《做爱性交所有姿势体位完全指南》 你做过爱吗？ 如果你做过，但你们永远只有一个姿势：她躺着你压上去狂抽，或者她跪着你从后面打桩——那这篇文章非常适合你。 如果你做过很多姿势，但每次换完你们俩就没有状态了、润滑没了、她开始忍、你开始慌——那这篇文章更加适合你。 网上体位图一堆，但是操作起来却非常困难。黄片里换姿势使用了剪辑像魔法一样魔法：一抬腿就到高潮，膝盖不酸，也不用停下来找角度。真人不是这样。这是我和对象试下来，真正有体感差别的几类——按真实感受写，不按镜头写。 别死撑同一个最刺激的姿势，换姿势是能提升时间的最重要的方式。 文中有示意图。 本文包括但不限于： 传教士系怎么最舒服，如何让自己和对方舒服，传教士的重点是什么、后入为什么容易很舒服但是也容易酸痛、女上的时候磨和抖动有什么区别、侧卧汤匙什么时候做、坐姿对抱的意义在于、站立床边哪些能用，而哪些纯属炫技、中途怎么换位怎么保持分为、膝盖手腕体力怎么省、阴蒂和G点在各姿势里分别靠谁照顾。 正文开始前，我先叠个甲。 第一，本文只讨论成年双方自愿、清醒、无金钱交易的性行为。强迫、欺骗、灌醉推进、偷拍，以及任何涉及未成年人的内容，都不在讨论范围，并且是我严厉反对的，这在任何国家都是违法行为。 第二，文中会写得很直白：勃起、龟头、阴唇、阴蒂、阴道口、前壁、润滑、射精、膝盖酸、手腕抖，都会直接说。你要朦胧文学，可以关掉。 第三，体位不是菜谱，也不是图鉴。集齐五十个名字不等于你会做爱。同一个「传教士」，垫不垫枕头、腿抬不抬，体感能差出两档。 第四，这是经验向科普，不能替代医生。反复剧痛、异常出血、关节损伤、长期性交痛，去看专科。 文中有示意图。 这篇文章写给已经会插进去、但插进去之后只会打桩、只会学黄片换造型、换完自己也不知道爽在哪的人。 也写给那些以为「体位多＝会做爱」、结果膝盖先炸了、阴蒂毫无感觉的情侣。 这个文章是给男女双方一起看的。男生女生看完请直接在评论区补你们真实体感——哪里酸、什么地方突然就对了。我希望评论区能变成一手经验交换，大家不要再复读片里的台词了。 那么我们开始吧 一、开始前的做法 她不够湿就硬进，这样的话，无论哪个姿势都像上刑一样痛苦。先用手、嘴、磨，把外阴和阴道口弄到滑，再谈插入。套要在你最硬的时候戴好；水性润滑备着，如果下面的水不够不够就用上。腰下或臀下准备薄枕——这东西比一百种花活都有用，把她下面的口往上放一些，你更容易插进去。 还有一句最重要的：别把「更深」当目标。 很多爽点在浅层和前壁（小腹侧那块更粗糙的区域，大约入口往里两三指节），狂捅尽头更容易顶到不适甚至宫颈附近的钝痛。她突然安静、眉头皱、往后退，不是欲擒故纵，是该浅一点或停。 阴蒂在绝大多数插入姿势里都会「空着」。后入空得最狠，传教士也常常蹭不到，女上磨的时候才比较容易贴上。所以每个姿势我都会写：阴蒂谁来管、前壁怎么对、膝盖手腕谁先撑不住。 体力也是硬件，你的腰、她的腕、双方的膝盖，比鸡巴长短更早决定今晚能不能做完。累了就换省力姿势，别死撑装猛——装猛的下场通常是软、抽筋，或者她忍着疼配合你演。 二、男上 / 传教士系 面对面、她仰你俯或你跪直，新手翻车率相对低，因为能接吻、能看她是爽还是疼，互动非常及时。别因为「普通」就跳过——普通才好让两个人体验都好。 1. 基础传教士：怎么摆 她仰躺，腿自然分开或屈膝；你用手或肘撑在她身侧，别把全身重量砸在她胸口，你一定要撑住自己的体重。先浅入，等她适应再找深度，不要一开始还不确定她里面湿润与否就直接狠狠插入。想让角度更好，把薄枕垫她臀下，骨盆略抬——你的顶弄更容易贴到前壁，这样就而不是只往最深处凿，你深了其实没啥用，女性的G和A点都在阴道壁上侧，你很粗很翘才会很舒服。单纯顶的深，然后怼到宫颈口会很痛。 你也可以从「跪直」开始：跪在她两腿之间，上身较直，双手解放，方便揉胸、揉阴蒂。硬度一般时，这个进法往往比趴下去更好进，不过这个，每个人都有不同的感受，你们两个要一起体验。 2. 真实体感（双方） 她侧：浅的时候常是被填满的胀和摩擦，垫枕之后，有人会更明显感到「朝小腹那侧被勾到」的压感，偶尔伴随尿意错觉——不一定是要尿，先问一句。阴蒂在这个姿势里常常蹭不到，除非你身体略往上移、用耻骨去磨，或者留下一只手，专门用手去刺激她。 你侧：传教士稳定，容易控制快慢，但也容易埋头打桩忘记阴蒂，阴蒂是必须得努力俯身，然后用身体去撞她的耻骨。俯身时耻骨斜向摩擦，有时阴蒂反而比你想象中更有机会被蹭到，但是有时候你不够柔韧就等不到。跪直时抽送爽、视野好，阴蒂更要靠手来补，女生有时候会很敏感，所以一定要轻一点。 3. 常见翻车 一进去就全力抽插，她还没彻底被唤醒 全身体重压垮她的呼吸，这很恐怖。 只顾自己腰，阴蒂空着 腿压得太开太久，她髋关节抗议 追求「一插到底」，把不适当的最深程度度成就 4. 小改动 垫枕 vs 不垫：不垫更容易直进深处；垫了骨盆一抬，龟头更容易刮到前壁。她若说「有点想尿」又说不清爽不爽，先减力，问要不要继续按那里，她舒服你再操作。 腿并拢再插：她双腿并拢一些，你在外侧进入，通道更紧，摩擦更集中。硬件一般的人，这个比硬冲深度有用，你可以让她把腿努力并紧，然后增加两个的体验。 腿搁肩 / 抬高：更深，前壁角度也常更好找，但更深≠更爽。深度一上来就要更慢，因为这样的体位会插的非常深，如果你本身就很大，对方没有被唤起，就有可能不舒服。；韧带不好的人别硬掰，别伤害对方 贴合磨法：你身体略往上移，耻骨压住阴蒂区域，以小幅度研磨代替大幅抽出——很多人靠这个比靠「九浅一深」更容易到。片里的大幅抽插好看，床上的小幅高频往往更有用，你是在取悦对方和自己。 5. 何时换 她说压得慌、你手臂抖到虚、或者你们都想要后入那种深度感时。也可以不拔出来：她翻成侧躺，你跟着转，直接进汤匙或侧后入。 三、后入系 她跪趴、塌腰、或胸贴床臀抬高；你在后方进入。深度容易深，前壁角度也常更好找，所以爽起来很快，翻车起来也快。 1. 怎么摆 她膝盖分开，手或肘撑住；塌腰翘臀比硬直背通常更舒服。你跪在后方，进的时候先浅，别一插到底顶穿。想更稳也更贴前壁：她胸部贴床、臀抬高，你进入的角度往往更「勾」向前壁。 床边变体也很实用：她趴在床沿，你站在地上后入——省双方膝盖，高度好调。站立后入也可以，但滑、累、容易对不齐，只适合短换气氛。 还有一种「整个人趴平、腿伸直、臀略抬」的压贴后入：通道更紧，深度感强，但阴蒂更空，润滑要求更高，女方会感觉完全完全被充满，非常非常有涨涨的感觉，你这个姿势也会感受到无与伦比的被包裹感。 2. 真实体感（双方） 她侧：深、胀、被从后面填满的感觉很明确；前壁被顶到时，可能又爽又有尿意感。