#新网站测试公告# 大家也许感觉到了，书格有近一个月未更新文章，期间我们在做新版网站的测试工作。确实是个人精力和能力有限，在经过了长达一年的网站程序和功能调整，以及两个月的内测。目前网站构架基本完成，因此，我们决定开始更大范围的公测。详细请访问：

请协助对 Zama 测试网进行压力测试 官方提示请勿使用机器人恶意刷单👇 链接： ◼️ Mint EUROZ ◼️盾牌欧元→ cEUROZ ◼️将 cEUROZ 发送到另一个钱包 ◼️在 Etherscan 上检查加密交易 目前网站正在维护等待重新开启 @zama 另外的10%的 $ZAMA 代币打新看看👇 入口： 卖的币是比较多的大家自行看看吧 公开空投也是没什么系的有OG的话可以参与 没有OG NFT的我也是不建议的兄弟萌 空投多少 @zama #ZamaCreatorProgram#

作为一个把 Claude 用到极致，codex偶尔使用的非技术人员，我来谈一下我对于codex和claude的感受： Codex 正在吞噬应用层的一切，Claude 正在吞噬编码层的一切 先说 Codex 的应用层吞噬 Codex 现在已经不是一个编程工具了 它是一个能操作你电脑上所有东西的超级 App，这点大家应该都深有体会 1. Computer Use - 后台操作你的 Mac 4 月 16 日上线，Codex 可以用自己的光标看、点击、输入 多个 Agent 可以在你的 Mac 上并行工作，不干扰你自己的操作 前端设计、游戏开发、任何 GUI 应用，它都能操作 2. Chrome Extension - 接管你的浏览器 5 月 7 日上线，Codex 现在能直接在 Chrome 里工作 它能操作你已经登录的网站，使用你的 Cookie 和认证状态 跨多个标签页并行处理任务，在后台运行不打断你 3. 90+ Plugins - 连接你的所有工具 GitHub、Slack、Gmail、Google Drive、Notion 每个 Plugin 打包了 Skills、App 集成、MCP 服务器 一键安装，直接用 4. Skills - 把重复工作变成一条指令 你可以把任何多步骤工作流打包成一个 Skill 输入 / 触发，就像训练好的员工一样 OpenAI 自己用 Skills 做每日问题分类、CI 失败总结、发布简报 5. Automations - 让 AI 在你睡觉时工作 设置定时任务，Codex 可以自动运行 每天早上生成工作简报，每周五做项目总结 它甚至能跨天、跨周持续执行长期任务，自动唤醒继续工作 6. Memory - 记住你的偏好和历史 Codex 会记住你的个人偏好、纠正过的错误、花时间收集的信息 下次任务自动用上，质量更高，速度更快 7. 图像生成 - 直接在工作流里生成图 集成了 gpt-image-1.5，需要配图的时候直接生成 不用跳出去用别的工具 你自己能发现，Codex 的逻辑是什么？ 让 AI 成为你所有软件之上的操作系统 不是造新工具，而是把现有工具全部串起来 这才是应用层吞噬 再说 Claude 的编码层吞噬 Claude Code 在 2026 年的定位已经非常清晰： 它要重新定义什么叫“开发者” 1. 100 万 token 上下文 - 读取整个代码库 Claude Code 能读取你的整个项目，理解所有文件之间的关系 不是单文件建议，而是跨文件重构 2. 自主执行 - 从规划到测试全自动 你只需要描述想要什么，Claude Code 会： 规划方案 → 写代码 → 运行测试 → 读取错误 → 自动迭代修复 整个过程不需要你插手 3. Terminal + IDE + Desktop - 全场景覆盖 在 Terminal 里用命令行 在 VS Code、JetBrains 里用插件 在 Desktop App 里用图形界面 所有配置、MCP 服务器、Skills 全部同步 4. SWE-bench 80.8% - 行业最高分 这是衡量 AI 解决真实 GitHub Issues 的标准测试 Claude Code 是 2026 年最高分 真实团队用它 20 小时迁移 5 万行代码，事故调查时间减少 80% 5. 自动记忆 - 记住你的构建命令和调试模式 Claude Code 会自动保存项目上下文、调试模式、你偏好的方法 跨 Session 记忆，不用每次都重新解释 6. Hooks - 自动化你的开发流程 每次编辑后自动格式化 每次提交前自动 Lint 用 Shell 命令串联整个工作流 Anthropic 自己说，他们公司现在大部分代码都是 Claude Code 写的 工程师的角色变成了：架构师 + 产品思考者 + 编排者 管理多个 AI Agent，给方向，做决策 这就是编码层吞噬的本质：把编程从技能变成了表达 所以，Codex vs Claude 的本质区别是什么？ Codex 的方向：应用层超级个体 操作你已有的软件，自动化所有日常工作 适合 90% 的普通人 核心能力：串联现有工具 Claude 的方向：编码层超级个体 帮你写代码、改代码、部署代码 适合 10% 的创造者 核心能力：从零创造新东西 但这里有个被所有人忽略的东西：Claude 不只有 Code，还有 Cowork Claude Cowork 是什么？ 它是 Claude 针对非技术人员推出的应用层工具 Marketing、Data 团队发现自己在用 Claude Code 做复杂的多步骤工作 Anthropic 观察到这个现象，就做了 Cowork Cowork 的核心能力： 操作你的本地文件和应用 38+ Connectors 连接 Slack、Notion、Google Drive、Microsoft 365 Projects 让每个项目有独立的文件、上下文、记忆 Scheduled Tasks 定时自动执行任务 Plugins 打包 Skills、Connectors、Sub-agents 你看，Claude 的野心其实是： 用 Claude Code 吞噬编码层 用 Claude Cowork 吞噬应用层 如果你是普通人，想提升日常工作效率： Codex 和 Claude Cowork 都可以 Codex 的 Computer Use 更激进，能操作任何 GUI Claude Cowork 的 Projects 更稳定，适合长期项目 如果你是开发者，想做产品、做项目： Claude Code+codex 是第一选择 SWE-bench 最高分的规划能力+codex的推理能力，代码质量最好 2026 年的 AI 竞争，比的是谁能把 AI 更好地嵌入到用户的日常工作流里 Codex 在应用层走得最激进 Claude 在编码层走得最深，同时用 Cowork 补齐应用层 这两个方向，正在重新定义“一个人能做什么” 应用层和编码层，都在被 AI 吞噬，而我们，正站在这个变革的最前沿，真的很兴奋！

