提取论文的标题、摘要、核心创新点、实验数据和结论。 3. 文风转换：不是生硬的翻译，而是根据公众号读者的阅读习惯，将晦涩的学术语言转化为通俗易懂的各种文风。 4. AI 自动配图：这是最酷的地方！它会根据论文主题，自动调用绘图模型生成一张吸睛的高清封面图，并且在文章正文中根据段落内容自动插入合适的插图。 5.一键发送草稿箱：连复制粘贴都省了，直接对接公众号 API，生成的图文直接躺在你的公众号草稿箱里，只需要最后确认一下就能发布。同时扣子也正式推出了 Skills 技能，及技能商店。我的技能已经免费分享到coze的技能商店！搜索：公众号配图生成技能就能找到！来讲一下如何操作：技能入口在扣子 2.0 版本的扣子编程这里就可以看到，窗口右上角的“技能”。在扣子编程中的不需要太多技巧，直接使用自然语言的方式就可以创建技能，它会完全按照你的意思去生成和调试，非常方便！并且支持在线调试预览开发好的技能，然后还支持一键部署和发布到扣子。关键是一边预览，左侧还能让它修改可以打开文件夹，看到 skill 自定义文件、脚本、引用来源等信息。结构和CC非常像，其实我觉得都完全没有必要打开看。我很多文件，都是从Claude Code里面的skills直接copy过来，上传上去，居然直接能用，省了好多力气，直接可以搬移Claude Skill了！技能开发完成后，点击部署，在技能商店中可以看到自己刚刚部署和安装的技能，并支持一键发布到技能商店给所有人使用。可以发布为免费技能也可以发布为付费技能，想赚钱直接发布成付费就行。发布完后，所有人都能在技能商店使用你的技能，如果是付费的，用户可以很方便的对技能进行付费，技能开发者也能快速变现。使用直接 @你的技能就可以，详细请看视频 Skills 还是太火了，所有的媒体平台都有在讨论 Skills。扣子也第一时间，支持了 Skills 的无代码开发以及技能商店。目前Coze商店里的技能，我看了一下绝大多数都是免费的，赶紧来找一下你要的？用AI工具快两年了，从最开始的"哇，它能写东西"，到后来的"嗯，但还是得我自己改"，再到现在的"它真的能帮我干活了"。 AI不再是一个聊天工具，而是一个真正的同事。它知道我的工作方式，它能交付我需要的成品，它甚至能主动帮我完成重复性工作。这才是AI应该有的样子。

很多人觉得 AI编程门槛太高，不愿意使用，那么你们有福了！！！扣子发布2.0版本带Skills 功能，非常有幸拿到 Coze Skills 的内测。试了一下，对于不会用Claude Code，或者惧怕使用的人来说，真是太友好了！如果说：Claude的Skills很强，还需要懂一点技术的话，那么扣子把这个门槛降到了零。对话就能创建零代码创建普通人也能拥有AI超能力。我做了个论文一键转公众号的 Skill，还能自动配图，自动发布！ 1. 支持从论文/文章 PDF 或链接中一键提取核心内容 2. 智能解析：自动提取论文的标题、摘要、核心创新点、实验数据和结论。 3. 文风转换：不是生硬的翻译，而是根据公众号读者的阅读习惯，将晦涩的学术语言转化为通俗易懂的各种文风。 4. AI 自动配图：这是最酷的地方！它会根据论文主题，自动调用绘图模型生成一张吸睛的高清封面图，并且在文章正文中根据段落内容自动插入合适的插图。 5.一键发送草稿箱：连复制粘贴都省了，直接对接公众号 API，生成的图文直接躺在你的公众号草稿箱里，只需要最后确认一下就能发布。同时扣子也正式推出了 Skills 技能，及技能商店。我的技能已经免费分享到coze的技能商店！搜索：公众号配图生成技能就能找到！来讲一下如何操作：技能入口在扣子 2.0 版本的扣子编程这里就可以看到，窗口右上角的“技能”。在扣子编程中的不需要太多技巧，直接使用自然语言的方式就可以创建技能，它会完全按照你的意思去生成和调试，非常方便！并且支持在线调试预览开发好的技能，然后还支持一键部署和发布到扣子。关键是一边预览，左侧还能让它修改可以打开文件夹，看到 skill 自定义文件、脚本、引用来源等信息。结构和CC非常像，其实我觉得都完全没有必要打开看。我很多文件，都是从Claude Code里面的skills直接copy过来，上传上去，居然直接能用，省了好多力气，直接可以搬移Claude Skill了！技能开发完成后，点击部署，在技能商店中可以看到自己刚刚部署和安装的技能，并支持一键发布到技能商店给所有人使用。可以发布为免费技能也可以发布为付费技能，想赚钱直接发布成付费就行。发布完后，所有人都能在技能商店使用你的技能，如果是付费的，用户可以很方便的对技能进行付费，技能开发者也能快速变现。使用直接 @你的技能就可以，详细请看视频 Skills 还是太火了，所有的媒体平台都有在讨论 Skills。扣子也第一时间，支持了 Skills 的无代码开发以及技能商店。目前Coze商店里的技能，我看了一下绝大多数都是免费的，赶紧来找一下你要的？用AI工具快两年了，从最开始的"哇，它能写东西"，到后来的"嗯，但还是得我自己改"，再到现在的"它真的能帮我干活了"。 AI不再是一个聊天工具，而是一个真正的同事。它知道我的工作方式，它能交付我需要的成品，它甚至能主动帮我完成重复性工作。这才是AI应该有的样子。