阴蒂在后入里常常完全空着——除非你伸手绕到前面揉，或她自己伸手。看不见脸时，有人更放开，有人更紧张；紧张的人要多说话、多问。 男侧：视觉和控制感强，容易越插越狠，忽略她是在忍还是在爽，后入是真的非常非常考验男生和女生的默契的，一定要保持好你们两个的交流。手空出来是优势：一只扶髋定节奏，一只去阴蒂或乳房。别把「能打桩」当做自己的能力，本身后入就更容易发力，你要的是两个人都很舒服。 3. 常见翻车 打桩过深过快，她疼还不好意思说 不管阴蒂，只顾自己视觉，你的手空出来了，就该去她身上摸来摸去。 她手腕膝盖磨到红还不停 没润滑就后入，干涩放大，就非常恐怖了。 滑出又急着捅回去，龟头撞到会阴或肛门附近，你一定要保证插的很准。 4. 小改动 降低上身（她改肘撑或胸贴床）、你略下蹲改变角度；速度降一半，深度留在她点头的那一截。她腿并拢一些再后入，紧度上升。你站床边、她只负责把臀送出来，能省很多膝盖。 阴蒂必须用你的手来补充刺激：绕到前面揉，或让她自己摸。后入本身很少自动照顾阴蒂，这不是她「不够敏感」，是姿势结构问题。让她自己摸。 四、女上 / 骑乘系 你躺或半躺，她跨上来。主动权在她：深度、角度、快慢基本她说了算。对很多女生，这是最容易把阴蒂蹭上的插入姿势之一，这很容易让对方的阴蒂非常非常舒服。 1. 正骑：怎么摆 你躺稳，膝盖可屈；她先扶着你坐下，慢慢吞入，别一坐到底，你们又不是老手，一坐到底如果坐歪了就是毁灭性打击，先得慢慢插入。她双手可撑你胸口或床面。你的手摆在她腰或臀，是托着她上下动除非她明确要你帮着抬，那是你们的情趣。 2. 真实体感（双方） 她侧：前后磨和上下跳都很舒服，主要取决于；磨的时候阴蒂能贴你的耻骨，水声和热度上来很快。上下跳视觉刺激大，但阴蒂容易空，不过落下来的时候能撞到它，所以其实还好，主要是膝盖和大腿也酸。她身体略前倾，双手撑你身旁，阴蒂通常更容易贴住。 你侧：视野好，手能摸胸、这个视角非常非常爽。但你容易变成「躺尸」。腰还可以轻轻上顶配合，别完全当死鱼，女上对很多男生更持久一点，因为节奏不全由你控制——所以有可能她还没舒服你就要射了，所以你要注意好你自己的状态。 3. 反骑 她背对你坐上来。你看的是背和腰线，她看的是前方；眼神交流变少，羞耻感和视觉刺激变强。进入角度和正骑不同，前壁被刺激的方式也不同，有人更爱，有人觉得别扭——以她为准。 反骑本身阴蒂不一定够，你的手必须绕到前面补，摸她的屁股，摸她的胸（如果你的手够长的话）。坐歪滑出、扭到你、她不敢动只好僵着，都是常见翻车。慢坐、你扶好根部对准，比猛坐重要。 4. 常见翻车 她还干着就被迫坐到底，疼 你抓着她的腰狂按，像健身器械，纯神经病来的 只跳不磨，她累你也没爽到点，这样不好。 她前倾或后仰过度，滑出又急着坐回去擦伤 润滑不够——女上对干涩特别不原谅 5. 小改动 磨 vs 跳：磨是耻骨和阴蒂的约会，跳是你的高潮进度条和她的大腿耐力比赛。想让她到，多半是磨加你的手指；想换气氛，再跳几十下。 你坐起来变成对坐：胸贴胸，深度变浅但亲密感和阴蒂摩擦都上升。适合她腿开始抖、还想继续的时候。 你托着她的大腿帮她上下：能减轻她腿力负担，但节奏仍由她点头决定，别擅自加速。 6. 何时换 她腿抖到撑不住、想被你主导一会儿，或想换成后入换刺激。女上很适合作为「找点」阶段：让她自己坐到那个角度，记住感觉，再换到你主导的姿势复现。 五、侧卧 / 汤匙系 你们同向侧躺，你在她身后像汤匙叠着。累了、想慢、想贴着睡又还硬着，这个姿势几乎是救星。开场未必够刺激，收尾和高潮边缘却极其好用。 1. 怎么摆 她侧躺，上方那条腿屈起或你帮她托着；你从后方进入。不要追求极深，侧入天生偏浅偏磨。垫一下她上方膝盖，或她上身略前倾，会顺很多。 变体：她几乎仰着、你侧着跨她一条腿进入（有点像「拧着的后入」），能对视，深度感介于汤匙和后入之间。或她腿并拢、你从后方站或跪在床沿进入，紧度很高。但是这样屁股会挡住一部分长度，所以适合多重刺激，可以加小玩具，她会很舒服，同时又不会很难受。 2. 真实体感（双方） 她侧：压迫感小，亲密感强，适合长时间磨；阴蒂你伸手就能照顾。高潮前后极敏感时，侧入往往比传教士或后入更宽容。 你侧：腰不用炸，适合持久和温存，但刺激可能不如后入猛——这不是缺点，是用途不同。想射又想拖一会儿，侧入是很好的减速带。 3. 翻车与小改动 进不去就硬撬，这完全是坑娘。上方腿不打开导致角度别扭。润滑在侧入里同样重要，别以为「温柔姿势」就可以干着磨。她背后贴着你时，说话、吻颈、手揉阴蒂，比加大抽送更有效。 4. 何时换 想加强刺激就转后入或她翻仰变传教士；想结束就抱着磨到软，不必再换花活。 六、坐姿 / 对抱系 面对面坐着抱住，她跨在你腿上，或你坐椅/床边她来坐。深度通常不深，但胸、呼吸、接吻全在，适合不想「做爱表演」而想贴在一起的时候。 面对面 1. 怎么摆 你坐稳（床边、椅子、沙发靠背都可），她面向你跨坐，慢慢坐下。你们可以靠墙或靠床头减负。她背对你坐也可以，变成坐姿反骑，手更方便绕前揉阴蒂。 还有一类「你坐着、她仰躺或半躺在你身前」的衔接：从跪直男上过渡过来时，你把腿伸直坐下去，她几乎不用动——省膝盖，前壁角度有时更上翘。 2. 真实体感 慢、热、磨。阴蒂容易在身体贴紧时被照顾到。你们腰和大腿都容易酸，所以它更适合当桥梁和温存段，不适合当唯一的剧烈冲刺姿势。 对很多情侣，坐姿的价值不是「最爽」，是最容易说话、接吻、一起减速。射意上头时切到坐姿对抱，因为这样一般动不起来，其实吧，这样常常比死撑后入更聪明。不然你们只有抽查，很没有意思，这样是在增加你们的情趣。 3. 翻车 椅子不稳、沙发太陷、脚够不着地导致她悬空乱晃；硬要上下跳把膝盖废掉。坐姿以磨和浅顶为主，别按女上跳法硬套，女上她是可以动的，但是对坐她就不容易动了。 4. 何时切换 酸了就放倒成传教士或侧入；想加深刺激就让她转身后入，或你站起来变成床边，你们随时可以改变。 七、站立 / 床边系 片子里很帅，真人要挑能用的。床边是实用冠军；纯站立抱起是短爆发，不是主力，正常人类很难拿这个来操作。 1. 床边抬臀（很实用） 她躺床边或臀靠近床沿，腿分开或抬起；你站或跪在床沿外。角度好调，也方便你腾出手，或先口交再就着床沿插入——少很多「重新找阴道口」的尴尬，也会用你的舌头弄的她非常舒服。她骨盆被抬住时，进入方向更可控；你站着省膝盖，但注意别只顾着深，一定要倾听她身体的语言。她腿酸就放低，或把腿搁你臂弯。台面、稳桌子同理，但要确认承重和边角，别为了帅去用玻璃茶几，别特么搞碎了你们的家具伤害到自己。 2. 