沉迷于 vibe coding 的币圈咸鱼 每天高强度学习写代码中 插件，脚本，游戏，啥都写 冲！ 个人站： https://xitter.cf/t.co/XRQT2mqgYN DM for Collab Tg：https://xitter.cf/t.co/7VG8yQSuDg
Joined October 2010
- Tweets98.8K
- Following5K
- Followers67.3K
- Likes93.8K
Pinned Tweet
ai时代，很多用户痛点将得到饱和式的解决
其实我也做过和神鱼这个类似的简易版的检索工具
不过还没有到自动领取的下一步，而且可能还不太全
这是好事，ai时代将会有大量token浪费在重复造轮子上
造一半比造完了要好
oldmoney.imunclecow.com/
企业软件的入口要从菜单变成一句话了？
Oracle 在 AI World 上把 Fusion Companion 和 Fusion Agentic Home 端了出来，员工只管说业务目标，AI 去协调交易、工作流、审批、代理应用，连 ChatGPT 都能当入口。
真正值得看的是它没有把权限交给 AI：身份、政策、审批控制仍然留在企业系统里，跨系统操作也只走已授权的那部分。
这才是企业 AI 该有的样子——不是放一个能乱来的聊天框，而是让 AI 在制度的笼子里替人跑腿。
Fusion Agentic Home 还能识别业务异常、执行已授权修正，拿不准的决策上报给人，等于把“自动处理”和“必须有人拍板”切开。
但公告没给全面可用时间和定价，所以现在别急着喊颠覆，先看它落地到多少客户的日常流程里。
方向是对的：入口变对话，责任不变模糊。
Canva 自己训了个图像模型，第一刀就砍在 AI 生成图最烂大街的痛点上：文字排版！
Craft 不是直接开画，而是先把提示词写成构图计划——元素、位置、比例、视觉层级、文字，全都列清楚，再交给专门的渲染模型出图。
最高 2K，超过 30 种宽高比，官方说支持 55 种语言的画面文字。
训练数据里塞了 Canva 内容库数百万个人工设计模板，海报、社交图、演示、信息图、菜单都在内。
这才是聪明的地方：别人在卷画得像不像，它直接卷版式对不对。
生成结果还能通过 Magic Layers 转成可编辑的设计元素，不是一张死图就完事。
但别急着高潮——MCP 标着即将推出，Craft-fast 和 Craft-ultrafast 也还在路上。
细小文字和技术图纸仍需改进，这是官方列出的后续优化方向。
不过对做海报、营销图的人来说，这个方向比再卷一轮审美有用多了。
现在全球 Canva 用户在 Dream Lab 就能用，也开了 Public API，想试的可以动手了。
SpaceX 一口气谈妥 400 亿美元买 GPU，马斯克这次是真把火箭公司当算力公司的现金流用了？
他在 X 上说融资已经 closed，用途是 GPU，规模 400 亿美元。
但注意，这是他本人的融资声明，不是审计口径，也别急着理解成 400 亿现金已经到账。
更值得看的是他给的理由：投资级信用，加上 Starlink 和火箭发射的收入。
换句话说，AI 算力热潮里，真正决定谁能借到钱的，可能不是模型故事讲得多性感，而是你有没有别的业务在持续赚钱。
他还顺手给行业下了个判断：200 多家专注 AI 算力的新型云服务商会倒闭、整合，最后只剩少数。
这是预测，不是已经发生的统计，但方向很狠。
如果连马斯克都要靠 SpaceX 的信用和现金流去撬 GPU，那些只靠 AI 数据中心收入讲故事的公司，融资难度只会更高。
而且这笔债主要是可提前偿还的债务，对应的是第一、第二季度到货的 GPU，本季度影响并不大。
所以别把 GPU 交付时间，误读成融资到账时间。
真正刺眼的反差是：大家都在抢算力，但最后拼的还是谁有真实收入、谁能扛住利息、谁能在整合潮里活下来。
马斯克这波不是在秀肌肉，更像是在提前给 AI 云赛道画生死线。
Pretty much.
