1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好

接触发卡产品也快两年时间了，从最开始啥都不懂到后面慢慢爬坑摸索，分享一些感受： 整个链路基本上就是Fintech公司——发卡行/Processor——卡组。各个地区的发卡行能拿到的条款是不一样的，最夯的是美国本土/波多黎各的卡bin。 比如市面上目前最顶级的美国实体卡，返现能到2%左右，但还要扣除包括小额单笔交易费/3ds认证费等杂七杂八的费用，最后能拿到1.5%就不错了，而这个钱还需要和发卡行分润，所以最终能在1%-1.2%的范围是理想的，但现实情况可能是1%以下。 如果是其他地区的发卡行，返现肯定会低很多，不过不同的能力不一样，比如有的fx会便宜。也有一些虚拟卡的bin，能做到比2%更高的返点，但通常对于消费商家的类目有要求，比如只能广告投放啥的。 FX市面上基准现在是1%-2%，这个很正常，往往不是Fintech产品多收，而是发卡行的价格就这样。极个别能做到1%以内的，但返点上肯定就会低。 那么市面上为啥还有这么多高cashback的呢？一句话就是，平台在烧钱补贴。目前世界范围内最大的几家Fintech发卡产品，cashback基本就是1%-1.5%，所以超出这个范围就意味着是不盈利/烧钱的。 对于消费者来说当然是好事，尤其U卡赛道已经从原本加收1%到现在倒贴1.5% cashback，最好的建议就是使劲嫖，算下来真的比平常用银行/电子钱包支付还要划算，当然这中间有拿代币补贴的，有设置各种鸡贼条件的，自己甄别就好。目前还没听说过太多跑路的，但通常条件给的好的也都是比较不错的团队和大公司。如果返现给的高的离谱，可能就仔细思考下了，毕竟商业模式和成本分析就是以上这样。 对于创业者来说该如何选择呢？ 1.如果不是主营业务，不一定需要花时间找底层发卡行，一个是合规成本很高（虽然发卡合作不强制要支付牌照，但还是会要求非常完善的合规&反洗钱Policy，一个完整团队的人力成本至少一年得二十万美金起），然后发卡行收取的固定费用和每个月最低费用通常也都在上万美金级别。 2.按照我上面说的range对比一下，如果你的渠道比这个条件差，那你肯定没找到最好的。当然，不意味着你一定要花大量时间去换渠道，因为稳定和适配是最重要的。 3.不要一味烧钱，最终拿cashback换来的客户未必是忠诚的，留存也不会太好。核心应该是提供其他产品功能和真的能帮到用户的附加价值。

