用GROK做了个少妇口播。 grok prompt: 竖屏短视频，前景是一位固定的成年美女主播，中景口播，镜头稳定。坐姿优雅从容，身体自然侧倾，肩膀放松，脖颈舒展，双腿自然交叠，整体姿态松弛而有气质。整体氛围柔和、慵懒、带一点成熟吸引力。光线偏暖色侧光或柔和室内光，自然勾勒肩颈线条。背景是动态动画或可视化画面，用来配合口播内容。主播全程保持同一张脸、同一套服装、同一光线、同一画风，嘴型同步准确。表情自然妩媚：半眯着眼、时不时轻轻挑眉、偶尔轻抿嘴唇或嘴角带着浅笑、说话时偶尔微微侧头。声音低沉软糯，带鼻音和懒洋洋的拖音。无杂乱字幕，无水印。 第1段 0:00-0:15 前景： 她以女妖pose斜坐在深色沙发上，一条腿交叠，手肘支撑在扶手上，身体微微侧倾。一只手轻轻托着下巴，指尖若有似无地摩挲脸颊，半眯着眼看向镜头，轻轻挑起一边眉毛。 背景动画： 暧昧室内夜景，窗帘被微风轻轻吹起，窗外城市霓虹虚化成暖金色光斑，空气中有极淡烟雾缓慢流动。 她说（约80字）： “嗯……为什么男人喜欢少妇？其实不是因为年纪，是因为那种少女没有的成熟魅力。男人到了某个阶段，吸引他的已经不只是年轻，而是一个女人经历生活后的从容和女人味。” 第2段 0:15-0:30 前景： 她保持S曲线，髋部极轻微晃动一下，交叠的双腿慢慢变换位置。指尖从锁骨缓慢滑向颈侧，再轻轻点在唇边，眼神移开两秒又重新对上。 背景动画： 背景灯光再暗一点，只剩窗边透进来的微光，沙发旁的影子被拉得很长，尘埃在光线里缓慢飘动。 她说（约79字）： “少妇更懂男人，也更懂感情里的分寸。少女靠热烈和冲动，而她经历过生活，知道怎么沟通、怎么理解对方。不会无理取闹，也清楚什么时候该靠近，什么时候该给空间。” 第3段 0:30-0:45 前景： 她上半身缓慢前倾靠近镜头，再懒洋洋地靠回去，肩膀轻微起伏。一只手抬起，用手背轻轻贴在额头，说话间隙缓慢舔一下下唇，再把唇轻轻抿住。 背景动画： 窗外霓虹隐约闪烁，窗帘轻轻摆动，画面色调偏暖金与暗紫，空气仿佛带着温度。 她说（约81字）： “少妇的吸引力，来自身体和心理的双重成熟。年轻是活力，成熟是韵味。她们对自己的身体更了解，对亲密关系也更坦然，不再羞涩懵懂。这种自然状态，本身就很吸引人。” 第4段 0:45-1:00 前景： 她微微侧头，让长发从一侧肩头滑落，双手交叠放在大腿上，拇指无意识地轻抚。眼神湿润，嘴角一边上扬，带着点不对称的玩味笑意。 背景动画： 背景进一步虚化，只剩沙发和窗边的轮廓，烟雾缓慢升起又散开，色调低饱和偏酒红。 她说（约80字）： “说白了，少妇更容易给男人一种被理解的感觉。男人在外面承担压力，需要的不是只会崇拜自己的人，而是能听懂自己、理解自己的人。经历过生活的女人，更容易读懂疲惫。” 第5段 1:00-1:15 前景： 她保持女妖pose，一只脚的脚尖在空中缓慢画圈，指尖轻轻拨开脸侧的发丝。微微仰头，露出更多颈线和锁骨，半眯着眼看向镜头。 背景动画： 窗外城市灯光缓慢闪烁，窗帘彻底静止，画面只剩暧昧的暗调和她的轮廓。 她说（约82字）： “真正让男人着迷的，从来不是少妇这个身份。而是一个女人身上的成熟、温柔、自信和理解力。年龄只是标签。真正有魅力的女人，无论年轻还是成熟，都能让人长久吸引。”