站立后入 / 靠墙 双方站着，她略前倾或手撑墙，你从后面进。腿并拢会更紧。适合浴室门外、沙发扶手旁这种「一时兴起」，但地板滑、高度差、勃起角度差一点，都会让它变刑具，你们一定要注意安全。温和控制节奏，滑出比深顶更常见伤害，滑出后怼到其他身体部分会很痛。 3. 站立抱起 靠墙，你托她、她夹你。只适合短爆发或「换气氛的三十秒」。墙要稳，地板别滑，她双手搂颈或撑你肩，你托臀不是只抠腿弯。进不去别硬抱着对刺。累了立刻放下换成床上——摔一次比帅一次贵，摔一次，要是拔出来还好，要是没拔出来，你就断了。 4. 何时使用呢？ 前戏后想快速衔接插入：床边。后入打太累想省膝，站立可以试一下，但别让表演盖过体感。体力、身高差、硬度不够时，站立系直接弃，不算输。 八、组合与切换：怎么换位不把气氛弄死 别突然抽出来宣布「我们换后入吧」，这太变态了，建议大量使用dirty talk。 还埋在里面就慢慢转（传教士她翻身变侧入，再转到后入） 抽出来用嘴和手接住空档，再进下一个 换姿势时补润滑——最容易被忘掉，一干就疼。 一个实用顺序（不是规定，是地图）： 口交 / 手把她打开（外阴热、入口滑） 传教士或女上找默契（看见脸、好说话、好找角度） 后入或床边加深刺激（前壁、视觉、深度） 侧入 / 对抱收尾或再磨到高潮（省力、阴蒂好照顾） 中间随时可插女上让她主导一会儿。谁先到都可以，不必同秒；她到了阴蒂可能极敏，换成浅磨或抱着停两秒再继续。 射意来了怎么办：别死撑同一个最刺激的姿势，换姿势是能提升时间的最重要的方式。切到侧入、对抱、或让她正骑慢磨，手去阴蒂帮她，你自己抽送幅度降下来。持久很多时候不是忍精功，是姿势调度。 中途软了：别道歉表演三分钟，你道歉顶个p的用，你现在需要开始改用嘴和手继续她的节奏，硬了再说，然后再来一轮；气氛断在情绪，并不是你不插入就不行，侧卧和女上对「半硬试探再进」往往比后入友好。 十、疼痛、抽筋、套的问题，怎么办 膝盖痛：垫枕头、改侧入、改床边站立后入。 她喊深了：退出半截，改磨，手去阴蒂。 手腕抖：改肘撑或胸贴床，别逞能平板支撑式做爱。 你突然软：停表演，改口手；气氛别办成葬礼。 套滑或干：停，加润滑或换套，再进。 抽筋：停下拉伸。 她突然安静：问。忍和爽的表情，很多男生分不清。 安全仍是那几句：自愿、可停、戴套防病防意外、有病痛溃疡先别做。体位再花，也救不了不沟通。 最后 提倡纯爱，不奔着结婚去的恋爱都是耍流氓。可以很色，但是不要滥交不要约炮不要嫖娼。我求你们了。你没必要集齐图鉴，体位是今晚你们的腰、穴、阴蒂、呼吸的组合最适合什么。 你要会看她是在迎还是在忍，比你会五十种花活都更像会做爱，更像爱她的人。示意图其实也没有那么大作用，床上反复练的，是角度、润滑，和一句「这样行吗」之后真的愿意改。 你们两个人有没有把阴蒂和前壁当回事，有没有在膝盖废掉之前换姿势，这些是最让你们两个舒服的内容。 详细的前戏、第一次怎么做、男舔女穴、女含男根、约炮防病防意外，见我主页其它篇。这篇先把「插进去之后怎么摆、怎么换、怎么别把自己干废」说到能用。 你们的经验请在评论区直接说。男女都请进，补充一手经验。 我写的要累死了，求你们点个订阅。

性爱小技巧：（女上位） 女上位是女生主动掌控节奏的姿势，男生平躺着，双腿自然伸直或者微微分开，女生跨坐在他的腰部，膝盖跪在床面上面对着他。女生可以把双脚踩在床单上或者放在男生大腿两侧，这样能让她更好地借力上下或者前后移动。男生双手可以自然放在她的腰上或者大腿外侧，随时帮忙支撑或者调整角度。女生双手可以撑在男生的胸口、肩膀或者床头，这样既能保持平衡，又能控制身体的倾斜程度。枕头可以垫在男生头下，让他更容易抬起头来亲吻或者低语。 温柔缠绵的时候，女生可以把身体微微前倾，让胸口贴近男生，同时用骨盆缓慢前后摇摆或者做小幅度的圆周运动。男生双手轻轻扶着她的腰，帮助她保持稳定的节奏，而不是用力拉扯。女生可以把一只手放在他的胸口感受心跳，另一只手捧着他的脸或者脖子，慢慢低头亲吻。亲吻时两人脸贴得很近，可以用嘴唇轻轻触碰和吮吸，舌头温柔交缠，同时保持眼神交流。男生可以把嘴巴移到她耳边，低声说一些温柔的话，比如「你这样动好舒服」「慢慢来，我喜欢看你这样」，或者描述她现在的感觉。女生可以把身体往前倾一点，让阴蒂更容易摩擦到他的耻骨，增加持续的刺激。动作要保持缓慢而有节奏，每一次前后摇摆都尽量让两人身体贴合得更紧，男生可以配合着微微向上顶一下，但力度要轻，避免打断她的主导感。整个过程重点是双方呼吸的同步和亲密的贴合，女生可以偶尔停下来只是前后磨蹭，男生则把脸埋在她脖子或耳边，轻轻喘息和低语，让温暖的气息传递过去。 激烈一点的时候，女生可以把双膝跪得更稳，双脚用力踩在床面上，身体开始上下套弄或者前后快速摇摆。男生双手可以抓住她的腰或者臀部，帮助她上下移动，同时用手臂力量把她往下按得更深。女生双手可以撑在男生胸口或者抓住他的肩膀，身体前后倾斜来调整角度，让进入更深或者刺激到不同位置。亲吻会更用力，男生可以突然坐起来或者把她拉低，用牙齿轻咬她的下唇再用舌头安抚，嘴巴也可以移到她耳边，用更低沉的声音说一些直接的话，比如「再快一点」「你好紧」，或者问她「这样行吗」。节奏可以从缓慢开始逐渐加快，女生可以自己控制速度和幅度，男生则配合着向上顶或者用手拍打她的臀部增加刺激。现实中很多人喜欢在这个姿势里加入手部互动，男生可以把一只手伸到两人之间，用手指揉她的阴蒂，或者女生自己用手去触碰他的身体。整个过程要随时沟通，女生可以直接说「这里好舒服」「再深一点」，男生也可以问「要不要我帮忙用力」，这样双方都能更好地享受快感，避免因为疲劳或者角度不对而影响体验。 这个姿势最大的优点是女生能完全掌控深度和节奏，也很容易保持亲吻和耳语。刚开始练习的时候建议女生先从缓慢前后摇摆开始，找到最舒服的角度后再加快速度。男生要注意不要一直用力顶，要配合女生的动作，避免让她太累。记得多用双手支撑和调整姿势，女生如果膝盖酸了可以把一只脚踩在床面上换个姿势休息一下。随时沟通角度和力度，才能让双方都舒服持久。