As of the past few weeks, debt markets have almost entirely shut off access to money for any company that doesn’t have substantial revenue independent of AI data centers.
SpaceX closed $40B of debt for GPUs, but we’re investment grade and have Starlink & launch revenue.
That means the 200+ neoclouds are going to see guppy-level death and consolidation. Some will make it through, but not many.
机器人还没动手，先在脑子里把未来演一遍？
达摩院把 RynnUnify 直接开源了。
16B 的统一架构，8B 自回归 Reasoner 负责推理，8B 视频 Generator 负责把接下来的画面生成出来，两个模块用 Mixture-of-Transformers 拼在一起，底座是 Cosmos3。
最妙的地方在于它不是一次性想完整个任务，而是交替进行：推理一个子任务，预测一段视频，再带着跨片段的场景记忆继续往下走。
配合 self-forcing 训练和自适应时长，长程规划不再是空想，而是能一段一段"演"出来。
BCPO 的设计也很聪明：智能体自己决定是直接回答还是先生成视觉证据，而且训练时只更新 agent，generator 完全冻结。
WAM 扩展把世界预测和机器人控制接上了，RoboCasa365 和 Astribot S1 都有团队评测。
但说清楚，这不等于通用机器人问题解决了，别看到 demo 就脑补科幻片。
模型卡、代码、模型集合全放出来了，达摩院这次是真给。
一个会"先想象再行动"的具身智能体，开源了，接下来就看社区能玩出什么花样。
33B开源权重直接冲到Terminal-Bench 80.9，这波是真敢放还是真有货？
Nanbeige4.3-33B权重开放下载，Apache 2.0，33B参数，512K上下文，默认开思考模式，Transformers、SGLang、vLLM都能跑。
但注意，这个80.9是团队自己测的，不是独立第三方结论。
而且SWE-Bench Pro上60.3，还比Qwen3.8-27B的61.7低一截，不是全面碾压。
真正有意思的是定位：33B不是终点，是教师模型。
团队想拿它蒸馏出更小的智能体，比如Nanbeige4.3-3B——注意，3B还没发布，只是计划。
先造大模型当老师，再压小模型下场干活，这个路线本身挺务实的。
但教师模型的自测成绩，能不能撑起小模型的未来表现，得等真东西出来才知道。
现在下结论太早，但至少权重是真放了，Apache 2.0也够诚意。
先跑起来再说。
一个已经弃用的钱包地址，还能收走1599万USDT？
CoinDCX这次的坑，是旧钱包基础设施在2025年7月安全事件后就弃用了，但用户还在往旧地址充值。
更离谱的是，公司是先给用户账户记账，再靠另一套服务把钱归集到主钱包。
结果归集服务失效了一段时间，资金就那么积在旧地址上，最后造成1599万USDT的损失。
账户入账和链上归集是两件事，用户看到余额正常，不代表链上那笔钱真的进了主钱包。
CoinDCX称损失由公司承担，用户余额不受影响，充值、提现和交易持续运行。
但公司承担不等于没有损失，1599万USDT是真金白银的窟窿，只是没让用户先踩雷而已。
一个弃用的地址还能持续进钱，说明残留系统的监测早就该做了，而不是等钱堆在那里才发现。
公司自己也承认可以更主动沟通，现在提醒用户每次充值前核对App或官网最新地址。
说白了，别再凭记忆或者旧截图转账，币圈里地址这东西，过期就是过期。
这次是运气好，有人兜底；下次呢？
韩国虚拟资产税要第四次延期了？
青瓦台的回应很微妙：正在研究，还没决定，但方向就是往后推。
现行时间表是2027年1月开征，年收入扣掉250万韩元后，剩下的部分按含地方税22%收。
这已经是第四次讨论延期了，前三次都延了。
