注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 maxxing’
maxxing’ 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 maxxing’ 的推特
聊聊最近的硅谷的token-maxxing之辩,定价,arbitrage玩法,OpenRouter, Metronome,中国模型token出海,货币化… #硅谷101# Token经济学:AI时代的新货币战争 AI的竞争已经从“拼模型”卷到了“拼消耗”,员工们正疯狂比拼每天能烧掉多少token,而硅谷大佬们也在为AI账单暴涨而焦虑。当agent工具让token消耗量飙升百倍,一个残酷的问题摆上台面:我们正为之疯狂付费的token,到底是怎么定价的?烧得越多真的就越强吗? 本期视频,我们采访了研究芯片与Token效率的工程师、一线agent开发者、云计算创业者,深度拆解了token账单的构成和计价方式。与此同时,中国大模型正凭借突出的性价比,在全球开发者社区疯狂霸榜,这也催生了“token套利”这一全新商业模式的兴起。 当token变成一种新形态的“大宗商品”,我们正在见证一场全新货币战争的开启,“token出海”是否会成为下一个结构性产业机会?
显示更多
最近读到晚点的一篇《全员 token-maxxing,一场没人敢停的军备竞赛》让我有很深的感触。没错,现在ai是火,股票也涨好多,但是当所有人都在用的时候,长期看除了整体社会进步能对哪家特别的公司得到什么特殊的价值提升吗?没有人任何人拿到任何优势。
显示更多
Crypto is paying a high price for years of altcoin scams and grifts. It can feel like a toxic industry where very little value is created. It's easy to feel disillusioned and wish you were focusing on AI-related trading, businesses, or working at a startup in that sector. Many companies and investment firms have already begun the rotation out of Crypto. Don't let your apathy make you unproductive; it's your personal responsibility to continue learning about the world. If you feel the call of the wild, then go. For the ones brave enough to stick around, not only will the risk-reward be as asymmetric as it's been in recent history, the concentration of upside in a handful of assets will make it EASIER to generate massive returns. There is less capital looking at Crypto exposure than ever before. This all changes with a rapid repricing in Bitcoin this year, which I believe is inevitable. For a long time in Crypto, nothing felt buyable due to an excess of capital being forced to deploy in a sector with limited opportunity. We're in a new regime now. We're reaching a similar level of apathy that I felt during 2019 and 2022. I almost quit Crypto to go back to TradFi. It's no surprise those were the years where I generated the bulk of my returns (sans Hyperliquid). Outside of trading, if you're passionate about the space, companies that are still building during this period will be positioned to take advantage of the inevitable reacceleration of this industry. Working at top-tier companies in the space is more accessible than ever due to a shortage of people entering the field. Don't undervalue your time.
显示更多