OpenAI 跟 Cerebras 那笔 750MW 的合同今年 1 月签的，1 月份报道的合同价值超过 100 亿美元，后来 S-1 招股书披露的 Master Relationship Agreement 总价值超过 200 亿美元（包含到 2030 年的扩展选项）。第一个产品 2 月 12 日就上线了，叫 GPT-5.3-Codex-Spark。这个产品本身就是 Cerebras 推理引擎实战表现的一份成绩单，可以从几个方面做具体判断。 吞吐方面，Codex-Spark 在 WSE-3 上跑出 1000 tokens/秒以上，标准 GPT-5.3-Codex 跑在 GPU 集群上约 65 tokens/秒，速度差距 15 倍。Cerebras 自己在 gpt-oss-120B 这个开源模型上能跑到 3000 tokens/秒，是当前所有商用推理服务里最高的吞吐。第三方 benchmark 横向对比，同样 gpt-oss-120B 模型在 Cerebras 跟在普通 GPU 推理后端的吞吐差大约 10 倍。这个 10 到 15 倍的实测差距，跟物理层面 Cerebras SRAM 21 PB/s 对比 H100 HBM3 3.35 TB/s 那约 6300 倍带宽鸿沟之间，还有几百倍的 gap，被软件栈、工作负载、batch 处理这些系统级因素吃掉了。 延迟方面，1000 tokens/秒对应每个 token 1 毫秒生成间隔，这个速度的硬件能力反过来暴露了 OpenAI 自己推理 stack 的瓶颈。OpenAI 在 Codex-Spark 上同时引入了持久 WebSocket 连接和 Responses API 重写，每次客户端服务端往返开销减少 80%，per-token 开销减少 30%，time-to-first-token 减少 50%。原来 OpenAI 的整套推理服务架构是按 GPU 推理"几十毫秒一个 token"那个延迟尺度设计的，跟 Cerebras 1 毫秒每 token 的硬件能力对不上，软件栈的开销反而成了瓶颈。Cerebras 的速度让 OpenAI 必须重做整个 web 层，硬件能力升级倒逼软件栈重构。 成本方面，Cerebras 的硬件成本优势目前还没有被公开定价验证。Codex-Spark 只对 ChatGPT Pro 200 美元/月订阅用户开放，API 定价至今未敲定。OpenAI 选择高 ARPU 订阅档而不是开放 API 定价，意味着单位推理成本仍然显著高于普通 GPU 推理服务，需要靠 Pro 订阅的高客单价摊薄 Cerebras 的硬件固定成本。如果 Cerebras 真的便宜过 GPU，OpenAI 应该敢把 Cerebras 后端的 API 价格直接公开。延迟披露 API 价格这件事，可以理解为 cost-per-token 还没真正击穿 GPU 推理的成本曲线。作为参考，Cerebras 自己的推理云上 gpt-oss-120B 定价是 $0.69/M 输出 tokens，GPT-4o 的 API 售价是 $10/M 输出 tokens，但两者模型规模和能力差距很大，不能直接对比。 但 Cerebras 的这套东西有几个关键的约束条件，框定了它现在能做什么、做不了什么。 第一是模型大小限制。Codex-Spark 是蒸馏后的小模型，被显著压缩才能跑进 WSE-3 的 SRAM。WSE-3 的片上 SRAM 只有 44GB，frontier model 的参数量远超这个容量，必须做剪枝或蒸馏才能装得下。换速度的代价是损失约 19 个百分点的模型能力，Terminal-Bench 2.0 上 Spark 约 58% vs 标准 Codex 77.3%。这是 weight streaming 在工程上仍然不够好的旁证，OpenAI 选择用蒸馏小模型而不用 weight streaming 跑大模型，说明前者目前在工程上更可行。 第二是容量限制。Codex-Spark 目前是 research preview，OpenAI 明确说明"由于运行在专用低延迟硬件上，使用受独立速率限制约束"。这个表述基本等同于承认 Cerebras 容量稀缺。750MW 全部部署完需要数千台 CS-3，对应 Cerebras 的整机产线是巨大的扩产挑战。这也是招股书里 RPO 约 246 亿美元有 85% 要到 2028 年之后才能确认收入的根本原因，硬件交付的物理速度限制了营收节奏。 总结来说，OpenAI 这笔交易对 Cerebras 是阶段性胜利，但远没到终局。技术验证层面，Codex-Spark 证明 WSE-3 在中小模型推理上确实能做到 GPU 做不到的速度，这一点产业内已经形成共识。但商业兑现层面，Cerebras 还要解两个核心问题。一是大模型推理的 SRAM 容量限制，OpenAI 用蒸馏小模型而不用 weight streaming 跑大模型，说明 weight streaming 当前还撑不起完整的 frontier model。二是规模化部署的速度，每台 CS-3 都要一片完整的 5nm 晶圆和一套非标准化的整机集成流程，年产几千台 CS-3 是相当具体的工程瓶颈。 对国产推理芯片的同行来说，这件事还有几个很具体的工程信号。 端到端延迟优化的价值正在被产业重估。OpenAI 重写整个 Responses API 说明硬件再快，软件栈跟不上的话推理体验仍然受限，专用推理芯片的价值要靠端到端的延迟优化才能完全释放。 蒸馏在产业部署里的实际重要性远超学术讨论的程度。OpenAI 这种规模都要为了跑 Cerebras 专门蒸馏模型，说明专用推理硬件 + 专用蒸馏模型这个组合是接下来一段时间的主流形态，单纯的"通用推理芯片"在竞争中会比较吃亏。 1000 tokens/秒正在成为 Agentic AI 工作流的新基准。慢于这个速度的推理硬件在交互式 agent 场景下会被边缘化，这个速度天花板对国产推理芯片是一个相当严峻的目标。 Cerebras 当前展示的能力是真实的，但商业化释放节奏被产能和工程瓶颈卡住了。研究 Cerebras 的真正关键，一是看它在 2027-2028 年能不能把 750MW 真的部署完，把 RPO 真的转成营收；二是看它能不能在 OpenAI 之外签下新的推理大客户。AWS 的 CS-3 上架是一个信号，但目前还没有第二个 OpenAI 量级的合同出现。从 G42 依赖到 OpenAI 依赖，客户质量在提升，但集中度的风险结构没有改变，只有客户组合真正分散了，估值里的风险溢价才能消化。