我看全网都在开火那个傻逼打假的，才感觉推特人智商开始在线了。 这人对任何事情都是盲人摸象，经常给别人说熬鹰是无限保证金才做起来的，我那时候看到这种言论就已经把他拉到傻逼行列了。 我从四月下旬做1wu挑战一开始目标就是100wu，而且中途没有加过一分钱保证金，看过直播的都知道而且币安还有每天前六小时直播录像，交割单在录像里每天都会晒。 全程直播号没加过一分钱保证金，带单号也是靠这直播来的3wu一路打上来的。 知道啥是带单账号吗？ 带单账号是无法中途隐藏实盘的，是回撤80%被喷死，是任何一点儿波动粉丝群里就跟奔丧一样各个在骂，只要错了一单都是天大的过错。 而什么聪明钱实盘你做的不舒服了立马隐藏就行了，你可以对冲出一个好成绩以后再打开实盘造神横空出世，而带单不行，从头到尾必须公开展示所有曲线。 而就是这么样的舆论环境，我也只靠1wu做起来了。你怎么不见币安广场的这个哥那个帝的做一个出来呢？ 因为交易能力是交易能力，分析能力是分析能力，直播效果是直播效果，小丑是小丑。 每个人都在自己的边界做事，你看看那些分析师有哪个敢来碰瓷我的？没有，就是因为论交易能力以小博大，这些人的能力是0。 每个人都需要构建自己的现金流业务，而我的交易能力越强-交易成绩越好-粉丝赚更多钱-我现金流业务越好。 实盘交易员的一切现金流业务前提条件就是必须有好成绩。如果我可以靠无限保证金复刻，那世界上应该这俩月孵化出几百个熬鹰了，但是可惜最后还是只有我站在这里。 人们总是对别人能做到但是自己做不到的事情脑补出各种肮脏恶毒的情节，以满足自己的懦弱无知和一无所成。 这种人除了脑补各种点评打假，就不剩啥东西了。 有交易能力的人自然会开实盘。 会忽悠的人自然会去当分析师。 每天爆仓的人会去当做神经病。 而什么都不懂的，就会去做打假，给人一种伟光正形象，做小丑。

最舒服的關係 不是小心翼翼地討好 而是彼此陪伴、互相照亮 不用刻意迎合 也能自在做自己 懂你的人，自然會接住你的情緒與真心🤍 #國文老師#

眼瞅着「功夫女足」的票房预测在短短几天内从10亿出头奔着30亿以上去了，我一直在感叹大伙还是太有钱了，谁再唱衰中国经济，就把这个数字甩到他脸上去。 不懂的人可能以为我是在嘲讽烂片，这实在是冤枉，烂片确实是烂片，但嘲讽是没有的事，恰恰相反，以我之见，当烂片也能拥有票房大爆的机会，中国电影市场的行情才真正复苏了。 借用峰哥的那句话来说——「这是好事儿啊！」 过去几年，整体低迷的院线表现叠加「哪吒」「给阿嬷的情书」这种少之又少的尖子生，催生并推动了一种逻辑使然的叙事： 只要拍出高质量的电影，观众自然会用钱包投票，还你一个叫好又叫座的回报，所谓「为众人抱薪者，不可使其冻毙于风雪。」 道德的高地上人满为患，电影业也只能选择瑟瑟发抖，不敢锐评上面的金玉良言其实是一句正确的废话，就没人会制定一个我要拍部烂片的目标，这不是资质有限吗，如果一个行业只容得下极致的成功，那么它一定是不健康的。 我是看过不少电影人恨天恨地，坚持那套「进电影院是一种生活方式，和电影的质量没有太大关系」的说辞，但是除了遭到白眼和耻笑，并不能起到迷途知返的劝说效果。 直到「功夫女足」空降打破了只有好电影才配得上高票房的那条叙事，曾经的坚固如今荡然无存，鲸落万物生的繁荣这才有了苗头。 「功夫女足」几乎集全了所有的debuff，首先它烂，觉得它不烂的，自觉坐小孩那桌去，我不是来跟你商量的，其次它俗，对流量明星应用尽用毫不避嫌，来自饭圈的控评包场样样不落，再者它Low，说是AI特效我看都是在辱AI了，Seedance干不出来那活儿，最后它坑，君不见多少人在说「再也不欠周星驰电影票了」，按理来说，消费者最恨消费情怀的刀法。 但是没想到吧，人家票房就是节节攀高，连着刷新中国影史的暑期档纪录，昔年高山在这部片子面前都不过是减速带。 于是又有了新的挽尊说法，把下沉市场搬了出来，接着便是难懂的话，什么「人民群众喜闻乐见，你算老几」之类，天了噜，这是下沉市场最支棱起来的一集，城乡二元论的公式太好用啦。 