Flap的gas税|江湖最怕君子剑，链上最怕糊涂账  Flap回应之后，我反而觉得这事更值得讲清楚了。   先客观说一句：如果 Flap的TaxProcessor目的是承担税收分发里的Gas成本，那么平台从税收里收一笔费用，本身是可以被讨论、也可以被接受的。  税币和meme 不一样，meme用户买卖时的Gas由用户自己承担。但税币还要处理税收清算、分红、回购、金库分发。如果这些逻辑全塞进 token 合约，Gas 会变高，也容易卡税或分发失败。  Flap 的 TaxProcessor，相当于把这部分“税收分发工作”拆出来，由 processor 统一执行。所以这笔费用，本质上可以理解成【税收分发服务费】。  春秋笔法大家都会，顾左右而言他也正常，官方回应里讲 TaxProcessor、讲金库、讲 FAC、讲安全、讲用户放心，这些都没问题。  真正的关键是： 用户交的每一笔税，到底有多少用于项目，有多少用于 Gas，有多少成为平台收入？  几个最核心的事情，似乎还没被正面回答：  1.官方现在说的 “up to 0.3% of trade”，和旧合约里的 90/10 分账关系是什么？   2.0x8a08D98CBB218fceB318Ecf3aBc1BA43D8A7aB0E 累计收到的资金里，多少是 Gas 成本，多少是协议收入，多少来自内盘 1% fee？   3.覆盖 Gas 后的剩余部分去了哪里？进入团队多签后，具体用途是什么？   4.为什么这些费用信息之前没有以用户能看懂的方式放在前端或费用说明页里？如果文档是最近补上的，也没关系，承认“之前披露不足，现在补全”反而会更体面。  现在链上数据摆在那里：两年13,547 BNB，约千万美元级别，总不能都是gas补贴，如果其中一部分是平台营收，那也可以直接说。  BSC的普通分发操作，Gas成本是几美分级别，就算复杂分发更贵，按上限估算，13,547 BNB也足够覆盖非常夸张数量的链上操作。  那覆盖完 Gas 之后，多出来的钱去了哪里？  我让朋友去链上翻了一笔真实哈希，用户一笔 swap 的 gas 只有 0.000025-0.000054 BNB，大约 $0.01-$0.03；但同一笔交易里被扣掉的 tax，典型是 0.0008-0.0017 BNB，约 $0.46-$0.98 也就是说，税费抽成是用户 gas 的 15 到 50 倍，可能单一数据有失偏颇，但这笔账单应该需要好好算一算了。 发射台赚钱天经地义，pumpfun 靠交易费赚钱，Fourmeme 靠创建费、毕业费赚钱，Flap靠TaxProcessor和税币分发服务赚钱，本来都是商业模式。 甚至换个角度看，如果 Flap真能靠税币机制两年跑出这么大的协议收入，那说明这个台子的商业模型非常强。  站在投资人角度，YZi Labs 投它，可能确实投对了。  如果这是营收，就按营收讲，如果是Gas成本，就按成本讲。  不能说着是为了用户安全和税收分务，却还是甩一个模棱两可的技术文档。  Flap的有句话我很认同：“从市场中获得生存，为市场提供价值。”  那就从最简单的一步开始，把账单晒出来，用户自己会判断，这笔钱值不值。  笑傲江湖里，岳不群最厉害的地方，不是武功，而是“君子剑”三个字。 他站在道德牌坊下面说仁义，说规矩，说江湖大义。可越是这样，大家越需要知道，他袖子里到底藏了什么。

全球最贵的金融团队都在 GitHub 上开源了什么？ 普通人怎么了解量化？直接上手是最快的 Jane Street、Goldman Sachs、J.P. Morgan 等顶级量化与高频交易机构，都放出了代表性的金融/工程工具，帮助普通量化爱好者免费学到机构级的定价模型、实时数据可视化和高精度性能调试能力👇 1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好 这三个开源项目，能让你直接用上机构级的定价模型、实时行情仪表盘和高精度性能调试工具，帮普通开发者提升量化分析、数据可视化和代码优化能力，完全免费

Professor Jiang，目前 X 英文区最火的华人老哥之一，他曾是深圳中学副校长、北大附中国际部主任。 他因成功在前几年预测特朗普重当总统、美国联合以色列会攻击伊朗而走红。 而现在他的最新观点，却被英文区传疯了，他认为以色列可能会借战争，把现在的清真寺炸毁，然后在那重建犹太人的圣殿。 从而挑起，阿拉伯人与波斯人之间的战争，以实现弥赛亚时代（犹太教和基督教的核心末世论概念，指上帝派遣建立完美、公正、和平的理想国度）。 他坚信，伊斯兰教其实是犹太人创造的，起源于罗马驱逐犹太人后逃往阿拉伯，穆罕默德其实是犹太弥赛亚，阿克萨清真寺其实是第三圣殿。 此外他还猜测，特朗普可能会启动全国征兵，为了支撑对伊朗战争，同时会引发大规模骚乱，国民警卫队会进驻城市。 虽然以上种种都是猜测，且被贴上阴谋论的标签，但因为他的观点和预测，总是超级大胆和犀利，现在整个 X 上的英文区，经常会蹦出 Professor Jiang 的讨论贴，甚至很多人不相信，他只是一名普通的前中学教师。