Claude Fable 5 是 DeepSWE 记分板上最贵的模型。Together AI 拿它跟全场最便宜的模型各跑了 452 次，给出的用法建议是反过来：贵的当后手。 《DeepSWE 上的 DeepSeek V4 Pro 0813 vs Claude Fable 5：成本、编码与路由》 DeepSWE 上的 DeepSeek V4 Pro 0813 vs Claude Fable 5：成本、编码和路由 要点 • 先跑 DeepSeek V4 Pro 0813，只有它失败时才升级到 Claude Fable 5。这条级联链解决 82.7% 的 DeepSWE 任务，每个任务 8.28 美元。单用 Fable 是 69.7%、每个任务 21.63 美元。高 13 个百分点，便宜 62%。 • Fable 赢第一发。pass@1 69.7% 对 62.8%，领先 7 个点。 • Pro 赢之后每一发。pass@2 打平（78.5% 对 77.1%），pass@4 领先（88.5% 对 84.1%）。 • 价格差 90 倍。每次 rollout 0.24 美元对 21.63 美元。每花 100 美元，Pro 解决 260 个任务，Fable 解决 3 个。 • 它们栽在不同的任务上。逐任务相关性只有 0.39，是我们测过的分歧最大的一对。两者合计覆盖 113 个任务中的 107 个。分歧正是路由能成立的全部理由。 现已上线 · 美国托管：在 Together AI 上运行 DeepSeek-V4 Pro 0813——1.05M 上下文，支持 function calling 和 JSON mode，OpenAI 兼容 API，托管在美国基础设施。查看模型 在我们对 DeepSeek V4 Pro 0813 与 Claude Fable 5 的 DeepSWE 对比中——DeepSWE 是一个跨多种任务类型和编程语言测试模型软件工程能力的基准——这两个模型坐在价格表的两端。Claude Fable 5 的每次 rollout 是 DeepSWE 全榜最贵。DeepSeek V4 Pro 0813 是最便宜的之一。Fable 首发的准确率高 7 个百分点，单次 rollout 却贵 90 倍，所以真正的问题不是哪个模型更好，而是这 90 倍的溢价到底买到了什么、什么时候值得付。 DeepSWE · 正面对决 DeepSeek V4 Pro 0813 vs Claude Fable 5 一览 • claude-fable-5 [max]：pass@1 69.7% ± 2.3%，平均成本 21.63 美元，每 100 美元解决 3 个任务，输出 token 115k，79 步 • deepseek-v4-pro-0813 [max]：pass@1 62.8% ± 3.1%，平均成本 0.24 美元，每 100 美元解决 260 个任务，输出 token 101k，146 步 我们在全部 113 个 DeepSWE 任务上，用 DeepSeek V4 Pro 0813（max）对 Claude Fable 5（max）各跑四次 trial，取自已发布的逐 trial 记录：总计 904 次 rollout（各 452 次）。Fable 是贵价的手艺人；Pro 是性价比上的异类。这两个模型的分歧也大于这套数据里的任何其他组合——结果这成了它们最有趣的地方。下文的每个数字都来自本次运行，所以可能与其他公开的 DeepSeek V4 Pro 0813 vs Claude Fable 5 记分卡有出入。 DeepSWE 记分板：pass@1 与 pass@k 单发，Fable 领先：pass@1 69.7% 对 Pro 的 62.8%（官方计分）。但这个领先很脆弱。两次尝试时 Pro 追平（78.5 对 77.1），四次尝试时 Pro 的 pass@4 88.5% 比 Fable 的 84.1% 高出 4 个多百分点。对一个贵 90 倍的模型来说，Fable 既没有守住天花板，也没有在重试下保住首发优势。更便宜的模型覆盖更广，best-of-k 也更高。 成本对比：DeepSeek V4 Pro 0813 vs Claude Fable 5 的价格 每次 rollout 0.24 美元，DeepSeek V4 Pro 0813 比 Fable（21.63 美元）便宜 90 倍：每 100 美元解决 260 个任务，Fable 只有 3 个。这是我们测过的所有组合里最宽的成本差距，Fable 也是榜单上最贵的单个配置。而且与直觉相反，低价格没有带来速度惩罚：Fable 的中位 rollout 31 分钟，Pro 35 分钟，基本持平——因为 Fable 是榜单上话最多的模型（115k 输出 token），尽管它的步数更少（79 对 146）。Pro 走的步数多；Fable 每步写得多。两个模型谁也没有明显更快。 失败模式：两个模型分别怎么错 两者在「不破坏东西」上都算自律：DeepSeek V4 Pro 0813 和 Fable 各自只在 11% 的失败里回归了现有测试套件，远低于 GPT 家族的 20%。差别在另一个方向：Fable 的大偏差失误占比是这里最高的（18% 对 Pro 的 10%），也就是说 Fable 一旦错，更常是错得离谱——给出离题很远的方案，而不是差一个边界用例。Pro 更多时候倒在离正确答案不远的地方（66% 的近似失手，对 Fable 的 57%）。所以两者都可以不加重度回归门禁就放心接入，但 Fable 的失手是调试成本更高的那种。 按任务类型，各自赢在哪 Fable 的手艺体现在推理重、契约精确的领域：8 个领域里它赢 6 个，领头的是数据建模与序列化（88%，比 Pro 高 24 个点）和语言内部机制（78）。但 DeepSeek V4 Pro 0813 拿下两个，两个都分量不轻：有状态响应式（66 对 64），以及——更有说服力的——并发与持久化（58 对 45）：在恰恰是 Fable 最弱的领域里领先 13 个点。Fable 在并发上的 45% 是它最弱的格子，也是唯一一个便宜模型不只是更便宜、而是工程师水平更高的领域。 按编程语言 Fable 赢下五种语言里的四种，但真正对得起它价格的是 Rust：85% 对 Pro 的 65%，20 个点的差距，也是这场对决里最大的一处差距。Fable 显然是序列化和 Rust 专家。其他语言都比价格暗示的接近（Python 70 对 60，Go 71 对 67，JavaScript 75 对 65），DeepSeek V4 Pro 0813 则实际拿下 TypeScript（61 对 57）。Rust 和序列化之外，付 90 倍价格的理由很难成立。 这两个模型到底有多不一样？ 亮点在这里。逐任务相关性只有 0.39，是我们测过的 DeepSeek-Pro 组合里最低的——这两个模型是真心意见不合。它们各自解决了 88 个任务；Pro 单独拿下 12 个，Fable 单独拿下 7 个，只有 6 个任务两边都栽。