稍微动了点儿头脑的，想往周星驰这个IP上靠，却解释不了周星驰上一部声势更为浩荡的「新喜剧之王」是怎么扑街扑穿地心的，预期票房30亿，最后连8亿都没过，同样的配方，不同的结局，说不通的。 老阑以为，真的不如老实承认，内容创作不是一门科学，任何试图为它总结规律、套用公式的做法，都会变成呼啸而来打响脸颊的回旋镖，世上并不真的存在能够拍出好电影的方法论，更不只是只有好电影才能卖得盆满钵满。 醒醒，大清都亡了，Netflix的大数据神话早就被证伪了，哪有什么点石成金的魔法，石就是石，又不是不能吃。 所以我要大夸特夸「功夫女足」的走势，它非但是中国电影之幸，救行业于水火之中——就是别问是怎么到水火之中的——更是给「扩大消费『十五五』规划」的一次献礼。 至少我看朋友圈里的电影从业者，从资方到制片，都挺受鼓舞的，这甚至契合了周氏作品的一贯爽点：英雄的故事太远太假，烂泥里的小人物翻身，才让人有代入感。 鉴于能真正理解我说这么多是何意味的人大概不会太多，干脆直接自爆好了，我是非常双标的，于情而言。劝人掏钱看烂片这种烂屁股的事儿我是肯定不会干的，于理而言，我高度认可烂片的存在价值，这个世界需要烂片，需要赚大钱的烂片，看电影就不应该成为所谓品味的投射，成为那么多大道理的寄托，它就是个俗得不能再俗的、花上几十块钱打发时间的消遣。 再说了，「给阿嬷的情书」的导演蓝鸿春第一次自导自演的电影，豆瓣评分还不如「功夫女足」呢，没有拍烂片的烈火烹油，未必能有拍好片的鲜花着锦，周星驰虽然是老惯犯了，但大家还是要给年轻人机会，对不对？

这个夏天 AI 圈最有意思的一件事，不在硅谷，也不在哪个大厂的发布会上，而是发生在你天天刷的小红书。 很多人还把它当成种草口红、找探店攻略的地方，但就在这个月，小红书悄悄上线了一个叫 REDSkill 的功能。说它低调，是因为它没怎么大张旗鼓宣传；说它重要，是因为这可能是全球第一个把 AI Skill 直接嵌进社区内容里的产品。 先说清楚它到底是个啥。以前你想用别人做的 AI Skill，得去 GitHub、HuggingFace 这类技术社区翻半天，门槛高得劝退，普通人根本玩不转。Skill 和真正想用它的人之间，永远隔着一道墙——要跳转、要下载、还得懂点代码。 REDSkill 干的事很简单，就是把这道墙拆了。创作者发笔记的时候，可以把自己做的 Skill 直接挂在笔记下面，谁刷到这条笔记，点一下就能用，不用跳转、不用安装、不用懂技术。看到即可用，用完还能顺手分享出去。这种「内容即分发」的路子，是以前那些技术社区完全没走通的。 GitHub 负责让你把东西写出来，但写完往往躺在那没人理。小红书不一样，它本身就是个种草社区，几亿用户每天都在这里发现新东西、互相安利。AI Builder 把作品放上来，能被真实用户快速看到、快速用起来，这中间省掉的冷启动成本，懂的人自然懂。 更关键的是，这条路已经被数据验证了。平台上有笔记带动单个 Skill 突破了一万人使用，还出现了一百五十万曝光的世界杯动漫壁纸 Skill，以及好几个万赞的 REDSkill 笔记。要知道这还只是个内测阶段的功能，能跑出这种数据，说明这个分发飞轮是真的转起来了。目前平台上做 AI Skill 相关内容的创作者已经有三十万，相关话题曝光累计四十六亿。 往大了说，这件事的意义不只是「多了个功能」。AI Skill 的分发一直是个没解决好的难题，谁先把它做顺，谁就可能掌握 AI Agent 时代的用户入口——这套逻辑，和当年移动互联网时代 App Store 的价值逻辑几乎一模一样。小红书现在做的，就是在抢这个位置。 所以我觉得这事值得关注。如果你也对 AI 怎么真正走进普通人的日常感兴趣，不妨去翻翻 REDSkill 相关的笔记，自己上手试一个，体感会比看我说一堆都来得直接。 #REDSkill#