我来告诉你们，数学界接下来一个最大的问题。 我去年就说过，UC Berkeley数学系助理教授Tony Feng在Google Gemini做visiting professor的时候，拿到了当时最好模型Google Gemini的超长极长无敌长的reasoning版本。 这直接导致Tony Feng解决了7道Erdos问题，三道FirstProof问题，开创性地用半监督方式 ，以及无监督方式，指导AI Agent解决数学问题。 我去年就说过，下一步要解决的问题是，尝试把一个数学命题以lean4的形式拆分成多个lemma，多个lemma以DAG的数学结构组合成一个数学命题，每个数学证明可以拆分成几十个到几千个lemma DAG，每个lemma作为节点又可以让多个agent来证明，这样可以用成千上万个agent来碰撞证明每个lemma，尝试组合成一个完整数学证明的DAG。 所有人都忽视了一个最重要的问题，就是一个LLM的reasoning是不可能无限长的，哪怕是Claude和GPT模型，reasoning是有限的，这是LLM结构和目前inference infra决定的。 但是数学家们早就给出了解决方案：在3000多年前，古希腊的数学家们就知道，完备的数学体系需要写书、写笔记、收学生，以学术社区和讨论组的形式，一条条验证，把自己思考的过程记录下来，给同行完成peer review，这样把自己在数学的工作一条条记录、验证、审议、写书、组织起来，一起构建完整的数学大厦。 过去10年来，人类一直在mathlib中实现这一个愿景，全世界所有数学家都在用lean4构建数学大厦，但是还远远不够。 你党哥提出lemma DAG概念后，能大概预测到一个方向，这个方向就是，驱动AI Agent用lean4把所有它能构建数学体系的领域： 1. 用lean4审核目前人类已有的、能用lean4实现和验证的数学论文，全部用lean4实现并验证一遍； 2. 用lean4尝试构建新的问题，实现一个AI native版本的mathlib证明大全——mathlib2——比现有人类数学家构建的mathlib要大一两个数量级； 3. 当人类尝试定义新的问题的时候，先从mathlib和mathlib2中搜索已有近似证明，尝试拆分成DAG的lemma形式，用mathlib2更加快速便捷地实现部分证明； 4. 最后用大量、超大量的AI Agent尝试大量、巨大量、无限提出新的问题，并且并行in parallel用已有mathlib2去验证或者证伪这些新问题，最后由人类数学大师cherry pick出其中有价值的问题和完整证明方案出来。 回到开头，首尾呼应一下： 人类在单一LLM本体进行超长reasoning已经接近inference复杂度极限，这是人类任何人都无法改变的，OpenAI和Anthropic改变不了，玉皇大帝都改变不了， 能提到LLM超长reasoning的唯一办法，就是让LLM Agent不断总结、不断记录、不断验证出过去产出的结构化、逻辑化、有组织的知识库，作为long term memory，这些知识库就是一个LLM Agent过去的所有reasoning中的有效记忆，并且能用于今后未来的所有构建中。 这和朴素古典的memory机制完全不同，无论构建一套lean4还是构建matlab simulink的有效仿真验证后的设计，还是构建HDL各种硬件描述语言在仿真后验证的电路设计，都更有效、更精准、更专业、更小领域， 而且最重要的是，构建这些结构化的专业学术知识库，恰恰是AI Agent加上一个本地仿真、编译、运行环境的最擅长的事情。 说人话说就是，脑子到极限的前提下，好脑子不如烂笔头。

CZ @cz_binance 不仅是币安创始人、币圈首富、全球畅销书作家，还是慈善家，目前主要捐款和资助情况如下 1. Prison Professors（美国监狱免费教育项目） 捐赠金额：200万美元，主要用于提供免费书籍、在线课程、学习工具和追踪系统，帮助囚犯自学和再入社会准备，目前已支持超过8000人在199个联邦监狱设施使用教育资源。 2. Giggle Academy（CZ创办的儿童免费教育平台） 专注于为全球儿童提供免费故事书、儿歌、词汇课程和游戏化学习，已覆盖 210+ 个国家和地区，惠及 50000+ 名儿童，已制作 2000+ 种故事书、课程和学习材料。他还向美国退伍军人子女教育捐赠了 200万美元设立永久奖学金基金。 3. Binance Charity 初始捐赠：1000万美元 4.他的新书《币安人生》全部版税收入也将捐给慈善教育 5.其他：10万美元级社区捐赠、地震救灾联合捐赠（150万美元等）、10万美元级生物科技开源项目捐赠等 可见人生的意义是实现个人价值后，再去追求社会价值，感恩社会，回馈社会，去帮助更多的人