把关于Binance Alpha妖币的研究跟英语系的一些trader甚至Liquid fund讨论了一下 大家对于这些“crime token”的交易都有极大的兴趣,甚至都开始动手自己找相关的主动做市商 所以说如果想要了解西方都在冲什么,绝对不能看那些VC、叙事、甚至像 zachxbt这种跟交易不相关的大V发言 分享一些我平时订阅蒸馏的英文交易员账号,拉平一下中外信息差: 1/ tradinghoe @tradinghoex 侯老师,我看到的第一个英语系系统性总结妖币交易策略的。投研力很强的女交易员 2/ A‘s Alpha A @missoralways 非常言简意赅,之前喊得 $SCRIBBLI 3/@CryptoTomYT 我看到应该是 $Asteroid 早期推手之一,二级上 ZEC/XMR/HYPE/TAO以及中国肽 4/ @unnattybrah 应该算是个 $MOG 的OG,然后后续的 $MAXXING $UNC 5/ @Jimbotrading 几乎全转发,$EITHER $OVPP $WOJAK 尤其是aster perp 6/ @changefomo 早期 $BIO $VVV solana:HyLXondhNhGkvWPXr8z4EPSgZNRRs4j8BHdyqMdVpump 7/ @sized_in 应该是主营Base生态的,$Trace $Lienfi 等等 8/ @onchainsorcerer 喊单不密集,但是有很多复盘 其实西方这些KOL车头,除了 @tradinghoex 或者 @onchainsorcerer 这种会发方法论或者心法的,其实绝大多数的喊单是很难跟进逻辑的 但是如果你把这个单子每一个都去蒸馏,尤其是把社交图谱一起分析,你就会发现他们本身的圈子传播链,哪些哪些是一起的,哪些哪些是有矛盾的甚至互相攻击的 从这个角度去分析逆向工程他们的传播链路,比从叙事层面等等去理解要容易得多
显示更多
0
51
152
22
转发到社区
Amazon 员工正在刷 Token Amazon 内部出现了一个新词:tokenmaxxing,意思是刷 AI 用量数据。 起因是 Amazon 今年给开发者定了硬指标:每周超过 80% 的开发者必须使用 AI 工具,并且在内部排行榜上追踪每个人的 Token(AI 模型处理的数据单位)消耗量。公司说这些数据不会用于绩效考核,但员工不信。“经理们确实在看,”一位员工说,“追踪用量会制造扭曲的激励,有些人把它当竞赛。” 于是一些员工开始用公司最近大规模部署的内部工具 MeshClaw 来刷分。MeshClaw 可以创建 AI Agent 代替用户操作办公软件,比如发起代码部署、处理邮件、操作 Slack。员工让它跑一些本来不需要 AI 做的事,纯粹为了把 Token 消耗数字刷上去。 MeshClaw 的灵感来自今年 2 月走红的开源项目 OpenClaw,后者允许用户在自己电脑上本地运行 AI Agent。Amazon 内部有三十多人参与开发了这个工具,内部文档的描述颇为科幻:“它会在夜间做梦来整合白天学到的东西,开会时帮你盯着部署,你醒来之前就把邮件分好了优先级。” 不只 Amazon,Meta 员工也在干一样的事,在内部排行榜上刷 Token 用量。 这背后是整个硅谷大厂的共同焦虑:巨额 AI 投入需要看到回报。Amazon 今年资本开支预计 2000 亿美元,绝大部分砸向 AI 和数据中心。公司需要证明这些钱花得值,最直观的方式就是让员工用起来,于是就有了指标、排行榜、和随之而来的数据注水。 也有员工对 MeshClaw 本身的安全性表示担忧。一个能代替你操作各种办公系统的 AI Agent,一旦出错或执行了非预期操作,后果可能不小。“默认的安全设置让我害怕,”一位员工说,“我不会放任它自己去干活。” 【注:tokenmaxxing 这个词模仿了网络俚语 -maxxing(把某件事做到极致)的构词法,在这里特指刷 AI Token 用量。】 来源:
显示更多
0
34
71
7
转发到社区
听说有人因为币安主站发了个 aura maxxxing的推文和图片就联想到了币安要与Solana世纪大和解,并开始fomo Solana链上的一个Meme 币 $Aura 。 这事儿传着传着就跟前几天币安Us上了个meme $Usduc 连起来了,信的人越来越多。 估计终于传到币安团队耳朵里去了,那么好了,刚刚发现推文直接都删了,彻底避嫌😂😂😂 我就说即便真和解也不可能选个名不见经传的meme啊,而且还是主站发推去奶,这想象力真心丰富。 流动性这么紧缺的时候,币安没理由还把自家BSC的水流出去浇灌别人家的一亩三分地
显示更多
0
96
33
3
转发到社区
现在很多人优化 Agent 成本,第一反应是: 换更便宜的模型,或者做 model routing。 但这篇论文提醒了一个更容易被忽略的地方: Agent 真正烧钱的,是整个执行循环。 一次 Agent 任务里,可能包含多轮对话、工具调用、上下文回放、历史压缩、重试、等待、子任务委派。 这些东西怎么组织,决定权大多在 harness / orchestration layer 这一层。 论文把这个现象叫做 token maxing: 模型单 token 价格在下降,但 Agent 为了完成更复杂的任务,会塞进更多上下文、更多工具信息、更多 reasoning trace。最后每个任务消耗的 token 反而越来越多。 实验设计很直接。 作者用 22 个企业 Agent 任务,测试 6 个模型,包括 Claude、Gemini、Qwen、GLM、Palmyra 等。然后只替换 orchestration layer:一边是普通 production agent loop,一边是 Writer Agent Harness。 结果很明显: 换上 Writer Agent Harness 后,平均任务成本从 $0.21 降到 $0.12,token 从 14.2k 降到 8.8k,耗时从 48 秒降到 27 秒;任务质量基本持平,quality per dollar 提升 82%。 这个差异主要来自几个很工程化的设计: 稳定内容放进可缓存 prefix,变化内容放在 tail;旧历史做结构化压缩;大块上下文尽量 offload;等待和重试阶段要有预算控制。 这篇最有意思的地方在于,它把 Agent 成本问题从「选哪个模型」推进到了「怎么组织一次任务执行」。 这对 AI coding、Research Agent、多智能体系统都很关键。 之后做 Agent,不能只盯模型榜单。真正拉开差距的地方,会越来越多地出现在 context engineering、tool exposure、cache discipline、failure governance 和 workflow orchestration 这些层面。 Agent 越复杂,harness 越像基础设施。 模型决定能力上限,harness 决定接近这个上限要花多少钱。 📎 arxiv:
显示更多
0
4
86
19
转发到社区