理由也不复杂：征管准备跟不上，年轻人意见大，还有境内外交易数据的公平性问题。
最扎心的是跨境这块——美国要到2029年才参与CARF，韩国自己先收，等于单方面给境外交易留了套利空间。
执政党已经提了修正案，直接把开征推到2029年，跟美国对齐。
但注意，这只是修正案，还没通过。
政府和执政党打算等国政监查结束后再协商，预计11月税法审议时讨论修法。
所以现在的真实状态是：讨论升温，方向明确，但法律上还没生效，别急着当既成事实。
一个税制改了三次时间表，第四次还在路上，这本身就说明当初的立法有多仓促。
与其反复延期，不如把跨境数据和征管能力一次性理顺，再定一个真正能执行的日期。
🤖 Made with AI
AI 要替你登录账号，密码到底该不该交给它？
1Password 给出的答案是：谁都不给。
10 月 22 日，1Password 发布了 1Password for Agents，让个人 AI 代理在你批准之后去登录、去完成任务，但代理全程看不到、也存不下任何密码、秘密或凭据。
这套设计最妙的地方在于分工：AI 只负责跑到登录表单前面，用独有数字密钥证明“我是你授权的那个代理”。
然后轮到你——在自己的设备上，你会看到它要用哪个凭据、为什么要用，批准还是拒绝，你说了算。
真正填表的动作由 1Password 直接完成，凭据从头到尾不会发到 AI 手里。
这才是 AI 时代该有的信任层：不是让模型更听话，而是让秘密根本不过它的手。
想想看，之前多少人为了图方便，直接把密码贴进对话框，等于把家门钥匙交给一个你不完全了解的黑箱。
1Password 这个思路等于在说：自动化可以给，控制权不能交。
合作生态也铺开了，Meta Muse、Anthropic Claude、OpenAI、Grok Bot、Town 都在名单里。
不过各项集成上线节奏不一样，Claude Duet 官方口径还是 soon，别急着喊“全都用上了”。
但方向已经很清楚：AI 代理要真正进入我们的账号体系，靠的不是更大的权限，而是更硬的边界。
密码不给 AI，任务照样能跑，这才是让人放心的自动化。
本地大模型终于会说话了，但中文用户先别急着高兴！
Ollama 10月24日官宣支持文本转语音，首个模型是Gradium的Phonon。
一条命令 `ollama run phonon` 就能出声，`--voice` 挑音色，重定向一下直接存WAV。
兼容 /v1/audio/speech 接口，支持流式输出，默认24kHz单声道WAV，也能吐原始16位PCM。
但目前只跑在Apple Silicon Mac上，还得Ollama 0.40.11以上，Windows和Linux还得等。
语言支持英语、法语、德语、西语、葡语五种，中文压根没列进去。
许可也得看清楚：默认phonon是Apache 2.0，但40M那个模型挂的是CC BY-NC 4.0，商用直接劝退。
官方在M5 Max上测出45秒语音，取10次中位数，说比Gradium自家运行时快35%——这是M5 Max的成绩，别拿去当所有机器的通用结论。
本地语音这条路是通了，但离“人人可用、随便商用”还差得远。
人形机器人最怕的不是不会干活，而是关键时刻卡成PPT！
北京人形机器人创新中心的天工机器人接入了声网的实时互动能力，专门服务远程操控场景。
远程操控依赖实时链路；这次报道没有披露操控距离、时延或实测效果。
声网的赵斌说得挺准：实时互动已经从人跟人聊，变成人跟Agent协作，感知、理解、表达、行动全都要实时撑住。
天工3.0正在往智慧导览、电力巡检、物流搬运、实验室自动化、安防巡检这些真实场景里推。
这次披露的是远程操控场景的合作接入，不代表机器人已经实现完全自主作业。
真正值钱的是把"人机协同"的基础设施补上，机器人本体再强，链路拉胯照样废。
现在缺的是硬指标：时延多少、断线率多少、能同时挂多少台，这些才是判断成色的关键。
先把实时链路做扎实，再谈自主，这个顺序才对。
15家矿圈巨头集体站台，比特币挖矿要被AI统一接管了？
Tether刚扔出一个MDK开源框架，Bitdeer、比特大陆、嘉楠、MicroBT、F2Pool、Foundry、Proto这些名字全在承诺名单里。
核心诉求很朴素：别再让每家矿机说一种方言了。