huangserva

28,909 просмотров • 6 месяцев назад

《电动车里的橙色高压线，难倒了中国新能源车企》提起新能源汽车，人们首先想到的往往是电池、芯片、智能驾驶和人工智能系统，很少有人会注意到车内那些包裹着鲜艳橙色外皮的高压线束。然而，正是这些看似普通的橙色高压线，正在成为制约中国新能源汽车产业进一步发展的关键环节之一。在新能源汽车中，橙色线束承担着高压电能传输的重要任务，负责连接动力电池、电机、电控系统、空调压缩机等核心部件。由于工作电压通常达到400伏甚至800伏以上，因此必须具备极高的安全性、耐热性、抗电磁干扰能力以及长期可靠性。任何细微的质量问题，都可能导致车辆故障，甚至引发安全事故。长期以来，高端高压线束所需的关键材料和核心技术，主要掌握在少数国际企业手中。虽然中国已经成为全球最大的新能源汽车生产国，但在高端绝缘材料、特殊连接器、高性能屏蔽技术等领域，仍然存在一定程度的技术依赖。一辆高端电动车内部，高压线束总长度可达数十米，其设计、制造和测试难度远远超过普通汽车线缆。更大的挑战在于，随着800伏高压平台和超快充技术的普及，对高压线束提出了更严苛的要求。线束不仅要承受更高的电压和电流，还必须实现轻量化、小型化和低成本化。这意味着企业必须在安全、性能、重量和成本之间寻找极其困难的平衡点。事实上，新能源汽车产业的发展，从来不是单一技术的突破，而是整个产业链协同进步的结果。从芯片到电池，从电机到高压线束，每一个看似不起眼的零部件，都可能成为决定行业竞争力的关键。那些隐藏在车身内部的橙色高压线，也许正是中国新能源汽车产业迈向全球领先必须跨越的一道重要门槛。当越来越多的人关注自动驾驶和人工智能时，我们是否忽视了这样一个事实：真正决定一个产业高度的，往往不是最耀眼的技术，而是那些最基础、最难啃的核心零部件？