两者的并集覆盖 113 个任务中的 107 个（94.7%），而且分歧是双向的：DeepSeek V4 Pro 0813 在 awilix-async-container-initialization 上四发四中，Fable 一次没成；Fable 在四个 Pro 全挂的任务上四发四中（包括 koota-query-predicates 和 testem-bail-on-test-failure）。这是真正的互补，不是冗余。 在两者之间路由：组合打法 多样性加上价格差，让级联变得很划算。先跑 DeepSeek V4 Pro 0813，只有测试套件否决答案时才升级到 Fable：82.7% 的解决率，每个任务 8.28 美元。比单用 Fable（69.7%）高 13 个百分点，价格不到 Fable 单任务价格（21.63 美元）的一半。廉价的第一阶段清掉大部分队列，Fable 的溢价只花在难啃的剩余任务上，而且那些任务在上面还多获得一次独立的尝试。级联甚至赢过完美的一次性 oracle 路由（78.8%）。顺序不是可选项：Pro 先行每个任务 8.28 美元，Fable 先行 21.71 美元，准确率一样。 这意味着什么 Fable 5 是这张榜单上最难被当作默认模型的：最贵的一次 rollout 遥遥领先，首发优势被重试抹平，四发也没有天花板优势。只为两件事买它：Rust（85%）和序列化密集的工作（88%）——只有在这里它的质量才真正对得起价格。 DeepSeek V4 Pro 0813 是相反的画像：首发准确率接近 Fable，天花板更高，失败画像持平或更好，便宜 90 倍——尽管它在 Rust 和契约精确的领域让位。而因为两者是我们测过最多样的一对，Fable 最好的用法不是当默认，而是躲在低成本的 Pro 第一阶段后面做选择性升级，只在那少数真需要 Rust 或序列化专家的任务上付费。 现已上线 · 美国托管：在 Together AI 上运行 DeepSeek-V4 Pro 0813——1.05M 上下文，支持 function calling 和 JSON mode，OpenAI 兼容 API，托管在美国基础设施。查看模型 数据表：DeepSeek V4 Pro 0813 vs Claude Fable 5 完整结果 DeepSWE · 完整结果 • Pass@1（官方计分）：Pro 62.8%，Fable 69.7% • Pass@1（错误计为失败）：62.8%，67.3% • Pass@2 / pass@4：78.5 / 88.5%，77.1 / 84.1% • 覆盖率 / 可靠性：88.5 / 71.0%，84.1 / 82.0% • 四发四中 / 全挂：35 / 13，56 / 18 • 每次 rollout 成本 / 总成本：0.24 美元 / 109 美元，21.63 美元 / 9,346 美元 • 每 100 美元解决数：261，3 • 中位分钟 / 步数：35 / 146，31 / 79 • 中位峰值上下文 / 输出 token：232k / 101k，202k / 115k • 失败构成（近似 / 大偏差 / 回归）：66% / 10% / 11%，57% / 18% / 11% • 赢下的领域（共 8 个）：2（有状态、并发），6 • 赢下的语言：1（TypeScript），4（Rust 大胜） • 逐任务相关性 / 并集（两模型合计）：0.39 / 113 中的 107（94.7%） • Pro → Fable 级联（准确率 / 成本）：82.7% / 8.28 美元（单用 Fable 69.7% / 21.63 美元） • 单发 oracle 路由：78.8% • 基础设施错误：0，16 FAQ DeepSeek V4 Pro 0813 比 Claude Fable 5 更好吗？ 看指标。Claude Fable 5 赢 DeepSWE 上的单次尝试质量（pass@1 69.7% 对 62.8%），四发四中的任务也更多（56 对 35）。DeepSeek V4 Pro 0813 在 pass@2 追平、pass@4 反超（88.5% 对 84.1%），且每次 rollout 便宜 90 倍，所以在大批量或容忍重试的 agent 工作里，它是更强的性价比之选。 DeepSeek V4 Pro 0813 比 Claude Fable 5 便宜多少？ 在我们的运行里，DeepSeek V4 Pro 0813 每次 rollout 0.24 美元，Claude Fable 5 满血档 21.63 美元，约便宜 90 倍。按解决的任务算，Pro 每 100 美元解决 260 个，Fable 是 3 个——每美元的产出大约差 80 倍。 编码该用 DeepSeek V4 Pro 0813 还是 Claude Fable 5？ 大多数编码工作，两者的差距比价格暗示的小。Claude Fable 5 领先 Rust（85 对 65）、Python、Go 和 JavaScript，赢下 8 个领域中的 6 个，领头的是数据建模与序列化。DeepSeek V4 Pro 0813 拿下 TypeScript（61 对 57）、有状态响应式，以及并发与持久化（58 对 45）——那正是 Fable 最弱的领域。 要不要在 DeepSeek V4 Pro 0813 和 Claude Fable 5 之间做路由？ 要，前提是你能验证结果。两者是我们测过的所有组合里逐任务相关性最低的（0.39），合计覆盖 113 个任务中的 107 个。先跑 DeepSeek V4 Pro 0813，当测试套件否决输出时升级到 Claude Fable 5，能达到 82.7%、每个任务 8.28 美元——赢过单用 Fable，也赢过完美的一次性 oracle 路由。 DeepSWE 的 pass@k 是什么？ pass@k 衡量一个任务在 k 次尝试中是否至少有一次通过隐藏测试套件。pass@1 奖励一次做对；更高的 k 奖励能在多次尝试后最终到达方案的模型。DeepSeek V4 Pro 0813 的优势随 k 增大而扩大。 原文： #DeepSWE# #AI编程# #LLM评测#