过去你想给不同厂商的矿机做管理，就得一家一家对接接口，重复造轮子，运维成本高得离谱。
MDK的思路是让各家自己写一个Worker，把自家接口翻译成统一接口，上层应用只对接一个标准层。
而且企业不交出控制权，只暴露自己愿意开放的功能，这个设计比强行统一底层聪明。
Tether的QVAC mining agent已经跑在MDK上，算是AI直接指挥矿业基础设施的早期样本。
但先泼盆冷水：15家是承诺共建维护，不是15家已经全面落地，这两个字差别巨大。
MDK现在才0.11版本，1.0稳定版目标是2026年底，能不能按期交付谁也不敢打包票。
节电、收益、算力提升这些漂亮话，目前也没有独立量化验证，别急着喊挖矿无人化。
不过方向是对的：接口碎片化不解决，AI管理矿场永远只能是PPT。
Tether这步棋不只在赌比特币挖矿，更是在抢矿业AI化的标准制定权。
谁定义了共同接口，谁就握住了下一代矿场的入口。
这才是真正值得盯的地方。
以太坊Hoodi测试网原定10月26日激活的Glamsterdam升级，突然被按下了暂停键？
基金会10月22日公告：原定2026年10月26日17:42:48 UTC、epoch 132352激活的Glamsterdam延期，新日期未定。
ACDE248决定调查EIP-8037与主网智能合约的交互，取消Amsterdam执行层、Gloas共识层和同epoch提升200M gas limit的计划。
注意，这不是已经证实主网被攻击，别急着恐慌。
这是撤销未来升级配置，不是回滚Hoodi链历史，链上已发生的一切照旧。
节点和验证者运营者要在10月26日前核对执行和共识客户端及自定义配置，用发行说明明确移除旧激活日程的版本。
普通主网用户和ETH持有人这次不用做任何操作，别被带节奏。
升级延期本身不丢人，怕的是硬上之后出事。
以太坊这波选择把安全调查放在进度前面，值得点个赞。
但一个EIP和主网智能合约的交互问题，就能让整个升级配置推倒重来，说明以太坊生态的复杂度已经到了什么程度。
新日期未定，运营者先把客户端版本理清楚，别让旧激活日程在自己机器上留着埋雷。
AI帮芯片挑考题，这招有点狠！
Amazon这次给Trainium做的TorchNeuron，最聪明的地方不是编译器本身，而是用AI agents去扫Hugging Face，从几十万个可执行模型里挑出841个代表模型当考卷。
芯片验证最怕的就是测不准——测少了怕漏，测全了跑不完。
841个代表模型加上数万种张量尺寸的shape registry，等于给每次版本更新配了一套标准化考场。
新版本先跑快速单元测试，再过841个代表模型，最后还要对完整模型分布测试，这个三段式挺扎实的。
adaptive eager模式也值得说，把运算组装成小子图动态调度，编译和执行能重叠，还保留了代码和硬件运算的对应关系方便debug。
这对被编译器黑箱折磨过的开发者是真友好。
多级缓存加同机共享编译服务，64进程分布式LLM测试里首次训练步等待时间缩短约三分之一——注意这只是启动等待，不是训练全程提速，更不是跟英伟达掰手腕的证据。
但能把迁移成本压到少量甚至无需改代码，对想试Trainium的人来说，这个门槛降得够实在。
把DNA直接丢进聊天框，一次推理成本只有GPT-6.1 Sol的1/1800？
Hugging Face刚开源的Carbon-X，就是这么一个把基因序列当自然语言聊的148亿参数模型。
它基于Qwen3-14B，DNA和英文共用一个decoder，你喂进去原始序列，它用英语告诉你突变影响、调控区域、下一个碱基可能是什么。
官方五项DNA基准平均66.7%，GPT-6.1 Sol是67.5%——注意这是发布方自己的评测，别急着喊“打平闭源巨头”。
但成本那一栏是真吓人：按H200每小时5美元实测吞吐算，每题推理成本约为GPT-6.1 Sol的1/1800。
当然这是特定基准和计费假设下的数字，不是你随便丢个任务都能拿到的折扣。
最实在的一点：权重Apache 2.0全开放，敏感的未发表序列可以留在自己实验室的机器上跑，不用喂给任何API。
门槛也不算低——BF16要一张80GB的GPU，普通笔记本就别想了。
官方自己把丑话说在前面：没做临床验证，不能用于医疗决策，会数错碱基、混淆坐标、甚至编造序列身份。