《电动车里的橙色高压线，难倒了中国新能源车企》提起新能源汽车，人们首先想到的往往是电池、芯片、智能驾驶和人工智能系统，很少有人会注意到车内那些包裹着鲜艳橙色外皮的高压线束。然而，正是这些看似普通的橙色高压线，正在成为制约中国新能源汽车产业进一步发展的关键环节之一。在新能源汽车中，橙色线束承担着高压电能传输的重要任务，负责连接动力电池、电机、电控系统、空调压缩机等核心部件。由于工作电压通常达到400伏甚至800伏以上，因此必须具备极高的安全性、耐热性、抗电磁干扰能力以及长期可靠性。任何细微的质量问题，都可能导致车辆故障，甚至引发安全事故。长期以来，高端高压线束所需的关键材料和核心技术，主要掌握在少数国际企业手中。虽然中国已经成为全球最大的新能源汽车生产国，但在高端绝缘材料、特殊连接器、高性能屏蔽技术等领域，仍然存在一定程度的技术依赖。一辆高端电动车内部，高压线束总长度可达数十米，其设计、制造和测试难度远远超过普通汽车线缆。更大的挑战在于，随着800伏高压平台和超快充技术的普及，对高压线束提出了更严苛的要求。线束不仅要承受更高的电压和电流，还必须实现轻量化、小型化和低成本化。这意味着企业必须在安全、性能、重量和成本之间寻找极其困难的平衡点。事实上，新能源汽车产业的发展，从来不是单一技术的突破，而是整个产业链协同进步的结果。从芯片到电池，从电机到高压线束，每一个看似不起眼的零部件，都可能成为决定行业竞争力的关键。那些隐藏在车身内部的橙色高压线，也许正是中国新能源汽车产业迈向全球领先必须跨越的一道重要门槛。当越来越多的人关注自动驾驶和人工智能时，我们是否忽视了这样一个事实：真正决定一个产业高度的，往往不是最耀眼的技术，而是那些最基础、最难啃的核心零部件？

蓝莓

19,787 просмотров • 1 месяц назад

Anthropic 刚刚把 2026 年 Agent 路线图“公开课”了！22分钟干货拉满！ Claude 团队（Alex Albert + PM Brad + 工程负责人 Caitlin）亲自拆解： • 为什么现在的 Agent 要“解绑”模型？ • 如何用 Claude Code SDK 3分钟搭出真正自主的 Agent？ • 上下文剪枝、Agentic 记忆、可观测性……这些2026年核心能力已经来了！大多数开发者还在用2025年的打法，而 Anthropic 已经把未来12个月的路线图摆在桌面上。最后3分钟的搭建指南，强烈建议反复看！

Anthropic 刚刚把 2026 年 Agent 路线图“公开课”了！22分钟干货拉满！ Claude 团队（Alex Albert + PM Brad + 工程负责人 Caitlin）亲自拆解： • 为什么现在的 Agent 要“解绑”模型？ • 如何用 Claude Code SDK 3分钟搭出真正自主的 Agent？ • 上下文剪枝、Agentic 记忆、可观测性……这些2026年核心能力已经来了！大多数开发者还在用2025年的打法，而 Anthropic 已经把未来12个月的路线图摆在桌面上。最后3分钟的搭建指南，强烈建议反复看！

比特币橙子Trader

256,803 просмотров • 3 месяцев назад

兄弟们最近小心点，BTC 这里要是跌破 59000回不来，场面会非常难看。我很少见到这么多多头流动性，挤在一个位置。一旦砸到 58000 下方，1.6 亿美元多头杠杆直接清算，速度可能比你刷新K线还快。那些天天喊“底部已成”的人，估计会被市场当场教育。但最反人性的地方来了：真要惨到这种程度，反而可能是该买的时候。不是安全的时候买，是所有人开始骂娘的时候买。流动性被抽干，能卖的也差不多卖完了。宏观底部，往往就是这么恶心地长出来的。这行情，真不适合抄底拿长线。关注我每天给你预测最新行情。

兄弟们最近小心点，BTC 这里要是跌破 59000回不来，场面会非常难看。我很少见到这么多多头流动性，挤在一个位置。一旦砸到 58000 下方，1.6 亿美元多头杠杆直接清算，速度可能比你刷新K线还快。那些天天喊“底部已成”的人，估计会被市场当场教育。但最反人性的地方来了：真要惨到这种程度，反而可能是该买的时候。不是安全的时候买，是所有人开始骂娘的时候买。流动性被抽干，能卖的也差不多卖完了。宏观底部，往往就是这么恶心地长出来的。这行情，真不适合抄底拿长线。关注我每天给你预测最新行情。