怎样避免活在信息茧房之中？ 1/ 最狠的办法不是多读书，而是让你的钱出去跑一圈。 拿出半年的薪水，分成四份： 一份买标普500（VOO）， 一份买纳指100（QQQ）， 一份买半导体ETF（SMH） 一份买全球指数（VT）。 每天涨跌都会逼着你去看美联储议息、看各大公司财报、看全球资金流向。 你会发现，很多你在短视频里看到的"美国要完"，跟K线完全对不上。 钱在市场里，你的认知自然会被迫打开。 2/ 把20世纪历史过一遍。 抖音B站上一大把优质主播。 看完你会发现，当代没有新鲜事：战争、债务危机、技术革命、资产泡沫、政权更替……人类一直在重复同样的剧本。 你对当下的焦虑，很多是因为历史看得太少。 3/ 读《县乡中国》。 这本书能让你理解中国基层是怎么运转的：条块关系、招商引资、房地产、城投公司。 看完你会明白，很多宏观政策的落点在哪里，为什么有些东西雷声大雨点小。 不懂政治经济运行机制的人，看新闻只看热闹。懂的人，看的是门道。 4/ 练一门需要手稳心细的爱好。 书法、绘画、射箭、DIY模型、插花、烘焙都行。 不是为了成为大师，而是为了训练你的专注力和耐心。 信息茧房最怕的不是你看到错误信息，而是你习惯了即时反馈，丧失了深度思考的能力。 一门手艺能把你的节奏慢下来。 5/ 有条件的话，去创一次业。 不用高大上，摆摊就行。 从选品、供应链、找位置、营销到财务管理，完整走一遍。 这个过程会让你对商业充满敬畏。 你会发现，课本上的"需求""供给""利润"，在现实中有多复杂。 你也会更理解为什么有些公司值那么多钱，有些公司一文不值。 ------- 信息茧房的本质，是你的世界被算法和情绪定义了。 破局的最好方式，就是让自己的认知有真实的"锚点"——钱的涨跌、历史的纵深、体制的理解、手艺的磨练、商业的实践。 当你的认知不再依赖别人的观点，而是来自真实的体验和反馈，茧房自然就破了。 共勉！！

女人出轨，多半从这5个“熟人”下手：第3个最隐蔽，根本防不住！ 很多男人总以为，婚姻出问题，都是外面有人故意招惹。 其实现实里，女人真正动了心思、越了边界，百分之八十都不是陌生人，而是身边最熟悉的这几个人。 外人再花言巧语，终究隔着距离、隔着防备。真正能悄无声息走进心里的，往往是天天出现在生活里的熟人。尤其是这五类人，最容易成为婚姻的“隐形杀手”。 1、经常联系的老同学 读书时就认识，有过青春滤镜。多年不联系还好，一旦重新聊上，回忆翻涌、话题不断。 对比家里平淡压抑的生活，老同学的温柔体贴、耐心倾听，很容易让人产生错觉，好像遇到了更懂自己的人。旧情复燃、死灰复燃，大多都是从闲聊开始的。 2、无话不谈的男闺蜜 很多婚姻的大忌，就是伴侣有所谓的“纯友谊异性知己”。 夫妻之间的矛盾、委屈、心里话，不愿意跟老公说，转头全部倾诉给男闺蜜。难过他安慰，委屈他开导，遇事他陪伴。久而久之，精神上早就越界了，身体越界只是早晚的事。所谓的蓝颜知己，大多都是藏在暗处的暧昧。 3、朝夕相处的职场搭档（最隐蔽、最难防） 这一类，是所有男人最容易忽略、也最防不住的。 一天24小时，除去睡觉，她跟同事待的时间，比跟老公还要久。一起加班、一起共事、互相帮忙、彼此体谅。工作中的默契、扶持和理解，是平淡婚姻里最缺的东西。 很多夫妻回家只剩沉默、玩手机、各过各的，而她在公司，却有人懂她的压力、心疼她的辛苦、陪着她奋斗。慢慢地，心就偏移了，连她自己都说不清什么时候动的情。这种日久生情，最隐蔽，也最致命。 