今天上线了vibe coding的第二个产品：热点分析 让AI分析币圈热点，5分钟就可以掌握币圈的最热话题 这个功能现在很常见，那我花时间做的有何不同呢？ 1  说人话的有趣AI 让AI写的报告有人味，文字的可读性更强。这是我精心调教的结果，经历了三次版本的迭代。第一版是在刚开始做AI分析的时候，我像大部分人一样，重心在功能的实现。 完工后我发现，AI写的报告平平无奇，并且带有很多晦涩难懂的专业名词。于是我进行改进，开始测试十几个不同的大模型，以及不同的Prompt工程。 因为我发现模型拥有不同的性格，有的输出文字细腻，有的严谨，有的喜欢自由发挥。在这个过程中，我自己也改变了想法，将原先追求专业深度的报告，转变为注重阅读体验的报告。 在我打算完工的时候，读着第二版的报告，总觉得内容不错但是表现力不够。于是，我开始调试temperature等参数，以及Prompt的微调，这是一次小心翼翼的尝试。需要允许AI有自己的个性，但是要防止它过于放飞。 因为AI的分析需要基于提供的数据，而不是它自己的知识库。同时允许它表达推文数据中的情感。比如当市场弥漫着恐惧情绪时，AI的文字就不能写得仿佛大家都很高兴。 最终的效果还可以，AI具有人情味，比如它昨天的分析，最后会开玩笑的说： 别想着什么“别人恐惧我贪婪”，搞不好是“别人恐惧你破产”。 2 精心挑选的Top 1000 kol 我们都知道，数据的质量决定了结果。对于信息总结，KOL的选择也至关重要。这个时候KOL-Lens就发挥了它的价值。根据它的数据，我们挑选了币圈有影响力、战绩好、数据表现优异的KOL。 3 分析策略 当分析的推文数量达到几千条时，就无法一次性投喂给AI了。一方面涉及输入token超过最大限制；另一方面，由于几千条推文是非常凌乱的信息，AI对其信息的整合处理能力较弱。实测下来，准确度并不高。所以，我采用了一种新的分析方法。具体步骤如下： 第一步：数据清洗，去除无用的垃圾数据，提高AI的准确度 第二步：对每条推文进行实体命名分析，用于分类 第三步：对未命中实体的推文进行主题分类 第四步：分类报告分析 第五步：综合性去重 经过5步处理的方案，可以在大量数据的情况下，实现综合的分析。 网站： 注册账户需要邀请码，请在此留言。（注，kol-lens的账号通用，不需要另外注册）