火山哥🕊️

55,843 просмотров • 1 месяц назад

Qwen3.5实测!来看贺岁档大模型的实力! 贺岁档大模型来啦! Qwen3.5 这次支持了文本、图片、视频多模态输入, 本次准备了全新的后端能力测试! 以及照例带来前端能力、Agent、长上下文能力的全面测试! 来看本次新增的后端编程测试 vector DB Bench: 要求大模型从零实现一个高性能向量数据库, 只给提示词不给实现方案, 配合 coding agent 自动写代码、编译、跑分. 结果 Qwen3.5 直接甩出王炸 —— QPS 1405, 是 Kimi-K2.5 的 4.8 倍, GLM-5 的 25 倍! 关键在于它不仅用了 IVF 倒排索引 + AVX512F 指令集, 还在有限轮次内自主探索出了最优聚类参数 (K=2048, nprobe=30), 每次查询只需扫描约 15000 条数据, 而 Kimi-K2.5 的参数配比要扫描 75000 条, 正好解释了近 5 倍的性能差距. 这波调参堪称神之一手. 前端编程也有进步: 大象牙膏测试终于能正确建模三角烧瓶, 鞭炮连锁爆炸的粒子光影效果不错, 支持多模态后甚至可以对着网站录屏直接克隆. 但空间理解仍是短板, 陀飞轮机芯测试中齿轮设计暴露了差距. 指令遵循: 洛希极限测试中的指令遵循达到 85.9% (Gemini-3.0-Pro 为 90.6%), 主要扣分在未遵循加速曲线公式. Agent 能力: 硅基骑手测试得分 668.43, 仅次于 GLM-5 的 738.69, 也侧面解释了为什么后端编程 Agent 表现这么强. 长文本召回: 256K 上下文召回 99.1%, 但不给原文时四选一蒙对率高达 75.6%, 结果完全不置信. 总结: Qwen3.5 最亮眼的是后端编程能力, 同样的 IVF 算法靠调参拉开 5 倍差距, Agent 能力同样在线. 不过本次测试还发现了点小问题, 输出偶尔不太稳定, 会漏掉 markdown 语法或把答案输出到 thinking 标签里, 这点要注意, 目前我已经反馈给官方了. 这份新年礼物, 大家觉得怎么样? #Qwen #千问大模型 #Qwen35 #阿里千问 #通义实验室 #AIAgent #向量数据库

Qwen3.5实测!来看贺岁档大模型的实力! 贺岁档大模型来啦! Qwen3.5 这次支持了文本、图片、视频多模态输入, 本次准备了全新的后端能力测试! 以及照例带来前端能力、Agent、长上下文能力的全面测试! 来看本次新增的后端编程测试 vector DB Bench: 要求大模型从零实现一个高性能向量数据库, 只给提示词不给实现方案, 配合 coding agent 自动写代码、编译、跑分. 结果 Qwen3.5 直接甩出王炸 —— QPS 1405, 是 Kimi-K2.5 的 4.8 倍, GLM-5 的 25 倍! 关键在于它不仅用了 IVF 倒排索引 + AVX512F 指令集, 还在有限轮次内自主探索出了最优聚类参数 (K=2048, nprobe=30), 每次查询只需扫描约 15000 条数据, 而 Kimi-K2.5 的参数配比要扫描 75000 条, 正好解释了近 5 倍的性能差距. 这波调参堪称神之一手. 前端编程也有进步: 大象牙膏测试终于能正确建模三角烧瓶, 鞭炮连锁爆炸的粒子光影效果不错, 支持多模态后甚至可以对着网站录屏直接克隆. 但空间理解仍是短板, 陀飞轮机芯测试中齿轮设计暴露了差距. 指令遵循: 洛希极限测试中的指令遵循达到 85.9% (Gemini-3.0-Pro 为 90.6%), 主要扣分在未遵循加速曲线公式. Agent 能力: 硅基骑手测试得分 668.43, 仅次于 GLM-5 的 738.69, 也侧面解释了为什么后端编程 Agent 表现这么强. 长文本召回: 256K 上下文召回 99.1%, 但不给原文时四选一蒙对率高达 75.6%, 结果完全不置信. 总结: Qwen3.5 最亮眼的是后端编程能力, 同样的 IVF 算法靠调参拉开 5 倍差距, Agent 能力同样在线. 不过本次测试还发现了点小问题, 输出偶尔不太稳定, 会漏掉 markdown 语法或把答案输出到 thinking 标签里, 这点要注意, 目前我已经反馈给官方了. 这份新年礼物, 大家觉得怎么样? #Qwen #千问大模型 #Qwen35 #阿里千问 #通义实验室 #AIAgent #向量数据库

karminski-牙医

14,591 просмотров • 5 месяцев назад

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 просмотров • 7 месяцев назад