我一直觉得 Codex 最近烧 Token 烧得不太对。 把本地 session 拆开一看，还真找到一个坑：最近版本新增的 JS tool，在执行异步任务时默认高频等待。任务明明还没跑完，模型却被一遍遍叫醒，Token 就这么白白烧掉了。 官方修复前，可以在全局 AGENTS.md 追加：👇 For long-running asynchronous work: - Empty `write_stdin` polls MUST use `yield_time_ms >= 180000`; prefer `300000` when intermediate output is not needed. - `functions.wait` MUST use `yield_time_ms >= 180000`. - `functions.exec` MUST set its outer `@exec yield_time_ms` at least 30000 ms longer than the longest nested tool wait, so the outer code cell does not yield first. - Do not apply the long wait to non-empty `write_stdin` calls that send interactive input. - These tools return early when the process or cell completes. Do not wake the model merely to report that work is still running. 新会话直接生效，老会话 compact 一次后生效。 我这边加完重新统计，Token 消耗少了大约 25%。 大家也可以让自己的 Codex 分析本地 session 验一遍。欢 迎使劲转发，把事情闹大。官方 issue backlog 堆成山，这种问题不闹大，多半连看都懒得看。

大表哥 @cz_binance 阿布扎比深度对话：MiCA监管博弈、AI革命与人生新规划 币安创始人CZ的每一次公开对话都备受全球关注 昨天 他现身阿布扎比 接受The Block新节目《The Starting Block》首期专访 就近期关于欧盟监管、AI与加密的融合、个人人生阶段转变等话题 进行了长达近一小时的深度分享 以下是本次访谈的核心判断与洞见 一、MiCA监管：合规却因政治力量受阻 谈及欧盟MiCA牌照申请 CZ直言 通过希腊提交的申请当时完全合规 且已经非常接近获批 但最终因为 政治等其他外部力量介入 进程被打断 他明确表示，自己并没有直接证据证明欧洲央行行长Christine Lagarde亲自干预（只是网上看到相关传闻）最终Binance选择撤回希腊申请 转向其他欧盟国家重新推进 CZ把这一结果称为双输局面 对Binance和欧洲都是损失 这一表态 揭示了加密行业在传统监管体系中面临的复杂现实 即使做到极致合规 也可能遭遇非市场因素的干扰 二、AI与加密货币：将产生1000倍交易量 在AI与加密的关系上，CZ给出了极具前瞻性的判断： “AI代理将产生比人类多1000倍的交易量” “AI将会使用加密货币” 他认为AI的爆发式发展必然需要高效、自主的支付和交易基础设施 而传统金融体系难以满足AI自主决策 自动执行的需求 区块链凭借其原生的可编程性和API友好特性 将成为AI在金融领域的最佳搭档 CZ预判 未来几个月内 AI自主交易、自动付款等场景就会出现并将深度与加密货币结合 这意味着 你的AI助手未来可能直接用加密货币帮你完成买票、投资、转账等操作，效率将实现质的飞跃 同时 他也观察到一个有趣现象：大量资金涌入AI领域后，很多人正用加密货币来交易AI相关资产 这反而为加密市场带来了新增量 三、复杂金融产品：STRC让他多次看不懂 CZ提到自己曾多次尝试理解Strategy的$STRC优先股产品，但仍然无法完全看懂 指出市场对Strategy卖出少量BTC支付股息的批评过度 他也认为某些金融产品过于复杂 存在过度设计的问题 四、CZ新阶段：从长期规划转向短期行动 卸任Binance CEO后 CZ的生活重心已发生明显转变 他不再制定5年、10年的长期规划 而是专注于接下来几个月的行动 因为技术和机会变化太快 他目前的重点包括： • 通过 GiggleAcademy 推动教育普惠 • 通过 yzilabs 支持区块链创始人与创新项目 • 为各国政府提供区块链采用建议 • 导师制 + 投资早期优质项目 此外 他还提到自出狱后向Prison Professors捐赠了200万美元 并曾投资约5亿美元参与Elon Musk收购Twitter（现X）希望X未来能更好支持加密支付 在CZ看来 加密行业依然是超级大赛道 AI与加密的深度融合将是下一阶段最确定的趋势之一 监管博弈会继续存在 但技术进步的确定性远大于不确定性 完整视频由剪辑软件自动翻译可能存在 翻译错误的情况 请不要恶意解读 原视频可以去 @TheBlockCo 观看