如何通过链上交易在一个月赚$1M： 梦幻般的二月，令人欣喜的不仅是利润高低，更在于部分项目买入后经历了横盘震荡甚至下跌，再被市场逐渐挖掘而价值发现后爆发式上涨的过程，这种思路被印证的快感正是投资的一大乐趣，感谢牛市提供的机会和流动性。 借此对这个月群内推荐项目和自己的操作做一个分享与总结，以下大部分操作都由0xSun.eth这个地址完成，大部分项目的入场时间都是最早一批： 1、Moby @MobyHQ 在公售前分析了前三个打新项目的投资机构后，判断这是一个背景和资源都非常不错的链上打新平台，公售时前端很卡，通过合约发现空签名也能打入，在30~33M市值范围参与了6个号共48个ETH，当时11.6万u，对应均价0.32左右。 开盘时我的持仓排在第一，刚开始项目方只加了60E的池子，遭遇严重Fud，币价一度从开盘的0.6跌到0.45，不过后续随着项目方逐渐添加流动性以及各种利好消息的放出，币价开始反弹，一路涨到2.53，我的解锁部分价值36万u，剩余未解锁部分价值41万u，浮盈65万u，并且质押代币拿到了最高的President档次，后续的打新收益很值得期待。 2、Sheb @sheboshis Shib官方的DN404项目，链上监控到合约部署后一直盯着，项目方设置错误导致公开Mint提前，单个成本0.05E，想了一下觉得非常值得一搏，果断花费32E印了640个，大部分时候排在持仓前3，NFT形式卖出约11E，后续项目方打开了代币授权开关但是没有添加池子，我怕其他散户加的池子太小不利于代币价格走势，又加了26E和300个代币到池子，目前LP手续费和区间收益22E，算上剩余代币价值，账面浮盈62E，大约19万u。 3、ASTX @asterixlabs DN404是ERC721A创始人Cygaar和Vectorized以及其他几位知名Dev合作完成的优化版ERC404协议，而ASTX是Vectorized自己的项目，也是第一个使用DN404协议的项目，这个信息在项目开盘前通过推特关注和合约部署时间已经被我们推测出来。 开盘的时候因为合约参数设置不当导致价格波动巨大，由于存在限购，所以我用了三个号在价格从1000下跌到400的过程中分别花费10E、8E和5E各买入35个币，最多的时候浮亏12E，但是好在项目方非常乐于听取意见，这个项目的背景也逐渐被市场发掘，经过一天的震荡洗盘后，币价最高涨至2400，8天后陆续出完，获利26.8E，约8万U。 4、Portal @Portalcoin 不算是一个月内的操作，不过属于在这个月拿到的结果。大概三个月前参与的天使轮，当时判断项目质量和热度都很高，但是预售过程太随意，只需要通过网站打钱就行，任何人都能参与，导致很多人担心是Rug而错过了，我也是抱着尝试的心态投入了10E，当时约2万u，得到346.4k代币，目前场外成交价直逼3u，保守一点按2u计算的话，开盘释放15%部分收益为10.3万u。 5、Huhu @HuhuCommunity 在做Merlin跨链任务的时候发现了Merlinswap上验证的土狗Huhu，随后通过链上信息判断大概率是跨链桥或Swap测试人员部署，在市值250k左右入场，最高点超过50倍，不过个人操作比较一般，因为购买的时候还看不到详细K线和池子大小，所以只买入0.04BTC左右，卖点判断也出现了失误，最终获利0.3BTC，大约1.5万u。后续Merlin链上的另一个Meme币Voya也表现出色，我也分号进行了参与，但是同样上的仓位比较小而且卖飞了，梅林链上的这两个土狗没能拿到大利润算是这个月比较遗憾的事。 6、Miner @minerercx 蹲DN404协议的意外收获，因为DN404协议延迟了一天发布，Miner的ERC-X正好出现在那天的空档，对Gas做了一些优化，我总共买入7ETH，卖出17ETH，获利3万u左右。比较可惜的是这个项目合约出现了漏洞，后续发展一般。 7、ChainGPT @Chain_GPT 类似Moby的逻辑，观察到这个平台的打新项目质量不错，而且最高档位只用3.5万u左右，性价比挺高，所以在0.25附近买入，目前币价0.37，利润约2万u。 8、Moros @morosnet 这个也不属于一个月内的操作，但过程挺有意思，值得一讲。去年11月左右发现了Moros这个项目，是做AI概念进行项目孵化的，比较突出的点是他们孵化的第一个项目被YC的CEO陈嘉兴点赞过，所以我陆续花了20天共买入4E，结果表现不佳，最低点跌到只剩20%，不过我还是比较看好它的长期发展所以选择了拿住，在这个月随着AI的浪潮，Moros也被发掘，从2.6号的最低点到今天20天涨幅50倍，这种突然暴涨几十倍的币自己也在车上的感觉还是非常奇妙的，我也由亏损到获利，目前盈利2万u。 9、其它 还有一些杂七杂八的小仓位操作就不一一罗列了，加起来的亏损应该在5~10ETH，链上操作追求的是赔率而非胜率，很多时候只有极短的时间窗口用于判断，遇到亏损甚至各类骗局都是在所难免的，我个人也习惯平时小仓位多试错，从而保持对市场的敏感度，这样才敢于在看好的项目出现时果断下注。 我也会出现失误或是踏空，这个月可以说是遍地黄金，撸毛、比特币生态和AI类代币都是大丰收，但是我基本没怎么参与，链上也因为一些细节没做好而错失了FP这个单币百E收益的机会，重要的是如何及时调整好自己的心态，投入到下一件自己擅长的事上。 另外最近感受比较深的一点是，之前推特上有一个论调，说牛市没有信息差，但我反而觉得信息差在牛市更大了。熊市的时候很多项目本身质量和市场流动性都不足以支持深耕一个项目，大家都是浅尝辄止，而牛市才会大批量地出现持续性强的项目，同一个项目可能大家都听说过，但是能在上面获利多少则取决于你对它的认知几何。纵观我这个月获利比较大的几个项目，都经历过横盘震荡甚至被FUD阴跌的时期，但最后都成了别人恐慌我贪婪的最佳入场机会，从而取得了不错的收益。 很多朋友在私聊和评论区里询问进群相关的事情，我的群每个月都是满的，只有月初会有一些空位，这几个月基本上群友推荐的朋友进来就满了，所以申请表看的进度很慢，希望大家理解，也不要被其他付费渠道骗了，感谢各位。最后也再次感谢市场，能接触币圈是我们这一代人的幸运，一定要把握牛市里的每一次机会。