最近在试腾讯的边缘安全加速平台 EdgeOne，给开发者出了一个挺好的免费公益服务，有点类似 Cloudflare，但上手更容易。对于正在打磨 MVP 的小团队来说，可以很快上线和验证想法。我最喜欢的是它的 Pages 一键部署，和 Vercel 的体验很像，但额度给得更大。从关联仓库、编译、部署到域名绑定，基本 1 分钟就能上线，还自动送 HTTPS 证书。我把潮流周刊部署在上面，整体流程顺滑，页面访问速度也很快。而且 Pages 最近还升级了全栈能力，支持 Node.js、Next.js（SSR、ISR）和 Node Functions，甚至有 CLI 可以本地调试，做起来更像一个完整的边缘全栈开发平台，玩起来还挺有意思。有兴趣的小伙伴可以去玩玩看 👉

最近在试腾讯的边缘安全加速平台 EdgeOne，给开发者出了一个挺好的免费公益服务，有点类似 Cloudflare，但上手更容易。对于正在打磨 MVP 的小团队来说，可以很快上线和验证想法。我最喜欢的是它的 Pages 一键部署，和 Vercel 的体验很像，但额度给得更大。从关联仓库、编译、部署到域名绑定，基本 1 分钟就能上线，还自动送 HTTPS 证书。我把潮流周刊部署在上面，整体流程顺滑，页面访问速度也很快。而且 Pages 最近还升级了全栈能力，支持 Node.js、Next.js（SSR、ISR）和 Node Functions，甚至有 CLI 可以本地调试，做起来更像一个完整的边缘全栈开发平台，玩起来还挺有意思。有兴趣的小伙伴可以去玩玩看 👉

Tw93

46,784 просмотров • 10 месяцев назад

亲爱的，不晓得你注意到了吗？最近 Quack AI 团队研发的 Q402 在BNB Chain 上线了！👀 它是一个给 AI Agent 经济用的统一签名 + 支付 + 执行层也就是说，以后链上很多操作，我们都可以一键签名直接完成支付和执行重点来了，这个产品有很多优点，例如：直接兼容 ERC-20 支持所有符合 EIP-7702 的 EVM 链不用升级代币也不用重新走一堆授权流程一句话总结，就是对用户和开发者都几乎零改造成本接入！而且，一次签名就能执行操作，也支持 Gasless 流程（为 Agent 设计）另外，结算过程可审计、可追踪、带策略控制以前我们熟悉的那种Approve → Transfer → Pay一整套拆成三步的流程，以后可以直接一次签名就完成！是不是很方便呢？治理、支付、自动化执行，现在都能走同一个 sign-to-pay 流程同时，#Q402 做的是执行层，而 #BNBChain 则是这一切开始的地方感觉 Agent 叙事终于开始从能不能用，进化到好不好用了 👀

亲爱的，不晓得你注意到了吗？最近 Quack AI 团队研发的 Q402 在BNB Chain 上线了！👀 它是一个给 AI Agent 经济用的统一签名 + 支付 + 执行层也就是说，以后链上很多操作，我们都可以一键签名直接完成支付和执行重点来了，这个产品有很多优点，例如：直接兼容 ERC-20 支持所有符合 EIP-7702 的 EVM 链不用升级代币也不用重新走一堆授权流程一句话总结，就是对用户和开发者都几乎零改造成本接入！而且，一次签名就能执行操作，也支持 Gasless 流程（为 Agent 设计）另外，结算过程可审计、可追踪、带策略控制以前我们熟悉的那种Approve → Transfer → Pay一整套拆成三步的流程，以后可以直接一次签名就完成！是不是很方便呢？治理、支付、自动化执行，现在都能走同一个 sign-to-pay 流程同时，#Q402 做的是执行层，而 #BNBChain 则是这一切开始的地方感觉 Agent 叙事终于开始从能不能用，进化到好不好用了 👀