精确操作得配代码工具，生物学结论还得人来验证。
想接进Claude Code或Codex CLI，官方给了现成的DNA分析skill。
但GGUF/llama.cpp现在还加载不了，自定义Python tokenizer卡住了，别急着量化。
3020亿token的中期训练，DNA按6个碱基一个token编码，再加监督微调和可验证奖励强化学习——这套配方能不能撑起“基因组的GPT时刻”，就看接下来半年有多少实验室真拿它出结果了。
AI 被塞进地下四公里的矿井，给矿工筛结核？
南非 Mponeng 金矿，地下四公里，便携数字 X 光加离线 AI 直接现场筛查，疑似结核马上转诊做分子确证。
这个部署位置本身就说明问题：真正卡住结核筛查的不是模型多聪明，而是人能不能在工作现场被看见。
矿工不用为了拍一张胸片请假、跑路、排队，AI 先把可疑片子挑出来，医生再做最终判断。
这不是 AI 替医生看病，是 AI 把等待时间砍掉，把医生的注意力留给真正需要决策的人。
90 多名临床人员已经看了超过 25000 张胸片，约 40 家医疗机构在用，这个规模已经不是 demo 了。
但边界也很清楚：AI 只做分诊，确诊还得靠分子检测，最终临床决策在医疗专业人员手里。
认证进度也别吹过头：CE MDR IIb 和 ISO 13485 拿到了，WHO 预认证和 FDA 许可还在推进中。
MedGemma 和 MedSigLIP 开放给本地团队适配，印尼卫生部正在本地胸片上微调，年筛 5000 万人是目标不是现状。
最打动我的还是那个场景：在地下四公里、连稳定网络都未必有的地方，AI 必须离线也能跑。
这才是基础模型该去的地方——不是发布会上的 demo，而是没人愿意待的矿井深处。
结核筛查这件事，等不起，也远不起。
把工具送到人身边，比把人送到工具面前，重要一万倍。
小马智行要去哈萨克斯坦跑Robotaxi？
inDrive、NVIDIA、小马智行10月23日签了谅解备忘录，探索在哈萨克斯坦做自动驾驶网约车。
分工挺清楚：小马智行出第七代Robotaxi，inDrive出平台和运营，NVIDIA提供AI基础设施，走Hyperion传感器计算平台加Halos安全体系。
首站选在首都阿斯塔纳。
但别急着喊落地，这还只是探索阶段，技术、运营、监管、商业可行性都要评估，还得跟哈萨克斯坦政府谈成协议才有戏，上线日期更是没影。
真正有意思的是阿斯塔纳的长冬和冰雪环境，官方想拿它当冬季自动驾驶能力的验证场。
想法很硬核，但公告未披露已完成当地冰雪实测，现在只是把挑战摆在台面上。
中国Robotaxi卷到中亚冰雪城市，这步棋够大胆，就看能不能从备忘录走到真上路。
AI 写代码不够吓人，AI 证明代码不崩溃才吓人！
Anthropic 拉上 Theorem，让 Claude 给 123 个开源库的 239 个 OSS-Fuzz 入口做形式化验证，结论是：在特定条件下，这些入口不会崩溃。
注意是「证明」，不是「测了很多遍没炸」。
覆盖范围是小于 64MB 的任意输入，跑在 Linux 上固定内存预算的单线程静态 RISC-V 二进制。
换句话说，它证明的是一个非常窄、但非常硬的命题，不是「这库没 bug」。
证明代码写了约 1.8 亿行 Rocq，由外部检查器验证，开发者要信任的只剩机器语义模型、定理陈述和检查器本身。
最有意思的是，Claude 在证明过程中挖出了长期没被模糊测试抓到的缺陷，顺手修了。
模糊测试跑了那么久没发现，形式化验证一上来就撞见，这就是「测试没发现错误」和「数学上证明不发生」的差距。
但别急着高潮，研究自己划了边界：不是每个库的全部入口都验证了，证明不等于整个库 bug-free。
团队公开了部分证明、RISC-V 和 Linux 语义、入门 skill，但没公开可能暴露未修补漏洞的那部分。
这个克制是对的，工具链成熟之前，公开等于给攻击者递刀。
真正让我兴奋的不是「AI 消灭漏洞」这种标题，而是从「跑一万次没炸」到「在给定条件下数学证明不炸」这一步跨出去了。
软件安全终于开始有点像工程，而不是玄学。
Claude Code 正在高速起飞，参与开发一年多的工程师却走了？
Thariq Shihipar 宣布离开 Anthropic，他说自己见证了 Claude Code 的规模远超想象。