1 这次是真的牛来，空单一天炸了快30亿美金。最近一个月etf基本都是缓慢流入，终于在白宫配合发力+牛来电影+牛来meme一起发力，拿下了最近半年的最大一波涨幅。 市场总是会朝着阻力最小的方向前进。 2 情绪上来看，确实不错，山寨切勿轻易开空，iv前段时间已经到极度低位，要么暴跌，要么爆啦，市场选择了爆拉。 3 目前手里流动性还不错的朋友，可以多关注一下房地产版块，当然仅限欧美市场。ai带来的生产力的释放，对商业地产可能是利空，对居家需求一定是长期慢性的改造。大部分时间，我们都在等ai交付的过程中。。 4 三星宣布拿自由现金流分红，这属于玩的比较过火的一种玩法，但是在很多地方是允许的···我真的很佩服韩国人的梭哈天赋。但目前我扫了一下全网的信息，起码dram赛道已经超多人要加大产能释放了，这波红利顶多再吃一年，现在怎么看去买三星都不是一个好的节点 ps：半导体我认为这个阶段分红好于回购，虽然分红会产生税收，但是对长期持有者来看，分红会改变企业的某种估值和持有逻辑，而回购反而有投机倒把的嫌疑。毕竟增发和回购前后脚的海力士，怎么看这俩行为都在左右互搏。 5 最近在玩一个steam游戏，贸易之路，模拟经营的，里面最爽的就是我天天找下面的领主征税。。可见权力多么上瘾，感兴趣的可以玩玩，特别好评很多 6 最近沉迷流星花园，b站有正版，弹幕吐槽看的很欢乐，虽然当年被禁播了，2018又重新引进了。开场一句很地狱的弹幕 大s已经变成一颗流星了 7 牛来今天的排片已经下跌到4%了，下沉市场反映不强烈，今天又有新电影上映，分化了一波。奥德赛随着大家返回大城市票房也能打，就是片长有点劝退。 ps：人民娱乐应该是去中心化的，电影少点宣发，多点诚意，能捕获不少真正的观众的消费力。建议多来点小众影片，少点批判和说教，才能拯救我们的娱乐业。 8 今晚会减仓一些web3相关的股票，超买了太多了。这依然是个持久战，离ath还需要很多实打实的圈外玩家进来游戏 9 ti全是国外队了，这下子和世界杯一个级别了··· 10 医疗股因为癌症rna赛道爆啦。不用太兴奋，因为癌症从世界上消除，其实就能拉高人均寿命不到2岁，这病主要是名气大··而且熊市很长，基本能把周围的人折腾很多年，真正要命的从来都是心脑血管

曾经我思考我过一个问题，毛泽东的持久战与古德里安的闪电战如果在同一个战场遇见，谁赢谁败。 当然，我们需要明确一个核心前提： 持久战是一种战略理论与全局思想， 而闪电战则是一种战术与战役层面的突破手段。 我认为，如果单纯看开局和中前期，古德里安的闪电战几乎一定会占据绝对的上风。 古德里安强调将装甲力量集中使用，配合空军，以极高的速度穿透敌方防线，切断后路，形成包围。 而在战役初期，闪电战可以在极短时间内击碎对手的指挥系统和战线防御。 如果持久战力量在初期选择与古德里安进行大规模正面决战、阵地战，结果必然是被闪电战的机械化洪流迅速摧毁。 然而，毛泽东的《论持久战》最厉害的地方，在于它的核心逻辑是。 空间换时间，人民战争，游击战与运动战结合。 如果闪电战没能在第一波冲击中彻底毁灭敌人的抵抗意志，这场战争就自动进入了持久战的节奏。 不过，如果古德里安拥有现代信息化战争能力，而毛泽东仍然使用传统持久战思维，那么古德里安会赢得非常快。 不过，历史上这场对决真实发生过，就是巴巴罗萨。古德里安在明斯克、斯摩棱斯克、基辅打出人类战争史上最漂亮的合围，俘虏以百万计——然后，输掉了战争。 原因是德军的作战半径有硬上限。离铁路终点约五百公里，坦克开始趴窝，补给跟不上。苏联的纵深大于德军的臂展。反过来看1940年的法国，法军主力未被歼灭，但政治意志先于军队崩溃，因为法国没有可交换的空间，也没有把战争降级为人民战争的意愿。 所以，我认为，决定胜负的是被打的那个社会到底是什么结构。 闪电战是在赌对方脆弱，持久战是在赌自己耐久。它们各自面对的，其实是一个关于对手性质的假设。 而持久战的第三阶段，战略反攻，形态上就是闪电战。1944年的巴格拉季昂行动、1975年北越装甲纵队冲进西贡，都是拿到了物质条件之后执行的深远突击。 毛的框架里，古德里安的闪电突袭，大概率可能是终局所必需的那件工具。

一開始他是做空的，達拉斯城裡有很多辦公樓，都是玻璃帷幕，從外面可以清楚看見裡面的那種，他的朋友帶他遠看這些辦公樓，裡面都沒有人，他心想，不做空，難道要做多嗎？所以在1985年，Shad Rowe自己開始創業做投資，他賣空銀行股和建商，賺了些錢。那時候做空，不但不用付利息，券商收你質押的公債，還付你利息，然後在稅法上，還讓空頭可以拿多頭的股票來抵，沒有什麼資本利得稅的問題，所以算是對做空的投機客，相當有利。但是看起來有利，做起來卻有可能傷害身心健康。空頭永遠都在等公司爆掉，但是再爛的公司，真要爆掉的時點也很難預測，所以Shad Rowe經常心情不好，但他的母親與他相反，總是非常樂觀，總是可以找到一些點來安慰他，她說，「別擔心，遲早這些公司會爆掉」。就是這樣心裡的不健康，讓Shad Rowe開始思考不要做空，要開始做多，至少不用再冀望別人爆掉，詛咒別人惡運。當他開始轉多的時候，他乘著西南航空剛開始的順風起飛，大賺一筆，慢慢地讓他相信，唯有巴菲特的那種投資方式，才能在股市賺錢又保持身心愉悅。 Shad Rowe也喜歡逛好市多，Costco代表的就是他的新投資哲學，能用「更好、更快、更省」的方式來照顧客戶的消費產品，就是他的投資目標。這裡面有一個有意思的觀點，Shad Rowe認為，公司經理人，永遠都比股東知道得更多，對公司經營有更多的掌控，所以如果經理人要騙投資人，那投資人還真得很難對抗。不能投資這種蓄意欺騙投資人的經理人，但我們要怎麼找到讓人信賴的經理人呢？會想盡辦法對客人、對員工好的經理人，就是比較可靠的公司，就比較可能長期持久而不用擔心被騙，因為這代表了經理人不是把自己的短期私利放在第一位。 Shad Rowe當然不是價值型的投資人，他看好的股票，不是被低估的那種，而是有成長潛力的股票。在尋找能讓客戶得到「更好、更快、更省」的產品的公司時，他還注重一點，「可以放大增長scale up」的能力。對於這一點，他也有一個很直觀、簡單的看法，所謂的「全球化」就是「美國化」，一旦在美國市場站穩腳步，就可以攻佔全球的市場，消費性產品像麥當勞、星巴克如此，科技產品更是如此，所以他專買那些很「無趣」、很大的美國高科技公司，全世界人都耳熟能詳的蘋果、谷歌、微軟、亞馬遜等等。 Shad Rowe信奉「只需一次決定」的投資方法，一旦看好股票，買好部位，就放著不管。他經營一個hedge fund，長期持有十幾支股票，公司管理階層只有他一個人，反正他的買賣次數極少，也沒有什麼費用，所以他也沒向投資人收管理費，只有獲利抽成12%(遠小於業界的20%常規)，經營了四十年，沒有賣出，就沒有資本利得稅，連報稅都單純，完全是我夢想的資金經理人模式。不過Shad Rowe在2024年過世了，巴菲特級的神人又少了一個。