Moonlight🌙月光

36,128 просмотров • 6 месяцев назад

30年前，吴鹰在C位；30年后，吴鹰在哪？段永平直言：“聪明人，未必能赚到钱。不是因为他们不够聪明，而是太多聪明人不够理性，总在做错误选择，这跟能力无关。没人天生就有悟性。真正有悟性的人，都愿意沉下心去想本质、看长远。我做投资，从来不靠K线图。而且我发现，沉迷看图看线的人，很少能真正走出来”。段永平不买特斯拉，“因为马斯克人品差”，但是不看K线图，是否太自信了？段永平自称是巴菲特的信徒。巴菲特的确在老年基本上不看K线图，也不依赖技术分析来做投资决策。这是他本人反复强调的观点。他的投资哲学是价值投资，核心是看一家公司的内在价值、护城河、管理层、长期盈利能力、ROE、自由现金流、负债情况等等，而不是股价的短期波动形态或K线组合。不过，亚洲金融(亚洲金融 Asia Finance)挖掘发现，巴菲特年轻时曾经痴迷过技术分析、画图表、研究各种形态，但后来，找到了印钞机，就自称“把图表倒过来看，结果还是一样”，于是彻底放弃了。他把技术分析比喻成“看着后视镜开车”。如果有源源不断的现金流，的确可以与巴菲特一样，不需要目的关注K线，甚至只要买大盘ETF即可，因为巴菲特这20年，也没有跑赢大盘。但绝大部分投资人，不能像巴菲特一样，拥有保险公司这个印钞机。如今是量化金融时代，K线数据为什么反而更重要了？因为它是金融时间序列里信噪比最高、最干净、最实时的结构化数据之一。现代量化基本都离不开它，只是表达方式变了：直接作为多变量时间序列(O,H,L,C,V,A)喂给LSTM/Transformer/Mamba等模型，或者做高级特征工程：波动率形状、跳空统计、实体/影线比例分布、连续涨跌停结构等。

30年前，吴鹰在C位；30年后，吴鹰在哪？段永平直言：“聪明人，未必能赚到钱。不是因为他们不够聪明，而是太多聪明人不够理性，总在做错误选择，这跟能力无关。没人天生就有悟性。真正有悟性的人，都愿意沉下心去想本质、看长远。我做投资，从来不靠K线图。而且我发现，沉迷看图看线的人，很少能真正走出来”。段永平不买特斯拉，“因为马斯克人品差”，但是不看K线图，是否太自信了？段永平自称是巴菲特的信徒。巴菲特的确在老年基本上不看K线图，也不依赖技术分析来做投资决策。这是他本人反复强调的观点。他的投资哲学是价值投资，核心是看一家公司的内在价值、护城河、管理层、长期盈利能力、ROE、自由现金流、负债情况等等，而不是股价的短期波动形态或K线组合。不过，亚洲金融(亚洲金融 Asia Finance)挖掘发现，巴菲特年轻时曾经痴迷过技术分析、画图表、研究各种形态，但后来，找到了印钞机，就自称“把图表倒过来看，结果还是一样”，于是彻底放弃了。他把技术分析比喻成“看着后视镜开车”。如果有源源不断的现金流，的确可以与巴菲特一样，不需要目的关注K线，甚至只要买大盘ETF即可，因为巴菲特这20年，也没有跑赢大盘。但绝大部分投资人，不能像巴菲特一样，拥有保险公司这个印钞机。如今是量化金融时代，K线数据为什么反而更重要了？因为它是金融时间序列里信噪比最高、最干净、最实时的结构化数据之一。现代量化基本都离不开它，只是表达方式变了：直接作为多变量时间序列(O,H,L,C,V,A)喂给LSTM/Transformer/Mamba等模型，或者做高级特征工程：波动率形状、跳空统计、实体/影线比例分布、连续涨跌停结构等。

亚洲金融 Asia Finance

159,667 просмотров • 5 месяцев назад