最有趣、有时压力最大的工作——这句话里信息量不小。
他没说下家，没说创业，只说先休息一段时间。
原帖对 Anthropic 的使命和同事全是肯定，还说信任同事。
所以别急着脑补内斗、崩盘、裁员剧本，这次真没有那些戏。
能在产品最猛的时候按下暂停键，本身就很需要底气。
高速狂奔的团队里，有人选择下车喘口气，这不丢人。
反倒是那种永远不敢停的人，才更让人担心。
想继续追 Claude Code 动态，他推荐了 Addy Osmani、Lydia Hallie、Cat Wu、ClaudeDevs 和 Boris Cherny。
一个体面的离开，比一堆阴谋论有意思多了。
I’ve left Anthropic after more than a year of working on Claude Code and seeing it scale larger than I ever imagined.
I have really loved working at Ant and believe deeply in the mission, and most of all, the idea of a race to the top.
The idea that if we work hard and responsibly, we can raise the bar and inspire others to great outcomes. And if we all push each other to be better, things can be radically good. I will carry the spirit of this with me forever.
My colleagues at Anthropic are the most talented, thoughtful, competent, and earnest people I have ever met. I am glad they are at the wheel and trust them deeply.
To the community on X, thank you for everything. You’ve made this the most fun (and sometimes stressful) job I’ve ever had.
For me, it is time for a bit of a break before diving into something new.
If you want more excellent Claude Code content, you should follow @addyosmani , @lydiahallie, @_catwu, @ClaudeDevs and of course @bcherny who started it all.
随机打乱货架就干不完了，具身智能离"上岗"还差多远？
2026全球开发者先锋大会的国际具身智能技能大赛，把考题做得很不客气：物料随机打乱、料箱堆叠方式说变就变、设备故障说来就来，就是要逼机器人在陌生工位上真干活。
质检赛项里有队伍自主作业停顿很久，试管盖拧得开却拧不回去，放进离心机位置也对不准，最后靠人遥操作接续完成。
商超赛项更直接，随机货架、随机商品指令一上，自主状态基本干不动，大部分队伍选择遥操作。
柔性抓握和力反馈这两关，现在还是硬骨头。
但我不觉得这是坏事。
拧瓶盖、摆货架这种"看起来简单"的活，恰恰是检验机器人能不能走出演示视频的最好方式。
以前看参数、看跑分，现在看它在乱掉的货架前站不站得住。
这种实景考核，比任何发布会都诚实。
当然也别急着唱衰整个行业，现场看到的是个别队伍在特定赛项上的表现，不等于所有机器人都这样。
真正有价值的是，比赛现场的数据会持续反馈给后续训练，卡在哪一步，下一步就练哪一步。
张江科学会堂B馆还计划改造成永久性具身智能实景实训空间，长期开放预约，让这种"真刀真枪"的检验变成常态。
是计划，还没建成，但方向对了。
机器人要进工厂、进商超，先得在拧瓶盖和理货架这种小事上，把"能演示"变成"能交付"。