今年年中在OKX Ventures的那段时间里，项目聊的没有23-24年那么密集，毕竟一级市场相对于前两年冷了不少。但也有好处，就是每个项目可以聊的更细，也有更多的时间去做DD和研究。可以“精聊” @Almanak属于当时印象比较深的一个，CEO老哥第一眼看上去就是个技术狂热者，一个来小时聊下来之后更是加深了这种感觉。为了DD他们的产品，我们除了深度试用了Almanak之外，还把它的几个竞品挨个体验了一番。我当时还扔了几千U去Almanak的Vault追踪下收益。结果要不是看到Almanak Games的最新消息，可能都忘了自己还在里面存了点钱…… OK言归正传，这项目干嘛的呢，你看它Twi的简介 - Your personal AI quant team - 你的个人AI量化团队 这个就比普通的AI Agent帮你Yield或者说帮你炒币又更进了一层，我给你搭一个AI Agent组成的量化团队 更酷的是，你可以把Almanak当成是Defi届的Cursor，无需懂代码，你可以用Vibe Coding的形式，通过AI Agent Swarm来构建、测试并部署机构级别的代码化金融策略。换句话说，你可以指挥这个AI量化团队，来根据你的要求构建量化策略。你提要求，Agent自动感知，决策，回测，执行…… 这也是为什么在Agent Yield的网站排名上，Almanak各项指标都遥遥领先，TVL几个月就突破1亿，甩开后面几名大几倍 当时我跟投资团队的小伙伴除了试用Almanak，还一起体验了Hey Anon，Griffin，Giza等几个竞品。确实产品功能和复杂度上，Almanak都高出一个量级。18个Agent有负责策略设计的，有负责审计的，有负责Alpha发现的，更关键的是还有负责回测和优化的，通过历史模拟，压力测试等判断大体收益率，潜在回撤等等，这个确实不是一般所谓“De-Agent”项目或者团队可以实现的。 估计这也是为什么Almanak可以拿到Delphi、HashKey、Bankless Ventures、RockawayX及Shima等顶级VC超过千万的投资，8月份在Legion的打新在市场极冷的情况下依旧超募400% 项目不光在产品上有创新，TGE也同样。很多项目TGE前搞一堆虚假指标、虚假互动、虚假社区，拼了命的卡空投，然后赶紧上所出货。Almanak这次除了产品先行之外，还把重点放在完全透明、社区共创、高参与度激励的设计上。避免隐藏锁仓和临时变更 马上开始的Almanak Games（12/11–1/31）是一场链上竞赛，旨在发现真正的用户和社区 - 用户对 $ALMANAK 进行交易、持仓、LP、策略部署均可获得奖励。 - 奖励包括：代币奖励（1.5%–3% Supply） 稳定币奖励（随社区参与解锁，数量真心不少,包含最高 100 万美元的稳定币奖励） 如果承诺持仓到 2025 年底还可获得 Boost 当然现在项目还处于早期的阶段，策略的丰富程度，数据验证还需要更多的时间交给市场检验，不过就目前提供的功能和搭的框架来看，跑出厉害的“链上量化策略”应该只是时间早晚问题，期待“Agent Defi Summer”的一波崛起！

# 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：

特朗普刚发布了首批 UFO/UAP 文件 还上了一个新网站 用于美国战争部披露外星人信息 162 个文件，几乎全是 FBI 旧档案 你该不会跟我说，那个像水母一样的东西是外星人？👽