4、懂得嘘寒问暖的邻居 远亲不如近邻，但太贴心的邻居，往往也是隐患。 抬头不见低头见，日常琐碎小事互相照应。家里男人粗心、冷漠、不管不顾，隔壁邻居却热情周到、事事帮忙、温柔体贴。对比之下，心里的落差会越来越大。人心都是暖出来的，久而久之，很容易滋生不该有的情愫。 5、帮过自己的恩人 人都有感恩心理。 在低谷、困难、无助的时候，有人伸手拉一把，女人最容易记在心里。对方稍微温柔一点、客气一点，她就容易把感激当成好感，把恩情当成深情。慢慢放下防备，越走越近。 其实说到底，婚姻里最可怕的，从来不是吵架、拌嘴。吵架至少还有沟通，还有情绪流动。 最可怕的是，看似岁月静好，实则早已形同陌路。 女人会向外寻求温暖，从来不是外面的人有多优秀、多完美，而是自己的婚姻太冷、陪伴太少、关心太少、委屈太多。 心里的缺口没人补，自然就会被身边的熟人一点点填满。 经营婚姻，从来不是防外人，而是别让你的冷落，慢慢逼走身边爱你的人。

# AI 行业三个月变天，模型榜单已经解释不了全部 1小时46分钟里，这期《半球观察》播客的主持人 把 DeepSeek V4、约 1000 条 Cursor 工作轨迹、OpenClaw 出圈、Manus 交易流产和 AI 中转站放在同一张桌上。单看每条都像行业新闻，连起来看就很刺眼：AI 公司正在被新的尺子衡量。模型榜单还重要，但已经解释不了全部。 过去我们习惯问一个问题：谁的模型更强？ 现在还得问另一组问题：谁有真实任务数据，谁掌握用户入口，谁能把价格打下来，谁能穿过监管和资本的窄门。 > **编者注：** 这篇按播客原文提炼判断。DeepSeek 估值、Cursor/xAI 交易、Manus 价格等数字均先按“节目说法”处理，不能直接当作已确认事实。 ## DeepSeek 的强，变成了另一种强 主播对 DeepSeek V4 的评价并不客气。V4 Pro 被认为 reasoning 过长，很多任务里像是在思维链中自己和自己打架。V4 Flash 的体感更好，接近 GPT5.4 mini 或 instant API 的水平，但这已经不是 R1 那种“全行业被迫重新估值”的时刻。 这就产生了第一个反差：DeepSeek 仍然技术很硬，但它的产品冲击力没有天然压倒别人。 节目里提到，Kimi、GLM、MiniMax 等国产模型在 coding 和迭代速度上都给了 DeepSeek 压力。DeepSeek 自己也因为适配国产硬件、减少 CUDA 技术债、拥抱 TileLang 等路线，承受了延期和成本变化。 这听起来像掉队。 但节目给了另一个定位。 节目里说“DeepSeek 正好填补了这个空白”。 这个“空白”指的是 OpenAI 不再开放权重、不再详细公开技术路线之后，全球开发者和研究者仍然需要一个前沿模型的公开参照物。DeepSeek 的价值就从“谁最强”变成“谁还愿意把技术路线摊开”。 这是一种新的强。 它可能不总是最会做产品的公司，也不一定每个版本都压住榜单。但它像开源社区的技术坐标系。大家看它的 report，看它的注意力机制，看它的后训练方法，再把这些东西吸收到自己的模型和产品里。 所以，写 DeepSeek V4 不适合写成“王者归来”或“彻底掉队”。更准确的说法是：DeepSeek 正在从爆款模型公司，变成公开 research lab 的基础设施。 DeepSeek 没有消失，它只是从王者变成了坐标系。 ## 数据飞轮开始压过架构叙事 这期最有信息量的技术段，落在 OPD 上。 节目用一个很好的类比解释 On Policy Distillation：传统后训练像老师先写一大本习题集，学生之后自己看、自己背、自己消化。