最近市场回暖，优质项目值得重新审视！ 例如 @0G_labs 这类熊市在build的项目，并且还是AI风口的基建 去年7月0G刚推出 107B的时候我写过，到现在 DiLoCoX-107B已经成为全球最大的去中心化AI模型 但是别忘记，0G 是专为 AI Agent 构建的区块链 像今年 OpenClaw 这类产品出来之后，AI 可以有长期记忆并且自动运行 但Agent 如果真的要长期在线，还需要算力、记忆力、执行等等基建 📌这个时候 0G的Aristotle 主网就派上大用场了 Aristotle 可以给 AI Agent 提供的就是三样东西：可验证算力、持久化记忆、链上结算 0g 刚好卡位在 AI 非常关键的这一环，接住 Agent 真正跑起来需要的底层 再往下看，0G 不只是主网上线这么简单 它其实是一整套东西一起摆出来的：0G Chain、Compute Network、Storage、DA 尤其是 DA 这一层，官方给的数据很猛，速度比以太坊快 50,000 倍，成本低 100 倍 非常夸张，想象一下如果真的要商用，肯定避免不了大规模的吞吐，这个时候 DA 层的重要性就出来了 因为 Agent 不是发一两次请求就结束，它会持续读数据、写数据、调模型、存记忆，还可能反复触发链上动作 再看生态这边👇 像 Ghast AI 这种产品，已经开始把 0G 的能力往上接 它本身就是 0G 原生项目，走的是链上版 OpenClaw 这条路，浏览器插件已经上线，社区也在做邀请码和积分活动 更关键的是，它不只是做一个普通助手，而是想把个人 AI 记忆变成可以沉淀、可以拥有、甚至可以交易的东西 对了，最近还有个重磅信息，ZeroStack 1.07 亿美元的 0G 代币融资协议 交易完成后 ZeroStack 预计会持有接近 21% 的 0G 总供应量 总结起来就是：上面是越来越具体的 Agent 产品，下面是算力、记忆、结算、DA 这些底层 加上最近还有资本进入，这也是 0G 现在更值得重看的地方

最近看了一篇 career advice 的长文。作者是一家 fully agent-native 公司的 founder，之前在 Scale、OpenAI、Google 都待过。 之前也跟一些行业内的研究员聊到过一个问题：如果你有小孩，在 AI 时代准备怎么教育他？确实啊，AI 把活都干得七七八八了，该让孩子学什么、卷什么？ 借着这篇，聊聊我们自己的看法/建议。 1、把注意力放在真正稀缺的资源上 那篇长文里有个细节，我觉得很真实。作者当年手里有量化的 offer，保底现金高不少，但他选了 Scale AI，因为喜欢那里的社区，也想接触不同的产品和应用。后来正是通过 Scale，他认识了做 LLM inference 的那批人，才有了 DeepMind 和 OpenAI 的机会。当年的同事，现在也成了一圈 Scale 系 founder。 回头看，这些人脉和学习机会带给他的东西，远超 quant 多给的那点现金。 他的观念是：现在拿钱比任何时候都容易。vibe-coding 时代，找个快速赚一笔的机会不难。但真正稀缺的，是别人真实的时间，是牢固的人际关系，是你做成过事之后积累的声誉。 我周围也有些朋友，之前不在 AI 圈，但这两年一头扎进来，逐渐走到更核心的位置。他们放弃了安稳打工的收入，选择在 AI 圈摸爬滚打。要的就是这些稀缺资源。 2、学会找题 AI 最先替代的，是定义清楚、可以评分的任务。学校过去训练的大多也是这种能力：题目已经有人出好了，你负责把答案做对。 但 agent 越来越强之后，真正拉开差距的会是：你能不能发现一个值得解决的问题，能不能判断该把多少时间、token 和资源投进去。 答案越来越便宜，好问题越来越贵。 所以如果问 AI 时代该怎么教育小孩，我觉得至少要让他长期待在真实的问题里。自己做项目也好，研究一个没人布置的题目也好。找题的能力不是上课教出来的，是在一次次选错、做砸和重来里长出来的。 3、用 bitter lesson 选公司 Rich Sutton 那篇 bitter lesson 说的是：通用方法加 scaling，最终会赢过任务特化的优化。这条规则拿来选问题、选公司，同样适用。 公司和职业的回报从来都是幂律分布，AI 只是把走到结果的速度加快了。现在写软件门槛这么低，谁都能搭个简单系统，真正持久的价值只会来自对足够有野心的问题的极致专注。 选公司就问两件事：它做的是不是这个问题最有野心的形态？它有没有真的解掉的可能？ 选岗位就问一件事：这个位置能不能让你直接在公司要解决的那个问题的最前沿干活？ （当然，上述说的是最理想的版本。如果暂时进不了最核心的位置，也看这个岗位能不能让你逐渐靠近核心问题） 4、最后一英里，用冲刺跑 红杉的 Alfred Lin 写过，最后 10% 是 90% 的工作量，也是 90% 的回报。 AI 把结果两极化了，因为中位数水平就是一个 agent 拿着随手写的 prompt 能吐出来的东西。价值只能来自你对某一小片问题的独特视角，或者对细节的执着。 最后一英里靠迭代。而且 coding agent 进步太快，经常更好的做法，是带着上一轮的教训，直接用下一代模型从头再来。 5、xG 和射门效率 足球里 xG（预期进球），衡量一支球队按机会质量算应该进几个球；效率，则是把机会真正转化成进球的比率。 职业生涯很长，不是每个高 xG 的机会都必须抓住。但你得先让自己站在能看见这些机会的位置。 不过人生到某个阶段是要进球的，不能光看见机会，临门一脚的效率也重要。他复盘自己的职业选择时说，大部分决定都做对了，但后悔没有在做决定前，多花一点时间收集信息。 6、researcher 是心态，不是职业 说实话，现在做 research 的门槛前所未有地低。你不需要先进入前沿实验室，才能开始做研究。先大量使用模型，再把直觉沉淀成 evaluation。 前沿实验室里研究员的日常，无非是好奇心驱动着探索新想法，跟 infra 搏斗着把想法实现，把整个系统理解到足够细以便高效 debug、再把结果的价值讲清楚，去换更多算力。 这些事，你不在前沿实验室也全都能做。 所以我越来越觉得，researcher 是一种心态，不是一种职业。这是我整篇文章最想送给大家的一句话。 世界仍然充满机会。解锁的钥匙就是找到有意思的问题，然后交付超出预期的结果。就这么简单，也就这么难。