问题是题太多，领域太杂，学生容易学歪，甚至出现 reward hacking。 OPD 的感觉更像现场教学。 > “学生遇到不会了，老师就过来告诉他为什么不对。” 写代码时，代码老师在旁边；做数学时，数学老师在旁边。学生先尝试，老师实时纠错，模型训练从离线习题集变成在线反馈。 这个机制把问题引向更深一层：老师从哪里来？ 答案是数据。更具体地说，是真实任务里的高质量轨迹。 节目提到 Cursor 的 Composer 2 争议时，有一个关键细节：Cursor 被转述为在 Kimi base model 上加入约 1000 条真实用户工作轨迹做 SFT，使 coding 表现明显强于原始 base model。这个数字需要核查，但方向很重要。 如果模型架构的边际差距变小，真实任务数据就会变成更贵的东西。 Claude Code 和 Codex 为什么会越做越强？节目里的解释是，它们有真实工程师每天使用的轨迹：怎么打开项目，怎么读代码，怎么改错，怎么跑测试，怎么回退，怎么完成一个长任务。 这些数据很难从普通互联网文本里直接获得。它是任务过程。 这也是 Cursor、Claude Code、Codex、OpenClaw、Manus 这一类产品被重新定价的原因。它们表面是工具，底层是数据采集口。谁的用户每天把真实任务交给它，谁就能反过来训练更懂任务的模型。 模型能力当然还重要。但当大家都足够强时，数据会把差距重新拉开。 模型教会产品说话，用户轨迹教会模型做事。 ## OpenClaw 出圈，说明入口开始变形 节目把 OpenClaw 称为 Agent 的 ChatGPT 时刻。 这句话很大，但它有具体场景支撑。主播把 OpenClaw 接进 Telegram 家庭群，当成一个会记忆、会查资料、会调用 skill 的“电子宠物”。更重要的是，在这个框架里，本地 27B 模型和 GPT5.5 的体感差距被缩小了。 原因很简单：OpenClaw 有 memory，有 skill，有连续任务，有工具调用。 这就改变了用户感知。单独问一个小模型，它可能不如大模型；把它放进一个 agent 框架里，它能记住昨天说过什么，能查资料，能跑工具，能把一个任务接着做下去。用户看到的是任务完成，而不是模型参数。 这也是 OpenClaw 出圈的意义。它把 skills 从程序员小圈子带到普通人场景。 节目里提到阿里的电商出海 agent。它可以帮助小商家处理 Shopify、商品上架、趋势分析、网站设计、运营链路。过去这些工作可能需要助理、外包、懂代码的人和运营经验。现在一个小老板可能第一次感到，agent 能把一整套流程接起来。 这个变化比模型榜单更接近商业。 因为用户不会每天比较 benchmark。他们会比较：这个东西能不能帮我把店开起来，能不能生成网页，能不能做 PPT，能不能整理调研表格，能不能少雇一个人。 Agent 的入口价值，不在会聊天，而在能接活。 ## Manus 的稀缺性，被同类产品反向证明 OpenClaw 出来以后，很多人会自然认为 Manus 不稀缺了。节目里的判断正好相反：OpenClaw 爆火，反而证明 Manus 更稀缺。 这个判断的逻辑是产品体验。 主播说，很多 computer use 或 open cloud 服务“根本不想用”，Perplexity 的 computer use 被点名为几乎不可用。相反，Manus 能做出详尽网页、PPT、真实调查表格，任务保持程度更好。 换句话说，壳不稀缺，稳定交付稀缺。 这和 ChatGPT 早期很像。聊天界面谁都能做，真正难的是持续给出有用答案。Agent 时代也是一样。浏览器自动化、工具调用、任务规划、记忆系统、失败恢复，单独看都不是秘密。难的是把它们组合成用户愿意反复使用的产品。 Manus 交易流产把这个问题又推到监管层面。 节目讨论了 Meta 交易被撤销、VIE、IP、人才和公司归属问题。这里最值得保留的不是情绪判断，而是创业者面临的新现实：AI agent 这种产品绑定了用户数据、任务轨迹、人才供给、模型合作和国家监管。 对中国 AI 创业者来说，路径选择可能会提前。你从第一天就要想清楚，是进入国内生态，还是走海外资本路径；是把团队、IP、数据和客户都放在一个监管框架里，还是冒着未来交易被叫停的风险做跨境结构。 这已经超出普通商业选择。 这是 AI 产品变成战略资产后的副作用。 Manus 的问题不是卖没卖成，而是它到底属于哪里。 ## AI 开始说钱，也开始被低价倒卖 节目后半段最现实。 大厂模型开始收费，推理框架项目开始公司化，IPO 和融资叙事吸走市场流动性，AI 中转站开始变成生意。主播说得很直接： 节目里那句“大家都开始说钱了，不再说 AGI 的梦想了”，把这层现实说得很直。 这句话有点刺耳，但它解释了很多现象。 当模型差距大时，用户会追逐最强模型。当多数日常任务都已经够用时，用户会开始追逐便宜、稳定、可接入、不封号、不断线。AI 中转站就在这个缝隙里长出来。 节目提到 Sub-to-API 这类工具，把 Claude 或 Codex 的订阅转换成 API，再用更低价格分发。也提到部分中转站可能收集用户数据，甚至标称 Claude，实际替换成更便宜的国产模型。 > **编者注：** AI 中转站涉及服务条款、数据安全和潜在欺诈风险。这里仅按节目内容记录产业信号，不构成使用建议。 这说明模型正在商品化。 最前沿模型、企业级合规服务、真实工作流数据仍然贵。但对普通聊天、搜索、轻量写作、心理陪伴、日常问答来说，很多用户已经不愿意为“最强”付出太高溢价。 这会倒逼模型公司回到互联网逻辑：获客、留存、价格、渠道、生态、数据闭环。 AGI 叙事还在，商业账本已经来了。 ## 最后 这期《半球观察》最适合被整理成一组暴论，因为它更像一张行业雷达图。DeepSeek 代表公开技术路线，Cursor 代表 coding 数据，OpenClaw 代表 agent 入口，Manus 代表可交付产品和监管敏感性，AI 中转站代表模型商品化。 把这些点连起来，结论很清楚：AI 行业正在从“模型公司竞赛”变成“模型、产品、数据、资本、监管共同定价”的复杂游戏。 接下来不能只看模型榜单。 要看四个信号。 第一，DeepSeek 后续版本能不能重新打出产品体验上的压倒性差距。如果不能，它仍然有开源坐标系价值，但商业位置会不同。 第二，Claude Code、Codex、Cursor、OpenClaw、Manus 谁能沉淀最高质量的任务轨迹。真实用户每天交出的工作过程，会比静态语料更贵。 第三，agent 产品能不能稳定交付。会调用工具不稀奇，能把网页、PPT、调研、代码修改交付到用户满意，才是分水岭。 第四，价格和监管会不会重塑模型分发。中转站、订阅转 API、模型替换套利、跨境交易叫停，都说明 AI 已经离纯技术讨论很远。 我对这期的最终判断是：模型能力仍然重要，但它已经不是唯一的解释变量。谁拥有入口，谁拥有数据，谁能把价格做到用户愿意持续用，谁能在监管和资本结构里活下来，谁才可能赢到下一阶段。 这也是它最值得写成文章的地方。暴论背后真正冲击人的，是我们判断 AI 公司的尺子正在换。 --- 原始播客：